メインコンテンツへスキップ
一部の抽出 (構造化) 統合では、エラーや、すでに正常に完了しているファイルの再処理が発生します。この場合、新しいメタデータは生成されないのに、月間AIユニットの割り当てが消費されます。このガイドでは、各ファイルが1回だけ抽出されるよう、ジョブのペースを調整し、抽出結果を保持し、スキーマを設計する方法について説明します。 パラメータの詳細とSDKのサンプルについては、メタデータを抽出 (構造化) APIリファレンスと、ファイルからメタデータを抽出する (構造化) のガイドを参照してください。
このガイドでは抽出 (構造化) API (POST /2.0/ai/extract_structured) について説明します。カスタムコードを使用しないフォルダベースの抽出を行う場合は、BoxウェブアプリでBox Extractを構成してください。

抽出の仕組み

Box AIは、変換、OCR、レイアウト解析を実行してから、スキーマに基づいてエージェントによる抽出ループを実行します。ユーザーは1つのリクエストにつき1つのファイルを送信します。処理時間は、ページ数とレイアウトの密度によりますが、通常10秒から45秒です。

APIを使用する場合

  • エージェントの上書き、トークンの制限、インラインフィールド、信頼度スコア、または既存のパイプラインへの統合など、プログラムを通じた制御が必要な場合には抽出 (構造化) APIを使用します。
  • ユーザーがフォルダにファイルをアップロードし、APIの調整を行わずに抽出する場合には、製品UIでBox Extractを使用します。Box Extractを使用すると、自分で統合を構築したり管理したりせずに済むため、開発の複雑さが減ります。詳細については、Box Extractを参照してください。
メタデータテンプレート、AIエージェント、抽出ポリシーが表示されている、Box Extractの [抽出エージェントの構成] パネル

開始する前に

  • 企業でBox AIが有効になっていることを確認します。
  • 月間の処理キャパシティでワークロードに対応できることを確認します。大規模なバックフィルを行う場合は、ジョブを実行する前に、利用可能なキャパシティの引き上げをリクエストします。
  • 大規模な移行またはアーカイブのバックフィルを行う場合は、キャパシティを計画できるようBoxアカウントチームに通知します。
  • アプリで [AIを管理する] を有効にします。また、ファイルの読み取り (ファイルにメタデータを追加する場合は書き込みも) を有効にします。
  • 本番実行の前に、少数のサンプルファイルでスキーマと期待される出力を確認します。

1つのファイルにつき1回抽出する設計

抽出ジョブはそれぞれ独立して実行されます。抽出されたメタデータは、Boxメタデータテンプレートを使用してファイルに保存するか、独自のストアに保存します。すでに正常な抽出結果があるファイルに対して、再度抽出を呼び出さないようにしてください。 スキーマが安定しており、Boxで値をインデックス化する場合は、メタデータテンプレートを使用します。1回のみ使用するスキーマやよく変更されるスキーマの場合は、インラインのfieldsを使用します。

リクエストの構成

エージェントを選択する

シンプルなドキュメントの場合は標準のエージェントで十分です。複数列のレイアウト、スキャンされたファイル、情報量の多い表、ネストされたstructフィールドやtableフィールドの場合は、抽出エージェント (強化) を使用します。
成功したレスポンスには、実行されたモデルとプロセッサを示すai_agent_infoが含まれます。これを開発中にチェックして、上書きが有効であることを確認します。

クライアントのタイムアウトを設定する

HTTPクライアントのタイムアウトを120秒以上に設定します。これにより、モデルによる処理が続いている間に、複数ページのドキュメントがキャンセルされません。

スキーマに含める項目を絞り込む

フィールドの数が多いと処理時間も長くなります。多数のフィールドがある場合は、関連するフィールドをグループ化して、より小さなテンプレートに分けてください。たとえば、1つのテンプレートに請求関連のフィールドをまとめて、別のフィールドにベンダーの連絡先情報をまとめます。

長い回答のために完了に必要なトークン数を引き上げる

スキーマで長い要約、条項の抜粋、または多数の表の行を求める場合は、エージェントの上書きでnum_tokens_for_completionを引き上げます。

信頼度と引用情報を確認する

レビューを自動化するためにフィールドごとの信頼度とドキュメントの引用情報が必要な場合は、include_confidence_scoreとinclude_referenceをtrueに設定します。 出力は実行のたびにわずかに異なる場合があります。メタデータの書き込みや下流の作業のトリガーを行う前に、スキーマに照らして検証し、信頼度スコアを使用してください。

ペース調整と同時実行

  • 8つ以上の並列ワーカーを実行します。
  • それぞれのワーカーでは、必ず前のリクエストが完了してから次のリクエストを送信します。
  • 小さいバッチから始めて、その後、同時実行数を増やしていきます。
  • 可能な場合は、より短いドキュメントを先に処理します。50ページ程度のファイルやスキャン量の多いファイルはまとめて、ピーク時間外に処理します。
一度に数百のリクエストを集中して送信すると、一定数のリクエストを継続的に送信するよりもパフォーマンスが低くなります。APIから412または429が返された場合は、しばらく待ってから、クラスタのキャパシティが追い付くよう送信レートを少し下げて再開してください。

例: ペース調整したバッチランナー

次の例では、同時実行ワーカーと指数バックオフを使用し、JWT認証にbox_sdk_genを使用しています。ファイルIDとフィールドのリストはご自身のものに置き換えてください。

ステータスコード

サポート

抽出ジョブの失敗または遅延についてBoxサポートに問い合わせる場合は、以下の情報を含めてください。
  • レスポンスに含まれているrequest_id
  • HTTPステータスとレスポンス本文
  • ファイルIDとEnterprise ID
  • リクエストのタイムスタンプとタイムゾーン
  • フィールド定義またはメタデータテンプレートキー
  • 同時実行とクライアントタイムアウトの設定
最終更新日 2026年11月6日