契約書データ化サービスの⽴ち上げに携わり学んだこと / What I've learned from being involved in a new business, contract digitization services

■イベント 
：Sansan R&D・エンジニア20卒新卒LT会
https://sansan.connpass.com/event/191627/

■登壇概要
タイトル：契約書データ化サービスの⽴ち上げに携わり学んだこと
発表者： 
DSOC R&D研究員 保坂 ⼤樹

▼Twitter
https://twitter.com/SansanRandD

Transcript

1. 契約書データ化サービスの ⽴ち上げに携わり学んだこと Sansan株式会社 DSOC R&D 研究員保坂 ⼤樹
2. Data Strategy and Operation Center ⾃⼰紹介 • 2020/03 早稲⽥⼤学創造理⼯学研究科経営システム⼯学専攻 修了 • 2020/04 Sansan株式会社 ⼊社 保坂 ⼤樹 Taiju Hosaka Sansan 株式会社 DSOC（Data Strategy & Operation Center） R&D Data Analysis Group 研究員 オンライン名刺
3. Data Strategy and Operation Center 新卒とプロジェクトの関わり 2 最初のプロジェクトに関わり始めるのは 4⽉中旬ごろ • バックグラウンドを考慮した技術領域を担当 • メンター制度 ⽴ち上がっているプロジェクトは多岐にわたる • 名刺のデータ化、ニュース配信、転職マッチング… • 必要とされる技術も多様である > 画像処理、⾃然⾔語処理、機械学習、ネットワーク分析…
4. Data Strategy and Operation Center 携わったプロジェクト 3 ニュース配信 4 ⽉ 6 ⽉ 契約書データ化 8 ⽉ 10 ⽉ 完全在宅勤務 ビジネスニュースの判定モデル構築 今⽇はこちらの話をします
5. Data Strategy and Operation Center 契約書PDF⼊⼒／データ化システム 契約書PDF⼊⼒/ データ化システム ⼊⼒ データ化 ⾃動化エンジン オペレーター 名刺データ化ノウハウを活かした、契約書データ化システム 契約書PDF 契約書データ ユーザ企業
6. Data Strategy and Operation Center 契約書データ化サービスのリリース • 弁護⼠ドットコム株式会社 と連携したサービス「クラウドサイン AI」が今年 8⽉にリリース • 契約書データ化プロジェクトは⽴ち上がったばかり
7. Data Strategy and Operation Center 契約書データ化サービスにおける研究開発 契約書項⽬の抽出
8. Data Strategy and Operation Center 契約書データ化サービスにおける研究開発 ⾃動データ化エンジンの研究/開発 • PDF を⼊⼒とする > 画像、テキスト、オブジェクトの座標集合 の形式で扱うことが可能 > PDF を解析するための最近の研究 - ⽂字の座標を考慮した⾔語モデル (Xu et al., 2020) - テキストの意味を考慮したPDF画像の構造解析 (Yang et al., 2017) • 様々なタスクの組み合わせでデータ化を⾏う > OCR、構造解析、固有表現抽出…
9. Data Strategy and Operation Center 新規事業における研究開発 契約書データ化プロジェクトは新規事業 • 研究開発を⾏うには少し特殊な状況 > 修⼠時代の研究とは環境がガラリと変わった 新規事業における研究開発のハードル 1. 構築したモデルの組み込み 2. サービス環境の変動のしやすさ
10. Data Strategy and Operation Center 構築したモデルの組み込み なぜ難しいか？ • 組み込み先のシステムが出来たてホヤホヤ > 開発陣はタスクが⼭積み > 付加価値となるモデルは優先度が⾼くない • せっかくモデルを構築しても、 使われなければ意味がない
11. Data Strategy and Operation Center 構築したモデルの組み込み 研究成果を売り込む • 意思決定を⾏う⼈ と ⼿を動かす⼈に対して • デモ作成、API化の重要性 > テキスト、会話をするよりも⾮常に効果的 > 3回話した内容をデモ化したら、 向こうから聞いてくるようになった • クリティカルな数字を出す > ⽇々売り込み相⼿が気にしている数字に寄り添う
12. Data Strategy and Operation Center サービス環境の変動のしやすさ なぜ難しいか？ • 短期間でデータの性質が⼤きく変わりうる • 本番環境におけるモデルの性能も⼤きく変動する > データの変化に応じて、モデルを改修していくことが必要 「⽣き残る種とは、最も強いものではない。 最も知的なものでもない。 それは、変化に最もよく適応したものである」 Charles Robert Darwin
13. Data Strategy and Operation Center サービス環境の変動のしやすさ モデルにフィードバックループを導⼊ • 本番環境のエラーを検知し、すぐに改修できる仕組みを構築 > オペレータによる⼊⼒補助でエラー検知 > 改修しやすいモデルの構築が必要 > 改修したら評価を⾏う • オペレータによる⼊⼒補助でデータ化の質を担保 実験管理 エラー監視
14. Data Strategy and Operation Center まとめ • 新規事業の研究開発はやや特殊な環境 > 研究成果を売り込むことが⼤切 > 改修しやすいモデルを構築する • ⼊社半年で貴重な経験をした
15. Data Strategy and Operation Center 参考⽂献 • Xu, Y., Li, M., Cui, L., Huang, S., Wei, F. and Zhou, M. “LayoutLM: Pre-Training of Text and Layout for Document Image Understanding”, Proceedings of the ACM SIGKDD International Conference on Knowledge Discovery & Data Mining, pp.1192-1200, 2020 • Yang, X., Yumer, E., Asente, P., Kraley, M., Kifer, D. and Giles, C. “Learning to Extract Semantic Structure from Documents Using Multimodal Fully Convolutional Neural Networks. ”, Proceedings of the Conference on Computer Vision and Pattern Recognition, pp.4342-4351, 2017