Power PlatformのカスタムAIモデルと定義済みAIモデル：どちらが必要か？

By Mirko Peters · 2026-10-25

Power Platformのカスタムと定義済みのAIモデルを比較します。すぐに使えるAI Builderの機能をいつ使うべきか、自社データでカスタムモデルを学習させるべきかを解説します。

Automatically translated with AI from the original post. Read the English original

Microsoft Power Platformでカスタムと定義済みのAIモデルのどちらを選ぶかは、お使いの環境の具体的なビジネス要件によって決まります。定義済みモデルは一般的な請求書などの標準的なドキュメント形式をすぐに処理できます。一方、カスタムモデルは、自社の過去データを活用することで、独自の書式を持つ企業ドキュメントからのデータ抽出に優れています。

重要なポイント

• 定義済みAIモデルは学習が不要で、一般的なレシートの処理やテキスト抽出などの標準的なタスク向けに最適化されています。
• カスタムAIモデルは、自社固有のドキュメントの形式、レイアウト、社内独自の特徴を学習するため、独特なファイルに対してより高い精度を実現できます。
• AI Builderで基本的なカスタムのドキュメント処理モデルを学習させるには、わずか5件のサンプルドキュメントで足ります。
• カスタムが自動的に優れているわけではありません。特定のビジネス課題に、より的を絞っているという意味にすぎません。
• どちらのモデルタイプも、ローコードのアクションとPower Fx数式を通じて、Power AppsおよびPower Automateにシームレスに統合できます。

中核的な違いを理解する

Microsoftのローコードエコシステムを使って日常業務にAIを取り入れる際、最初に直面するアーキテクチャ上の判断の一つが、適切なモデルタイプの選択です。定義済みモデルとカスタムモデルの本質的な違いは、学習プロセスでどのデータを使うか、そして入力データがどの程度標準化されているかに帰着します。

機械学習の選択肢を評価する際、市民開発者やIT管理者は、大規模なデータサイエンスプロジェクトを連想して尻込みしがちです。しかし、AI Builderは機能を2つの明確な道筋に分けることで、この負担を軽くしています。既製のソリューションを採用すべき場面と、独自のパターンを見つける仕組みを構築すべき場面を理解すれば、組織の時間とリソースを大幅に節約できます。

定義済みモデル：よくあるタスクを導入初日から効率化

定義済みモデルは、ほぼすべての業界で発生する課題に対して、Microsoftが大規模なデータセットを使ってあらかじめ学習させたAIエンジンです。学習の大部分はMicrosoftの環境ですでに完了しているため、すぐに導入へ進めます。

代表的な例として、一般的な名刺のスキャン、一般的なレシートの読み取り、基本的なテキスト認識、顧客フィードバックに対する感情分析（コメントが肯定的か否定的かの判定）があります。送付元に関係なく同じ形式の定型帳票が届く場合、定義済みモデルは、社内で学習用ドキュメントを一つも用意することなく、合計金額、税額、日付を即座に認識できます。

カスタムモデル：独自のワークフローに合わせた仕組み

一方、カスタムモデルはこれとは対照的です。これらのモデルは、学習フェーズを実行するために、組織固有のデータ、ドキュメント、履歴記録を必要とします。組織の内部プロセスにある正確な形や独自の特徴に合うように設計されています。

たとえば、主要な取引先が、フッターの標準的ではない表の奥深くに口座番号を記載した請求書を発行しているとします。一般的な定義済みモデルでは、その番号を見落とす可能性が高いでしょう。カスタムのドキュメント処理モデルを構築すれば、その特定のレイアウトを認識するようシステムを学習させられます。注目すべきことに、実際のドキュメントわずか5件からカスタムモデルを立ち上げられるため、中小企業のチームでも企業レベルの自動化を利用しやすくなります。

定義済みモデルよりカスタムを選ぶべきとき

Power Platform開発者にとっての黄金律は、入力データの固有性を評価することです。標準的な税務書類の処理や言語検出のように、課題が一般的で汎用的なものであれば、あらかじめ用意された学習済みモデルで初日から対応できます。一方、独自のエンジニアリング図面や社内独自のベンダー様式の解析など、課題がその組織固有のものである場合は、高いデータ精度を確保するためにカスタムモデルが唯一の方法になります。

Power AppsとPower Automateでの統合

学習済みモデルとカスタムモデルのどちらを選ぶにしても、モデルのデプロイは簡単です。Power Automateでは、クラウドフローにAI Builderのアクションを追加するだけで、受信したドキュメントを夜間に処理できます。Power Appsでは、Power Fx数式を通じてモデルに直接アクセスできるため、フォームへの入力に合わせてユーザーインターフェイスが情報を動的に抽出できます。

これらのローコード インテリジェンス ツールがクラウド エコシステム全体にどのように組み込まれるのかをより深く理解するには、エピソード全編を聴いて、専門的な知見や実践的なガイダンス、専門用語を避けた分かりやすい解説に触れてください。Microsoftのクラウド技術が身近に感じられるはずです。

よくある質問

カスタムAI Builderモデルを使うには、データサイエンスの経歴が必要ですか。

いいえ。AI Builderはローコード開発者やビジネスユーザー向けに設計されており、コードを一切書かずに、ガイド付きのポイントアンドクリック インターフェイスでカスタムモデルを学習させられます。

カスタムのドキュメント処理モデルを学習させるには、何件のドキュメントが必要ですか。

サンプルドキュメントは5件からでも始められるため、概念実証のワークフローをすばやく検証できます。

学習済みモデルは、カスタムモデルより常に実行コストが低いのですか。

クレジットの消費量はモデルの複雑さによって異なります。カスタムのドキュメント処理は、対象を絞った解析が必要になるため、基本的なテキスト認識の学習済みモデルと比べて、一般に1ページあたりのクレジット消費量が多くなります。

カスタムモデルを自動化されたPower Automateクラウドフローの中で使えますか。

はい。カスタムモデルを学習させて公開すると、クラウドフローに直接組み込み、バックグラウンドでファイル処理やデータ入力を自動化できます。