Palantir AIP Document Intelligenceが抽出戦略のPython関数デプロイに対応

Palantir Foundryで、AIP Document Intelligenceの抽出戦略をPython関数としてデプロイする機能が一般提供になりました。

要点

• AIP Document Intelligenceの抽出戦略を、バッチパイプラインではなくページ単位のPython functionsとしてデプロイできます。
• Ontology、Automate、Ontology actionsと組み合わせて、用途に合わせた文書抽出ワークフローを作れます。
• 抽出テキストのチャンク化と埋め込み生成も選択でき、検索やRAGの下流処理へつなげられます。

今回の更新で変わること

今回のPalantir Foundry announcementは、AIP Document Intelligenceで作った抽出戦略を、より柔軟な実行単位へ移す更新です。従来のように抽出戦略をバッチパイプラインで走らせるだけでなく、ページ単位のPython functionsとしてデプロイし、Ontologyを中心にした文書処理ワークフローへ組み込めます。契約書、申請書、点検記録、請求書、技術文書などを扱う組織では、文書全体を一括処理するだけではなく、ページやセクションごとに異なる処理、承認、例外対応が必要になることがあります。

公式発表では、AIP Document Intelligenceアプリケーションの関数へのデプロイパネルからView code snippetsを選び、生成されたコードを使ってPython functionsリポジトリを設定する流れが示されています。これにより、抽出戦略を業務アプリ側のイベント、Automate、Ontology actionsと接続しやすくなります。抽出結果をそのまま保存するだけでなく、抽出テキストをチャンク化し、埋め込みを生成して検索やRAGに使う選択肢もあります。チャンクサイズ、重なり、埋め込みモデルはAIP Document Intelligence側で設定できるとされています。

実務で重要なのは、文書AIの抽出精度だけでなく、抽出結果が業務オブジェクトへどう接続されるかです。ページ単位の関数として動かせると、失敗したページだけ再処理する、承認待ちのオブジェクトだけ人へ回す、検索用の埋め込みを更新する、といった設計が取りやすくなります。一方で、関数化すると実行回数、エラー処理、バージョン管理、監査ログ、モデル変更時の再処理範囲も管理対象になります。

関係しそうなチーム

Foundry上で文書処理を作るデータ・アプリ開発者、AIP Document Intelligenceを業務フローへ組み込む業務部門、文書抽出結果の監査と検索利用を管理するプラットフォーム担当に関係します。

実務で確認したいポイント

1. 既存の抽出戦略を、バッチ処理のままにするかPython functionsへ切り出すかを用途別に判断します。
2. Ontology actionsやAutomateと接続し、失敗時の再処理と人手確認の流れを設計します。
3. チャンク化と埋め込み生成を使う場合は、検索品質、保存先、再生成条件を確認します。

結局、この更新をどう読むべきか

AIP Document Intelligenceを、文書抽出モデルから業務ワークフロー部品へ広げる更新です。関数化により柔軟になりますが、運用管理も同時に増えます。