この記事では、Azure AI Document Intelligence の基本的な API 呼び出しを超えた、堅牢なドキュメント処理パイプラインの構築について詳述しています。初期抽出は容易であるものの、現実世界の複雑性への対応が中心的な課題となることを強調しています。提案されているパイプラインは、取り込み、分類、抽出、信頼度に基づくルーティング、および記録システムへの投稿を含みます。精度のためには、事前構築済み、カスタム抽出、またはカスタム分類子といった適切なモデルの選択が重要です。著者は、Analyze Document for Prebuilt or Custom models (v4.x API) を支持し、非推奨のコネクタアクションは避けるべきだと指摘しています。精度と信頼度の違いを理解することは不可欠です。フィールドごとに返される信頼度スコアは、ルーティングの決定に使用されるべきです。システムは、フィールドごとの信頼度しきい値に基づいてドキュメントをゲートし、InvoiceTotal のような財務的に機密性の高いフィールドにはより厳格な要件を設定します。信頼度スコアで見逃されたエラーを捕捉するために、算術チェックが推奨されます。このロジックの実装は、Power Automate または Azure Function 内で行うことができます。この記事では、重複処理、複数請求書の PDF、品目明細の品質低下、通貨/ロケールの問題など、一般的な障害点にも対処しています。成功の主要な指標は、モデルの精度だけでなく、ストレートスルー処理率です。レビュー率（理由別）やレビュー担当者の上書き率などの指標を追跡することで、改善のための洞察が得られます。最後に、インテリジェントドキュメント処理は、AI を使用して非構造化ドキュメントを構造化され検証済みのデータに、信頼度スコアとともに変換し、自動ルーティングを可能にします。