JP2020129304A - データ処理方法及びデータ処理装置 - Google Patents

Abstract

【課題】データ処理におけるユーザの処理負担を軽減するデータ処理方法を提供する。【解決手段】データ処理方法は、項目と当該項目に対応するバリューを含むデータが入力されると当該データの出力先を特定する人工知能に基づいて、取得したデータの出力先を決定し、当該データを当該出力先に出力する。このようなデータ処理方法によって、入力されたデータの項目と当該項目に対応するバリューに基づいて、データの出力先を特定することができる。【選択図】図１

Description

本発明の一実施形態は、データ処理方法及びデータ処理装置に関するものである。

通常、システムに、外部からデータが入力されると、そのデータを処理するために、複数のシステムを介して決まった順序で処理する必要がある。例えば、特許文献１には、外部の企業から送信されたデータを受信して、複数のシステムを介して一連のデータを処理するデータ処理装置が開示されている。

特開２００２−３５２０７６号公報

上述のように、データを処理するために複数のシステムを介する場合、当該複数のシステムの各々にも、複数のシステムが接続されており、システムの接続が複雑化している。したがって、一連のデータ処理を行うために、複数のシステムを経由する順序が決まっている場合であっても、複数のシステムの各々において、次の処理を行うためのシステムを判定する必要があった。そのため、一連のデータ処理するために、多大な労力と時間が費やされていた。

そこで、本発明の一実施形態は、一連のデータ処理におけるユーザの処理負担を軽減することを目的の一つとする。

本発明の一実施形態に係るデータ処理方法は、任意のデータが入力されると当該データの出力先を特定する人工知能に基づいて、取得したデータの出力先を決定し、当該データを当該出力先に出力する。

上記方法において、出力先に出力したデータに対して当該出力先が処理をした後のデータが入力されると、当該データの出力先を決定し、当該データを当該出力先に出力する。

上記方法において、取得したデータの出力先を決定することは、任意のデータと、取得したデータの出力先とに基づいて、人工知能に用いられる学習モデルを更新することを含む。

上記方法において、出力先からエラーを取得した場合、データと対応する出力先とをエラーデータとして受信して蓄積する。

上記方法において、出力先からエラーを取得した場合、所定の項目と当該項目に対応するバリューを含むデータと、正しい出力先とに基づいて、人工知能に用いられる学習モデルを更新することを含む。

上記方法において、所定の項目と当該項目に入力されたバリューと、追加した出力先とに基づいて、人工知能に用いられる学習モデルを更新することを含む。

本発明の一実施形態によれば、一連のデータ処理におけるユーザの処理負担を軽減することができる。

本発明の一実施形態に係るデータ処理システムの構成を示すブロック図。 本発明の一実施形態に係るデータ処理装置のハードウェア構成を示すブロック図。 本発明の一実施形態に係るデータ処理装置の機能ブロック図。 本発明の一実施形態に係るデータ処理装置に接続されたシステムの機能ブロック図。 本発明の一実施形態に係るデータ処理方法を説明するフローチャート。 本発明の一実施形態に係るデータ処理装置のデータフロー図。 （Ａ）データ処理装置が取得するデータの一例。（Ｂ）データ処理装置が取得するデータの一例。 （Ａ）データ処理装置が取得するデータの一例。（Ｂ）データ処理装置が取得するデータの一例。 本発明の一実施形態に係るデータ処理方法を説明するフローチャート。 （Ａ）データ処理装置が取得するエラーデータの一例。（Ｂ）データ処理装置が取得する正しいデータの一例。 本発明の一実施形態に係るデータ処理装置のデータフロー図。 複数のシステム各々で処理されるデータフローの一例である。 複数のシステム各々で処理されるデータの一例である。

以下、本発明の一実施形態について、図面を参照しながら詳細に説明する。以下に示す実施形態は本発明の実施形態の一例であって、本発明はこの実施形態に限定して解釈されるものではない。すなわち、以下に説明する複数の実施形態に公知の技術を適用して変形をして、様々な態様で実施をすることが可能である。

（第１実施形態）
本実施形態では、本発明の一実施形態に係るデータ処理システム２００について、図１乃至図１３を参照して説明する。

［概要］
図１２及び図１３は、金融系システムにおいて処理が実行される決済業務にかかる一連のデータ処理を説明する図である。図１２は、一連のデータ処理を複数のシステムを介して実行する場合のデータフローを説明する図である。図１３は、複数のシステム各々で処理されるデータの一例を示している。図１２に示すように、フロントシステム５０５に入力されたデータは、情報系システム５０９に至るまで複数のシステムを介して処理される。

図１２に示すように、フロントシステム５０５に、データ５１１が入力されると、フロントシステム５０５は、記帳システムＡ５０６にデータ５１１を送信する。記帳システムＡ５０６では、データ５１１を処理することでデータ５１２として、チャネルシステム５１０及び通信機器２０２を介して外部システム２０１にデータ５１２を送信する。外部システム２０１では、データ５１２を処理することでデータ５１３を生成し、通信機器２０２及びチャネルシステム５１０を介して、ＡＭＬサンクションチェック５０３送信する。次に、記帳システムＡ２０３では、データ５１１とデータ５１２とを処理することで、データ５１４を生成して、情報系システム５０９に送信する。

上記において説明したように、銀行業における決済業務のように、一連のデータ処理の流れ及び使用するシステムの順序が決まっているものであったとしても、システムの各々において、次の処理を行うためのシステムを判定する必要がある。例えば、図１２に示すように、記帳システムＡ２０３で処理したデータ５１２を、チャネルシステム５１０又は情報系システム５０９のいずれに送信するかを判定する必要がある。

また、図１２に示すように、フロントシステム５０５、記帳システムＡ５０６、チャネルシステム５１０のように、直列にシステムが接続されている場合、記帳システムＡ２０３をメンテナンスするときに、記帳システムＡ５０６と連携するフロントシステム５０５、チャネルシステム５１０の機能を一時的に停止しなければならない。そのため、システムにおけるメンテナンスビリティが低下してしまう。これに対して、並列にシステムが接続されている場合には、次のシステムに出力する際に、どのシステムに出力するべきかを判定しなければならず、多大な労力と時間が費やされるという問題がある。

そこで、本発明の一実施形態に係るデータ処理システムにおいては、図１に示すように、一連のデータ処理において経由する複数のシステムのそれぞれをデータ処理装置２１０に接続する。データ処理装置２１０において、データが入力されると、出力先となるシステムを特定する人工知能（Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ；ＡＩ）に基づいて、取得したデータの出力先システムを決定して、当該データを当該出力先システムに出力する。上記の処理を繰り返し実行することで、一連のデータ処理を実行する場合であっても、複数のシステムの各々において、次の処理を行うためのシステムを特定する必要がなくなる。したがって、一連のデータ処理におけるユーザの処理負担を軽減することができる。

また、データ処理装置に、複数のシステム各々が並列に接続されているため、複数のシステムのうち、いずれかのシステムをメンテナンスする場合であっても、当該システムに連携されたシステムの機能を停止する必要がない。そのため、システムにおけるメンテナンスビリティが向上する。

［データ処理システムの構成］
図１は、本発明の一実施形態に係るデータ処理システム２００の構成を説明する概略図である。データ処理システム２００は、通信機器２０２、データ処理装置２１０、及び複数のシステムＡ２０３〜システムＦ２０８を含む。データ処理システム２００は、ネットワークを介して、外部システム２０１と接続される。

外部システム２０１は、例えば、外部の組織のシステムである。

通信機器２０２は、外部システム２０１と中継又は転送する機器であり、データの転送経路を選択又は制御する機能を有する。

データ処理装置２１０は、複数のシステムＡ２０３〜システムＦ２０８とそれぞれ接続されている。データ処理装置２１０によって、複数のシステムＡ２０３〜システムＦ２０８のいずれかから入力されたデータを人工知能によって解析して、解析結果により当該データの出力先システムを特定する機能を有する。ここで、人工知能とは、外部からの信号を受付ける入力層と、外部に演算結果を出力する出力層と、入力層から受付けた情報に対して所定の演算を施し、出力層に処理結果を出力する中間層とから構成されるニューラルネットワークである。

なお、以下の説明において、データ処理装置２１０にデータを送信するシステムを入力元システム、及びデータを出力するシステムを出力先システムと呼ぶ。また、データ処理装置２１０が入力元システムから取得したデータを取得データ、及びデータ処理装置２１０が出力先システムに出力したデータを出力データと呼ぶ。

［データ処理装置のハードウェア構成］
図２は、本発明の一実施形態に係るデータ処理装置２１０のハードウェア構成を説明するブロック図である。図２に示すように、データ処理装置２１０は、制御部１０１、記録媒体１０２、ＲＡＭ１０３、表示部１０４、操作部１０５、及び通信部１０６を有する。

制御部１０１は、例えば、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）等であり、後述する機能ブロックの動作を制御する。制御部１０１は、例えば、記録媒体１０２に記録されている動作プログラムを読み出し、ＲＡＭ１０３に展開して動作プログラムを実行することにより、各機能ブロックによってデータ処理機能を実現する。

記録媒体１０２は、例えば、不揮発性メモリやＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）等の恒久的な情報保持及び情報の書き換えが可能な記録装置である。記録媒体１０２は、データ処理装置２１０が有する機能ブロックの動作プログラム、及び各ブロックの動作において必要となるパラメータ等の情報を格納する。また、記録媒体１０２には、後に詳述するが、項目と当該項目に対応するバリューを含むデータと、取得したデータの出力先システムとに基づく学習モデルが保存されている。なお、機能ブロックの動作プログラムと、学習モデルとは、異なる記録媒体に保存されていてもよい。

ＲＡＭ１０３は、例えば、揮発性メモリ等の一時的な情報保持に用いられる書き換え可能な記憶装置である。ＲＡＭ１０３は、記録媒体１０２に記録されている機能ブロックの動作プログラム等の展開領域、及び機能ブロックの動作において出力された中間データ等を記憶する格納領域として用いられる。

表示部１０４は、例えば、液晶表示パネル又はＥＬ表示パネル等の表示装置である。表示部１０４は、データ処理装置２１０を構成する筐体内に一体となって接続された表示装置であってもよい。または、表示部１０４は、データ処理装置２１０と接続された外部の表示装置であってもよい。表示部１０４には、後に説明するデータ処理装置２１０の機能ブロックである出力部に関する表示画面を表示する。

操作部１０５は、例えば、ボタン、マウス、キーボード、タッチセンサ等のユーザインタフェースである。操作部１０５は、各ユーザインタフェースに対して操作入力がなされたことを検出すると、なされた操作入力に対応する制御信号を制御部１０１に出力する。

通信部１０６は、データ処理装置２１０が有する通信インターフェースである。データ処理装置２１０は通信部１０６を介することで、ネットワークを経由して他の端末装置と接続し、他の端末装置との間で情報の送受信を行うことができる。例えば、システムＡ２０３〜システムＦ２０８の各々が異なる端末装置である場合、データ処理装置２１０は、通信部１０６を介して、システムＡ２０３〜システムＦ２０８の各々と接続されてもよい。

なお、本実施形態では、説明を簡単にするために、データ処理装置２１０のハードウェア構成として、各種ブロックを有するものとして説明したが、本発明の一実施形態はこれに限定されない。例えば、各種ブロックの少なくとも一つが、データ処理装置２１０とは別の装置として構成されていてもよい。具体的には、記録媒体１０２及び表示部１０４が、別の装置として構成されてもよい。また、記録媒体１０２は、複数の記録媒体に分かれていてもよい。

［データ処理装置の機能ブロック図］
図３は、データ処理装置２１０の機能ブロック図である。データ処理装置２１０は、取得部２１１、判定部２１２、ＡＩ２１３、学習モデル２１４、教師データ２１５、出力部２１６、及びエラーデータ２１７を含む。

取得部２１１は、入力先システム２２１から出力されたデータを取得する。取得部２１１が取得するデータは、図１に示す複数のシステムＡ２０３〜システムＦ２０８のいずれかのシステムから出力された場合であっても、フォーマットが共通していることが好ましい。ただし、データ出力された入力先システム２２１に応じて、データに含まれる項目と項目に対応するバリューが異なっている。

判定部２１２は、取得部２１１により取得したデータの内容をＡＩ２１３によって解析し、解析結果を生成して出力する。ＡＩ２１３は、項目及び項目に対応するバリューを含むデータに対してテキストマイニングや画像認識による解析を行って入力層に入力し、学習モデルを用いて当該データを出力するべきシステムを推論する。ＡＩ２１３は、推論した出力先システムと正確度とを含む解析結果を出力する。正確度とは、ＡＩ２１３が推論した配信先の正確性を示す。例えば、正確度は、ＡＩ２１３が推論した出力先システムが正確である確率であってもよい。

また、ＡＩ２１３は、所定の期間毎に再学習を行い、学習モデル２１４を更新する。学習モデル２１４は、過去の実績に基づいて項目及び項目に対応するバリューを含むデータと当該データの出力先システムの特徴を踏まえて生成される。ＡＩ２１３は、所定の期間に蓄積された新たな学習データ（例えば、項目及び項目に対応するバリューを含むデータの出力先システム）を含む教師データ２１５を元に再学習（例えば、ディープラーニング）して学習モデル２１４（ニューラルネットワーク）を更新する。これにより、ＡＩ２１３は、以前の学習モデル２１４では正確に推論できない新たな出力先システムを、更新された学習モデル２１４により正確に推論することができるようになる。なお、学習モデル２１４の更新のタイミングは、所定の期間毎に限定されず、教師データ２１５が所定数蓄積されたタイミングで実行されてもよい。

出力部２１６は、判定部２１２によって特定された出力先システム２２２に、当該データを出力する。

データ処理装置２１０は、出力先システム２２２からエラーを取得した場合、当該データと対応する出力先システム２２２とを受信してエラーデータ２１７として蓄積する。エラーデータ２１７は、項目及び項目に対応するバリューを含むデータと、正しい出力先システムに修正された後、正しい学習データを教師データ２１５として蓄積する。ＡＩ２１３は、所定の期間に蓄積された正しい学習データを含む教師データ２１５を元に再学習して学習モデル２１４を更新する。これにより、ＡＩ２１３は、以前の学習モデル２１４では正確に推論できなかった出力先システムを、更新された学習モデル２１４により正確に推論することができるようになる。エラーデータ２１７を正しい学習データとして学習モデル２１４に更新するタイミングは、所定の期間毎に限定されず、所定数蓄積されたタイミングで行ってもよい。

［システムの機能ブロック］
次に、データ処理装置２１０に接続されたシステムの機能ブロックについて、図４を参照して説明する。図４では、システムＡ２０３の機能ブロックについて説明するが、システムＢ２０４〜システムＦ２０８についても同様の機能ブロックを有している。

システムＡ２０３は、データ受信部２４１、処理部２４２、データ出力部２４３及びエラー出力部２４４を含む。

データ受信部２４１は、データ処理装置２１０又は他のシステムから出力されたデータを受信する。

処理部２４２は、データ受信部２４１が受信したデータを処理する。処理部２４２によって、データに含まれるバリューが変換されたり、抽出されたりする。

データ出力部２４３は、処理部２４２によって処理したデータを、データ処理装置２１０又は他のシステムに出力する。

エラー出力部２４４は、データ受信部２４１によりデータを受信できない場合、又はデータ受信部２４１がデータを受信しても処理部２４２によってデータを処理できない場合に、データ処理装置２１０にエラーを出力する。

［データ処理方法］
次に、本発明の一実施形態に係るデータ処理方法について、図５を参照して説明する。データ処理方法は、ステップＳ３０１〜ステップＳ３０４を有する。制御部１０１は、それぞれの処理をデータ処理装置２１０に実行させる。

まず、取得部２１１は、入力元システムから出力されたデータを取得する（ステップＳ３０１）。次に、判定部２１２は、取得したデータをＡＩ２１３によって解析する（ステップＳ３０２）。次に、解析結果により、取得データの出力先システムを特定する（ステップＳ３０３）。次に、特定された出力先システムに、取得データを出力する（ステップＳ３０４）。以上説明した通り、データ処理装置２１０が取得したデータを、出力先システムに出力することができる。データ処理装置２１０は、出力先システムに出力したデータに対して、当該出力先システムが処理をしたデータが入力されると、ステップＳ３０１〜ステップＳ３０４までの処理を実行して、当該データの出力先システムを決定し、当該データの出力先システムに出力する。

［データ処理装置における一連のデータ処理の具体例］
次に、データ処理装置２１０が一連のデータ処理を行う場合の具体例について、図６乃至図８を参照して説明する。図６は、本発明の一実施形態に係るデータ処理システム２００であり、一連のデータ処理を実行するためのデータフローを明示している。図８は、データ処理装置２１０が取得部２１１で取得するデータの一例である。また、以降の説明において、外部システム２０１はＳＷＩＦＴネットシステムであり、システムＡ２０５はＡＭＬサンクションチェックであり、システムＣ２０５はフロントシステムであり、システムＦ２０８は情報系システムであるとする。ここで、ＳＷＩＦＴネットシステムとは、銀行間の国際金融取引に係る処理に関する金融通信メッセージを提供するネットワークシステムである。

本実施形態では、データ処理装置２１０が実行する一連のデータ処理として、システムＣ２０５、システムＤ２０６、外部システム２０１、システムＡ２０３、システムＦ２０８の順で実行する場合について説明する。

まず、システムＣ２０５にデータが入力されると、システムＣ２０５からデータ処理装置２１０に、データ２３１を送信する。データ処理装置２１０は、取得部２１１にてデータ２３１を取得する。次に、判定部２１２は、ＡＩ２１３によって、データ２３１に含まれる項目及び項目に対応するバリューを解析する。データ２３１において、項目とは、例えば［日付］であり、項目に対応するバリューとは、例えば、ｙｙｙｙ／ｍｍ／ｄｄである。データ２３１に含まれる複数の項目及び複数の項目の各々に対応するバリューをＡＩ２１３によって解析することで、データ２３１が出力されるべきシステムが、システムＤ２０６であると決定される。次に、出力部２１６からデータ２３１を、システムＤ２０６に出力する。システムＤ２０６は、データ受信部２４１によりデータ２３１を受信する。次に、処理部２４２によりデータ２３１の処理を実行して、データ２３２を生成する。処理部２４２は、例えば、データ２３１の項目及び項目に対応するバリューを用いて、データの変換を行ってもよい。データの変換とは、例えば、データ２３１における［日付］ｙｙｙｙ／ｍｍ／ｄｄ、［通貨］ＪＰＹ、［金額］ｘｘｘｘｘ円を、［コード１］ｙｙｙｙｍｍｄｄＪＰＹｘｘｘｘｘと変換する。次に、データ出力部２４３からデータ処理装置２１０に、データ２３２を出力する。

次に、データ処理装置２１０は、取得部２１１にてデータ２３２を取得する。次に、判定部２１２は、データ２３２に含まれる項目及び項目に対応するバリューをＡＩ２１３によって解析することで、データ２３２が出力されるべきシステムが、外部システム２０１であると決定する。次に、出力部２１６からデータ２３２を、通信機器２０２を介して外部システム２０１に出力する。外部システム２０１は、データ受信部２４１によりデータ２３２を受信する。次に、処理部２４２によりデータ２３２の処理を実行して、データ２３３を生成する。処理部２４２は、例えば、データ２３２の項目及び項目に対応するバリューを用いて、データの変換を行う。次に、データ出力部２４３からデータ処理装置２１０に、データ２３３を出力する。

次に、データ処理装置２１０は、取得部２１１にてデータ２３３を取得する。次に、判定部２１２は、データ２３３に含まれる項目及び項目に対応するバリューをＡＩ２１３によって解析することで、データ２３３が出力されるべきシステムが、システムＡ２０３であると決定する。次に、出力部２１６からデータ２３３を、システムＡ２０３に出力する。システムＡ２０３は、データ受信部２４１によりデータ２３３を受信する。次に、処理部２４２によりデータ２３３の処理を実行して、データ２３４を生成する。次に、データ出力部２４３からデータ処理装置２１０に、データ２３４を出力する。

次に、データ処理装置２１０は、取得部２１１にてデータ２３４を取得する。次に、判定部２１２は、データ２３４に含まれる項目及び項目に対応するバリューをＡＩ２１３によって解析することで、データ２３４が出力されるべきシステムが、システムＦ２０８であると決定する。次に、出力部２１６からデータ２３４を、システムＦ２０８に出力する。システムＦ２０８は、データ受信部２４１によりデータ２３４を受信する。以上により、データ処理装置２１０が実行する一連のデータ処理が終了する。

本発明の一実施形態に係るデータ処理装置又はデータ処理方法によれば、一連のデータ処理が複数のシステムを介して実行される場合であっても、データ処理装置２１０により取得したデータをＡＩによって解析することで、データを出力するべき出力先システムを特定して、出力することができる。したがって、複数のシステム各々において、次の処理を行うためのシステムを判定する必要がない。そのため、一連のデータ処理におけるユーザの処理負担を軽減することができる。

データ処理装置２１０が取得するデータのレイアウトは、図７及び図８に示すレイアウトに限定されず、他の項目であってもよいし、バリューの入力形式も異なっていてもよい。

（変形例１）
上記実施形態では詳細に説明していないが、データ処理装置２１０が、出力先システムからエラーを受信した場合について、図９を参照して説明する。図９は、データ処理装置２１０が、出力先システムからエラーを受信した場合のデータ処理方法を説明する図である。図１０（Ａ）は、エラーを含むデータであり、図１０（Ｂ）は、エラーを修正した正しいデータである。データ処理方法は、ステップＳ３０１〜ステップＳ３０７を有する。制御部１０１は、それぞれの処理をデータ処理装置２１０に実行させる。

まず、取得部２１１は、入力元システムから出力されたデータを取得する（ステップＳ３０１）。次に、判定部２１２は、取得したデータをＡＩ２１３によって解析する（ステップＳ３０２）。次に、解析結果により、取得データの出力先システムを特定する（ステップＳ３０３）。次に、特定された出力先システムに、取得データを出力する（ステップＳ３０４）。次に、出力先システムからエラーを受信したか否かを判定する（ステップＳ３０５）。例えば、エラーの受信とは、出力先システムに取得データを出力してから所定の時間以内に出力先システムからエラーを受信した場合や、出力先システムでデータを受信できなかった場合等が挙げられる。出力先システムからエラーを受信した場合（ステップＳ３０５；Ｙｅｓ）、エラーとなった項目及び項目に対応するバリューを含むデータと出力先システムとをエラーデータ２１７に蓄積する。例えば、判定部２１２のＡＩ２１３によって出力先システムとしてシステムＦ２０８が特定され、システムＦ２０８に図１０（Ａ）に示すデータ２３４Ａを出力して、システムＦ２０８が、エラーをデータ処理装置２１０に送信したとする。データ処理装置２１０は、当該エラーを受信したデータ２３４ＡとシステムＦ２０８とをエラーデータ２１７として蓄積する。その後、エラーデータを、正しいデータに修正して、当該正しいデータを教師データとして蓄積する（ステップＳ３０７）。例えば、図１０（Ａ）に示すエラーデータを含むデータ２３４Ａを、図１０（Ｂ）に示す正しいデータに修正したデータ２３４に修正して、当該データ２３４Ｂと、システムＦ２０８とを教師データとして蓄積する。また、出力システムからエラーを受信しなかった場合（ステップＳ３０５；Ｎｏ）、以降の処理を終了する。

以上説明した通り、データ処理装置２１０が、間違った出力先システムにデータを送信した場合であっても、出力先システムから出力されたエラーをエラーデータ２１７として蓄積し、当該エラーデータを修正して正しいデータを教師データとして再学習することで、判定ロジックの精度を向上させることができる。

（変形例２）
上記実施形態では詳細に説明していないが、データ処理装置２１０に新規システムを接続した場合のデータ処理方法について、図１１を参照して説明する。図１１は、データ処理装置２１０に新規のシステムＧ２０９を接続した場合のデータフローの一例を示す図である。

図１１に示すように、データ処理装置２１０に新規システムを接続した場合、判定部２１２のＡＩ２１３によって、再学習を行い、教師データＤＢ２１３を更新する必要がある。この場合、教師データ２１５として、システムＧ２０９と、システムＧ２０９に出力されるべき項目及び項目に対応するバリューを含むデータを教師データ２１５として、再学習する。これにより、判定部２１２におけるＡＩ２１３は、以前の学習モデルでは正確に推論できなかった新たな出力先システムを、更新された学習モデル２１４により正確に推論することができるようになる。

（変形例３）
なお、本発明の一実施形態では、取得したデータの出力先がシステムである場合について説明したが、本発明では、出力先はシステムに限定されない。取得したデータの出力先は、データを出力できば特に限定されず、プログラム、ＵＲＬ、ノード、電子メール、サーバなどであってもよい。例えば、取得したデータに対して、当該データの出力先をサーバとする教師データをもとに再学習することで、学習モデルを更新する。これにより、データの出力先をシステムだけでなくサーバとすることができる。

１０１：制御部、１０２：記録媒体、１０４：表示部、１０５：操作部、１０６：通信部、２００：データ処理システム、２０１：外部システム、２０２：通信機器、２０３：システムＡ、２０４：システムＢ、２０５：システムＣ、２０６：システムＤ、２０７：システムＥ、２０８：システムＦ、２０９：システムＧ、２１０：データ処理装置、２１１：取得部、２１２：判定部、２１４：学習モデル、２１５：教師データ、２１６：出力部、２１７：エラーデータ、２２１：入力先システム、２２２：出力先システム、２３１：データ、２３２：データ、２３３：データ、２３４：データ、２３４Ａ：データ、２３４Ｂ：データ、２４１：データ受信部、２４２：処理部、２４３：データ出力部、２４４：エラー出力部、５０３：サンクションチェック、５０５：フロントシステム、５０９：情報系システム、５１０：チャネルシステム、５１１：データ、５１２：データ、５１３：データ、５１４：データ

Claims (7)

1. 任意のデータが入力されると当該データの出力先を特定する人工知能に基づいて、取得した前記データの出力先を決定し、当該データを当該出力先に出力する、データ処理方法。
2. 前記出力先に出力したデータに対して当該出力先が処理をした後のデータが入力されると、当該データの出力先を決定し、当該データを当該出力先に出力する、請求項１に記載のデータ処理方法。
3. 前記取得したデータの出力先を決定することは、
   前記任意のデータと、取得した前記データの出力先とに基づいて、前記人工知能に用いられる学習モデルを更新することを含む、請求項１又は２に記載のデータ処理方法。
4. 前記出力先からエラーを取得した場合、
   前記任意のデータと対応する前記出力先とを受信してエラーデータとして蓄積する、請求項１乃至３のいずれか一項に記載のデータ処理方法。
5. 前記出力先からエラーを取得した場合、
   所定のデータと、正しい出力先とに基づいて、前記人工知能に用いられる学習モデルを更新することを含む、請求項４に記載のデータ処理方法。
6. 出力先を追加する場合、
   所定のデータと、追加した前記出力先とに基づいて、前記人工知能に用いられる学習モデルを更新することを含む、請求項５に記載のデータ処理方法。
7. 請求項１乃至６のいずれか一項に記載のデータ処理方法を、
   コンピュータに実行させるためのプログラム。

Images