公開：2026年9月17日, 最終更新：2026年9月17日
30秒サマリー
- 企業ガイドライン文書からのルール抽出・成果物生成を自動化するパイプライン「SAGE」をarXivで発表
- ガバナンス機構（検証・整合性チェック・来歴追跡）により、ハルシネーション率を15.7%から3.2%に低減
- 120文書を対象とした評価で、処理時間を2〜3日から20〜100分に短縮し、96%の成功率を達成
何が起きたか
2026年9月15日、Mohammadreza Sediqinら5名の研究者がarXiv（cs.AI）に論文「SAGE: Governed Artifact Generation from Enterprise Guidelines」を投稿した。SAGEは、企業のガイドライン文書（テキスト・複雑な表・画像が混在）から、構造化された業務成果物を自動生成するための多段階LLMパイプラインとして設計されている。
SAGEの核心は「統治（ガバナンス）機構」の組み込みにある。具体的には、安定した識別子を持つ共有バージョン管理ルールストア、段階間のスキーマ検証済み契約、エンドツーエンドの来歴追跡を備える。抽出されたルールは決定論的な構造検証とLLMによる意味スコアリングを経たうえで、重複除去・矛盾検出・仕様ギャップの可視化を行う整合性モジュールに渡される。不確実または問題フラグが立ったものだけが人間のレビューに回り、高信頼の出力は自動承認される仕組みだ。
120文書を対象とした評価では、ターンアラウンドタイムを従来の2〜3日から20〜100分に短縮。文書レベルの成功率96%を達成し、3,896件のルールを抽出して812件の成果物を人間レビュー可能な状態で生成した。ハルシネーション率はガバナンスなしの15.7%に対し、ガバナンスあり（SAGE）では3.2%に抑制されている。
原典ハイライト
論文アブストラクトによれば、ガバナンス機構を導入しない場合のハルシネーション率が15.7%であるのに対し、SAGEのガバナンスパイプラインを適用することで3.2%まで低減できると報告している。また、人間が関与するのは「不確実・フラグ付き」の項目に限定され、高信頼出力は自動承認されるという選択的人間介入の設計が特徴とされている。
出典: arXiv cs.AI（論文）
So What?（なぜ重要か）
企業内の規程・マニュアル・ガイドラインをLLMで処理する際、「抽出できること」と「信頼できる成果物を統制された形で生成できること」は別問題であることを本論文は示している。ガバナンスのない単純なLLM活用では約6分の1の出力がハルシネーションを含む可能性があるが、検証・整合性チェック・来歴追跡を組み合わせたパイプライン設計によってリスクを大幅に抑えられることが実験的に示された。AI業務活用における「精度保証の設計」が問われる段階に入りつつあることを示唆している。
日本企業への示唆
社内規程・コンプライアンス文書・契約ガイドラインのAI処理を検討している日本企業にとって、SAGEの設計思想は実務上の参考になる。特に注目すべきは「全件人間レビューではなく、信頼度に基づく選択的レビュー」というアーキテクチャで、レビュー工数を抑えつつ精度を担保する現実的な落としどころを示している。内製・ベンダー調達いずれの場合も、LLMパイプラインに①ルールの来歴管理、②整合性チェック、③ハルシネーション率の定量測定の仕組みが含まれているかを評価基準に加えることが有効と考えられる。論文はarXivに公開されており、技術チームによる参照が可能。
背景・経緯
企業ガイドライン文書の構造化は、金融・製造・医療など規制産業を中心に多大な手作業を要する課題として認識されてきた。LLMの普及でテキスト抽出自体は容易になりつつあるが、出力の信頼性・整合性・監査可能性が担保されないまま業務利用するリスクは産業界でも指摘されている。本論文はその課題に対し、多段階パイプラインとガバナンス機構の組み合わせで対応するアプローチを提示している。著者5名の所属機関は原文では言及がない。
