生成AIによるOCR実施例の紹介

新妻康弘 · 9分で読める

2025/12/02

従来のOCRから生成AIを活用した最新のOCR技術への変遷を解説。Gemini 2.5 ProとGemini 2.0 Flash Liteを用い、架空の請求書PDFから構造化データ（JSON）を抽出する実例を通して、モデルによる精度差や業務適用のポイントを紹介します。

1. 導入

OCR（Optical Character Recognition、光学文字認識）は、紙やPDFに含まれる文字をデータに変換する技術です。

請求書処理などの業務では、単に文字を読むだけでなく「請求日」「請求先」「明細」「合計金額」といった記載内容を構造化データに変換することが重要になります。

従来のOCRは「文字を読む」ことに特化していましたが、近年は深層学習や生成AIの発展により、文書全体を理解して必要な情報を抽出・整理することが可能になっています。

本稿では、OCRの歴史と代表的な手法を整理したうえで、最新の生成AIを活用した請求書処理の実例を紹介します。

2. OCRの歴史の紹介

OCRは「光学OCR」と呼ばれ、もともとは専用フォントを読み取る仕組みから始まりました。現在では深層学習や生成AIと融合し、非定型帳票や契約書処理にも対応できるようになっています。

時期	技術の特徴	代表例	ポイント
1960年代〜	光学OCR（専用フォントOCR-A/B、機械読み取り装置）	OCR-Aフォント（1966年発表。その後ANSI/ISOで規格化）、郵便番号読み取り機（1968年）	郵便番号や銀行小切手など限定用途で利用開始
1980〜1990年代	PC向けOCRソフト、パターンマッチングや初期ニューラルネット	Kurzweil Reading Machine、ABBYY FineReader	活字の多様化に対応、オフィス利用が広がる
2000年代	オープンソースOCRの普及	Tesseract（1980年代HP開発 → 2005年OSS化 → 2006年Google継続開発）	無料で高精度OCRが普及
2010年代前半	スマホOCR、深層学習の導入	CNN/RNN応用、CamScannerなどアプリ普及	手書き認識の精度向上、クラウドOCR登場
2010年代後半	クラウドOCRサービスの普及	Google Vision API, AWS Textract, Azure Form Recognizer	OCR＋レイアウト解析、表やフォーム抽出に対応
2020年代前半	AI-OCR（深層学習の商用化、IDPの登場）	Google Document AI, Azure Document Intelligence	非定型帳票の精度向上、構造化も支援
2023年〜現在	生成AIとOCRの融合（文脈理解・自然言語指示で抽出）	Gemini, GPT-4, Claude	OCR結果をLLMで理解・構造化、非定型帳票処理が急速に普及

3. 主要な手法の紹介

技術分類	概要	代表例	時代背景
ルールベース	座標やキーワード指定による抽出。フォーマットが変わると対応できない。	古い帳票OCRシステム	1960〜2000年代に主流
機械学習	特徴量を人が設計し分類器で学習。SVMなどは1990年代後半以降に登場。	旧OCRソフト、Tesseract初期版	1990年代後半〜2000年代に利用
深層学習	ニューラルネットが特徴量も自動学習し、高精度な文字認識を実現。	PaddleOCR, Google Vision API, AWS Textract	2010年代半ば〜現在の主流
生成AI併用	OCR結果をLLMが文脈理解し、必要項目を抽出・構造化。	Gemini, GPT-4, Claude	2023年以降に急速に普及

4. 代表的なツール／サービス一覧

分類	ツール／サービス	提供元	特徴
OSS / 無料系
	Tesseract	Google継続開発（元HP開発）	無料で広く利用されるOCRエンジン。多言語対応だがレイアウト解析は弱め。
	PaddleOCR	Baidu	CNN/Attentionベース。80+言語対応、表や縦書き・複雑レイアウトに強い。
クラウドOCR / IDP
	Google Document AI	Google	請求書・契約書向けプロセッサーを備える。IDP（インテリジェント文書処理）の代表例。
	AWS Textract	Amazon	表やフォーム抽出に強み。
	Azure Document Intelligence	Microsoft	契約書解析やMicrosoft 365連携に適したサービス。
生成AIモデル
	Gemini	Google	マルチモーダル対応。OCR結果を文脈理解して指定項目抽出。
	GPT	OpenAI	同上。
	Claude	Anthropic	同上。

5. 例：Geminiによる請求書のJSON化

ここでは実際に、架空の不動産会社の請求書PDFを対象に、生成AIを用いて必要な項目を抽出してみます。

重要な点として、生成AIの出力は常に正確とは限らず、誤認識や取り違えが発生する可能性があるということです。

その特性を理解するため、ここでは Gemini 2.0 Flash Lite と Gemini 2.5 Pro を用い、同じプロンプトを与えた際の結果を比較します。

使用したプロンプト

以下のプロンプトと請求書PDFを生成AIに投入し、請求書PDFから指定項目を抽出しました。

#命令あなたは請求書画像を読み取り、以下の項目を必ずJSON形式で抽出してください。 JSON以外のテキストは出力しないでください。

#抽出する項目

請求番号（invoice_no）

請求日（invoice_date）

発行元会社名（issuer）

請求先会社名（client）

明細（items）・項目名（name）・数量（quantity）・単価（unit_price）・金額（amount）

小計（subtotal）

消費税額（tax）

合計金額（税込）（total）

備考（note）

#出力形式

JSON形式のみを返す

日付は YYYY-MM-DD 形式

金額は整数（カンマを除去）

数量や単価が欠けている場合は null を入れる

OCRで読み取った会社名や項目名をそのまま出力する（例：「ジェネレート不動産株式会社」）

#出力例

{

　"invoice_no": "INV-2508-101",

　"invoice_date": "2025-08-31",

　"issuer": "ジェネレート不動産株式会社",

　 "client": "ディフュージョン開発合同会社",

　"items": [

　　{"name": "賃料", "quantity": 1, "unit_price": 250000, "amount": 250000},

　　{"name": "共益費", "quantity": 1, "unit_price": 30000, "amount": 30000}

　"subtotal": 280000, "tax": 28000,

　"total": 308000,

　"note": null

}

入力ファイル（サンプル請求書）

請求番号INV-2508-102、株式会社サンプル不動産渋谷支店宛、ご請求金額860,024円の、修繕工事費や管理委託料、エレベーター保守料などの請求内訳

出力比較

Gemini 2.5 Pro の結果

{

　"invoice_no": "INV-2508-102",

　"invoice_date": "2025-09-02",

　"issuer": "株式会社日本サンプル",

　"client": "株式会社サンプル不動産渋谷支社",

　"items": [

　　{ "name": "修繕工事費(部材)", "quantity": 2, "unit_price": 62880, "amount": 125760 },

　　{ "name": "修繕工事費(工賃)", "quantity": 1, "unit_price": 66800, "amount": 66800 },

　　{ "name": "水道料金", "quantity": 1, "unit_price": 8100, "amount": 8100 },

　　{ "name": "ガス料金", "quantity": 1, "unit_price": 4200, "amount": 4200 },

　　{ "name": "通信回線費", "quantity": 1, "unit_price": 39770, "amount": 39770 },

　　{ "name": "共益費", "quantity": 1, "unit_price": 46350, "amount": 46350 },

　　{ "name": "賃料", "quantity": 1, "unit_price": 77170, "amount": 77170 },

　　{ "name": "管理委託料", "quantity": 1, "unit_price": 51450, "amount": 51450 },

　　{ "name": "駐車場代", "quantity": 1, "unit_price": 74060, "amount": 74060 },

　　{ "name": "巡回点検費", "quantity": 1, "unit_price": 25640, "amount": 25640 },

　　{ "name": "エレベーター保守料", "quantity": 1, "unit_price": 74620, "amount": 74620 },

　　{ "name": "廃棄物処理費", "quantity": 1, "unit_price": 53020, "amount": 53020 },

　　{ "name": "消防設備点検費", "quantity": 1, "unit_price": 28670, "amount": 28670 },

　　{ "name": "清掃費(共用部)", "quantity": 1, "unit_price": 87680, "amount": 87680 },

　　{ "name": "消耗品費", "quantity": 1, "unit_price": 15720, "amount": 15720 },

　　{ "name": "鍵交換費", "quantity": 1, "unit_price": 2830, "amount": 2830 }

　],

　"subtotal": 781840,

　"tax": 78184,

　"total": 860024,

　"note": null

}

Gemini 2.0 Flash Lite の結果

{

　"invoice_no": "INV-2508-102",

　"invoice_date": "2025-09-02",

　"issuer": "株式会社サンプル不動産渋谷支社",

　"client": "三菱UFJ銀行",