2026年6月17日、リコーは、図表や複雑なレイアウトを含む日本語ドキュメントに対するLLMの読解性能を向上させる「ドキュメント読解強化ワークフロー」を開発したと発表した。今夏から「RICOH オンプレLLMスターターキット」に搭載予定で、企業内文書を活用した生成AIの回答精度向上が期待される。
図表を含む企業文書の読解精度を向上
生成AIの業務利用が広がるなか、多くの企業では請求書や経営資料、業務マニュアルなど膨大な文書資産を保有している。しかし、それらには表やグラフ、画像が含まれるケースが多く、従来の検索や一般的なLLMでは内容を正確に理解できない場面が少なくなかった。
今回リコーが開発したワークフローは、こうした課題を解決するための技術である。図表や複雑なレイアウトからテキストや表、画像情報を効率的に抽出し、本文との関係性を維持したままAIへ入力する仕組みを採用した。これにより、文書全体の文脈を踏まえた回答生成が可能になる。
さらに特徴的なのがSelf-MoA（※）による推論手法だ。同一のLLMから複数の回答候補を生成し、それらを統合して最終回答を導き出す方式である。複数モデルを同時利用する従来のMoAと比べ、GPU資源を抑えながら回答品質を高められる点が強みとなる。
評価には日本語ドキュメント理解ベンチマーク「JDocQA Reasoning Benchmark」を使用した。その結果、リコー独自モデル「Qwen3.6-Ricoh-27B」ではスコアが0.875から0.904へ向上し、図表を含む文書読解能力の改善が確認された。
※Self-MoA：Self Mixture-of-Agentsの略。同一の大規模言語モデルから複数の回答候補を生成し、それらを統合して最適な回答を導く推論手法。複数モデル運用より計算資源を抑えながら性能向上を狙える。
オンプレミスAI普及の追い風となるか
今回の発表が注目される理由は、単なるモデル性能向上にとどまらない点にある。企業が実際に保有する文書の多くは、テキストだけで構成されているわけではない。経営会議資料や技術報告書、契約関連文書などは図表と文章が複雑に組み合わされており、そこを正確に理解できるかどうかが業務活用の成否を左右する。
また、本ワークフローは特定モデルに依存しない設計となっている。クラウド環境だけでなくオンプレミス環境でも利用でき、最新の商用LLMとの組み合わせにも対応する。追加学習を必要としないため、AI技術の進化に合わせて柔軟に運用できる点も導入企業にとって大きな利点となる。
一方で、実運用では文書解析の精度や推論コスト、社内システムとの連携などが引き続き重要な課題になる可能性がある。特に業界特有の専門用語や複雑な帳票への対応力は、今後の導入実績によって評価が定まるだろう。
リコーはこれまで経済産業省とNEDOによる生成AI開発プロジェクト「GENIAC」にも参画しており、日本企業向けのオンプレミスAI開発を進めてきた。今回の技術が普及すれば、社内文書を安全に活用しながら高度なAI活用を実現する動きが加速する可能性がある。
