# mulesoft Idp - Full Documentation

<!-- document id=06fef6f4725660ee7084dfbbc6dc14877dcda0573327d5041d7862ac9d1c97bd url=/mulesoft/current/ja-jp/idp/integrating-idp-with-anypoint-studio.md -->

# Anypoint Studio との IDP のインテグレーション

ドキュメントアクションの IDP Runtime Service API Connector を使用して、パブリッシュ済みのドキュメントアクションを Anypoint Studio から実行して結果を取得します。このコネクタは、ドキュメントアクションを Anypoint Exchange にパブリッシュすると自動的に生成されます。Exchange から Mule Connector としてダウンロードできます。

ドキュメントアクションのバージョンごとに異なるコネクタが生成されます。たとえば、ドキュメントアクションを初めてパブリッシュすると、このドキュメントアクションのバージョン ​`1.0.0`​ を実行するコネクタが Exchange に生成されます。その後、ドキュメントアクションを変更してバージョン ​`1.1.0`​ として再パブリッシュすると、別のコネクタが生成されます。この新しいドキュメントアクションバージョンを実行するには、このコネクタをダウンロードして Studio にインストールする必要があります。インテグレーションを構築するときに、この動作を考慮してください。

IDP Runtime Service API Connector には、次の操作があります。

- **getDocumentActionExecution**
    
    ドキュメントアクションの実行結果を取得します。
- **postDocumentActionExecution**
    
    処理するためにドキュメントを IDP に送信します。

## [](#始める前に)始める前に

次の Anypoint 権限があることを確認します。

Execute Published Actions (パブリッシュ済みアクションの実行)

ユーザーがパブリッシュされたドキュメントアクションを実行し、実行結果を取得できるようにします。

すでに接続アプリケーションが IDP 用に設定されている場合、​**「Configure Connected Apps (接続アプリケーションの設定)」**​権限は不要で、新しい接続アプリケーションを作成する代わりに既存の接続アプリケーションを使用できます。

## [](#接続アプリケーションの作成)接続アプリケーションの作成

IDP API と通信するには、次の詳細を使用して接続アプリケーションを作成します。

- Type (種別): `App acts on its own behalf (client credentials) (アプリケーションが自身ために行動する (クライアントログイン情報))`
- Scopes (スコープ): `Execute Published Actions (パブリッシュ済みアクションの実行)`

接続アプリケーションを作成したら、後で使用するために、その ​**ID**​ と​**シークレット**​をコピーしておきます。

詳細は、[接続アプリケーション](https://docs.mulesoft.com/jp/access-management/connected-apps-overview)を参照してください。

## [](#アクセストークンの取得)アクセストークンの取得

接続アプリケーションを設定したら、次の ​`curl`​ コマンドを使用してトークンを取得します。

```bash
curl --location --request POST 'https://anypoint.mulesoft.com/accounts/api/v2/oauth2/token' \ (1)
--header 'Content-Type: application/json' \
--data-raw '{
 "grant_type": "client_credentials",
 "client_id": "<connected-app-client-id>", (2)
 "client_secret": "<connected-app-client-secret>" (3)
}'
```

<table><tbody><tr><td><i class="conum" data-value="1"></i><b>1</b></td><td>EU 地域のユーザーは、​<code>eu1.anypoint.mulesoft.com</code>​ ドメインを使用します。</td></tr><tr><td><i class="conum" data-value="2"></i><b>2</b></td><td><code>&lt;connected-app-client-id&gt;</code>​ を接続アプリケーションのクライアント ID に置き換えます。</td></tr><tr><td><i class="conum" data-value="3"></i><b>3</b></td><td><code>&lt;connected-app-client-secret&gt;</code>​ を接続アプリケーションのクライアントシークレットに置き換えます。</td></tr></tbody></table>

IDP API をコールするときにアクセストークンを使用します。

## [](#idp-runtime-service-api-connector-の設定)IDP Runtime Service API Connector の設定

操作を使用する前に、手動またはグローバル設定要素を使用して、次の値を指定してコネクタを設定します。

- **host**​: Anypoint エンドポイント URL
    
    例: `idp-rt.{region}.anypoint.mulesoft.com`
- **port**​: 接続の HTTP ポート
    
    例: `443`​。
- **basePath**​: プロトコルなしの、コールする URL のベースパス
- **protocol**​: コールのプロトコル (大文字)
    
    例: `HTTPS`
- **Response timeout**​: この操作の応答タイムアウト
- **clientId**​: IDP をコールするための接続アプリケーションのクライアント ID
- **clientSecret**​: IDP をコールするための接続アプリケーションのクライアントシークレット
- **accessTokenUrl**​: 接続アプリケーションのアクセストークンを取得するための URL
    
    例: `[https://anypoint.mulesoft.com/accounts/api/v2/oauth2/token](https://anypoint.mulesoft.com/accounts/api/v2/oauth2/token)`

## [](#idp-へのドキュメントの送信)IDP へのドキュメントの送信

**postDocumentActionExecution**​ 操作を使用して、ドキュメントを IDP に送信し、対応するドキュメントアクションバージョンを実行します。

コネクタの ​**\[Postdocumentactionexecution request data (Postdocumentactionexecution 要求データ)\]**​ 項目で要求の詳細を指定します。サンプル要求を次に示します。

```bash
%dw 2.0
output multipart/form-data
---
{
   parts : {
   	 callback : {
   	 	  headers : {
               "Content-Type" : "text/plain"
               },
           content : '{"noAuthUrl": "https://{yourCallbackURL}.com"}'
       },
       file : {
           headers : {
               "Content-Disposition" : {
                   "name": "file",
                   "filename": "{myFile.jpg}",
                   "subtype": "form-data"
                   },
               "Content-Type" : "image/jpg"
               },
           content : payload
           }
       }
}
```

この操作からの応答には、実行結果を取得するために使用する必要がある実行 ID が含まれています。

## [](#実行結果の取得)実行結果の取得

**getDocumentActionExecution**​ 操作を使用して、実行 ID を指定してドキュメントアクションの実行結果を取得します。

この操作からのサンプル応答を見やすく短縮したものを次に示します。

```linenums
{
    "id": "d68e099e-8d37-4188-905a-0eac68b7bf61",
    "documentName": "invoice-1.jpg",
    "status": "SUCCEEDED",
    "pages": [
        {
            "page": 1,
            "fields": {
                "invoiceDate": {
                    "value": "1 June, 1983"
                },
                "invoiceNumber": {
                    "value": "8248"
                }
                ...

            },
            "tables": {
                "table1": [
                    {
                        "unitPrice": {
                            "value": ""
                        },
                        "price": {
                            "value": "$ 198.00"
                        }
                        ...
                    }
                ]
            },
            "prompts": {
                "business": {
                    "prompt": "what is the company main business",
                    "source": "document",
                    "answer": {
                        "value": null
                    }
                }
            }
        }
    ]
}
```

## [](#関連情報)関連情報

- [事前作成済みのスキーマを使用したドキュメントの分析](https://docs.mulesoft.com/jp/idp/creating-document-actions)
- [ドキュメントアクションのパブリッシュ](https://docs.mulesoft.com/jp/idp/publishing-document-actions)

<!-- document id=f012e7d0e4e308165cdaab79f4037c5d5be4ab4d3b34e4b0e2e8a65e990c5d7e url=/mulesoft/current/ja-jp/idp/automate-document-processing-with-the-idp-api.md -->

# API を使用したドキュメントの処理と結果の取得

IDP API を使用してドキュメントアクションを Mule アプリケーションや他のシステムと統合することで、データ抽出プロセスを自動化できます。IDP と統合するには、接続アプリケーションの作成、アクセストークンの取得、ドキュメントアクションを実行して結果を取得する IDP API のコールが必要です。

IDP API を使用して、パブリッシュ済みアクションを実行し、実行結果を取得します。また、プロセスの完了時に IDP がコールするコールバック URL も指定できます。

IDP API をコールしてドキュメントアクションを実行する代わりに、MuleSoft RPA から \[Submit Document to MuleSoft IDP (ドキュメントを MuleSoft IDP に送信)\] アクションステップと \[Retrieve Results from MuleSoft IDP (MuleSoft IDP から結果を取得)\] アクションステップを使用できます。ドキュメントアクションを MuleSoft RPA と統合する手順については、[RPA を使用したドキュメントの処理と結果の取得](https://docs.mulesoft.com/jp/idp/automate-document-processing-with-rpa)を参照してください。

## [](#始める前に)始める前に

次の Anypoint 権限があることを確認します。

Execute Published Actions (パブリッシュ済みアクションの実行)

ユーザーがパブリッシュされたドキュメントアクションを実行し、実行結果を取得できるようにします。

## [](#接続アプリケーションの作成)接続アプリケーションの作成

IDP API と通信するには、次の詳細を使用して接続アプリケーションを作成します。

- Type (種別): `App acts on its own behalf (client credentials) (アプリケーションが自身ために行動する (クライアントログイン情報))`
- Scopes (スコープ): `Execute Published Actions (パブリッシュ済みアクションの実行)`

接続アプリケーションを作成したら、後で使用するために、その ​**ID**​ と​**シークレット**​をコピーしておきます。

詳細は、[接続アプリケーション](https://docs.mulesoft.com/jp/access-management/connected-apps-overview)を参照してください。

## [](#アクセストークンの取得)アクセストークンの取得

接続アプリケーションを設定したら、次の ​`curl`​ コマンドを使用してトークンを取得します。

```bash
curl --location --request POST 'https://anypoint.mulesoft.com/accounts/api/v2/oauth2/token' \ (1)
--header 'Content-Type: application/json' \
--data-raw '{
 "grant_type": "client_credentials",
 "client_id": "<connected-app-client-id>", (2)
 "client_secret": "<connected-app-client-secret>" (3)
}'
```

<table><tbody><tr><td><i class="conum" data-value="1"></i><b>1</b></td><td>EU 地域のユーザーは、​<code>eu1.anypoint.mulesoft.com</code>​ ドメインを使用します。</td></tr><tr><td><i class="conum" data-value="2"></i><b>2</b></td><td><code>&lt;connected-app-client-id&gt;</code>​ を接続アプリケーションのクライアント ID に置き換えます。</td></tr><tr><td><i class="conum" data-value="3"></i><b>3</b></td><td><code>&lt;connected-app-client-secret&gt;</code>​ を接続アプリケーションのクライアントシークレットに置き換えます。</td></tr></tbody></table>

IDP API をコールするときにアクセストークンを使用します。

## [](#パブリッシュ済みドキュメントアクションの実行)パブリッシュ済みドキュメントアクションの実行

ドキュメントアクションをパブリッシュし、接続アプリケーションを設定し、アクセストークンを取得したら、IDP API をコールしてドキュメントアクションを実行できます。

以下は、ドキュメントアクションを実行する API コールを作成する方法に関する案内を提供するサンプルコールです。

```bash
curl --location 'https://idp-rt.{region}.anypoint.mulesoft.com/api/v1/organizations/{orgId}/actions/{actionId}/versions/{actionVersion}/executions' \
--header 'Authorization: Bearer {token}' \
--form 'file=@"{pathToFile}"'
```

パブリッシュ済みドキュメントアクションを照会すると、対応する項目のデータを抽出するために、各プロンプトで選択されたモデルが IDP で使用されます。

### [](#callback-url)コールバック URL の定義

IDP をコールしてドキュメントアクションを実行するときのコールバック URL を定義できます。定義されている場合、​`SUCCEEDED`​、​`FAILED`​、または ​`MANUAL_VALIDATION_REQUIRED`​ の状態でドキュメントアクションの実行が完了すると、IDP によってコールバック URL がコールされます。

コールバック URL を指定するには、API コールに ​`callback`​ 項目を含め、コールバック URL で JSON 値を定義します。次の例は、前述の ​`curl`​ コマンドの例にコールバックを追加したものです。

```bash
curl --location 'https://idp-rt.{region}.anypoint.mulesoft.com/api/v1/organizations/{orgId}/actions/{actionId}/versions/{actionVersion}/executions' \
--header 'Authorization: Bearer {token}' \
--form 'file=@"{pathToFile}"' \
--form 'callback="{\"noAuthUrl\":\"{callbackURL}\"}"'
```

### [](#upload-base64-file)Base64 でエンコードされたファイルのアップロード

IDP API をコールしてバージョン管理されたドキュメントアクションを実行するときに Base64 でエンコードされたファイルをアップロードできます。次に例を示します。

```bash
curl --location 'https://idp-rt.{region}.anypoint.mulesoft.com/api/v1/organizations/{orgId}/actions/{actionId}/versions/{actionVersion}/executions' \
--header 'Content-Type: application/json' \
--header 'Authorization: Bearer {token}' \
--data '{
    "file": {yourBase64string},
    "fileName": {testFileName.pdf}
    }'
```

### [](#別の-salesforce-組織を使用したドキュメントアクションの実行)別の Salesforce 組織を使用したドキュメントアクションの実行

複数の Salesforce 組織が Anypoint Platform 組織に接続されている場合、ドキュメントアクションの実行時に使用する組織を指定できます。

Salesforce 組織を指定するには、次のヘッダーを API コールに追加します。

- `x-sfdc-core-tenant-id=<18-char-sfdc-org-id>`
    
    `<18-char-sfdc-org-id>`​ を各自の Salesforce 組織 ID に置き換えます。

## [](#実行結果の取得)実行結果の取得

ドキュメントアクションでドキュメントが正常に処理された後、またはレビュー担当者がレビューのキューに追加されたドキュメントを確認して送信した後、結果を使用できます。

IDP API を使用してドキュメントアクションを実行する場合は、次に示すように ​`/executions`​ エンドポイントをコールし、​`executionId`​ を指定して結果を取得します。

```bash
curl --location \
'https://idp-rt.{{region}}.anypoint.mulesoft.com/api/v1/organizations/{orgId}/actions/{actionId}/versions/{actionVersion}/executions/{executionId}/v2' \
--header 'Authorization: Bearer {token}'
```

## [](#execution-status-reference)実行結果リファレンス

実行結果を照会すると、IDP API は次のいずれかの状況を返します。

- `ACKNOWLEDGED`​: ドキュメントアクションの実行要求が受信されました。
- `IN_PROGRESS`​: 実行が開始されました。
- `RESULTS_PENDING`​: 実行が完了し、IDP が結果を処理しています。
- `MANUAL_VALIDATION_REQUIRED`​: 実行は完了しましたが、結果の手動検証が必要です。
- `FAILED`​: 実行要求は正常に完了しませんでした。
- `PARTIAL_SUCCESS`​: 実行要求は完了しましたが、一部のサブタスクが失敗しました。
- `SUCCEEDED`​: 実行要求は正常に完了しました。

## [](#idp-api-ドキュメント)IDP API ドキュメント

ドキュメントアクションの実行をトリガーして結果を取得するためにコールするエンドポイントを確認するには、API ドキュメントを参照してください。IDP API ドキュメントは仕様の一部であり、ドキュメントアクションを Anypoint Exchange にパブリッシュすると API Portal に表示されます。

## [](#関連情報)関連情報

- [Submit Document to MuleSoft IDP](https://docs.mulesoft.com/rpa-builder/latest/toolbox-mulesoft-idp-submit-document-to-mulesoft-idp)
- [Retrieve Results from MuleSoft IDP](https://docs.mulesoft.com/rpa-builder/latest/toolbox-mulesoft-idp-retrieve-results-from-mulesoft-idp)
- [事前作成済みのスキーマを使用したドキュメントの分析](https://docs.mulesoft.com/jp/idp/creating-document-actions)
- [ドキュメントアクションのパブリッシュ](https://docs.mulesoft.com/jp/idp/publishing-document-actions)

<!-- document id=809599651dda8b69f31c6fd199367e30e8b984608df6e1128fa3461071cf0eed url=/mulesoft/current/ja-jp/idp/example-einstein-prompts.md -->

# Einstein プロンプトの例

いくつかのユースケースと、各状況の Einstein プロンプトの例を次に示します。これらのプロンプトは、各テスト中に使用されるサンプルデータに基づいており、カスタムドキュメントを分析および形成するプロンプトの作成に関するインサイトを提供します。

これらの例は、開始点として使用したり、各自のドキュメントに対してテストしたり、想定される結果を得るまで変更したりできます。

## [](#米国の運転免許証の詳細の抽出)米国の運転免許証の詳細の抽出

次の Einstein プロンプトは、運転免許証 ID ドキュメントのデータを抽出し、情報を JSON 形式で出力します。

- ドキュメントの例
    
    ![50%](/mulesoft/current/ja-jp/idp/_images/driver-license-example.png)
- プロンプトの例
    
    ```none
    Identify key elements from the specified document and return them in JSON format.
    Do not create new information, provide answers only from the text provided. The JSON format is as follows:
    
    {
        "id_data": {
            "doc_number":<replace with value found for License ID or document ID>,
            "first_name": <replace with the first name of the person in the text>,
            "last_name": <replace with the last name of the person in the text>,
            "issue_date": <replace with the date of issue of this document>,
            "dob": <replace with date of birth found in the text also represented as dob>,
            "exp_date": <replace with expiration date, sometimes written as EXP>,
            "state_region": <replace with state or region where this document was issued>,
            "height": <replace with height specified if not found, say "not found">,
            "class": <replace with vehicle classification if found">,
            "eye_color": <replace with eye color if found">,
            "sex": <sex as specified>,
            "weight": <replace with the weight found>,
            "restrictions":<replace with any restrictions listed in the document>,
            "address": {
                "street": <replace with the street line of the address including any apartment numbers>,
                "city":<replace with the city in the address found>,
                "state": <replace with the state found in the address>,
                "zip": <replace with the zipcode found in the address>
            }
        }
    }
    ```
- 出力
    
    {
      "id\_data": {
        "doc\_number": "12345678",
        "first\_name": "The Genius",
        "last\_name": "Einstein",
        "issue\_date": "10/30/2024",
        "dob": "03/14/1879",
        "exp\_date": "10/31/2031",
        "state\_region": "California",
        "height": "5'5\\"",
        "class": "D",
        "eye\_color": "BROWN",
        "sex": "M",
        "weight": "150 lb",
        "restrictions": "None",
        "address": {
          "street": "707 South Oakland Avenue",
          "city": "Pasadena",
          "state": "CA",
          "zip": "91106"
        }
      }
    }

## [](#複数ページのドキュメントの分類)複数ページのドキュメントの分類

この例のソースドキュメントは、複数のエントリがあるタイムシート概要ドキュメントが含まれる、複数ページの PDF です。目標は、各ページの個人の名前を識別してコンテンツを分類することです。この場合、次のプロンプトで個人の名前と対応するページ番号が含まれる JSON 形式のリストが返されます。

- ドキュメントの例
    
    ![50%](/mulesoft/current/ja-jp/idp/_images/timesheet-examples.png)
- プロンプトの例
    
    ```none
    Classify each page of the following timesheet summary as a unique document type and also identify whether the page continues from the previous document type or it is a new one.
    Summarize all the employee's names in the timesheet summary document and the pages where their timesheet entry is found.
    Structure the output as a JSON where the employee name is the key and the page number is the value.
    ```
- 出力
    
    {
        "Jane Almeida": 1,
        "Charles Montes": 2,
        "Albert Vignoli": 3,
        "Max the Mule": 4
    }

## [](#手書きの値が含まれるフォームデータのキー値ペアとしての抽出)手書きの値が含まれるフォームデータのキー/値ペアとしての抽出

次の例は、診断書を分析してキー/値ペアとして抽出し、抽出中に筆跡を考慮するプロンプトです。

- ドキュメントの例
    
    ![50%](/mulesoft/current/ja-jp/idp/_images/medical-license-handwriting-example.png)
- プロンプトの例
    
    ```none
    Analyze this form for a medical leave and extract its values. Don't extract document's title.
    Present the data as key-value pairs in a JSON formatted response.
    
    If you find a date, format it as YYYY/MM/DD.
    If you find a list of handwritten symptoms, return them as an array and label them "Reason for Absence".
    
    Do not create any facts of information, interpret only the information in the document.
    
    An example output JSON is:
    
        "Patient_Name": {
            "value": "Paul Grant"
        }
    ```
- 出力

{
    "Patient\_Name": {
      "value": "Paul Grant"
    },
    "Date\_of\_Birth": {
      "value": "1988/11/02"
    },
    "Case\_Number": {
      "value": "12345678"
    },
    "1st\_Diagnosed\_Date": {
      "value": "2021/04/12"
    },
    "Last\_Office\_Visit": {
      "value": "2024/09/01"
    },
    "1st\_Exam\_Date\_for\_this\_Condition": {
      "value": "2021/01/23"
    },
    "Next\_Office\_Visit": {
      "value": "2024/10/23"
    },
    "Reason\_for\_Absence": {
      "value": \[
        "Unable to complete the TPS reports on Saturday",
        "Hyperventilation during the session"
      \]
    }
}

## [](#関連情報)関連情報

- [事前作成済みのスキーマを使用したドキュメントの分析](https://docs.mulesoft.com/jp/idp/creating-document-actions)
- [Einstein を使用したデータ抽出の強化](https://docs.mulesoft.com/jp/idp/enhancing-data-extraction-with-einstein)

<!-- document id=b438f6a459e8fc458361fa9ad0f6217fc2d284ccdcaf044379918a545be34bf9 url=/mulesoft/current/ja-jp/idp/enhancing-data-extraction-with-einstein.md -->

# Einstein を使用したデータ抽出の強化

デフォルトでは、IDP はその自然言語処理モデル (IDP NLP) を使用して、設定されたプロンプトに基づいてデータを抽出します。ドキュメントアクションを作成するときに、Einstein を選択してドキュメントの分析とデータの抽出を行うことができます。

Einstein を使用して、ドキュメントに関する複雑な質問 (税金を差し引いた後の請求書の合計は? など) の回答を得たり、非標準ドキュメントのデータ (筆跡が含まれる運転免許証やカルテなど) を抽出したりします。

Einstein では、次の予測モデルがサポートされています。

- OpenAI の ​`GPT-4o (gpt-4o-2024-08-06)`​ LLM
- OpenAI の ​`GPT-4o Mini (gpt-4o-mini-2024-07-18)`​ LLM
- Google の ​`GEMINI-2.0 Flash 001`​ LLM

Einstein は、Salesforce Einstein プラットフォームの一部である Salesforce Einstein Trust Layer を介してこれらのモデルにアクセスします。

ドキュメントアクションエディターの ​**\[Settings (設定)\]**​ をクリックして、ドキュメント分析時に使用するモデルを選択します。

<table><tbody><tr><td class="icon"><i class="fa icon-note" title="Note"></i></td><td class="content">2 月 5 日より前に作成されたドキュメントアクションでは、OpenAI の ​<code>GPT-4o (gpt-4o-2024-05-13)</code>​ のみがサポートされます。モデル選択と新しいモデルを有効にするには、新しいドキュメントアクションを作成してください。使用可能な機能と設定についての詳細は、​<a href="https://docs.mulesoft.com/jp/idp/analyzing-documents-with-einstein#settings" class="xref page">「ドキュメントアクション設定を定義する」</a>​を参照してください。</td></tr></tbody></table>

Einstein で任意の種別のドキュメントを分析して出力構造を完全にカスタマイズし、Einstein クレジット消費を最適化するには、[カスタムユーザー定義スキーマを使用したドキュメントの分析](https://docs.mulesoft.com/jp/idp/analyzing-documents-with-einstein)を参照してください。

## [](#einstein-の使用を始める前に)Einstein の使用を始める前に

1. 次のいずれかの Anypoint 権限があることを確認します。
    
    Manage Actions (アクションの管理)
    
    ユーザーに IDP への完全なアクセス権を付与し、デフォルトですべてのドキュメントアクションのレビュー担当者権限を割り当てます。
    
    Build Actions (アクションの作成)
    
    ユーザーがドキュメントアクションを作成、編集、パブリッシュ、実行し、レビュー担当者をアクションに割り当てることができるようにします。
2. [MuleSoft Anypoint Platform が MuleSoft アセットを Salesforce にパブリッシュできるようにする](https://help.salesforce.com/s/articleView?id=platform.external_services_manage_your_mulesoft_anypoint_platform_connection.htm&type=5)​。
3. [Anypoint Platform で Einstein を有効にする](#access-management::enabling-einstein.adoc)​。

## [](#einstein-からの応答を選択する)Einstein からの応答を選択する

指定されたプロンプトのデータを分析して抽出するように Einstein を設定します。

1. ドキュメントアクションビルダーで、ドキュメントアクションに​[新しいプロンプトを追加](https://docs.mulesoft.com/jp/idp/creating-document-actions#add-prompts)​するか、既存のドキュメントアクションを編集します。
2. ドキュメント分析を実行して、​**\[Outputs (出力)\]**​ パネルに結果を生成します。
3. プロンプトの結果の横にあるドロップダウンボタン (​![4%](/mulesoft/current/ja-jp/idp/_images/prompt-dropdown.png)​) をクリックします。
4. **Einstein**​ という表示ラベルが付いた応答を選択します。

パブリッシュ済みドキュメントアクションを照会すると、対応する項目のデータを抽出するために、各プロンプトで選択されたモデルが IDP で使用されます。

## [](#関連情報)関連情報

- [Einstein プロンプトの例](https://docs.mulesoft.com/jp/idp/example-einstein-prompts)
- [事前作成済みのスキーマを使用したドキュメントの分析](https://docs.mulesoft.com/jp/idp/creating-document-actions)

<!-- document id=9928dc27e7c94e86d2bb8bed0cd2c3aac00565e17132f31e092cc6be2baa0eb7 url=/mulesoft/current/ja-jp/idp/release-notes.md -->

# IDP Release Notes

## [](#october-16)October 16, 2026

## What’s New

- You can now dismiss a review without approving the extracted results.
    
    For additional instructions, see [Dismiss a Review Without Approving the Results](https://docs.mulesoft.com/idp/reviewing-processed-documents#dismiss-review).
- Removed Gemini 2.5 Flash model support.
    
    Google is deprecating this model. Update any document actions that use it to a supported model. IDP routes requests from Gemini 2.5 Flash to Gemini 3.5 Flash, until the model is retired from the product.
    
    For the list of available models, see [Supported Models](https://docs.mulesoft.com/idp/supported-models).

## [](#october-5)October 5, 2026

## What’s New

- You can now use AI to discover data in a document and automatically create the output schema for the document action.
    
    For additional instructions, see [Discover Data to Extract from Your Documents with AI](https://docs.mulesoft.com/idp/analyzing-documents-with-einstein#discover-with-ai)

## [](#september-2)September 2, 2026

## What’s New

- You can now import and export document action schemas as JSON files.
- You can now filter the review list by reviewer and document type.

## [](#august-28)August 28, 2026

## What’s New

- IDP now supports analyzing documents in Japanese.

## [](#july-10)July 10, 2026

## What’s New

- IDP now supports larger documents through the API.
    
    You can now process documents up to 150 pages and 15 MB when using the API execution endpoint.
    
    For complete file size limits, see [Quotas and Limits](https://docs.mulesoft.com/idp/quotas-and-limits).
- You can now use Gemini 3.5 Flash and Claude Opus 4.6 to analyze your documents.
    
    For additional details on model support and performance, see [Supported Models](https://docs.mulesoft.com/idp/supported-models).

## [](#june-5)June 5, 2026

## What’s New

- You can now use Claude Sonnet 4.6 to analyze your documents.
    
    For additional details on model support and performance, see [Supported Models](https://docs.mulesoft.com/idp/supported-models).
- You can now view published document action versions.
    
    Open earlier versions of your document actions to review their configuration without making changes. For additional details and instructions, see [View Published Document Action Versions](https://docs.mulesoft.com/idp/publishing-document-actions#view-published-versions).
- Removed Gemini 2.0 Flash 001 model support.
    
    Google retired this model on June 1, 2026, so you can no longer select Gemini 2.0 Flash 001 to analyze your documents. Update any document actions that use it to a supported model.
    
    For the list of available models, see [Supported Models](https://docs.mulesoft.com/idp/supported-models).

## [](#may-5)May 5, 2026

## What’s New

- You can now use OpenAI GPT 5.1 and 5.2 to analyze your documents.
    
    For additional details on model support and performance, see [Supported Models](https://docs.mulesoft.com/idp/supported-models).
- You can now search and filter document actions in the **Document Actions** page.

## [](#april-2)April 2, 2026

## What’s New

- Updated OpenAI model names.
    
    - Einstein OpenAI GPT-4o Mini 0718 is now Einstein OpenAI GPT-4o Mini.
    - Einstein OpenAI GPT-4o 0806 is now Einstein OpenAI GPT-4o.

## [](#march-20)March 20, 2026

## What’s New

- Removed Gemini 3 model support.
    
    This feature isn’t quite ready, so we’re removing it for now. We’ll let you know when it’s back up.

## [](#march-10)March 10, 2026

## What’s New

- You can now enable location callouts in Generic document actions with customized schemas.
    
    For additional details about supported models and limitations, see [Configure Document Action Settings](https://docs.mulesoft.com/idp/creating-document-actions#document-action-settings)
- You can now select Google’s GEMINI-3.0 Flash (Beta) model to analyze your documents.
    
    For additional usage details and considerations about this model, see [Supported Models](https://docs.mulesoft.com/idp/supported-models)

## [](#october-29)October 29, 2025

## What’s New

- You can now select Google’s GEMINI-2.5 Flash model to analyze your documents.

## [](#june-3)June 3, 2025

## What’s New

- You can now rotate documents in the document action builder preview and review task preview.
    
    The rotation is for visual assistance and does not modify the original file.

## Fixed Issues

<table class="tableblock frame-all grid-all stretch">
<colgroup>
<col style="width: 66.6666%;">
<col style="width: 33.3334%;">
</colgroup>
<thead>
<tr>
<th class="tableblock halign-left valign-top">Issue Resolution</th>
<th class="tableblock halign-left valign-top">ID</th>
</tr>
</thead>
<tbody>
<tr>
<td class="tableblock halign-left valign-top"><div class="content"><div class="paragraph">
<p>For the <strong>emails</strong> field in Purchase Order and Invoice actions, IDP now returns <code>null</code> instead of an empty array <code>[]</code> in the execution response after reviewing the associated task.</p>
</div></div></td>
<td class="tableblock halign-left valign-top"><div class="content"><div class="paragraph">
<p>W-17330495</p>
</div></div></td>
</tr>
</tbody>
</table>

## [](#may-20)May 20, 2025

## What’s New

- You can now **Submit** review tasks without having to scroll to the end of the fields list, improving accessibility.

## [](#may-8)May 8, 2025

## What’s New

- You can now enable image recognition in your document actions.
    
    To enable this feature, see [Configure Document Action Settings](https://docs.mulesoft.com/idp/analyzing-documents-with-einstein#settings).
- You can now select Google’s GEMINI-2.0 Flash 001 model to analyze your documents.
    
    To select the model to use, see [Configure Document Action Settings](https://docs.mulesoft.com/idp/analyzing-documents-with-einstein#settings).
    
    For additional information about supported models, see [Supported Models](https://docs.mulesoft.com/idp/supported-models)
- Einstein prompts now support up to 128,000 input tokens per request.
    
    For additional details about token consumption, see [Token Usage and Estimation](https://docs.mulesoft.com/idp/quotas-and-limits#tokens).
- Data retention policies are updated:
    
    - For all successful executions, IDP now retains the data for 24 hours.
    - IDP now retains any incomplete tasks for 30 days.

## [](#february-5)February 5, 2025

## What’s New

- You can now analyze any type of document and fully customize the output structure by creating a Generic document action and enabling **Customize Schema**.
    
    For more information, see [Analyzing Documents With Custom User-Defined Schemas](https://docs.mulesoft.com/idp/analyzing-documents-with-einstein).
    
    - Generic document actions now support using non-English characters for prompt instructions when **Customize Schema** is enabled.
- New document actions now support the `GPT-4o (gpt-4o-2024-08-06)` and `GPT-4o Mini (gpt-4o-mini-2024-07-18)` LLM Models.
- New document actions now support masking any personally identifiable information from your documents before sending it to the predictive model.
- The API portal documentation for IDP assets published to Exchange now includes the `valueOnly` query parameter.
- You can now upload files in Base64 encoding for versioned action executions.
    
    For an example API call, see [Upload a Base64-encoded File](https://docs.mulesoft.com/idp/automate-document-processing-with-the-idp-api#upload-base64-file).
- IDP can now detect signatures in document actions that use Einstein.

## Fixed Issues

<table class="tableblock frame-all grid-all stretch">
<colgroup>
<col style="width: 66.6666%;">
<col style="width: 33.3334%;">
</colgroup>
<thead>
<tr>
<th class="tableblock halign-left valign-top">Issue Resolution</th>
<th class="tableblock halign-left valign-top">ID</th>
</tr>
</thead>
<tbody>
<tr>
<td class="tableblock halign-left valign-top"><div class="content"><div class="paragraph">
<p>Completed executions no longer stay in status <code>ACKNOWLEDGED</code>.</p>
</div></div></td>
<td class="tableblock halign-left valign-top"><div class="content"><div class="paragraph">
<p>W-17064164</p>
</div></div></td>
</tr>
<tr>
<td class="tableblock halign-left valign-top"><div class="content"><div class="paragraph">
<p>Failed executions that include Einstein prompts no longer show status <code>IN_PROGRESS</code>.</p>
</div></div></td>
<td class="tableblock halign-left valign-top"><div class="content"><div class="paragraph">
<p>W-17465241</p>
</div></div></td>
</tr>
<tr>
<td class="tableblock halign-left valign-top"><div class="content"><div class="paragraph">
<p>Required table columns are now shown in the corresponding page during reviews.</p>
</div></div></td>
<td class="tableblock halign-left valign-top"><div class="content"><div class="paragraph">
<p>W-17485449</p>
</div></div></td>
</tr>
</tbody>
</table>

## [](#November-20)November 20, 2024

## What’s New

- IDP now fully supports analyzing documents in French, Italian, and Portuguese.
- Organizations with Salesforce Einstein enabled now use Einstein as the default option for answering prompts.
- IDP now supports non-latin characters in the file preview during document action creation.

## [](#November-7)November 7, 2024

## What’s New

- You can now analyze your documents with Salesforce Einstein.
    
    Use Einstein to analyze documents that don’t use a standard format or are difficult to read without performing a complex analysis of the extracted data.
    
    See [Analyze Documents with Einstein](https://docs.mulesoft.com/idp/creating-document-actions#einstein) for information about configuring Einstein in your document actions.

## [](#October-2)October 2, 2024

## What’s New

- IDP now supports analyzing TIFF files.

## [](#september-26)September 26, 2024

## What’s New

- Invoice and Purchase Order data extraction accuracy is improved for all supported languages.
- Invoice and Purchase Order document actions now support extracting VAT and VAT Rate from tables.

## [](#august-22)August 22, 2024

## What’s New

- IDP now fully supports analyzing documents in Spanish and German.

## [](#may-8-2024)May 8, 2024

## What’s New

- You can now define a callback URL for your executions.
    
    See [Define a Callback URL](https://docs.mulesoft.com/idp/automate-document-processing-with-the-idp-api#callback-url) for details and configuration instructions.

## [](#april-29-2024)April 29, 2024

## What’s New

- MuleSoft announces the release of Intelligent Document Processing (IDP).

## [](#see-also)See Also

- [IDP Overview](https://docs.mulesoft.com/idp/)
- [Salesforce Help](https://help.salesforce.com)
- [MuleSoft Services](https://www.mulesoft.com/support-and-services)
- [Known Issues](https://help.salesforce.com/s/issues)

<!-- document id=dafdc9a020afea7204e05ce56d09f6258d7b6fb319d44bbc6fabd802179785dc url=/mulesoft/current/ja-jp/idp/index.md -->

# IDP の概要

MuleSoft インテリジェントドキュメント処理 (IDP) を使用すると、請求書、購入注文、その他の非構造化ドキュメントや半構造化ドキュメントを読み取り、AI 機能を使用して抽出されたコンテンツを分析および絞り込んで構造化された応答を作成できます。IDP では、テキストと画像を解釈できるマルチモーダル大規模言語モデル (LLM) がサポートされています。

シンプルな IDP インターフェースでは、外部サービスにサブスクライブしなくても、RPA、Mule アプリケーション、その他のシステムとのインテグレーションで使用するドキュメントアクションを作成し、API としてパブリッシュできます。

_ドキュメントアクション_​は、複数の AI エンジンを使用するマルチステッププロセスで、ドキュメントをスキャンし、項目を除外して、構造化された応答を JSON オブジェクトとして返します。各ドキュメントアクションは、入力として想定されるドキュメントの種別、抽出する項目、応答から除外する項目を定義します。

次のような自然言語での質問を使用して、ドキュメントから特定のデータを抽出するプロンプトを設定します。

- What is the subtotal amount? (小計金額はいくらですか?)
- What is the grand total? (総計は何ですか?)
- When is the due date? (期日はいつですか?)
- What is the highest price? (最高価格はいくらですか?)

信頼度スコアは、IDP がドキュメントから値を適切に抽出した確率を表します。たとえば、信頼度スコアが 100% の場合、IDP は完全な精度で値を抽出したことを意味します。ただし、信頼度スコアが 75% の場合は、抽出された値が正しくない可能性が 25% あることを意味します。

処理された各ドキュメントには、抽出された各項目の信頼度スコアが表示されます。この値が定義されたしきい値を下回る場合、抽出された値の精度を確認するために、ドキュメントは人間によるレビューに送信されます。各ドキュメントアクションに 1 人のレビュー担当者またはチームを追加できます。

IDP の概要は、Trailhead バッジ ( [「MuleSoft IDP Basics (MuleSoft IDP の基礎)」](https://trailhead.salesforce.com/content/learn/modules/mulesoft-idp-basics)​) (ログインが必要) を参照してください。Trailhead アカウントがない場合はサインアップしてください。

## [](#カスタムユーザー定義スキーマを使用したドキュメントの分析)カスタムユーザー定義スキーマを使用したドキュメントの分析

任意の種別のドキュメントを分析し、汎用ドキュメントアクションを作成して ​**\[Customize Schema (スキーマをカスタマイズ)\]**​ を有効にすることで出力構造を完全にカスタマイズします。Einstein でドキュメントの分析と各項目のデータの抽出を行うことができるように、出力構造の項目およびテーブルを定義して手順を設定できます。

Einstein では、次の予測モデルがサポートされています。

- OpenAI の ​`GPT-4o (gpt-4o-2024-08-06)`​ LLM
- OpenAI の ​`GPT-4o Mini (gpt-4o-mini-2024-07-18)`​ LLM
- Google の ​`GEMINI-2.0 Flash 001`​ LLM

Einstein は、Salesforce Einstein プラットフォームの一部である Salesforce Einstein Trust Layer を介してこれらのモデルにアクセスします。

ドキュメントアクションエディターの ​**\[Settings (設定)\]**​ をクリックして、ドキュメント分析時に使用するモデルを選択します。

<table><tbody><tr><td class="icon"><i class="fa icon-note" title="Note"></i></td><td class="content">2 月 5 日より前に作成されたドキュメントアクションでは、OpenAI の ​<code>GPT-4o (gpt-4o-2024-05-13)</code>​ のみがサポートされます。モデル選択と新しいモデルを有効にするには、新しいドキュメントアクションを作成してください。使用可能な機能と設定についての詳細は、​<a href="https://docs.mulesoft.com/jp/idp/analyzing-documents-with-einstein#settings" class="xref page">「ドキュメントアクション設定を定義する」</a>​を参照してください。</td></tr></tbody></table>

## [](#einstein-を使用したデータ抽出の強化)Einstein を使用したデータ抽出の強化

プロンプトを請求書または購入注文ドキュメントアクションに追加するときに、デフォルトの自然言語処理モデル (IDP NLP) を使用して各プロンプトの回答を生成するのか、Einstein を使用してその作業を行うのかを選択できます。Einstein は、項目を検索して抽出するだけでなくドキュメントをさらに分析する必要がある複雑な質問に回答できます。たとえば、税金を差し引いた後の請求書の未払い総額やドキュメントのその他の値を Einstein に尋ねることができます。

Einstein を使用して、標準形式を使用していない、または抽出されたデータの複雑な分析を実行しないと読み取ることが難しいドキュメント (運転免許証や傷病休暇の証明書など) を分析します。

<table><tbody><tr><td class="icon"><i class="fa icon-note" title="Note"></i></td><td class="content">Einstein では、IDP のドキュメント分析のためのモデルのトレーニングに顧客データを使用しません。</td></tr></tbody></table>

## [](#関連情報)関連情報

- [ドキュメント処理の使用開始](https://docs.mulesoft.com/jp/idp/document-processing)
- [カスタムユーザー定義スキーマを使用したドキュメントの分析](https://docs.mulesoft.com/jp/idp/analyzing-documents-with-einstein)
- [事前作成済みのスキーマを使用したドキュメントの分析](https://docs.mulesoft.com/jp/idp/creating-document-actions)
- [ドキュメントアクションのパブリッシュ](https://docs.mulesoft.com/jp/idp/publishing-document-actions)
- [サポートされるモデル](https://docs.mulesoft.com/jp/idp/supported-models)
- [RPA Overview](https://docs.mulesoft.com/rpa-home/)

<!-- document id=6951d5ccba7fdbcfacde44497be9f4e9f3a5f0808009d139af1afadba4fc6c51 url=/mulesoft/current/ja-jp/idp/glossary.md -->

# IDP の用語集

## [](#c)C

コールバック URL

ドキュメント処理の完了時に IDP でコールするように指定された URL。

信頼性スコア

IDP がドキュメントから値を適切に抽出した確率。信頼性スコアの低いドキュメントは人間によるレビューのために送信されます。

接続アプリケーション

外部アプリケーションが IDP API をコールできるようにするフレームワーク。

## [](#d)D

ドキュメントアクション

ドキュメントを処理するための指示が含まれる設定可能なスキーマ定義。事前設定されたテンプレートやカスタマイズされた項目を使用して作成できます。

## [](#e)E

実行 ID

MuleSoft RPA でドキュメントアクションの結果を抽出および取得するために必要な識別子。

## [](#f)F

項目抽出

ドキュメントアクションで定義されたようにドキュメントの特定のデータ項目を識別して取得するプロセス。

## [](#h)H

HITL (ヒューマンインザループ)

信頼性スコアが定義されたしきい値よりも低い場合に、人間のレビュー担当者がドキュメントから抽出された値の精度を検証するプロセス。これにより、抽出されたデータの精度と信頼性が確保されます。

## [](#n)N

NLP (自然言語処理)

人間とコンピューターのインタラクションの促進を目的とした人間の言葉の処理に焦点を絞った人工知能の分野 (構文分析、セマンティック分析、プラグマティック分析など)。

## [](#p)P

プロンプト

抽出結果を絞り込むために追加される事前言語の指示。

## [](#r)R

レビュー担当者

信頼性スコアが低い場合に抽出された値の精度を検証する個人またはチーム。

## [](#s)S

スキーマ設定

抽出された項目名、表示、しきい値、およびドキュメントアクションに必要な項目を選択して設定するプロセス。

## [](#u)U

非構造化データ

定義済みのデータモデルがない、または整理されていない情報。

<!-- document id=5e887777b676021cb242cc821c3eea5c548c2392841b59bc7a6a61be9c5ff359 url=/mulesoft/current/ja-jp/idp/permissions.md -->

# IDP 権限

アクセス管理の ​**\[Document Actions (ドキュメントアクション)\]**​ カテゴリのすべての Anypoint 権限は、次のとおりです。

Manage Actions (アクションの管理)

ユーザーに IDP への完全なアクセス権を付与し、デフォルトですべてのドキュメントアクションのレビュー担当者権限を割り当てます。

Build Actions (アクションの作成)

ユーザーがドキュメントアクションを作成、編集、パブリッシュ、実行し、レビュー担当者をアクションに割り当てることができるようにします。

Execute Published Actions (パブリッシュ済みアクションの実行)

ユーザーがパブリッシュされたドキュメントアクションを実行し、実行結果を取得できるようにします。

## [](#関連情報)関連情報

[権限を管理する](https://docs.mulesoft.com/jp/access-management/managing-permissions)

<!-- document id=4f0a15cbc9042b22d9d6bb22d9961ac9689855bcd5a41de04b6fd11f6ab4df6b url=/mulesoft/current/ja-jp/idp/automate-document-processing-with-rpa.md -->

# RPA を使用したドキュメントの処理と結果の取得

自動化プロジェクトで \[Submit Document to MuleSoft IDP (ドキュメントを MuleSoft IDP に送信)\] アクションステップと \[Retrieve Results from MuleSoft IDP (MuleSoft IDP から結果を取得)\] アクションステップを使用して、MuleSoft RPA でパブリッシュ済みドキュメントアクションを実行できます。 ドキュメントアクションを Anypoint Exchange にパブリッシュすると、RPA で使用できるようになります。RPA で IDP アクションステップを使用する前に、接続アプリケーションを作成し、アクセストークンを取得する必要があります。

ドキュメントアクションの実行に RPA を使用しない場合は、[API を使用したドキュメントの処理と結果の取得](https://docs.mulesoft.com/jp/idp/automate-document-processing-with-the-idp-api)の説明に従って IDP API を設定してコールします。

## [](#始める前に)始める前に

次の Anypoint 権限があることを確認します。

Execute Published Actions (パブリッシュ済みアクションの実行)

ユーザーがパブリッシュされたドキュメントアクションを実行し、実行結果を取得できるようにします。

## [](#接続アプリケーションの作成)接続アプリケーションの作成

IDP API と通信するには、次の詳細を使用して接続アプリケーションを作成します。

- Type (種別): `App acts on its own behalf (client credentials) (アプリケーションが自身ために行動する (クライアントログイン情報))`
- Scopes (スコープ): `Execute Published Actions (パブリッシュ済みアクションの実行)`

接続アプリケーションを作成したら、後で使用するために、その ​**ID**​ と​**シークレット**​をコピーしておきます。

詳細は、[接続アプリケーション](https://docs.mulesoft.com/jp/access-management/connected-apps-overview)を参照してください。

## [](#パブリッシュ済みドキュメントアクションの実行)パブリッシュ済みドキュメントアクションの実行

パブリッシュ済みドキュメントアクションを実行するには、RPA で \[Submit Document to MuleSoft IDP (ドキュメントを MuleSoft IDP に送信)\] アクションステップを使用します。このアクションステップでは、パブリッシュ済みドキュメントアクションを参照し、実行 ID と処理するファイルのパスを指定してアクションを実行できます。\[Retrieve Results from MuleSoft IDP (MuleSoft IDP から結果を取得)\] アクションステップを設定するときに実行 ID を使用して、実行から結果を取得します。

パブリッシュ済みドキュメントアクションを照会すると、対応する項目のデータを抽出するために、各プロンプトで選択されたモデルが IDP で使用されます。

\[Submit Document to MuleSoft IDP (ドキュメントを MuleSoft IDP に送信)\] アクションステップは、組織内のユーザーを偽装してドキュメントアクションを実行します。そのため、Anypoint Platform で「Execute Published Actions (パブリッシュ済みアクションの実行)」権限を持つユーザーの認証ログイン情報を使用する必要があります。

設定の詳細は、[Submit Document to MuleSoft IDP](https://docs.mulesoft.com/rpa-builder/latest/toolbox-mulesoft-idp-submit-document-to-mulesoft-idp)を参照してください。

## [](#実行結果の取得)実行結果の取得

ドキュメントアクションの実行結果を取得するには、RPA で \[Retrieve Results from MuleSoft IDP (MuleSoft IDP から結果を取得)\] アクションステップを使用します。このアクションステップでは、以前に対応する \[Submit Document to MuleSoft IDP (ドキュメントを MuleSoft IDP に送信)\] の実行で使用した実行 ID を指定することで、ドキュメントアクションの実行結果を照会できます。

パブリッシュ済みドキュメントアクションを照会すると、対応する項目のデータを抽出するために、各プロンプトで選択されたモデルが IDP で使用されます。

設定の詳細は、[Retrieve Results from MuleSoft IDP](https://docs.mulesoft.com/rpa-builder/latest/toolbox-mulesoft-idp-retrieve-results-from-mulesoft-idp)を参照してください。

## [](#関連情報)関連情報

- [事前作成済みのスキーマを使用したドキュメントの分析](https://docs.mulesoft.com/jp/idp/creating-document-actions)
- [ドキュメントアクションのパブリッシュ](https://docs.mulesoft.com/jp/idp/publishing-document-actions)

<!-- document id=9cd1871e8cdb7313abb343ed4b9e7aef7eaa651b367bd266961f5454ec46cb01 url=/mulesoft/current/ja-jp/idp/ms-automation-credits-2.md -->

Unresolved include directive in modules/ROOT/pages/ms-automation-credits-2.adoc - include::rpa-home::partial$automation-credits-2.adoc\[\]

Unresolved include directive in modules/ROOT/pages/ms-automation-credits-2.adoc - include::rpa-home::partial$automation-credits-2.adoc\[\]

Unresolved include directive in modules/ROOT/pages/ms-automation-credits-2.adoc - include::rpa-home::partial$automation-credits-2.adoc\[\]

Unresolved include directive in modules/ROOT/pages/ms-automation-credits-2.adoc - include::rpa-home::partial$automation-credits-2.adoc\[\]

Einstein を使用してドキュメントを分析すると、自動化クレジットと Einstein 要求をコンシュームします。Einstein 要求、使用量、コンシュームについての詳細は、 [Einstein レートカード](https://www.salesforce.com/content/dam/web/en_us/www/documents/einstein-for-generative-ai-rate-card.pdf)​を参照してください。

## [](#生成-ai)生成 AI

本サービスには、本サービスに適用されるドキュメントに記載されている 1 つ以上のサードパーティによって提供される可能性がある生成 AI テクノロジーを使用する機能が含まれています。同ドキュメントでは、お客様が生成 AI テクノロジーを使用する際に準拠する必要があるサードパーティの利用規約を含めて、これらの生成 AI 機能およびプロバイダーに固有の情報および製品要件が提供されます。生成 AI の性質により、生成される出力は予測できない場合があり、不正確または有害な応答が含まれる場合があります。生成 AI の出力を使用する前に、お客様は出力が正確で安全であり、適用法およびサードパーティの利用規約に準拠していることを確認する責任を単独で負うものとします。お客様は、Salesforce とお客様の関係において、本サービスによって生成された出力に対するすべての責任を負うものとし、こうした出力は顧客データであるものとします。

## [](#関連情報)関連情報

- [ms-automation-credits-usage-types.adoc](https://docs.mulesoft.com/jp/idp/ms-automation-credits-usage-types)

<!-- document id=a4a4251d0a75b327bb6fbefb548ba6c50e0ac71ee2c48a790792edbcba4ca3f1 url=/mulesoft/current/ja-jp/idp/ms-automation-credits-usage-types.md -->

Unresolved include directive in modules/ROOT/pages/ms-automation-credits-usage-types.adoc - include::rpa-home::partial$automation-credits.adoc\[\]

Unresolved include directive in modules/ROOT/pages/ms-automation-credits-usage-types.adoc - include::rpa-home::partial$automation-credits.adoc\[\]

Unresolved include directive in modules/ROOT/pages/ms-automation-credits-usage-types.adoc - include::rpa-home::partial$automation-credits.adoc\[\]

使用量と価格設定のメトリクスについての詳細は、​[「Anypoint Platform で収集されるメトリクス」](https://docs.mulesoft.com/jp/general/usage-metrics#metrics-collected-in-anypoint-platform)​を参照してください。

## [](#monthly-summary-mails)アカウントの概要 (月次) メール

Salesforce では毎月 10 日にすべての MuleSoft IDP のお客様に使用量ベースの請求レポートを送信します。デフォルトでは、Salesforce ではこれらのメールをアカウントの請求連絡先に送信します。

レポート、受信者のリスト、その他についての詳細は、 [「アカウントの概要 (月次) FAQ」](https://help.salesforce.com/s/articleView?id=000390885&type=1)​を参照してください。

<!-- document id=d50d6bf4717f2c7cb05659e1a7918c9fd1536cd70f7b3e45f78d22c62ee13581 url=/mulesoft/current/ja-jp/idp/ms-automation-credits.md -->

Unresolved include directive in modules/ROOT/pages/ms-automation-credits.adoc - include::rpa-home::partial$automation-credits-1.adoc\[\]

Unresolved include directive in modules/ROOT/pages/ms-automation-credits.adoc - include::rpa-home::partial$automation-credits-1.adoc\[\]

Unresolved include directive in modules/ROOT/pages/ms-automation-credits.adoc - include::rpa-home::partial$automation-credits-1.adoc\[\]

Unresolved include directive in modules/ROOT/pages/ms-automation-credits.adoc - include::rpa-home::partial$automation-credits-1.adoc\[\]

## [](#関連情報)関連情報

- [ms-automation-credits-usage-types.adoc](https://docs.mulesoft.com/jp/idp/ms-automation-credits-usage-types)

<!-- document id=ac907f3c822f601412b3220931f34775320f7c03460f475d3a9e2460a6a54937 url=/mulesoft/current/ja-jp/idp/analyzing-documents-with-einstein.md -->

# カスタムユーザー定義スキーマを使用したドキュメントの分析

任意の種別のドキュメントを分析し、汎用ドキュメントアクションを作成して ​**\[Customize Schema (スキーマをカスタマイズ)\]**​ を有効にすることで出力構造を完全にカスタマイズします。Einstein でドキュメントの分析とデータの抽出を行うことができるように、出力項目およびテーブルを定義してプロンプト手順を設定します。

**\[Customize Schema (スキーマをカスタマイズ)\]**​ を有効にすると、IDP が 1 つのプロンプトでドキュメント全体を照会するため、要求と Einstein クレジット消費も削減されます。​**\[Customize Schema (スキーマをカスタマイズ)\]**​ が有効になっていない汎用ドキュメントアクションでは、Einstein に対してプロンプトごとに 1 つの要求が実行されます。

既存のドキュメントアクションでは ​**\[Customize Schema (スキーマをカスタマイズ)\]**​ を有効にできないため、新しい汎用ドキュメントアクションを作成する必要があります。

Einstein では、次の予測モデルがサポートされています。

- OpenAI の ​`GPT-4o (gpt-4o-2024-08-06)`​ LLM
- OpenAI の ​`GPT-4o Mini (gpt-4o-mini-2024-07-18)`​ LLM
- Google の ​`GEMINI-2.0 Flash 001`​ LLM

Einstein は、Salesforce Einstein プラットフォームの一部である Salesforce Einstein Trust Layer を介してこれらのモデルにアクセスします。

ドキュメントアクションエディターの ​**\[Settings (設定)\]**​ をクリックして、ドキュメント分析時に使用するモデルを選択します。

<table><tbody><tr><td class="icon"><i class="fa icon-note" title="Note"></i></td><td class="content">2 月 5 日より前に作成されたドキュメントアクションでは、OpenAI の ​<code>GPT-4o (gpt-4o-2024-05-13)</code>​ のみがサポートされます。モデル選択と新しいモデルを有効にするには、新しいドキュメントアクションを作成してください。使用可能な機能と設定についての詳細は、​<a href="#settings">「ドキュメントアクション設定を定義する」</a>​を参照してください。</td></tr></tbody></table>

_ドキュメントアクション_​は、複数の AI エンジンを使用するマルチステッププロセスで、ドキュメントをスキャンし、項目を除外して、構造化された応答を JSON オブジェクトとして返します。各ドキュメントアクションは、入力として想定されるドキュメントの種別、抽出する項目、応答から除外する項目を定義します。

ドキュメントアクションを作成したら、レビュー担当者を追加してドキュメントアクションを Anypoint Exchange にパブリッシュします。ドキュメントアクションをパブリッシュすると、RPA がドキュメントアクションを実行できるようになります。また、任意の外部システムからコールしてドキュメントを分析できる API も作成されます。

事前作成済みのスキーマを使用する手順については、[事前作成済みのスキーマを使用したドキュメントの分析](https://docs.mulesoft.com/jp/idp/creating-document-actions)を参照してください。

## [](#始める前に)始める前に

1. 次のいずれかの Anypoint 権限があることを確認します。
    
    Manage Actions (アクションの管理)
    
    ユーザーに IDP への完全なアクセス権を付与し、デフォルトですべてのドキュメントアクションのレビュー担当者権限を割り当てます。
    
    Build Actions (アクションの作成)
    
    ユーザーがドキュメントアクションを作成、編集、パブリッシュ、実行し、レビュー担当者をアクションに割り当てることができるようにします。
2. [MuleSoft Anypoint Platform が MuleSoft アセットを Salesforce にパブリッシュできるようにする](https://help.salesforce.com/s/articleView?id=platform.external_services_manage_your_mulesoft_anypoint_platform_connection.htm&type=5)​。
3. [Anypoint Platform で Einstein を有効にする](#access-management::enabling-einstein.adoc)​。

## [](#汎用ドキュメントアクションを作成して-customize-schema-スキーマをカスタマイズ-を有効にする)汎用ドキュメントアクションを作成して \[Customize Schema (スキーマをカスタマイズ)\] を有効にする

ドキュメントを分析し、出力構造を完全にカスタマイズするには、\[Generic (汎用)\] 種別のドキュメントアクションを作成し、​**\[Customize Schema (スキーマをカスタマイズ)\]**​ を有効にします。

1. サイドバーで、​**\[Document Actions (ドキュメントアクション)\]**​ をクリックします。
2. **\[Create New (新規作成)\]**​ をクリックします。
3. **\[Generic (汎用)\]**​ 種別を選択します。
4. **\[Customize Schema (スキーマをカスタマイズ)\]**​ を有効にします。
    
    **\[Customize Schema (スキーマをカスタマイズ)\]**​ を有効にすると、項目およびテーブルを定義して、分析されたドキュメントの構造化出力を作成できます。この機能により、ドキュメントアクションビルダーの項目およびテーブルの拡張プレビューも有効になります。
    
    **\[Customize Schema (スキーマをカスタマイズ)\]**​ が無効になっていても、Einstein プロンプトを設定してドキュメントを分析できます。手順については、[Einstein を使用したデータ抽出の強化](https://docs.mulesoft.com/jp/idp/enhancing-data-extraction-with-einstein)を参照してください。
    
    <table><tbody><tr><td class="icon"><i class="fa icon-warning" title="Warning"></i></td><td class="content"><strong>[Customize Schema (スキーマをカスタマイズ)]</strong>​ を有効にしないでドキュメントアクションを作成すると、Einstein クレジット消費が最適化されず、プロンプトが発生するたびに、LLM に対する 1 つの API コールとみなされます。</td></tr></tbody></table>
5. 名前を入力して、​**\[Create (作成)\]**​ をクリックします。

次に、抽出する項目およびテーブルを追加します。

## [](#抽出する項目を追加する)抽出する項目を追加する

抽出する項目を設定して出力ドキュメントの構造を定義する手順は、次のとおりです。

1. ドキュメントアクションビルダーで、​**\[Select Files (ファイルを選択)\]**​ をクリックし、抽出のサンプルまたはモデルとして使用するファイルを選択します。
2. **\[Outputs (出力)\]**​ パネルで ​**\[Fields (項目)\]**​ タブを選択します。
3. **\[Start from Scratch (最初から作成)\]**​ をクリックして、最初の項目を追加します。
4. 項目とプロンプトの名前を入力します。
    
    プロンプトを設定しない場合、Einstein によってドキュメントがスキャンされ、項目に最適なデータが自動的に抽出されます。ただし、出力をテストし、抽出された項目が想定される結果と一致していることを確認してください。プロンプトを設定する場合、その項目の入力方法に関する具体的な手順を Einstein に提供します。
5. **\[Add New (新規追加)\]**​ をクリックして、引き続き項目を追加します。
6. **\[Run (実行)\]**​ をクリックし、抽出の結果を確認します。
7. **\[Save (保存)\]**​ をクリックします。

## [](#抽出するテーブルを追加する)抽出するテーブルを追加する

テーブルからのデータ抽出を設定する手順は、次のとおりです。

1. ドキュメントアクションビルダーで、​**\[Select Files (ファイルを選択)\]**​ をクリックし、抽出のサンプルまたはモデルとして使用するファイルを選択します。
    
    サンプルファイルがすでに読み込まれている場合は、このステップをスキップします。
2. **\[Outputs (出力)\]**​ パネルで ​**\[Tables (テーブル)\]**​ タブを選択します。
3. **\[Start from Scratch (最初から作成)\]**​ をクリックして、最初のテーブルを追加します。
4. 必要に応じてテーブルとプロンプトの名前を入力し、抽出するデータを設定します。
5. **\[Add New Column (新しい列を追加)\]**​ をクリックして、名前を入力し、列のプロンプトを入力します。
    
    - テーブルが完成するまで、引き続き列を追加します。
6. 設定するテーブルがまだある場合、​**\[Add New (新規追加)\]**​ をクリックして、テーブル列を追加する手順を繰り返します。
7. **\[Run (実行)\]**​ をクリックし、抽出の結果を確認します。
8. **\[Save (保存)\]**​ をクリックします。

ドキュメントの出力スキーマの設定が完了したら、レビュー担当者を追加してドキュメントアクションをパブリッシュします。

## [](#settings)ドキュメントアクション設定を定義する

ドキュメントアクションを作成したら、​**\[Settings (設定)\]**​ をクリックして設定します。使用可能な設定は、ドキュメントアクションを作成したタイミングによって異なります。

<table class="tableblock frame-all grid-all fit-content spread">
<colgroup>
<col>
<col>
<col>
<col>
</colgroup>
<thead>
<tr>
<th class="tableblock halign-left valign-middle">設定</th>
<th class="tableblock halign-left valign-middle">説明</th>
<th class="tableblock halign-left valign-middle">使用可能になるタイミング</th>
<th class="tableblock halign-left valign-middle">考慮事項</th>
</tr>
</thead>
<tbody>
<tr>
<td class="tableblock halign-left valign-middle"><div class="content"><div class="paragraph">
<p><strong>Model (モデル)</strong>​</p>
</div></div></td>
<td class="tableblock halign-left valign-middle"><div class="content"><div class="paragraph">
<p>このドキュメントアクションを実行するときに使用する予測大規模言語モデル (LLM) を選択します。</p>
</div></div></td>
<td class="tableblock halign-left valign-middle"><div class="content"><div class="paragraph">
<p>2025 年 2 月 5 日</p>
</div></div></td>
<td class="tableblock halign-left valign-middle"><div class="content"><div class="paragraph">
<p>ドキュメント処理のニーズに最も適したモデルを選択してください。各モデルについての詳細は、<a href="https://docs.mulesoft.com/jp/idp/supported-models" class="xref page">サポートされるモデル</a>を参照してください。</p>
</div></div></td>
</tr>
<tr>
<td class="tableblock halign-left valign-middle"><div class="content"><div class="paragraph">
<p><strong>PII Masking (PII マスキング)</strong></p>
</div></div></td>
<td class="tableblock halign-left valign-middle"><div class="content"><div class="paragraph">
<p>ドキュメントを予測モデルに送信する前にそれらの個人情報をマスクします。</p>
</div></div></td>
<td class="tableblock halign-left valign-middle"><div class="content"><div class="paragraph">
<p>2025 年 2 月 5 日</p>
</div></div></td>
<td class="tableblock halign-left valign-middle"><div class="content"><div class="ulist">
<ul>
<li>
<p>Salesforce 組織の設定は、この設定よりも優先されます。</p>
</li>
<li>
<p>文字制限が要求あたり 120,000 文字に削減されます。</p>
<div class="paragraph">
<p>詳細は、​<a href="https://docs.mulesoft.com/jp/idp/quotas-and-limits#prompt-limits" class="xref page">「プロンプトの制限」</a>​を参照してください。</p>
</div>
</li>
<li>
<p>[Image Recognition (画像認識)] と同時に使用することはできません。</p>
</li>
<li>
<p>詳細は、 <a href="https://help.salesforce.com/s/articleView?id=ai.generative_ai_trust_layer.htm&amp;type=5">「Einstein Trust Layer」</a>​を参照してください。</p>
</li>
</ul>
</div></div></td>
</tr>
<tr>
<td class="tableblock halign-left valign-middle"><div class="content"><div class="paragraph">
<p><strong>Image Recognition (画像認識)</strong>​</p>
</div></div></td>
<td class="tableblock halign-left valign-middle"><div class="content"><div class="paragraph">
<p>ドキュメント内の画像をモデルで読み取って解釈できるようにします。</p>
</div></div></td>
<td class="tableblock halign-left valign-middle"><div class="content"><div class="paragraph">
<p>2025 年 5 月 8 日</p>
</div></div></td>
<td class="tableblock halign-left valign-middle"><div class="content"><div class="ulist">
<ul>
<li>
<p>選択されたモデルによっては、Einstein クレジット消費が増加する可能性があります。</p>
<div class="paragraph">
<p>クレジットの使用と消費については、Salesforce アカウントエグゼクティブにお問い合わせください。</p>
</div>
</li>
<li>
<p>[PII Masking (PII マスキング)] と同時に使用することはできません。</p>
</li>
<li>
<p>チェックボックス処理の精度は、フォームの複雑さによってモデルごとに異なります。</p>
<div class="paragraph">
<p>チェックボックスを処理するときの各モデルのパフォーマンスについての詳細は、<a href="https://docs.mulesoft.com/jp/idp/supported-models" class="xref page">サポートされるモデル</a>を参照してください。</p>
</div>
</li>
</ul>
</div></div></td>
</tr>
</tbody>
</table>

<table><tbody><tr><td class="icon"><i class="fa icon-note" title="Note"></i></td><td class="content">すべての新機能にアクセスするには、新しいドキュメントアクションを作成してください。</td></tr></tbody></table>

## [](#関連情報)関連情報

- [レビュー担当者の追加](https://docs.mulesoft.com/jp/idp/adding-reviewers)
- [ドキュメントアクションのパブリッシュ](https://docs.mulesoft.com/jp/idp/publishing-document-actions)
- [事前作成済みのスキーマを使用したドキュメントの分析](https://docs.mulesoft.com/jp/idp/creating-document-actions)
- [RPA Overview](https://docs.mulesoft.com/rpa-home/)

<!-- document id=eab24a8f2643c937e6f1f79e33ea4367dea628704eb7301cc220aa61f20171d5 url=/mulesoft/current/ja-jp/idp/quotas-and-limits.md -->

# クォータと制限

次の表に、IDP サービスのクォータと制限を示します。

<table class="tableblock frame-all grid-all fit-content spread">
<colgroup>
<col>
<col>
</colgroup>
<thead>
<tr>
<th class="tableblock halign-left valign-top">Limit (制限)</th>
<th class="tableblock halign-left valign-top">説明</th>
</tr>
</thead>
<tbody>
<tr>
<td class="tableblock halign-left valign-top"><p class="tableblock">受け入れられるファイル形式</p></td>
<td class="tableblock halign-left valign-top"><div class="content"><div class="paragraph">
<p>PDF、PNG、JPG、TIFF (150 DPI 以上を推奨)<br>
ドキュメントアクションビルダーでは、TIFF ファイルのプレビューはサポートされていません。ただし、それらのファイルからデータを抽出して結果を表示することはできます。</p>
</div></div></td>
</tr>
<tr>
<td class="tableblock halign-left valign-top"><p class="tableblock">ファイルサイズの制限</p></td>
<td class="tableblock halign-left valign-top"><div class="content"><table class="tableblock frame-all grid-all fit-content spread">
<colgroup>
<col>
<col>
</colgroup>
<thead>
<tr>
<th class="tableblock halign-left valign-top">UI 経由のアップロード</th>
<th class="tableblock halign-left valign-top">API 経由のアップロード</th>
</tr>
</thead>
<tbody>
<tr>
<td class="tableblock halign-left valign-top"><div class="content"><div class="ulist">
<ul>
<li>
<p>アップロードあたり 10 ファイル</p>
</li>
<li>
<p>ファイルあたり 50 ページ</p>
</li>
<li>
<p>ファイルあたり 8 MB</p>
</li>
</ul>
</div></div></td>
<td class="tableblock halign-left valign-top"><div class="content"><div class="ulist">
<ul>
<li>
<p>API 要求あたり 1 ファイル</p>
</li>
<li>
<p>ファイルあたり 50 ページ</p>
</li>
<li>
<p>ファイルあたり 10 MB</p>
</li>
</ul>
</div></div></td>
</tr>
</tbody>
</table></div></td>
</tr>
<tr>
<td class="tableblock halign-left valign-top"><p class="tableblock">プロンプトの制限</p></td>
<td class="tableblock halign-left valign-top"><div class="content"><div class="ulist">
<ul>
<li>
<p>ドキュメントアクションごとに 30</p>
<div class="paragraph">
<p><strong>[Customize Schema (スキーマをカスタマイズ)]</strong>​ が無効になっている場合。</p>
</div>
</li>
<li>
<p>英語のプロンプト<br>
その他の言語のプロンプトは完全にはサポートされていません。</p>
</li>
<li>
<p>一意のプロンプト</p>
<div class="paragraph">
<p>重複するプロンプト名または指示は許可されていません。</p>
</div>
<div class="paragraph">
<p>汎用ドキュメントアクションでは、​<strong>[Customize Schema (スキーマをカスタマイズ)]</strong>​ が有効になっている場合、重複する手順がサポートされます。</p>
</div>
</li>
<li>
<p>Einstein プロンプトでは要求あたり 128,000 ​<a href="#tokens">トークン</a>​</p>
<div class="openblock">
<div class="content">
<div class="ulist">
<ul>
<li>
<p>PII マスキングが有効になっている場合、Einstein プロンプトでは要求あたり 30,000 トークン</p>
</li>
</ul>
</div>
</div>
</div>
<div class="paragraph">
<p>要求のトークンの合計数には以下が含まれます。</p>
</div>
<div class="ulist">
<ul>
<li>
<p>分析するソースドキュメントに含まれるテキスト</p>
</li>
<li>
<p>画像認識機能で分析する画像</p>
</li>
<li>
<p>すべての項目、テーブル、列名 (それらの対応する手順および ​<strong>[Customize Schema (スキーマをカスタマイズ)]</strong>​ で作成されたスキーマを含む) の合計</p>
</li>
<li>
<p>IDP が要求を処理するために使用するトークン (約 1,000)</p>
</li>
</ul>
</div>
</li>
</ul>
</div></div></td>
</tr>
<tr>
<td class="tableblock halign-left valign-top"><p class="tableblock">プロンプト応答の制限</p></td>
<td class="tableblock halign-left valign-top"><div class="content"><div class="ulist">
<ul>
<li>
<p>IDP NLP プロンプトでは 128 文字</p>
</li>
<li>
<p><code>GPT-4o (gpt-4o-2024-05-13)</code>​ を使用する Einstein プロンプトでは、出力として約 3,000 語</p>
</li>
<li>
<p><code>GPT-4o (gpt-4o-2024-08-06)</code>​ または ​<code>GPT-4o Mini (gpt-4o-mini-2024-07-18)</code>​ を使用する Einstein プロンプトでは、出力として約 4,000 語</p>
</li>
<li>
<p><code>Einstein GEMINI-2.0 Flash 001</code>​ を使用する Einstein プロンプトでは、出力として約 6,000 語</p>
</li>
</ul>
</div></div></td>
</tr>
<tr>
<td class="tableblock halign-left valign-top"><p class="tableblock">要求制限</p></td>
<td class="tableblock halign-left valign-top"><div class="content"><div class="ulist">
<ul>
<li>
<p>要求数が Salesforce 組織の Einstein レート制限を超えると、IDP の実行に失敗します。</p>
<div class="ulist">
<ul>
<li>
<p>Einstein を使用していて、​<strong>[Customize Schema (スキーマをカスタマイズ)]</strong>​ が有効になっている場合: 300 要求/分</p>
</li>
<li>
<p>Einstein を使用していて、​<strong>[Customize Schema (スキーマをカスタマイズ)]</strong>​ が無効になっている場合: (300 / ドキュメントアクションの Einstein プロンプトの数) 要求/分</p>
</li>
</ul>
</div>
</li>
<li>
<p>100 同時ジョブ/分</p>
</li>
</ul>
</div></div></td>
</tr>
<tr>
<td class="tableblock halign-left valign-top"><p class="tableblock">ドキュメント言語</p></td>
<td class="tableblock halign-left valign-top"><div class="content"><div class="paragraph">
<p>言語サポートは、ドキュメントアクションの選択された大規模言語モデル (LLM) によって異なります。
プロバイダーごとのサポートされている言語のリストについては、以下を参照してください。</p>
</div>
<div class="ulist">
<ul>
<li>
<p><a href="https://help.openai.com/en/articles/8357869-how-to-change-your-language-setting-in-chatgpt#h_513834920e">OpenAI のサポートされている言語</a></p>
</li>
<li>
<p><a href="https://ai.google.dev/gemini-api/docs/models#supported-languages">Gemini のサポートされている言語</a></p>
</li>
</ul>
</div></div></td>
</tr>
<tr>
<td class="tableblock halign-left valign-top"><p class="tableblock">ポーリング制限</p></td>
<td class="tableblock halign-left valign-top"><div class="content"><div class="paragraph">
<p>10 秒間隔で結果を取得<br>
アプリケーションは、10 秒ごとよりも頻繁に結果をポーリングしないようにする必要があります。</p>
</div></div></td>
</tr>
<tr>
<td class="tableblock halign-left valign-top"><p class="tableblock">チェックボックス</p></td>
<td class="tableblock halign-left valign-top"><p class="tableblock">チェックボックス処理の精度は、フォームの複雑さによってモデルごとに異なります。多くの代表的なドキュメントで徹底的にテストして、ユースケースで許容できるパフォーマンスを確認します。チェックボックスを処理するときの各モデルのパフォーマンスについての詳細は、<a href="https://docs.mulesoft.com/jp/idp/supported-models" class="xref page">サポートされるモデル</a>を参照してください。</p></td>
</tr>
</tbody>
</table>

## [](#tokens)トークン使用量と見積

トークンは、大規模言語モデル (LLM) で処理するテキストの単位です。トークンは、入力データを管理可能な単位 (分析および生成できる単位) に分割するために必要不可欠です。トークンの長さを理解するのに役立つ見積換算を次に示します。

- 1 トークン ～ = 4 文字
- 1 トークン ～ = ¾ 語
- 1 ～ 2 文 ～ = 30 トークン
- 1,500 語 ～ = 2048 トークン

画像を分析する場合、モデルごとに異なるトークナイゼーション戦略が使用されます。これはトークンの計算方法に影響します。追加の指針については、各プロバイダーのドキュメントを参照してください。

- [Gemini: 画像のトークン使用量の見積](https://cloud.google.com/vertex-ai/generative-ai/docs/multimodal/image-understanding#image-requirements)
- [OpenAI: 画像のトークン使用量の見積](https://platform.openai.com/docs/guides/images-vision?api-mode=chat)

## [](#ドキュメント保持ポリシー)ドキュメント保持ポリシー

IDP は、ドキュメントファイルを取得してデータを抽出し、必要に応じてドキュメント抽出を処理します。IDP は、次の機能を使用してデータ保持を強化します。

- ドキュメントアクションエディター
    
    IDP は、テストプロセス中にエディターで変更したファイルを一時的に保存し、エディターを閉じた直後にこれらのファイルを削除します。また、IDP はセッションの終了時や新規ファイルのアップロード時に抽出されたデータとファイルを削除します。
- ドキュメントアクション実行エンドポイント
    
    実行エンドポイント API を使用すると、IDP はファイルを S3 バケットに保存し、実行中に抽出されたデータを安全に保存します。

すべての実行に成功すると、IDP はこのデータを 24 時間保持します。人間によるレビューを必要とする実行の場合、ユーザータスクの完了後 7 日間このデータを保持します。IDP は、未完了タスクを 30 日間保持します。現在、これらの保持期間を設定することはできません。

## [](#データレジデンシーポリシー)データレジデンシーポリシー

IDP は、AWS サービス (S3 や RDS など) を使用して、ファイルと抽出されたデータを保存します。現在、IDP では US (バージニア) と EU (フランクフルト、ドイツ) の 2 つリージョンがサポートされています。IDP は、GDPR 要件を満たすために Anypoint コントロールプレーンリージョンに最も近いデータを保存します。たとえば、Anypoint コントロールプレーンが EU リージョンで実行されている場合、IDP はフランクフルトデータセンターのデータを保存します。

## [](#関連情報)関連情報

- [ms-automation-credits-usage-types.adoc](https://docs.mulesoft.com/jp/idp/ms-automation-credits-usage-types)
- [サポートされるモデル](https://docs.mulesoft.com/jp/idp/supported-models)

<!-- document id=978a8cd7856faceec08dd37a01d739a87372a52bb2267a43ed6cb267f0d134cd url=/mulesoft/current/ja-jp/idp/supported-models.md -->

# サポートされるモデル

Einstein では、次のマルチモーダル予測モデルがサポートされています。

- OpenAI の ​`GPT-4o (gpt-4o-2024-08-06)`​ LLM
- OpenAI の ​`GPT-4o Mini (gpt-4o-mini-2024-07-18)`​ LLM
- Google の ​`GEMINI-2.0 Flash 001`​ LLM

ドキュメントアクションを作成するときに、モデルと抽出の設定 (PII マスキングや画像認識など) を選択できます。モデルごとにパフォーマンスや条件が異なるため、特定の要件に合ったモデルを選択してください。

<table class="tableblock frame-all grid-all fit-content spread">
<colgroup>
<col>
<col>
<col>
<col>
<col>
<col>
</colgroup>
<thead>
<tr>
<th class="tableblock halign-left valign-middle">モデル名</th>
<th class="tableblock halign-left valign-middle">説明</th>
<th class="tableblock halign-left valign-middle">安定性</th>
<th class="tableblock halign-left valign-middle">画像認識</th>
<th class="tableblock halign-left valign-middle">プロンプト出力の制限</th>
<th class="tableblock halign-left valign-middle">注意事項</th>
</tr>
</thead>
<tbody>
<tr>
<td class="tableblock halign-left valign-middle"><div class="content"><div class="paragraph">
<p>Einstein OpenAI GPT-4o 0806</p>
</div></div></td>
<td class="tableblock halign-left valign-middle"><div class="content"><div class="paragraph">
<p>大部分のタスクに適しており、ラテン語以外の言語のドキュメントで優れたパフォーマンスを発揮します。フォントサイズを比較して、特定のフォントスタイルを識別できます。</p>
</div></div></td>
<td class="tableblock halign-left valign-middle"><div class="content"><div class="paragraph">
<p>高</p>
</div></div></td>
<td class="tableblock halign-left valign-middle"><div class="content"><div class="ulist">
<ul>
<li>
<p>標準的なパフォーマンス</p>
</li>
<li>
<p>標準的なクレジット消費</p>
</li>
<li>
<p>フォームのチェックボックスの読み取り精度は低い</p>
</li>
</ul>
</div></div></td>
<td class="tableblock halign-left valign-middle"><div class="content"><div class="paragraph">
<p>～ 4,000 語</p>
</div></div></td>
<td class="tableblock halign-left valign-middle"><div class="content"><div class="ulist">
<ul>
<li>
<p>ハルシネーションを回避するために、情報をでっちあげないようにモデルに指示してください。</p>
</li>
<li>
<p>OpenAI モデルで <a href="https://help.openai.com/en/articles/8357869-how-to-change-your-language-setting-in-chatgpt#h_513834920e">サポートされている言語</a>​のリスト。</p>
</li>
</ul>
</div></div></td>
</tr>
<tr>
<td class="tableblock halign-left valign-middle"><div class="content"><div class="paragraph">
<p>Einstein OpenAI GPT-4o Mini 0718</p>
</div></div></td>
<td class="tableblock halign-left valign-middle"><div class="content"><div class="paragraph">
<p>高速で、焦点を絞ったタスクで役立ちます。安易な推論をする傾向にあります。</p>
</div></div></td>
<td class="tableblock halign-left valign-middle"><div class="content"><div class="paragraph">
<p>高</p>
</div></div></td>
<td class="tableblock halign-left valign-middle"><div class="content"><div class="ulist">
<ul>
<li>
<p>標準的なパフォーマンス</p>
</li>
<li>
<p>クレジット消費が多い</p>
</li>
<li>
<p>フォームのチェックボックスの読み取り精度は低い</p>
</li>
</ul>
</div></div></td>
<td class="tableblock halign-left valign-middle"><div class="content"><div class="paragraph">
<p>～ 4,000 語</p>
</div></div></td>
<td class="tableblock halign-left valign-middle"><div class="content"><div class="ulist">
<ul>
<li>
<p>ハルシネーションを回避するために、情報をでっちあげないようにモデルに指示してください。</p>
</li>
<li>
<p>OpenAI モデルで <a href="https://help.openai.com/en/articles/8357869-how-to-change-your-language-setting-in-chatgpt#h_513834920e">サポートされている言語</a>​のリスト。</p>
</li>
</ul>
</div></div></td>
</tr>
<tr>
<td class="tableblock halign-left valign-middle"><div class="content"><div class="paragraph">
<p>Einstein GEMINI-2.0 Flash 001</p>
</div></div></td>
<td class="tableblock halign-left valign-middle"><div class="content"><div class="paragraph">
<p>クレジット消費が少なく、この種のドキュメントの精度が向上しているため、画像の分析に最適です。</p>
</div></div></td>
<td class="tableblock halign-left valign-middle"><div class="content"><div class="paragraph">
<p>標準</p>
</div></div></td>
<td class="tableblock halign-left valign-middle"><div class="content"><div class="ulist">
<ul>
<li>
<p>クレジット消費が少ない</p>
</li>
<li>
<p>一度に 1 ページずつ処理する場合のフォームのチェックボックスの読み取り精度は中程度</p>
</li>
</ul>
</div></div></td>
<td class="tableblock halign-left valign-middle"><div class="content"><div class="paragraph">
<p>～ 6,000 語</p>
</div></div></td>
<td class="tableblock halign-left valign-middle"><div class="content"><div class="ulist">
<ul>
<li>
<p>現在、Gemini モデルでは、正確な信頼性スコアは表示されず、デフォルトで 80% に設定されています。</p>
</li>
<li>
<p>カスタマイズされたスキーマのある Einstein 汎用ドキュメントアクションでは、​<code>「LLM Generation wasn’t a valid JSON (LLM 生成が有効な JSON ではありませんでした)」</code>​ようなエラーが発生する可能性があります。そのような場合、カスタマイズされたスキーマのない新しい汎用ドキュメントアクションを作成して、結果を取得します。</p>
</li>
<li>
<p>Gemini モデルで <a href="https://ai.google.dev/gemini-api/docs/models#supported-languages">サポートされている言語</a>​のリスト。</p>
</li>
</ul>
</div></div></td>
</tr>
</tbody>
</table>

## [](#モデルのエラー)モデルのエラー

LLM による応答の生成が停止して、この動作の原因を把握するためのエラーコードが提供される場合があります。ドキュメントアクションの実行中にエラーが発生した場合、IDP は応答オブジェクトの ​`statusMessage`​ 属性でエラーを提供します。

最も一般的なエラーコードと推奨される修正方法を次に示します。

<table class="tableblock frame-all grid-all fit-content spread">
<colgroup>
<col>
<col>
<col>
</colgroup>
<thead>
<tr>
<th class="tableblock halign-left valign-middle">エラーコード</th>
<th class="tableblock halign-left valign-middle">エラーの説明</th>
<th class="tableblock halign-left valign-middle">推奨される修正方法</th>
</tr>
</thead>
<tbody>
<tr>
<td class="tableblock halign-left valign-middle"><div class="content"><div class="paragraph">
<p><code>length</code></p>
</div></div></td>
<td class="tableblock halign-left valign-middle"><div class="content"><div class="paragraph">
<p>要求が最大入力トークン制限を超えました。</p>
</div></div></td>
<td class="tableblock halign-left valign-middle"><div class="content"><div class="paragraph">
<p>プロンプトを調整する方法を理解するには、「GPT-4.1 prompting best practices (GPT-4.1 のプロンプト作成のベストプラクティス)」の <a href="https://platform.openai.com/docs/guides/text?api-mode=chat#gpt-4-1-prompting-best-practices">「Using long context (長いコンテキストの使用)」</a>​を参照してください。</p>
</div></div></td>
</tr>
<tr>
<td class="tableblock halign-left valign-middle"><div class="content"><div class="paragraph">
<p><code>MAX_TOKENS</code></p>
</div></div></td>
<td class="tableblock halign-left valign-middle"><div class="content"><div class="paragraph">
<p>応答が最大出力トークン制限を超えました。</p>
</div></div></td>
<td class="tableblock halign-left valign-middle"><div class="content"><div class="paragraph">
<p>ドキュメントを分割するか、この抽出の OpenAI モデルを選択します。</p>
</div></div></td>
</tr>
<tr>
<td class="tableblock halign-left valign-middle"><div class="content"><div class="paragraph">
<p><code>SPII</code></p>
</div></div></td>
<td class="tableblock halign-left valign-middle"><div class="content"><div class="paragraph">
<p>ドキュメントに機密個人情報 (SPII) が含まれている可能性があります。</p>
</div></div></td>
<td class="tableblock halign-left valign-middle"><div class="content"><div class="paragraph">
<p>競合する項目を削除するか、GPT モデルを使用して情報を抽象化します。</p>
</div></div></td>
</tr>
</tbody>
</table>

エラーコードの完全なリストについては、各モデルプロバイダーのドキュメントを参照してください。

- OpenAI モデル: [The completion object (完了オブジェクト)](https://platform.openai.com/docs/api-reference/completions/object#completions/object-choices)
    
    詳細を表示するには、​**choices**​ の下にある ​**\[Show properties (プロパティを表示)\]**​ を選択します。
- Google モデル: [Finish Reason (終了理由)](https://cloud.google.com/vertex-ai/generative-ai/docs/reference/python/latest/services?utm_source=chatgpt.com#class-vertexaigenerativemodelsfinishreasonvalue)​

## [](#関連情報)関連情報

- [OpenAI のプロンプトエンジニアリングガイド](https://platform.openai.com/docs/guides/text#prompt-engineering)
- [カスタムユーザー定義スキーマを使用したドキュメントの分析](https://docs.mulesoft.com/jp/idp/analyzing-documents-with-einstein)

<!-- document id=91124c58f82e32ab7cf92a751038c03f773369fc0766afdf3c8c7db9fb3d5411 url=/mulesoft/current/ja-jp/idp/publishing-document-actions.md -->

# ドキュメントアクションのパブリッシュ

パブリッシュ済みドキュメントアクションを RPA、Mule アプリケーション、その他のシステムと統合して、ドキュメント処理の自動化されたパイプラインを構築できます。ドキュメントアクションをパブリッシュすると、RPA で検出可能になり、コール可能な API として Anypoint Exchange で使用できるようになります。

## [](#ドキュメントアクションのバージョン管理)ドキュメントアクションのバージョン管理

ドキュメントアクションのバージョン管理を使用して、パブリッシュ済みドキュメントアクションを変更するときに既存のインテグレーションが壊れないようにすることができます。IDP はセマンティックバージョニングに従いますが、ドキュメントアクションを再パブリッシュするときにのみマイナーバージョン番号が大きくなります。

たとえば、ドキュメントアクションを初めてパブリッシュすると、バージョンは ​`1.0.0`​ に設定されます。このドキュメントアクションを後で変更して再パブリッシュすると、バージョン番号は ​`1.1.0`​ に設定されます。

ドキュメントアクションのパブリッシュ時のこの動作を考慮し、インテグレーションでは目的のバージョンであることを確認して、パブリッシュ済みドキュメントアクションをコールしてください。

## [](#始める前に)始める前に

次のいずれかの Anypoint 権限があることを確認します。

Manage Actions (アクションの管理)

ユーザーに IDP への完全なアクセス権を付与し、デフォルトですべてのドキュメントアクションのレビュー担当者権限を割り当てます。

Build Actions (アクションの作成)

ユーザーがドキュメントアクションを作成、編集、パブリッシュ、実行し、レビュー担当者をアクションに割り当てることができるようにします。

## [](#publish-a-document-action-ドキュメントアクションのパブリッシュ)Publish a Document Action (ドキュメントアクションのパブリッシュ)

ドキュメントアクションをパブリッシュする手順は、次のとおりです

1. 次のいずれかの方法で、ドキュメントを編集モードで開きます。
    
    - 新しいドキュメントアクションを作成する。
    - 既存のドキュメントアクションをビューモードで開き、​**\[Open in Builder (Builder で開く)\]**​ をクリックする。
2. **\[Publish (パブリッシュ)\]**​ をクリックします。
3. アセットの名前とバージョンを確認し、​**\[Publish (パブリッシュ)\]**​ をクリックします。
4. 確認メッセージが表示されるのを待って、​**\[Close (閉じる)\]**​ をクリックします。

## [](#関連情報)関連情報

- [処理されたドキュメントの確認](https://docs.mulesoft.com/jp/idp/reviewing-processed-documents)
- [事前作成済みのスキーマを使用したドキュメントの分析](https://docs.mulesoft.com/jp/idp/creating-document-actions)
- [API を使用したドキュメントの処理と結果の取得](https://docs.mulesoft.com/jp/idp/automate-document-processing-with-the-idp-api)
- [RPA を使用したドキュメントの処理と結果の取得](https://docs.mulesoft.com/jp/idp/automate-document-processing-with-rpa)

<!-- document id=a89b687c09175e0d5d34d21609c5806dda69a6ef78c24ac13095ba3cd2021562 url=/mulesoft/current/ja-jp/idp/document-processing.md -->

# ドキュメント処理の使用開始

IDP でドキュメントを分析する前に、ドキュメントアクション (ドキュメントの処理に必要な指示を含む設定可能なスキーマ定義) を作成してパブリッシュする必要があります。

ドキュメントアクションを Anypoint Exchange にパブリッシュしたら、IDP API をプログラムでコールしてドキュメントアクションを実行し、ドキュメントからデータを抽出できます。その結果、ドキュメントアクションは指定されたドキュメントを分析し、抽出されたすべての項目を含む JSON 形式で応答を返します。IDP API を照会すれば、実行の状況をいつでも確認できます。

## [](#ドキュメントアクション)ドキュメントアクション

_ドキュメントアクション_​は、複数の AI エンジンを使用するマルチステッププロセスで、ドキュメントをスキャンし、項目を除外して、構造化された応答を JSON オブジェクトとして返します。各ドキュメントアクションは、入力として想定されるドキュメントの種別、抽出する項目、応答から除外する項目を定義します。

IDP には、カスタムドキュメントアクションを作成するための事前設定済みの ​**\[Invoice (請求書)\]**​ および ​**\[Purchase Order (購入注文)\]**​ テンプレートが用意されています。各テンプレートには、ドキュメントから構造化された応答に抽出される一連の項目が含まれています。新しいドキュメントアクションを作成するときに、処理するドキュメントに最も適した種別を選択します。たとえば、​**\[Invoice (請求書)\]**​ 種別では、請求書、領収書、および同様のドキュメントを処理できます。どちらの種別もドキュメントに適さない場合は、​**\[Generic (汎用)\]**​ 種別を使用して、自然言語で質問して抽出するように項目を完全にカスタマイズします。

ドキュメントアクション設定を定義して、データ抽出時に使用する大規模言語モデル (LLM) を選択し、PII マスキングまたは画像認識を有効にします。IDP では、次のモデルがサポートされています。

- OpenAI の ​`GPT-4o (gpt-4o-2024-08-06)`​ LLM
- OpenAI の ​`GPT-4o Mini (gpt-4o-mini-2024-07-18)`​ LLM
- Google の ​`GEMINI-2.0 Flash 001`​ LLM

ドキュメントアクションを作成したら、Anypoint Exchange にパブリッシュして、RPA から IDP API 経由で使用できるようにします。

## [](#レビュー)レビュー

ドキュメントアクションは、抽出された項目と検出された値を含む JSON 応答を返します。各値には、抽出中の値の精度を決定する信頼度スコアがあります。

ドキュメントは、次のいずれかの条件を満たすと、レビューのキューに追加されます。

- 非表示でない項目の 1 つ以上で、信頼度スコアが設定されたしきい値を下回っている。
- 必須とマークされた非表示でない項目の 1 つ以上が見つからない、または抽出できなかった。

レビュー担当者が結果を確認して承認すると、実行状況は ​`SUCCEEDED`​ に変わります。可能な状況とその定義については、​[「実行状況リファレンス」](https://docs.mulesoft.com/jp/idp/automate-document-processing-with-the-idp-api#execution-status-reference)​を参照してください。

## [](#idp-api)IDP API

パブリッシュ済みのドキュメントアクションの実行をトリガーし、IDP API を使用して指定されたドキュメントを分析して実行結果を照会できます。IDP API をコールするように接続アプリケーションを設定する必要があります。

設定と使用方法については、[API を使用したドキュメントの処理と結果の取得](https://docs.mulesoft.com/jp/idp/automate-document-processing-with-the-idp-api)を参照してください。

## [](#idp-と-rpa-のインテグレーション)IDP と RPA のインテグレーション

MuleSoft RPA から \[Submit Document to MuleSoft IDP (ドキュメントを MuleSoft IDP に送信)\] アクションステップと \[Retrieve Results from MuleSoft IDP (MuleSoft IDP から結果を取得)\] アクションステップを使用して、パブリッシュ済みドキュメントアクションを実行して結果を照会できます。IDP をコールするように接続アプリケーションを設定し、RPA で使用できるようにドキュメントアクションをパブリッシュする必要があります。

設定と使用方法については、[RPA を使用したドキュメントの処理と結果の取得](https://docs.mulesoft.com/jp/idp/automate-document-processing-with-rpa)を参照してください。

## [](#関連情報)関連情報

- [事前作成済みのスキーマを使用したドキュメントの分析](https://docs.mulesoft.com/jp/idp/creating-document-actions)
- [ドキュメントアクションのパブリッシュ](https://docs.mulesoft.com/jp/idp/publishing-document-actions)
- [処理されたドキュメントの確認](https://docs.mulesoft.com/jp/idp/reviewing-processed-documents)

<!-- document id=bf3ee19706c9e7d97ab1d4a13ae95ede613359b01d0e24a909299791d6b9f7a5 url=/mulesoft/current/ja-jp/idp/adding-reviewers.md -->

# レビュー担当者の追加

信頼度スコアが低いか必須項目が入力されていないためにレビューのキューに追加されたドキュメントを確認して修正する、1 人以上のレビュー担当者をドキュメントアクションに追加します。Anypoint Platform ユーザーまたはチームをレビュー担当者として追加できます。

レビュー担当者は、新しいドキュメントアクションの作成中に追加するか、既存のドキュメントアクションを編集して追加できます。

## [](#始める前に)始める前に

次のいずれかの Anypoint 権限があることを確認します。

Manage Actions (アクションの管理)

ユーザーに IDP への完全なアクセス権を付与し、デフォルトですべてのドキュメントアクションのレビュー担当者権限を割り当てます。

Build Actions (アクションの作成)

ユーザーがドキュメントアクションを作成、編集、パブリッシュ、実行し、レビュー担当者をアクションに割り当てることができるようにします。

## [](#レビュー担当者を新しいドキュメントアクションに追加する)レビュー担当者を新しいドキュメントアクションに追加する

新しいドキュメントアクションを作成してレビュー担当者を追加する手順は、次のとおりです。

1. サイドバーで、​**\[Document Actions (ドキュメントアクション)\]**​ をクリックします。
2. **\[Create New (新規作成)\]**​ をクリックします。
3. テンプレートとして使用するドキュメントの種別を選択し、ドキュメントアクションの名前を指定して、​**\[Create (作成)\]**​ をクリックします。
4. **\[Reviewers (レビュー担当者)\]**​ パネルで ​**\[Edit (編集)\]**​ をクリックします。
5. ユーザーまたはチームを検索し、​**\[Add (追加)\]**​ をクリックします。
    
    レビュー担当者の追加が完了するまで、この手順を繰り返します。
6. **\[Apply (適用)\]**​ をクリックします。

## [](#レビュー担当者を既存のドキュメントアクションに追加する)レビュー担当者を既存のドキュメントアクションに追加する

既存のドキュメントアクションを編集してレビュー担当者を追加する手順は、次のとおりです。

1. ナビゲーションパネルで、​**\[Document Actions (ドキュメントアクション)\]**​ をクリックします。
2. ドキュメントアクションをクリックして、ビューページを開きます。
3. **\[Reviewers (レビュー担当者)\]**​ パネルで ​**\[Edit (編集)\]**​ をクリックします。
4. ユーザーまたはチームを検索し、​**\[Add (追加)\]**​ をクリックします。
    
    レビュー担当者の追加が完了するまで、この手順を繰り返します。
5. **\[Apply (適用)\]**​ をクリックします。

## [](#関連情報)関連情報

- [ドキュメントアクションのパブリッシュ](https://docs.mulesoft.com/jp/idp/publishing-document-actions)
- [事前作成済みのスキーマを使用したドキュメントの分析](https://docs.mulesoft.com/jp/idp/creating-document-actions)
- [処理されたドキュメントの確認](https://docs.mulesoft.com/jp/idp/reviewing-processed-documents)

<!-- document id=e725fb5a2f7a84bb7f2d5bd0e953b2285107220aec31729f7dd7c1c4d1c548ed url=/mulesoft/current/ja-jp/idp/creating-document-actions.md -->

# 事前作成済みのスキーマを使用したドキュメントの分析

事前作成済みのスキーマを使用せずに任意の種別のドキュメントを分析して出力構造を完全にカスタマイズするには、[カスタムユーザー定義スキーマを使用したドキュメントの分析](https://docs.mulesoft.com/jp/idp/analyzing-documents-with-einstein)を参照してください。

_ドキュメントアクション_​は、複数の AI エンジンを使用するマルチステッププロセスで、ドキュメントをスキャンし、項目を除外して、構造化された応答を JSON オブジェクトとして返します。各ドキュメントアクションは、入力として想定されるドキュメントの種別、抽出する項目、応答から除外する項目を定義します。

項目を非表示にしたり、項目を必須とマークしたり、抽出する各項目で受け入れられる最小信頼度スコアを設定したり、自然言語を使用して質問することでデータ抽出プロセスが強化および改良されるようにプロンプトを設定したりできます。

定義済みの種別をテンプレートとして使用してドキュメントアクションを作成し、必須項目、JSON 応答から除外する必要がある項目、各項目に期待される最小信頼度スコアを指定します。

新しいドキュメントアクションを作成したら、レビュー担当者を追加して Anypoint Exchange にパブリッシュすると、RPA でドキュメントアクションを実行できるようになり、任意の外部システムからコールできる API も作成されます。

ドキュメントアクションを作成するときに、設定されたスキーマがアップロードされた各ドキュメントで動作することを確認してください。すべてのサンプルドキュメントで動作するようにスキーマをカスタマイズできない場合は、複数のドキュメントアクションを作成することを検討してください。たとえば、ベンダーごとに個別のドキュメントアクションを必要とするほど、複数のベンダーからの購入注文が異なっている場合があります。

事前作成済みのスキーマを使用してドキュメントアクションを作成するには、次のタスクを完了する必要があります。

1. [サンプルファイルをアップロードして結果をプレビューする](#upload-files)
2. [抽出用のスキーマを設定する](#configure-schema)​
    
    スキーマを使用しない汎用ドキュメントアクションを選択しない場合。
3. [プロンプトを追加して結果を絞り込む](#add-prompts)

## [](#ドキュメントアクションの作成を始める前に)ドキュメントアクションの作成を始める前に

次のいずれかの Anypoint 権限があることを確認します。

Manage Actions (アクションの管理)

ユーザーに IDP への完全なアクセス権を付与し、デフォルトですべてのドキュメントアクションのレビュー担当者権限を割り当てます。

Build Actions (アクションの作成)

ユーザーがドキュメントアクションを作成、編集、パブリッシュ、実行し、レビュー担当者をアクションに割り当てることができるようにします。

## [](#upload-files)サンプルファイルをアップロードして結果をプレビューする

新しいドキュメントアクションの作成を開始するには、サンプルファイルをアップロードして抽出プロセスをテストします。

1. サイドバーで、​**\[Document Actions (ドキュメントアクション)\]**​ をクリックします。
2. **\[Create New (新規作成)\]**​ をクリックします。
3. テンプレートとして使用するドキュメントの種別を選択し、ドキュメントアクションの名前を指定して、​**\[Create (作成)\]**​ をクリックします。
4. **\[Select files (ファイルを選択)\]**​ をクリックし、分析するサンプルファイルをアップロードします。
    
    ファイルは 10 個までアップロードでき、ファイルあたり 8 MB のサイズ制限があります。
5. **\[Run (実行)\]**​ をクリックしてファイルを分析し、結果のプレビューを取得します。

ドキュメントアクションエディターには、分析したドキュメントのプレビューが表示され、見やすいようにズームインやズームアウトができます。​**\[Previous (前へ)\]**​ (​**<**​) ボタンと ​**\[Next (次へ)\]**​ (​**\>**​) ボタンを使用して、ドキュメントのページを移動します。ページを切り替えると、​**\[Outputs (出力)\]**​ セクションに表示される抽出値が更新されます。

抽出された値の信頼度スコアが設定されたしきい値を下回っている場合、項目が黄色で強調表示されます。

サンプルファイルをアップロードしたら、スキーマを設定します。

## [](#configure-schema)抽出用のスキーマを設定する

汎用ドキュメントアクションを作成する場合は、スキーマを設定しないため、このステップをスキップします。代わりに、ドキュメントからデータを抽出するプロンプトを使用します。

応答で非表示にする項目、必須項目、各項目で受け入れられる最小信頼度スコアを選択して、スキーマを設定します。

1. **\[Outputs (出力)\]**​ セクションで ​**\[Fields (項目)\]**​ をクリックし、抽出された項目名のいずれかを選択して、次の設定を定義します。
    
    - **Visibility (表示)**​: この項目を出力 JSON 結果に表示するかどうかを定義します。この項目を非表示にするには、​**\[Visibility (表示)\]**​ (​![2%](/mulesoft/current/ja-jp/idp/_images/visibility-icon.png)​) をクリックします。
    - **Threshold (しきい値)**​: この項目で受け入れられる最低限必要な信頼度スコア。返された ​**\[Confidence (信頼度)\]**​ の値がしきい値を下回っている場合、ドキュメントは人間によるレビューのためにキューに追加されます。
    - **Required (必須)**​: 項目が見つからないか抽出できない場合にドキュメントをレビューに送信するには、このオプションを選択します。
    
    **\[Focus (フォーカス)\]**​ (​![2%](/mulesoft/current/ja-jp/idp/_images/focus-icon.png)​) をクリックすると、対応する項目がプレビューの中央に表示されます。
2. ドキュメントにテーブルが含まれている場合は、​**\[Tables (テーブル)\]**​ をクリックして、テーブル列の抽出設定を定義します。

スキーマを設定したら、プロンプトをドキュメントアクションに追加します。

## [](#add-prompts)プロンプトを追加して結果を絞り込む

プロンプトを追加して、自然言語でドキュメントに関する質問をして抽出結果を絞り込みます。

1. **\[Outputs (出力)\]**​ パネルで ​**\[Prompts (プロンプト)\]**​ をクリックします。
2. **\[Add New (新規追加)\]**​ をクリックします。
3. 必要な詳細を設定します。
    
    - **Name (名前)**​: クエリの一意の名前。
    - **Instruction (指示)**​: 自然言語を使用した英語の一意の質問または要求。
        
        <table><tbody><tr><td class="icon"><i class="fa icon-warning" title="Warning"></i></td><td class="content">プロンプトは特殊文字をサポートしていません。プロンプトを記述するときは英数字を使用してください。この制限は、任意の種類の文字または記号を含めることができるドキュメントには適用されません。</td></tr></tbody></table>
    - **Required (必須)**​: 質問に回答できない場合にドキュメントをレビューに送信するには、このオプションを選択します。
    - **Confidence Threshold (信頼度のしきい値)**​: ドキュメントがレビューのキューに追加されないようにするための最小許容値。
4. **\[Add (追加)\]**​ をクリックします。
5. **\[Run (実行)\]**​ をクリックしてドキュメントを再度分析し、プロンプトの結果を確認します。
6. **\[Save (保存)\]**​ をクリックします。

### [](#einstein)Einstein を使用したデータ抽出の強化

デフォルトでは、IDP はその自然言語処理モデル (IDP NLP) を使用して、設定されたプロンプトに基づいてデータを抽出します。ドキュメントアクションを作成するときに、Einstein を選択してドキュメントの分析とデータの抽出を行うことができます。

Einstein を使用して、ドキュメントに関する複雑な質問 (税金を差し引いた後の請求書の合計は? など) の回答を得たり、非標準ドキュメントのデータ (筆跡が含まれる運転免許証やカルテなど) を抽出したりします。

Einstein でプロンプトに回答してデータ抽出を改善するには、[Einstein を使用したデータ抽出の強化](https://docs.mulesoft.com/jp/idp/enhancing-data-extraction-with-einstein)を参照してください。

## [](#ドキュメントアクション設定を定義する)ドキュメントアクション設定を定義する

ドキュメントアクションを作成したら、​**\[Settings (設定)\]**​ をクリックして設定します。使用可能な設定は、ドキュメントアクションを作成したタイミングによって異なります。

<table class="tableblock frame-all grid-all fit-content spread">
<colgroup>
<col>
<col>
<col>
<col>
</colgroup>
<thead>
<tr>
<th class="tableblock halign-left valign-middle">設定</th>
<th class="tableblock halign-left valign-middle">説明</th>
<th class="tableblock halign-left valign-middle">使用可能になるタイミング</th>
<th class="tableblock halign-left valign-middle">考慮事項</th>
</tr>
</thead>
<tbody>
<tr>
<td class="tableblock halign-left valign-middle"><div class="content"><div class="paragraph">
<p><strong>Model (モデル)</strong>​</p>
</div></div></td>
<td class="tableblock halign-left valign-middle"><div class="content"><div class="paragraph">
<p>このドキュメントアクションを実行するときに使用する予測大規模言語モデル (LLM) を選択します。</p>
</div></div></td>
<td class="tableblock halign-left valign-middle"><div class="content"><div class="paragraph">
<p>2025 年 2 月 5 日</p>
</div></div></td>
<td class="tableblock halign-left valign-middle"><div class="content"><div class="paragraph">
<p>ドキュメント処理のニーズに最も適したモデルを選択してください。各モデルについての詳細は、<a href="https://docs.mulesoft.com/jp/idp/supported-models" class="xref page">サポートされるモデル</a>を参照してください。</p>
</div></div></td>
</tr>
<tr>
<td class="tableblock halign-left valign-middle"><div class="content"><div class="paragraph">
<p><strong>PII Masking (PII マスキング)</strong></p>
</div></div></td>
<td class="tableblock halign-left valign-middle"><div class="content"><div class="paragraph">
<p>ドキュメントを予測モデルに送信する前にそれらの個人情報をマスクします。</p>
</div></div></td>
<td class="tableblock halign-left valign-middle"><div class="content"><div class="paragraph">
<p>2025 年 2 月 5 日</p>
</div></div></td>
<td class="tableblock halign-left valign-middle"><div class="content"><div class="ulist">
<ul>
<li>
<p>Salesforce 組織の設定は、この設定よりも優先されます。</p>
</li>
<li>
<p>文字制限が要求あたり 120,000 文字に削減されます。</p>
<div class="paragraph">
<p>詳細は、​<a href="https://docs.mulesoft.com/jp/idp/quotas-and-limits#prompt-limits" class="xref page">「プロンプトの制限」</a>​を参照してください。</p>
</div>
</li>
<li>
<p>[Image Recognition (画像認識)] と同時に使用することはできません。</p>
</li>
<li>
<p>詳細は、 <a href="https://help.salesforce.com/s/articleView?id=ai.generative_ai_trust_layer.htm&amp;type=5">「Einstein Trust Layer」</a>​を参照してください。</p>
</li>
</ul>
</div></div></td>
</tr>
<tr>
<td class="tableblock halign-left valign-middle"><div class="content"><div class="paragraph">
<p><strong>Image Recognition (画像認識)</strong>​</p>
</div></div></td>
<td class="tableblock halign-left valign-middle"><div class="content"><div class="paragraph">
<p>ドキュメント内の画像をモデルで読み取って解釈できるようにします。</p>
</div></div></td>
<td class="tableblock halign-left valign-middle"><div class="content"><div class="paragraph">
<p>2025 年 5 月 8 日</p>
</div></div></td>
<td class="tableblock halign-left valign-middle"><div class="content"><div class="ulist">
<ul>
<li>
<p>選択されたモデルによっては、Einstein クレジット消費が増加する可能性があります。</p>
<div class="paragraph">
<p>クレジットの使用と消費については、Salesforce アカウントエグゼクティブにお問い合わせください。</p>
</div>
</li>
<li>
<p>[PII Masking (PII マスキング)] と同時に使用することはできません。</p>
</li>
<li>
<p>チェックボックス処理の精度は、フォームの複雑さによってモデルごとに異なります。</p>
<div class="paragraph">
<p>チェックボックスを処理するときの各モデルのパフォーマンスについての詳細は、<a href="https://docs.mulesoft.com/jp/idp/supported-models" class="xref page">サポートされるモデル</a>を参照してください。</p>
</div>
</li>
</ul>
</div></div></td>
</tr>
</tbody>
</table>

<table><tbody><tr><td class="icon"><i class="fa icon-note" title="Note"></i></td><td class="content">すべての新機能にアクセスするには、新しいドキュメントアクションを作成してください。</td></tr></tbody></table>

## [](#関連情報)関連情報

- [レビュー担当者の追加](https://docs.mulesoft.com/jp/idp/adding-reviewers)
- [ドキュメントアクションのパブリッシュ](https://docs.mulesoft.com/jp/idp/publishing-document-actions)
- [RPA Overview](https://docs.mulesoft.com/rpa-home/)
- [カスタムユーザー定義スキーマを使用したドキュメントの分析](https://docs.mulesoft.com/jp/idp/analyzing-documents-with-einstein)

<!-- document id=fa964791c27a81f6808e87b6db3c119e9c708499b4f0948f4ccfbdf591d3e132 url=/mulesoft/current/ja-jp/idp/reviewing-processed-documents.md -->

# 処理されたドキュメントの確認

ドキュメントを処理した後、次の場合、ドキュメントはレビューのキューに追加されます。

- _visible (表示)_​ とマークされた項目の 1 つ以上で、信頼度スコアが設定されたしきい値を下回っている。
- _visible (表示)_​ かつ ​_required (必須)_​ とマークされた項目の 1 つ以上が見つからない、または抽出できなかった。

この場合、ユーザーはドキュメントをレビューして、矛盾する項目の値を確認する必要があります。レビューが完了すると、抽出の状況が ​`SUCCEEDED`​ に変更されます。

## [](#始める前に)始める前に

ドキュメントをレビューする前に、以下を確認してください。

- 対応するドキュメントアクションのレビュー担当者として割り当てられている。

## [](#ui-でドキュメントをレビューする)UI でドキュメントをレビューする

処理されたドキュメントの結果をレビューする手順は、次のとおりです。

1. ナビゲーションパネルで、​**\[Review Tasks (レビュータスク)\]**​ をクリックします。
2. レビューするドキュメントの名前をクリックします。
3. **\[Results (結果)\]**​ パネルで、各項目から抽出された値を確認します。
    
    このステップ中に、調整が必要な値を変更できます。
    
    抽出された値の信頼度スコアが設定されたしきい値を下回っている場合、項目が黄色で強調表示されます。
4. すべての値を確認したら、​**\[Submit This Page (このページを送信)\]**​ をクリックします。
    
    結果ページが複数ある場合は、​**\[Submit and Next (送信して次へ)\]**​ をクリックし、すべてのページを確認するまでプロセスを続けます。

## [](#関連情報)関連情報

- [API を使用したドキュメントの処理と結果の取得](https://docs.mulesoft.com/jp/idp/automate-document-processing-with-the-idp-api)
- [RPA を使用したドキュメントの処理と結果の取得](https://docs.mulesoft.com/jp/idp/automate-document-processing-with-rpa)
- [レビュー担当者の追加](https://docs.mulesoft.com/jp/idp/adding-reviewers)