OCR（光学文字認識）

OCR（Optical Character Recognition：光学文字認識）とは、印刷物・手書き文字・画像内の文字をコンピュータが認識してデジタルのテキストデータに変換する技術です。スキャナで取り込んだPDF・スマートフォンで撮影した書類・看板の文字など、様々なシーンで文字のデジタル化を自動化します。

OCRが重要な理由は、世界中には膨大な量の紙の書類・印刷物が存在しており、これらをデジタル化することがビジネスのデジタルトランスフォーメーション（DX）の基礎となるためです。請求書の自動処理・契約書のデジタルアーカイブ・名刺管理・レシート管理・古文書のデジタル保存など、幅広い用途があります。

技術的には、従来のルールベースOCRから深層学習ベースのOCRへと進化し、精度が大幅に向上しました。Google Cloud Vision API・Amazon Textract・Microsoft Azure Form Recognizerなどのクラウドサービスや、オープンソースのTesseract OCRが広く使われています。近年はvision-language-modelを使ったマルチモーダルアプローチにより、文字認識だけでなく文書の構造（表・フォーム・見出し）も理解できる高精度なdocument-aiが実現しています。日本語OCRは縦書き・変体仮名・旧字体など独自の課題があります。