AIを活用した契約書自動抽出の検証により、契約書チェック業務を半自動化

契約業務において多くの文書を扱う大手運輸系企業様では、契約書チェックの効率化と精度向上を両立する手段として、生成AIの活用に取り組んでいます。

Polaris.AIは、契約書の構造的な読み解きや判断の自動化に向け、契約書からの関連箇所の抽出処理の高度化や、チェック項目との整合性を確認するAIの精度向上、実務で頻出する取り消し線対応の仕組み構築を支援しました。

この企業様では、運送契約などの締結にあたり、複数種類の契約書をまたいで社内規定に準拠しているかを確認する作業が発生します。

1つの契約において複数の契約書が交わされ、それぞれ異なる構成・表現が用いられる中で、特定のチェック項目に対して「どの契約書のどの部分を確認すべきか」が毎回異なるという課題がありました。

さらに、業界の慣習として、契約書の文言を修正・削除する際に“取り消し線”を用いるケースが多く、これにより有効な文言と無効な文言が混在する状態となります。

AIによる自動チェックにおいても、こうした取り消し線部分を誤って判定材料に含めてしまうリスクがあり、「無効な文言を正しく除外する」ことが制度的にも技術的にも重要なテーマとなっていました。

以下3つの観点から技術検証とプロトタイプ実装を支援しました。

1．関連箇所の抽出精度の改善と信頼度評価の仕組み

1つのチェック項目に対して参照すべき情報が複数契約書にまたがるケースが多く、単一文書内のキーワード抽出では限界がありました。

本PoCでは、複数の契約書を対象に全文検索を行い、それぞれの契約書に対して「どの記述が根拠となるか」を生成AIが個別に判定。その上で、各契約書における根拠の妥当性や一貫性をスコアリングし、最も信頼度の高いものを提示する仕組みを構築しました。

これにより、従来のTop10～Top20といった静的な抽出手法に比べて、業務で実際に判断材料となる情報の質・信頼性を重視したアプローチが実現できました。

2. 新規チェック項目への対応検証

契約書で確認すべきチェック項目を、改めてAIが判断しやすい形で再設定し、それぞれに対する文書抽出・規定準拠判定（〇×）の精度検証を行いました。

RAG（Retrieval-Augmented Generation）などの技術を応用し、生成AIによる自然言語での判断補助を実現しました。

3. 取り消し線への自動対応

契約書には、打ち消し表現（取り消し線）が含まれるケースも多く、判断の妨げとなるため、OCRや構造解析を通じて該当部分を除外・処理する前処理アルゴリズムを実装しました。

複数フォーマット（PDF、Word、画像）への柔軟な対応も視野に設計を行いました。

今回のPoCにより、生成AIを活用した契約書チェック業務の効率化に対する有効性と課題が可視化されました。今後は以下の展開が見込まれています。

Polaris.AIは、生成AIを活用した文書処理システムの設計・検証フェーズにおいて数多くの開発・支援実績を保有しております。

豊富な実績を基に、お客様の業務に即した技術選定・前処理設計を通じて、現場導入までの橋渡しを支援しています。

\ Let's shere ! /

一覧ページに戻る

Pick up

おすすめ記事