配達とモビリティ / 配車と配達
Uber：取引先請求書の入力と検収
- 企業
- Uber
- 国
- 米国
- 導入状況
- 運用中
- 資料公開
- 日付の基準
- 資料が公開された時点。導入を開始した日とは異なる場合がある。
- 根拠の確認方法
- 原文の本文を閲覧
業務課題
Uberは世界に供給業者のネットワークが広く、毎日多くの請求書を処理しなければならない。自動化を経ても、相当数の請求書は人が直接扱う必要があった。人の手が入ると誤りの危険が大きくなり、財務の不一致や照合の問題につながる。担当者が請求書一件を処理する平均処理時間が長く、遅れも大きかった。
使った技術とデータ
Uberはseq2seq、Meta Llama 2、Google Flan T5といった複数のLLMを微調整して比較した。最終的には、精度と適応力が優れていたOpenAI GPT-4系を選んだ。文書画像から文字を取り出す作業は社内のVision Gateway CVプラットフォームが担う。全体の処理は社内共通の文書処理プラットフォームTextSenseの上で動き、いくつもに枝分かれする作業の流れはUberのCadenceワークフロープラットフォームが管理する。人が確認する段階も残した。担当者がPDFの原本とモデルが取り出した値を並べて比べる画面を別に作った。確認が終わった値は、続く処理と支払のために顧客システムへ渡る。
成果
Uberは、請求書処理の平均処理時間が70%減ったと明らかにした。手作業と比べると費用は25-30%節約したと説明した。人が手を入れる請求書処理は2x減ったとした。全体の精度は90%である。提出された請求書の35%は99.5%に近い精度を得て、65%は80%を超える精度を得た。
限界と残る課題
90%は全体の平均精度であり、すべての請求書が人の確認なしに終わるわけではない。Uberは、過去に100%の精度を満たした場合に限って完全自動処理を行うと述べた。
出典
公開資料をまとめた事例です。ATF Works導入企業の成果ではありません。