バックオフィス向け toB SaaS バクラクにおけるレコメンド技術活用 / recommender-systems-in-layerx-bakuraku

by Yuya Matsumura

Embed

Start on current slide

Slide 1

Slide 1 text

Slide 2

Slide 2 text

© LayerX Inc. 2 バクラク事業部 AI‧機械学習部部⻑ / 機械学習エンジニア経歴 2018/3：京都⼤学⼤学院情報学研究科修⼠課程修了 2018/4：ウォンテッドリー株式会社⼊社 ● ⼀⼈⽬データサイエンティストとして推薦システム開発チームの⽴ち上げなど ● その後、テックリードやEM、PdMなどを兼任 ● 退職後は機械学習領域の技術顧問に就任 2022/10：株式会社LayerX ⼊社 ● 機械学習とかLLMとかAgentとかやってますその他、⼤学にて⾮常勤講師やスタートアップの技術⽀援等画像を入れてね⾃⼰紹介松村優也（Yuya Matsumura） @yu__ya4

Slide 3

Slide 3 text

AI×バクラク

Slide 4

Slide 4 text

バクラクは、稟議、経費精算、法⼈カード、請求書受取、請求書発⾏、勤怠管理などの業務を効率化するクラウドサービスです。最先端のAIを組み込むことで、⼿⼊⼒や紙の管理などの業務から解放し、従業員⼀⼈ひとりがコア業務に集中できる新しい働き⽅を創造します。中⼩企業から⼤企業まで、10,000社を超えるお客様の働きやすい環境づくりと事業成⻑を⽀援しています。バックオフィスから全社の⽣産性を⾼める。 © LayerX Inc.　 4

Slide 5

Slide 5 text

© LayerX Inc.　 5 「バクラク」シリーズラインナップ ‧AIが請求書を５秒でデータ化 ‧仕訳 / 振込データを⾃動作成 ‧電帳法‧インボイス制度にも対応仕訳‧⽀払処理効率化 ‧年会費無料で何枚でも発⾏可能 ‧カード利⽤制限で統制を実現 ‧すべての決済で1%以上の還元法⼈カードの発⾏‧管理 ‧帳票の⼀括作成も個別作成も⾃由⾃在 ‧帳票の作成‧稟議‧送付‧保存を⼀本化 ‧レイアウトや項⽬のカスタマイズも可能請求書発⾏ ‧スキャナ保存データも直接取込み ‧AI-OCRが書類種別を判定＆データ化 ‧[取引先][取引⽇][取引⾦額]での検索帳票保存‧ストレージ ‧AIが各種申請書の作成をサポート ‧スマホからも申請‧承認可能 ‧柔軟な通知設定 / 承認の催促機能あり稟議‧⽀払申請 ‧直感的UIで従業員の負担を軽減 ‧Slack連携で打刻や⾃動リマインド可能 ‧わかりやすい残業 / 休暇管理レポート勤怠管理 ‧AIが領収書を5秒でデータ化 ‧スマホアプリとSlack連携あり ‧領収書の重複申請などミス防⽌機能経費精算

Slide 6

Slide 6 text

Slide 7

Slide 7 text

© LayerX Inc. 7 出張予定をカレンダーに登録さえすればすべてが終わる世界がくるかもしれない出張予定がカレンダーに登録される登録された期間や場所、業務‧イベント内容などから事前の出張申請をAIが⾃動で作成出張内容に適しており社内規定にも沿った交通⼿段や宿泊施設をAIがレコメンド AIが⾃動で予約や決済を完了（Level 5 では⾶⾏機が⽋航してしまうなどの不測の事態にも対応）出張期間中の経費精算や社内規定に沿った⽇当に関する事後の申請もAIが⾃動で作成⼈間は出張に⾏って帰ってくるだけ。本来やるべきことに集中できる！たとえば“業務の完全⾃動運転” in 出張業務「業務そのものをなくす」

Slide 8

Slide 8 text

Slide 9

Slide 9 text

推薦（レコメンド）システムとは

Slide 10

Slide 10 text

© LayerX Inc. 10 推薦（レコメンド）システムとは It is often necessary to make choices without suﬃcient personal experience of the alternatives. In everyday life, we rely on recommendations from other people either by word of mouth, recommendation letters, movie and book reviews printed in newspapers, or general surveys such as Zagat’s restaurant guides. Recommender systems assist and augment this natural social process. [Resnick+ 97] ⾃分の経験からのみではあまりよくわからないものの中から、どうしてもどれかを選ばなければならないということはよくある。このような際わたしたちは、⼝コミ、推薦状、新聞の書評や映画評、レストランガイドなどの他⼈からの推薦に頼ることを⽇常的に⾏っている。推薦システムとは、こうした社会で普通に⾏われている⼀連の⾏為を補助したり、促進したりするものである。 [Resnick 97] P. Resnick and H. R. Varian. Recommender systems. Communications of the ACM, Vol. 40, No. 3, pp. 56–58, 1997.

Slide 11

Slide 11 text

© LayerX Inc. 11 推薦（レコメンド）システムとは Recommenders: Tools to help identify worthwhile stuﬀ [Konstan+ 03] 推薦システム：どれに価値があるかを特定するのを助ける道具 [Konstan 03] J. A. Konstan and J. Riedl. Recommender systems: Collaborating in commerce and communities. In Proc. of the SIGCHI Conf. on Human Factors in Computing Systems, Tutorial, 2003.

Slide 12

Slide 12 text

Slide 13

Slide 13 text

Slide 14

Slide 14 text

Slide 15

Slide 15 text

Slide 16

Slide 16 text

レコメンド技術×バクラク

Slide 17

Slide 17 text

© LayerX Inc. 17 推薦（レコメンド）×バクラク経費申請業務（超簡略版）に含まれる様々な “選択”‧ “意思決定” 申請業務を開始フォームを選択主要項⽬の⼊⼒内訳の選択その他情報の⼊⼒経費申請をするぞ！と決⼼（激ムズ）申請内容に応じたフォームを複数の候補から選択⽇付‧⾦額‧⽀払先を領収書などの情報をもとに⼊⼒内訳（経費の種類）を複数の候補から選択申請内容に応じて追加で必要な情報を⼊⼒する e.g. 適切な部署をマスタから選択、会⾷の参加者⼈数や⽒名、タクシーの乗⾞区間や乗⾞理由の記述などなど

Slide 18

Slide 18 text

© LayerX Inc. 18 推薦（レコメンド）×バクラク経費申請業務（超簡略版）に含まれる様々な “選択”‧ “意思決定” 申請業務を開始フォームを選択主要項⽬の⼊⼒内訳の選択その他情報の⼊⼒経費申請をするぞ！と決⼼（激ムズ）申請内容に応じたフォームを複数の候補から選択⽇付‧⾦額‧⽀払先を領収書などの情報をもとに⼊⼒内訳（経費の種類）を複数の候補から選択申請内容に応じて追加で必要な情報を⼊⼒する e.g. 適切な部署をマスタから選択、会⾷の参加者⼈数や⽒名、タクシーの乗⾞区間や乗⾞理由の記述などなど

Slide 19

Slide 19 text

© LayerX Inc. 19 請求書や領収書などの帳票に記載された項⽬（⽀払期⽇や⽀払⾦額、取引先‧⽀払先名など）を抽出。 ● 対応枚数が数⼗、数百枚と増えるにつれ、ミスが起こりやすくなる ● 帳票のフォーマットは多種に渡り、⽬視で必要な項⽬を探すのは⼿間がかかる ● ミスが許されないため、ダブルチェック等の確認作業にも追加でコストが必要 AI-OCR機能：⼈間が帳票をもとに⼿⼊⼒でデータ化するという業務を無くす主要項⽬の⼊⼒

Slide 20

Slide 20 text

Slide 21

Slide 21 text

ホテルの領収書で読み取りたいのはチェックアウト⽇ or 決済⽇ CASE.1 請求書で読み取りたいのは税抜請求⾦額 or 税込請求⾦額 CASE.2 運⽤⽅法や業務の⽂脈など、顧客ごとのユースケースによって読み取りたい値が変わる従来のAI-OCR機能の課題

Slide 22

Slide 22 text

パーソナライズド AI-OCR *特許出願中従来のAI-OCRでは難しかった、ユースケースに合わせて値を読み取ることが可能に。お客様ごとの運⽤に合わせて学習します。複数の値を同時に読み込み AIが推薦 STEP.1 お客様の選択を学習していき運⽤に最適化していく STEP.2 お客様ごとの業務運⽤ルールに即した新しいAI-OCR

Slide 23

Slide 23 text

Slide 24

Slide 24 text

© LayerX Inc. 24 BERT系 (NLPモデル)や、Object Detection (CVモデル)系、 LayoutLM (マルチモーダルモデル)系などを複数検証項⽬抽出モデル（Candidate Generation）パーソナライズドAI-OCRの裏側 Jacov Deblin, et al., BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding, ACL, 2019 Zheng Ge, et al., YOLOX: Exceeding YOLO Series in 2021, arxiv, 2021 Yupan Huang, et al., LayoutLMv3: Pre-training for Document AI with Unified Text and Image Masking, ACM, 2022

Slide 25

Slide 25 text

© LayerX Inc. 25 最終的にお客様が欲しいのは、「誰に対して」「いつ」「いくら⽀払った」といった情報。同じ書類であっても、お客様の運⽤によって変わるため、過去の⼊⼒履歴を活⽤。推薦モデル (Reranking) 会社名が欲しい or 担当者名が欲しい税込⾦額が欲しい or 税抜⾦額が欲しい税抜⾦額税抜⾦額税込⾦額会社名会社名担当者名過去の⼊⼒履歴お客様が欲しい値を推薦税抜⾦額会社名パーソナライズドAI-OCRの裏側

Slide 26

Slide 26 text

Slide 27

Slide 27 text

Slide 28

Slide 28 text

© LayerX Inc. 28 推薦（レコメンド）×バクラク経費申請業務（超簡略版）に含まれる様々な “選択”‧ “意思決定” 申請業務を開始フォームを選択主要項⽬の⼊⼒内訳の選択その他情報の⼊⼒経費申請をするぞ！と決⼼（激ムズ）申請内容に応じたフォームを複数の候補から選択⽇付‧⾦額‧⽀払先を領収書などの情報をもとに⼊⼒内訳（経費の種類）を複数の候補から選択申請内容に応じて追加で必要な情報を⼊⼒する e.g. 会⾷の参加者⼈数や⽒名、タクシーの乗⾞区間や乗⾞理由など

Slide 29

Slide 29 text

Slide 30

Slide 30 text

Slide 31

Slide 31 text

© LayerX Inc. 31 推薦（レコメンド）×バクラク経費申請業務（超簡略版）に含まれる様々な “選択”‧ “意思決定” 申請業務を開始フォームを選択主要項⽬の⼊⼒内訳の選択その他情報の⼊⼒経費申請をするぞ！と決⼼（激ムズ）申請内容に応じたフォームを複数の候補から選択⽇付‧⾦額‧⽀払先を領収書などの情報をもとに⼊⼒内訳（経費の種類）を複数の候補から選択申請内容に応じて追加で必要な情報を⼊⼒する e.g. 会⾷の参加者⼈数や⽒名、タクシーの乗⾞区間や乗⾞理由など

Slide 32

Slide 32 text

Slide 33

Slide 33 text

Slide 34

Slide 34 text

⼀般的な(？)toC アイテム推薦サービスとの違い

Slide 35

Slide 35 text

© LayerX Inc. 35 ● バクラクは累計導⼊社数 15,000 超。１社あたりN⼈のユーザーがいるが、ToCと⽐べるとユーザー数はかなり少ない。アイテム数も少ない。利⽤頻度もToCより遥かに少ない。 ● データのばらつきが⼤きい。従業員数が数名の会社から万の会社まで。ユーザーごとの利⽤頻度のばらつきも⼤きく、経理の⽅はヘビーユーザーだが、⼀般従業員は⽉数回。 ○ この性質を理解した上で裏側を作るのがミソ。腕の⾒せ所！ ○ 従業員数の多いエンプラ企業様の利⽤が開始する際は緊張感が⾛る。腕の⾒せ所！ ● ABテストとかはあまりしない。事前のオフライン検証 + リリース後のモニタリング。 ○ サンプル数が少ないので正しいオンライン検証を⾏うコストが⾼い。 ○ 正解が決まっているという性質上、オフライン検証との相関も強い。データ量⼀般的な(？)toC アイテム推薦サービスとの違い toCサービスのユーザー数、アイテム数、インタラクション数と⽐較すると⼩さい。

Slide 36

Slide 36 text

© LayerX Inc. 36 ● toBのお客様は実際に⾃⾝が業務で困っているため、課題を解決したいという想いがとても強い。 ○ 機能開発のためのヒアリングやデータ提供などにも積極的に協⼒いただける⽅も多く、語弊を恐れずに⾔うと、お客様と⼀緒にプロダクトを開発している感覚になる。 ● 機能をリリースできたり、AI系システムの精度が改善した際にめちゃくちゃ嬉しいFBをいただけることも多い。XなどSNSに投稿いただけることも多く、バックオフィスtoBサービスがSNSで褒められるって意外だった（バクラクは割と特殊な⽅かも）。ユーザーとの距離⼀般的な(？)toC アイテム推薦サービスとの違い実はtoCサービスよりユーザー（お客様）との距離が近いかも

Slide 37

Slide 37 text

© LayerX Inc. 37 ● お客様への提供価値から計算する。いかに業務をなくせたか？ ○ AIの精度がx%上がると、⼿⼊⼒業務がy分なくなる。従業員の時給換算するとz円分の価値となる。といった計算が可能。プライシングも基本的にはこのような考え⽅。 ● バックオフィス系toBサービスのデジタル化はまだまだこれから。AI化は⾔わずもがな。 ○ 世の中にないものを作っている。ある機能があるから導⼊してくれるというケースも多い。 ○ 特に今が熱い！AI時代だからこその新しい価値を創り出すチャンス！ ● 先ほども触れた通り、toBのお客様は実際に⾃⾝が業務で困っているため、課題を解決したいという想いがとても強い。解決できた際の喜びもとても⼤きい。⼈の役に⽴つことをしている感覚がとても強いです。ビジネスインパクト⼀般的な(？)toC アイテム推薦サービスとの違い CVRがx%上がるとy億円売り上げが、、、という直感的に分かりやすいロジックではない