株式会社リベルクラフトは2026年9月9日、AIモデルのファインチューニング実験の結果をまとめた技術レポート「複雑表構造化AI ファインチューニング技術レポート」をホワイトペーパーとして無料公開した。

結合セルや多段見出し、斜線見出しなど、構造が崩れやすい複雑な表をAIが正確に読み取れるかを検証し、追加学習による改善効果を実測値で示している。

背景と追加学習のアプローチ

生成AIの活用が進む一方、結合セルや多段見出し、1つのマスを斜線で区切った表などは構造を誤認識しやすい課題があった。同社は文書読み取りに特化した公開モデル「dots.ocr」をベースに、崩れやすい表を狙った約2万6千枚の学習データを用意し、元のモデル本体に手を加えず差分のみを追加学習する「LoRA」手法を実施した。

学習データは実データを収集したものではなく、AIに崩れ方の条件を指定して生成させている。用途ごとに差分を差し替えられる手法を採用することで、開発や運用のコストを抑えやすくしている。

学習に使用していない同一のテストデータ（表1,000枚。斜線ヘッダは専用テスト）を用い、追加学習前の汎用モデルと比較検証を行った結果、各項目で以下の精度向上が確認された。

• 複雑な表の再現精度（結合セルの正確さ）：37.6から94.3へ、約2.5倍に向上
• 表の骨組み（構造一致）：70.1から95.4に改善
• 文字の一致：36.9から94.8に改善
• そのまま使える出力（正しいHTML形式）：93.6から96.1に改善
• ありもしないセルの誤追加：23.9%から0.8%へ、約31分の1に減少
• セルの読み落とし：29.3%から4.6%へ、約6分の1に減少
• 斜線ヘッダの認識：認識できない状態から99.3%まで向上

固有書式書類への応用と今後の展開

同社によると、今回の手法は表の読み取りにとどまらず、請求書・見積書・検査記録・図面の注記など、自社固有の書式を持つ書類全般に応用できるという。代表取締役の三好大悟氏は、学習データを人手で集めずにAIに作らせることで、データ不足を理由に断念していた企業にもファインチューニングの選択肢が広がるとしている。

公開されたレポートは、専用フォームから送信後にメール経由で無料提供される。

• 資料名：複雑表構造化AI ファインチューニング技術レポート（ホワイトペーパー）
• 公開日：2026年9月9日
• 入手方法：無料（フォーム送信後、メールにてPDFをお届け）
• ダウンロードURL：https://liber-craft.co.jp/document/complex-table-finetuning-report
• ソリューション詳細URL：https://liber-craft.co.jp/solution-business/ai-finetuning
• 無料相談URL：https://liber-craft.co.jp/consultation-apply

株式会社リベルクラフト概要

• 所在地：東京都新宿区新宿３丁目５-６　キュープラザ新宿三丁目4階
• 代表者：三好 大悟
• 事業内容：AI・データサイエンス活用支援、AIプロダクト開発、DX人材育成研修、オンラインスクール運営
• 公式サイト：https://liber-craft.co.jp/

本記事は株式会社リベルクラフトの発表をもとに作成されています。

Dellows News編集部

ビジネスパーソンの課題解決と納得感にこだわるDellows News編集部。キャリア論からAI、健康法まで幅広い分野に対応し、複雑なテーマでも平易な言葉で丁寧に解説。読者が「明日から使える」知識やヒントを得られるよう、具体的な事例・データ・専門家の見解を交えて執筆。情報を整理し、納得感ある記事づくりを心がけています。