Pulse AI と Amazon Bedrock を活用した金融文書処理の構築

金融機関は毎日数千件の複雑な文書を処理しています。財務データにおける光学式文字認識（OCR）エラーは、相互接続された計算を通じて伝播し、分析の精度に影響を及ぼします。標準的な法律文書における単一の OCR エラーが迅速な手動修正で済む場合でも、財務データにおける同じミスは相互接続された計算を通じて連鎖し、分析に体系的な誤りを生じさせ、組織にとって潜在的に高コストとなる可能性があります。 金融機関が日常的に扱う複雑な財務文書——貸借対照表、損益計算書、SEC 提出書類、調査報告書、監査資料など——の処理において、従来の OCR ツールは致命的に不十分です。これらの文書には、結合セルと階層データを持つ複雑な表構造、相互参照を伴う多段レイアウト、意味的理解を必要とする文脈依存情報が特徴としてあります。従来の OCR アプローチはこれらの文書を単なる画像として扱い、財務文書に意味を与える構造的関係や文脈の微妙なニュアンスを見逃します。その結果、手動修正の連鎖、データ入力遅延、体系的な分析エラーが生じます。 本記事では、これらの重要な課題に対処するドキュメント抽出およびモデルファインチューニングパイプラインの構築方法について解説します。Pulse AI の高度なドキュメント理解機能と Amazon Bedrock の強力な AI サービスを組み合わせることで、組織はエンタープライズグレードの精度を実現し、文脈に即した財務インサイトをスケーラブルに抽出することが可能になります。Amazon Bedrock は、ゼロの機械学習 (ML) オプオーバーヘッドで完全に管理されたモデルカスタマイズを提供し、キャパシティプランニングなしでのオンデマンド展開を可能にし、Nova モデルファミリーは優れたコストパフォーマンス特性を備えているため、チームはインフラストラクチャよりもイノベーションに注力できます。 従来のモノリシック OCR パイプラインとは異なり、[Pulse](https://www.runpulse.com/) はドキュメント理解のために特別に設計されたビジョンランゲージモデルと古典的 ML コンポーネントを統合し、意味論的意識を持って構造化データを抽出し、財務ドメインモデル用の改善された教師ありファインチューニングデータセットを生成し、特定の財務データでトレーニングされたカスタム大規模言語モデル (LLM) の展開を可能にする知的ソリューションを実現しています。[Pulse](https://www.runpulse.com/) は、Samsung、Cloudera、Howard Hughes、Fortune 500 財務機関、および高ボリュームの財務・運用ドキュメントを処理する主要なプライベートエクイティファームを含むグローバル企業に展開されています。 あるデプロイメントでは、従来は数日かかっていた約 1,000 件の複雑な金融文書のバッチ処理を、3 時間未満で完了させ、下流の分析や AI アプリケーションに即座に活用可能な構造化された監査可能な出力を生成しました。 ![image](https://d2908q01vomqb2.cloudfront.net/f1f836cb4ea6efb2a0b1b99f41ad8b103eff4b59/2026/05/02/ML-19858-image-1-new.png) 図 1: ドキュメント処理ワークフロー：従来方式 vs. Pulse 要するに、Pulse AI と Amazon Bedrock を組み合わせることで以下が可能になります: - Pulse AI は、複雑な表、多段レイアウト、階層データを取り扱う複雑な金融文書から、構造化され意味情報を考慮したデータを抽出します。 - Amazon Bedrock は、この高品質なデータを用いて Amazon Nova モデルをファインチューニングし、組織の金融慣習に特化したドメイン固有の知能を作成します。 - カスタムモデルはその後、組織固有の理解に基づいて新しい文書を処理し、手動レビューにかかる時間を数日から数時間に短縮します。 以下のワークフローは、Pulse AI と Amazon Bedrock を活用したインテリジェントな金融アプリケーション構築のアプローチを示しています。生データである金融文書から始まり、ドキュメント処理やファインチューニング、デプロイメントに至るまで、金融データの分析と洞察に特化したカスタム AI ソリューションを創出するための複雑な一連のステップをオーケストレーションします。 ![image](https://d2908q01vomqb2.cloudfront.net/f1f836cb4ea6efb2a0b1b99f41ad8b103eff4b59/2026/05/02/ML-19858-image-2.png) 図 2: ドメイン固有モデルを構築してインテリジェントドキュメント処理（IDP）を実現する、Pulse AI と AWS サービスを統合したドキュメント処理の参照アーキテクチャワークフローを示しています。 システムはまず（ステップ 1）、VPC 内の Pulse コンテナへ、または SaaS オファリングとしての Pulse ソフトウェアへドキュメントを取り込みます。次に、Pulse モデルが財務ドキュメントを処理します（ステップ 2）。抽出されたデータの出力は、Amazon Bedrock Nova Micro の教師あり微調整形式に変換され、[Amazon Simple Storage Service (Amazon S3)](https://aws.amazon.com/s3/) に保存されます（ステップ 3）。 その後、ワークフローでは Amazon Bedrock のその他の拡張機能を使用します： 教師ありファインチューニングジョブは、テキストベースの抽出タスク用に設計されたコスト効率の高いモデルである [Amazon Nova Micro](https://docs.aws.amazon.com/bedrock/latest/userguide/model-card-amazon-nova-micro.html) (amazon.nova-micro-v1:0) と、128K のコンテキストウィンドウを使用して実行されます（ステップ 5 および 6）。Nova Micro は競争力のある価格パフォーマンスを提供します。ジョブ完了後、結果として得られたモデルをオンデマンド推論用にデプロイできます。また、一貫したパフォーマンスが必要なミッションクリティカルなワークロードには、Provisioned Throughput（割り当てスループット）を使用することも可能です。*Test in Playground* を使用して応答の評価および比較を行ってください。結果として得られたカスタムモデルは Amazon Bedrock にインポートされ（ステップ 8）、スケーラブルなエンドユーザーアプリケーションを駆動するために、Provisioned Throughput でデプロイされます（ステップ 9）。このアーキテクチャは、ドメイン固有の金融データセットとカスタムの教師ありファインチューニング済みモデルを組み合わせたものであり、組織はパフォーマンスとコスト効率を維持しながら金融文脈を理解する、本番環境対応型の AI アプリケーションを構築することができます。 ## Prerequisites この投稿に沿って進めるためには、以下の前提条件を満たす必要があります。 - AWS アカウント – Amazon Bedrock やデータセット用の S3 ストレージを含む AWS サービスにアクセスするために必要です。 - AWS Identity and Access Management (IAM) ポリシーで Amazon Bedrock が S3 データセットにアクセスできる権限 – Amazon Bedrock が S3 バケット内に保存されたデータを安全に読み取り、処理するための必要な権限を付与します。 - Pulse Standard アカウント（runpulse.com でサインアップ）– このワークフローで Pulse システムと統合し、その機能を利用するために必要です。 - AWS リージョン要件：us-east-1。 - Python 3.12 以降。 - インスタンスタイプ：t3.medium。 - Amazon Elastic Compute Cloud (Amazon EC2) インスタンスは時間課金されます。このチュートリアル完了後はインスタンスを停止し、継続的なコストが発生しないようにしてください。 - Amazon Linux 2023（最新バージョン）。 - 公開財務諸表：https://www.impact-bank.com/user/file/dummy_statement.pdf。 - S3 訓練データ用バケット：s3:///training-data/。 注：このチュートリアルでは、EC2 インスタンス（時間課金）、S3 ストレージ（GB-月あたり）、Amazon Bedrock のファインチューニング（トレーニング時間あたり）、プロビジョンドスループットデプロイメント（時間課金）、AWS Secrets Manager（シークレット数・月額）など、課金が発生する AWS リソースが作成されます。 ## ステップバイステップの実装 Pulse AI と Amazon Bedrock を使用して財務文書処理パイプラインを設定および構成するには、以下の手順に従ってください。 - Pulse コンソールにアクセスし、アカウントを作成してください。 - AWS コンソールを使用して EC2 インスタンスを起動します。 EC2 コンソールへ移動します。 - [インスタンスの起動] を選択します。 - AMI の選択画面で、Amazon Linux 2023 AMI を検索してください。 - Amazon Linux 2023 AMI を選択します。 - インスタンスタイプの画面で t3.medium を選択します。 - Linux インスタンスへの SSH アクセス用の新しいキーペアを作成します。 - セキュリティグループの設定において、ご自身の IP アドレスから SSH（ポート 22）を許可するルールを追加してください。 - [起動] を選択します。 - 成功メッセージに表示されるインスタンス ID を保存してください。 - RunPulse から API キーを作成してください。 - インスタンスのパブリック DNS を確認するには、 EC2 コンソールへ移動します。 - あなたのインスタンスを選択します。 - [詳細] タブからパブリック IPv4 DNS の値をコピーします。 - EC2 インスタンスに接続するには、以下の SSH コマンドを実行してください。YOUR_KEY_FILE.pem を実際のキーペアのファイル名に、YOUR_INSTANCE_DNS をステップ 4a で取得したパブリック IPv4 DNS の値に置き換えてください：ssh -i YOUR_KEY_FILE.pem ec2-user@YOUR_INSTANCE_DNS 例：ssh -i my-keypair.pem ec2-user@ec2-54-123-45-67.compute-1.amazonaws.com - EC2 インスタンス上で aws configure コマンドを実行して AWS 認証情報を設定してください。プロンプトが表示されたら、Access Key ID（アクセスキー ID）、シークレットアクセスキー、リージョン（us-east-1）、出力形式（json）を入力します。 - 提供されたコマンドを使用して Pulse API キーを AWS Secrets Manager に保存してください：aws secretsmanager create-secret --name pulse-api-key --secret-string "your-api-key" - ARN をメモしておいてください。これは権限ポリシーに必要です。 注: AWS Command Line Interface (AWS CLI) version 2 は、Amazon Linux 2023 AMI ではデフォルトで事前にインストールされています。 - EC2 インスタンスの下に runpulse SDK をインストールします。 pip のインストール：sudo yum install pip - Pulse Python SDK のインストール：pip install pulse-python-sdk - EC2 インスタンス上で、現在の作業ディレクトリ内に以下の構成を示す bedrock-trust-policy.json という名前のファイルを作成してください。テキストエディタの nano や vi を使用できます：nano bedrock-trust-policy.json. bedrock-trust-policy.json の作成 { "Version": "2012-10-17", "Statement": [ { "Effect": "Allow", "Principal": { "Service": "bedrock.amazonaws.com" }, "Action": "sts:AssumeRole", "Condition": { "StringEquals": { "aws:SourceAccount": "your-aws-account-ID" }, "ArnLike": { "aws:SourceArn": "arn:aws:bedrock:us-east-1:your-aws-account-ID:model-customization-job/*" } } } ] } bedrock-permissions.json の作成 { "Version": "2012-10-17", "Statement": [ { "Sid": "S3AccessForFineTuning", "Effect": "Allow", "Action": [ "s3:GetObject", "s3:PutObject", "s3:ListBucket" ], "Resource": [ "arn:aws:s3:::your-bucket-name", "arn:aws:s3:::your-bucket-name/*" ] }, { "Sid": "SecretsManagerAccess", "Effect": "Allow", "Action": [ "secretsmanager:GetSecretValue", "secretsmanager:PutSecretValue", "secretsmanager:CreateSecret", "secretsmanager:UpdateSecret", "secretsmanager:DescribeSecret" ], "Resource": [ "arn:aws:secretsmanager:us-east-1:your-aws-account-ID:secret:your-secret-name-*" ] } ] } 次に、ロールを作成します：aws iam create-role --role-name AmazonBedrock-FineTuning-S3-Role --assume-role-policy-document file://bedrock-trust-policy.json --description "Role for Bedrock fine-tuning with S3 and Secrets Manager access" 期待される出力：ロール ARN、ID、および作成タイムスタンプを含む JSON。次に、 - パーミッションポリシーを作成します： aws iam put-role-policy --role-name AmazonBedrock-FineTuning-S3-Role --policy-name Bedrock-S3-Access-Policy --policy-document file://bedrock-permissions.json - ロールと信頼ポリシーを表示します： aws iam get-role --role-name AmazonBedrock-FineTuning-S3-Role - 参照となる金融文書からデータセットを抽出するには、EC2 インスタンスで以下のコマンドを実行してください # API キーを Secrets Manager から取得します。セキュリティのベストプラクティス：認証情報をハードコードしないでください。AWS Secrets Manager から取得してください。 curl -X POST https://api.runpulse.com/extract -H "x-api-key: $(aws secretsmanager get-secret-value --secret-id pulse-api-key --query SecretString --output text)" -H "Content-Type: application/json" -d '{ "file_url": "https://www.impact-bank.com/user/file/dummy_statement.pdf", "figureProcessing": {"description": true}, "extensions": {"altOutputs": {"returnHtml": true}} }' > pulse_output.json 翻訳全文 ## Pulse AI サンプル抽出 JSON スニペット: {"bounding_boxes":{"Header":[{"average_word_confidence":0.9940000000000001,"bounding_box":[0.7418,0.04248181818181818,0.8901529411764706,0.042281818181818184,0.8901764705882352,0.05528181818181818,0.741835294117647,0.05548181818181818],"content":"0a-Account # 12345678","id":"txt-8","original_content":"Account # 12345678","page_number":2}],"Page Number":[{"average_word_confidence":0.99425,"bounding_box":[0.8071411764705881,0.24754545454545454,0.889635294117647,0.2474909090909091,0.8896588235294117,0.2616454545454545,0.8071529411764706,0.2617],"content":"0a-Page 1 of 2","id":"txt-3","original_content":"Page 1 of 2","page_number":1},{"average_word_confidence":0.9925,"bounding_box":[0.8076235294117646,0.057600000000000005,0.8898117647058823,0.05738181818181818,0.8898705882352942,0.0704,0.8076823529411765,0.07061818181818182],"content":"0a-Page 2 of 2","id":"txt-9","original_content":"Page 2 of 2","page_number":2}],"Tables":[{"cell_data":[{"confidence":0.9772562500000003,"location":{"coordinates":[0.0906,0.44435454545454545,0.8865647058823529,0.44499090909090905,0.8865647058823529,0.4685,0.0906,0.4678636363636363],"page":1},"position":{"column":0,"row":0},"properties":{"spans_columns":4,"type":"header"},"text":"0t-"}, - 抽出が成功したことを確認するには、ファイルが存在し有効な JSON を含んでいるかを確認します。 jq empty pulse_output.json &amp;&amp; echo "Valid JSON" || echo " Invalid JSON" - 次に、抽出されたデータを Nova のトレーニングデータセットに変換します。 - convert_to_nova.py という名前の新しいファイルを作成し、以下のコードを貼り付けます。 import jsonINPUT_FILE = "pulse_output.json" OUTPUT_FILE = "nova_dataset.jsonl"MAX_TOKENS = 30000 # バッファは 32,768 の制限未満に設定def estimate_tokens(text): """概算トークン推定：トークンあたり約 4 文字""" return len(text) // 4def create_truncated_samples(data): """トークン制限内でより小さなトレーニングサンプルを作成します""" samples = [] # サンプル 1: ヘッダーとページ番号のみ if "bounding_boxes" in data: if "Header" in data["bounding_boxes"] and "Page Number" in data["bounding_boxes"]: header_sample = { "Header": data["bounding_boxes"]["Header"], "Page Number": data["bounding_boxes"]["Page Number"] } samples.append({ "document": header_sample, "extracted_data": header_sample }) # サンプル 2-4: 個別のテーブル（20 セルに切り詰め） if "Tables" in data["bounding_boxes"]: for i, table in enumerate(data["bounding_boxes"]["Tables"][:3]): truncated_table = { "table_info": table.get("table_info", {}), "cell_data": table.get("cell_data", [])[:20] } samples.append({ "document": {"Tables": [truncated_table]}, "extracted_data": {"Tables": [truncated_table]} }) # サンプル 5-7: テキストチャンク（各 3 項目） if "Text" in data["bounding_boxes"]: text_items = data["bounding_boxes"]["Text"] chunk_size = 3 for i in range(0, min(9, len(text_items)), chunk_size): text_chunk = {"Text": text_items[i:i+chunk_size]} samples.append({ "document": text_chunk, "extracted_data": text_chunk }) # サンプル 8: タイトルのみ if "Title" in data["bounding_boxes"]: title_sample = {"Title": data["bounding_boxes"]["Title"]} samples.append({ "document": title_sample, "extracted_data": title_sample }) return samplesdef convert_to_nova_format(sample): """ ドメイン固有の学習のための指示付きプロンプトを備えた Nova 形式に変換します。 この関数は、モデルに以下を教えるトレーニングサンプルを作成します： 1. 財務文書の構造認識（ヘッダー、テーブル、取引） 2. データ型の標準化（日付を ISO 8601 に、金額を数値に） 3. 階層関係の維持（口座 → 取引 → 詳細） 4. 順序外検出（*印付き項目） 5. 財務ドメインの慣習（小切手番号、ターミナル ID、商社データ）""" doc_str = json.dumps(sample["document"]) extract_str = json.dumps(sample["extracted_data"]) total_tokens = estimate_tokens(doc_str) + estimate_tokens(extract_str) if total_tokens > MAX_TOKENS: print(f"Warning: Sample too large ({total_tokens} tokens), skipping...") return None return { "schemaVersion": "bedrock-conversation-2024", "messages": [ { "role": "user", "content": [{"text": doc_str}] }, { "role": "assistant", "content": [{"text": extract_str}] } ] }# 入力ファイルの読み込みwith open(INPUT_FILE, "r") as f: pulse_data = json.load(f)if isinstance(pulse_data, dict): pulse_data = [pulse_data]# 切り詰められたサンプルの生成all_samples = []skipped = 0for record in pulse_data: truncated_samples = create_truncated_samples(record) for sample in truncated_samples: nova_record = convert_to_nova_format(sample) if nova_record: all_samples.append(nova_record) else: skipped += 1# JSONL 形式への書き込みwith open(OUTPUT_FILE, "w") as f: for nova_record in all_samples: f.write(json.dumps(nova_record) + "\n")print(f"✓ Created {len(all_samples)} training samples")print(f"✓ Skipped {skipped} samples that were too large")print(f"✓ Output saved to: {OUTPUT_FILE}")print(f"All samples are under {MAX_TOKENS} tokens (limit: 32,768)")print(f"Next steps:")print(f"1. Verify: wc -l {OUTPUT_FILE}")print(f"2. Upload: aws s3 cp {OUTPUT_FILE} s3://anypulse/training-data/nova_dataset.jsonl")print(f"3. Create new fine-tuning job")"""TRAINING FORMAT EXPLANATION:What this fine-tuning teaches Nova Micro:This conversion script creates training samples in a format that teaches Nova Micro domain-specific financial document understanding through pattern learning. Wh

Pulse AI と Amazon Bedrock を活用した金融文書処理の構築

背景や根拠まで確認しますか？

関連記事

調べる

選ぶ

サイト