※本記事にはプロモーション（広告）が含まれる場合があります。
Cloudflareの抽出特化モデル「Clairic」と判断特化モデル「Clef」を組み合わせることで、書類の種別判定と項目抽出を高速かつ低コストで行う仕組みが整理できます。本記事では、検証で確認された速度・精度・コスト指標と、非プログラマが運用で押さえておくべきポイントを分かりやすくまとめます。
本記事のポイント
Clefは書類の種別を選択肢形式で判定し、Clairicは請求元や金額などの項目を決まった形式で抜き出します。生成的な文章を作らず値だけを返すため処理が速く安価になり、ただし日本語の画像OCRでの読み取りに課題があります。運用では閾値や人による確認を組み合わせる設計が必要です。
何ができるか（機能の全体像）
ClefとClairicは役割が分かれています。
- Clef（判断）：書類の種別を判定できます。選択肢で答える「choice型」（あらかじめ候補を用意してその中から選ぶ形式）の実装例があり、各選択肢ごとに確率とconfidence（信頼度）が返ります。確率が十分でなければ人に回す運用が組めます。
- Clairic（抽出）：請求元、請求番号、日付、金額など、指定した項目だけを抜き出します。抜き出す項目はfields（抜き出したい項目を指定する場所）で指定します。抜き出した各項目についてvalue・confidence・p_null（項目が存在しない確率）・source・spanが返ります。金額には通貨単位や小数桁の指定が可能です。
- 生成的に文章を作らず、決まった形式で値だけを返すため、処理が速くコストも低く抑えられます。
速度と精度のポイント
検証で確認された主な指標は次の通りです。
- 単一件での処理は、Clef＋Clairic合わせて約1.5秒で処理でき、通信部分はそれぞれ約0.1秒程度でした。
- 同時に17枚を送った検証では全体で5.2秒で処理が終わり、これを枚数で割ると1枚あたり約0.3秒という指標になっています。ここでの「1枚0.3秒」は同時送信時の合計時間を枚数で割った値で、単一リクエストのレスポンスタイムではありません。
- 同時送信時は混雑により1枚あたり最大で約3.8秒に延びる可能性があり得ますが、全体は5.2秒に収まったという検証結果です。
- 分類（Clef）は検証の17枚で17/17の正答でした。抽出（Clairic）はヘッダ項目について100項目中62正解で、内訳は金額36/37、日付17/24、番号7/9、文字列（店名など）2/30でした。
料金・条件（検証で示された指標）
- 検証で示されたコスト指標は、分類（Clef）が1,000枚あたり約0.05ドル、抽出（Clairic）が1,000枚あたり約0.74ドルです。
- 実測の例として、検証の17枚分では分類が約0.0008ドル、抽出が約0.0126ドルでした。
- Clairicは記事執筆時点の2026年10月でプレビュー版です。
使い始め方（非プログラマ向けの流れ）
プログラムを書かない方でも考え方を押さえれば運用設計ができます。検証で行ったおおまかな手順は次の通りです。
- 画像ファイルを準備してアップロードする（検証では画像をbase64などで準備して送っています）。
- まずClefにchoice型の質問（例：doc_type）を投げて書類種別を判定します。choice型とは、あらかじめ候補を用意してその中から答えを選ぶ形式です。最高確率が0.8未満なら「その他」として人が選ぶ運用にしていました。
- 種別が判明したらClairicにfieldsで抜き出したい項目（例：issuer、invoice_number、issued_on、due_on、subtotal、tax、total、bank_name）を指定して送ります。各項目ごとにvalue・confidence・p_nullなどが返ります。金額にはunit:”JPY”やdecimals:0を付ける例があります。
- 画像の日本語OCR（画像から日本語を読み取る処理）が不安な場合は、同じ情報を手でテキスト化してClairicに渡すと正解率とコストが改善する例があります。つまり、画像だけに頼らず必要な箇所をテキストで補う運用を検討できます。
【想定シナリオ】研修担当のAさんの場合（架空の例）
以下は架空の人物を想定した使い方の例です。研修関連の請求書処理を効率化したい研修担当のAさんを想定します。
Aさんは受領した請求書をまずClefにかけて「請求書」「領収書」「その他」といった種別判定を行います。Clefの判定で最高確率が0.8未満だった場合は「その他」として人が最終確認する運用にする、という使い方が考えられます。
次に、種別が「請求書」と判定されたものだけをClairicにかけ、fieldsに請求番号や合計金額、発行日などを指定して抽出する運用が考えられます。金額はunit:”JPY”、小数桁はdecimals:0で指定しておく例があります。
Aさんは、日本語の店名や会社名が画像OCRで化けることがある点を考慮し、店名等を手でテキスト入力してClairicに渡す運用を併用するという使い方も考えられます。
注意点
- 検証で使った17枚はChatGPTで生成した架空の画像であり、実際のスキャンや写真とは違いがある点を考慮してください。
- 画像で渡す場合、日本語の文字列（店名や会社名）は誤認識が多く、読み取りが不安定です。日本語画像OCRが主な課題です。
- 同じ情報を手で正確なテキストとして渡すと、抽出の正答率とコストが改善する例があります。
- Clairicは項目ごとにp_nullやconfidenceを返すため、閾値（どのconfidenceで自動採用するか）や、人が補正するフローを設計する必要があります。
- 「1枚0.3秒」といった指標は17枚同時送信時の合計時間を枚数で割った値で、単一リクエストの応答時間ではありません。運用での期待値は負荷状況で変わります。
- 現時点でClairicはプレビュー版のため、本番運用に入れる前に精度確認と運用設計を必ず行ってください。
まとめ
ClairicとClefの組み合わせは、決まった形式で値だけを返す仕組みのため、高速かつ低コストで書類の判定と抽出ができる点が大きな特徴です。検証では分類は高精度でしたが、抽出では金額や日付は比較的良好、文字列の読み取り（特に日本語）は課題が残りました。
日本語の画像OCRに不安がある場合は、必要な情報を手でテキスト化して渡す運用を検討すると、抽出精度とコストの両面で改善が期待できます。Clairicはプレビュー版であるため、導入前に自社の書類サンプルで精度を確認し、閾値や人の確認を組み合わせた運用設計を行ってください。
コメント