大学試験での突合をチェックしてくれるAIシステムを作った話

こんにちは、AI Labの馬場 光希です。

今回は大学の入試確認業務を題材に、「願書・成績証明書のアップロードから比較結果の表示まで」をローカルで再現したミニマムデモの実装内容を紹介します。

▼ 課題

通信入試の際に、紙書類とWeb出願情報を照らし合わせて確認する作業が存在します。

紙書類に記載されている、「受験番号」や「評定」などの個人情報を目視確認で実施する必要があり、以下のような課題点がありました。

  • 一度に確認するべき書類量が著しく多い
  • どこが差分なのか把握しづらい

▼ 今回の目標

課題点とされている項目を解決できるような最小システムとして、まずは次を成立させることを目標にしました。

  • 願書と成績証明書をアップロードできる
  • Web出願情報と比較できる
  • 比較結果を担当者がすぐ読める

▼ 結果

以下の状態まで実装できました。

  • FastAPI + Jinja2 のWeb UI
  • Docker起動でローカル検証可能
  • 2書類アップロードから比較結果表示まで一連で実行
  • Sakura AI Engine連携(失敗時はフォールバック)
  • 結果画面は項目別比較を先頭に配置

目次

開発環境

項目内容
言語Python 3.13
フレームワークFastAPI
テンプレートJinja2
実行基盤Docker / Docker Compose
AI連携Sakura AI Engine

環境構築

構成は「Webアプリ1つ」に寄せました。
ディレクトリ分割はしていますが、役割はシンプルです。

  • app/main.py: 入口ルート(アップロード→AI抽出→比較→表示)
  • app/services/ai_service.py: AI抽出とフォールバック
  • app/services/match_service.py: 比較ロジック
  • app/templates/: 入力画面と結果画面

開発フロー

最終的な処理フローはこの形にしています。

次に、画面上での見え方です。

入力

入力画面は「選ぶ・アップロードする・実行する」の3操作に絞りました。
説明を足すより、選択対象を減らして迷わない導線に寄せています。

操作イメージ(GIF)

結果

結果では、比較項目に対して、「抜粋項目」・「信頼度」を付随させつつ、一致しているかのフィードバックをしています。

簡潔に結果を閲覧できるように、まとめた結果も出るようにしています。

今後の展望

次はこのミニマム実装を土台に、以下を進める想定です。

  • 願書のみでも処理可能に
  • 実際の願書書類に形を寄せたグリッド付き書類でもOCRでの抽出が可能か の検証
  • 大量のデータを一度に処理するためのフローの構築。
  • 抜粋項目を実際の抜粋箇所の画像等にすることで、信頼度をさらに向上させる 等…

まとめ

今回のプロジェクトでは、できるだけ最小の状態で体験できるような形として開発を進めていきました。 今後は展望でも記載した通り、実際の書類例でも適用できるかどうかのOCR精度調査や、大量データの処理とそれを確認するためのUI構築等に尽力していくつもりです。

​

​