米大手のHuntington銀行が、社内に蓄積した4億件以上の文書から個人情報や決済カード情報を見つけて黒塗りする作業を、AWSのクラウドサービスで自動化した。数年かかると見積もられた処理を数か月に短縮し、黒塗り精度95%以上を達成した。
米大手のHuntington銀行が、社内に蓄積した4億件以上の文書から個人情報（PII）と決済カード情報（PCI）を見つけて黒塗りする作業を、AWSのクラウドサービスで自動化した事例をAWSが公開した。当初は数年かかると見積もられていた処理が数か月に短縮され、費用は当初見積もりの約5%に収まり、黒塗り精度は95%以上に達した。
処理の中核は、文書の文字を読み取るAmazon Textractと、処理を順序立てて動かすAWS Step Functionsである。この組み合わせで1日約1000万件のペースを実現した。オンプレミスとクラウド間のデータ移動はAWS DataSyncと専用線のDirect Connectで暗号化して行い、保管中も通信中も暗号化したうえでPCI DSSを満たした。
流行の生成AIを主役にせず、既存のAIサービスを束ねて規制水準の品質を出した点が特徴で、同じ課題を抱える企業が設計の出発点として参照できる。Huntingtonは今後、M&Aなど大量黒塗りが必要な場面にも同じ枠組みを転用する方針を示している。
この変化で何が要点か。図解と出典つきで一目で。
構造化された事実を最初に。誰が何をいつどこでなぜどのように。
Huntingtonは米国の上位10行に入る大手銀行で、2015年以降、自社施設内（オンプレミス）に数億件の文書を保管してきた。2025年、規制順守（コンプライアンス）への先回り対応として、これらの文書に含まれる社会保障番号や口座番号、住所などの機密情報を黒塗りする取り組みを始めた。文書は形式がばらばらで、当初の見積もりでは処理に数年かかるとされていた。データは保管中も通信中も暗号化し、クレジットカード業界の安全基準（PCI DSS）を満たす必要があった。
金融機関にとって大量の既存文書から個人情報を見つけ出して隠す作業は、規制対応とコスト面の両方で長年の難題だった。本事例は処理時間を数年から数か月へ、費用を当初見積もりの約5%へ圧縮し、黒塗りの精度も95%以上を達成しており、生成AI以外の地道な文書処理でもクラウドが実務に効くことを示している。同じ課題を抱える企業が設計の出発点として参照できる具体的な要件と構成が公開された点に価値がある。
Huntington銀行は社内に蓄積した4億件以上の文書から、社会保障番号や口座番号、住所などの個人情報と決済カード情報を見つけて黒塗りする作業を、AWSのクラウドサービスで自動化した。当初は数年かかると見積もられていた処理が数か月に短縮され、費用は当初見積もりの約5%に収まり、黒塗り精度は95%以上に達した。
In this post, we walk through how Huntington built a scalable AWS solution to detect and redact Personally Identifiable Information (PII) and Payment Card Industry (PCI) data from over 400 million documents, reducing processing time from years to just a few months while achieving 95%+ redaction accuracy.
引用文にあるPIIは個人を特定できる情報、PCIは決済カード業界が定める保護対象データを指す。形式がばらばらな大量の文書を、人手ではなく自動で処理しきった点がこの事例の核心になる。
処理の中核は2つのサービスだった。1つは文書の文字を読み取るAmazon Textract（画像やPDFから文字や表構造を抽出するサービス）、もう1つは処理を順序立てて動かすAWS Step Functions（複数の処理を決めた手順でつなぐ仕組み）である。この組み合わせで1日約1000万件のペースを実現した。
データの移動も要件が厳しかった。オンプレミス（自社施設内のサーバー）とクラウドの間のデータ転送は、大量ファイルの転送に使うAWS DataSyncと、インターネットを経由しない専用線のAWS Direct Connectで暗号化して行った。保管中も通信中も暗号化し、決済カード業界の安全基準であるPCI DSSを満たす形を取った。
注目すべきは、流行の生成AIを主役に据えず、すでにある文字認識と処理制御のサービスを束ねて規制水準の品質を出した点にある。LLMを前提にしなくても大規模文書処理が実務で回ることを、具体的な構成として示した。
最も得をするのは、大量の既存文書を抱えたまま黒塗りの規制対応に踏み切れずにいた金融機関や規制業種だ。数年・高コストと見ていた作業を、数か月・当初見積もりの約5%という具体値で再計算できる設計例が手に入った。
国内のクラウド実装担当者にも実利がある。生成AIに依存しない構成のため再現がしやすく、PCI DSSや暗号化要件をどう満たしたかが移行手順の参考になる。
一方で、手作業や人海戦術に頼ってきた黒塗り運用は、1日約1000万件・精度95%以上という公開数値の前で、コストと速度の両面で比較すると不利になる。なお本事例にROIの詳細な内訳は公開されておらず、自社適用時のコストは文書形式の多様さや前処理の量に左右される点は織り込む必要がある。
立場別、明日から動ける一手。
AWS公式ブログで示されたTextractとStep Functionsの構成と、PCI DSS・暗号化要件をどう満たしたかの設計要件を確認する。
現行の文書黒塗り運用にかかる時間・費用と、本事例の『数年→数か月』『当初見積もりの約5%』という数値を比較する。
自社の代表的な文書サンプルでTextractの文字認識精度と黒塗りの取りこぼし率を測る。
本事例は公式ブログ公開直後で、SNS上の反応はまだ限定的。金融機関の文書処理に関わる層を中心に、『数年→数か月』『当初見積もりの約5%』というコスト・時間の圧縮幅と、生成AIではなくAmazon TextractとAWS Step Functionsという既存サービスの組み合わせで規制要件の95%以上の黒塗り精度を達成した点に関心が向いている。
※トレンド検出時刻付近の人気投稿を表示
