AI901-Foundry#204-2
注: この問題は、同じ前提を持つ一連の問題の一部です。それぞれの問題には異なる解決策が提示されます。
前提
ある損害保険会社が、自動車事故報告書 (画像 / PDF、月 25,000 件、現場写真 + 事故状況メモ + 図解スケッチ + 申請フォームの 4 種類が 1 件に含まれる) から「車両ダメージ箇所 / 損害規模区分 / 同乗者数 / 周辺状況 / 申請者情報」を構造化抽出し、査定システムに渡したいと考えています。要件はドメイン固有スキーマ精度、運用負荷低減、Privacy and security (顔・ナンバープレート伏字化)、Responsible AI 配慮です。
解決策
Content Understanding は使わず、すべての画像を Azure AI Vision の汎用 Image Analysis API に投げて general tags (car / road / person 等) のみを取得し、業務側で正規表現と if 文を多数組み合わせて「車両ダメージ箇所」「損害規模」を推定する独自実装を構築します。Content Safety や Privacy 対策は省略します。
この解決策は目的を満たしますか?
解説
【判定: いいえ】の理由
本提案は要件のすべてを満たせません。Image Analysis API の general tags は「car / road / person」のような汎用カテゴリで、損害保険業務の「車両ダメージ箇所 / 損害規模区分 / 同乗者数 / 周辺状況」を直接表すフィールドではありません。これを正規表現と if 文で「推定」しようとすると、業務ロジックの爆発的増加とエッジケース対応の保守地獄に陥り、Microsoft が Content Understanding で解決しようとしている「ドメイン固有抽出を宣言的に定義する」アプローチを完全に放棄する設計です。Content Safety を省略することで機微画像が査定システムに流出するリスクが高まり、Privacy 対策の省略は顔 / ナンバープレートの個人情報を保険業務関係者全員が原画像で見られる運用となり、Microsoft Responsible AI Standard の Reliability and safety / Privacy and security / Accountability の各原則を根本から放棄しています。Microsoft Learn の Content Understanding 推奨パターンと正反対の設計で、保険業界の規制要件にも違反する可能性が高く、本番運用に耐えません。
【「はい」が違う理由】
スキーマ精度 / Privacy / Responsible AI のいずれも要件を満たせず、設計として失敗です。
本提案は要件のすべてを満たせません。Image Analysis API の general tags は「car / road / person」のような汎用カテゴリで、損害保険業務の「車両ダメージ箇所 / 損害規模区分 / 同乗者数 / 周辺状況」を直接表すフィールドではありません。これを正規表現と if 文で「推定」しようとすると、業務ロジックの爆発的増加とエッジケース対応の保守地獄に陥り、Microsoft が Content Understanding で解決しようとしている「ドメイン固有抽出を宣言的に定義する」アプローチを完全に放棄する設計です。Content Safety を省略することで機微画像が査定システムに流出するリスクが高まり、Privacy 対策の省略は顔 / ナンバープレートの個人情報を保険業務関係者全員が原画像で見られる運用となり、Microsoft Responsible AI Standard の Reliability and safety / Privacy and security / Accountability の各原則を根本から放棄しています。Microsoft Learn の Content Understanding 推奨パターンと正反対の設計で、保険業界の規制要件にも違反する可能性が高く、本番運用に耐えません。
【「はい」が違う理由】
スキーマ精度 / Privacy / Responsible AI のいずれも要件を満たせず、設計として失敗です。

コメント