記事のサマリー（TL;DR）
- YANS2026は仙台で2026年8月16〜18日に開催、571名参加・スポンサー37団体（前年比+9団体）
- マネーフォワードLabがLLMによる経費精算ルール自動適応など3件を発表、精度（Accuracy・F1）の双方が向上を確認
- ブースアンケートで「AIに任せたい作業」1位は確定申告（62人中28票・45%）
バックオフィスSaaS×NLP研究が交差する領域への示唆
YANS2026のスポンサー数は37団体と前年の28団体から約32%増加しており、NLPへの産業界の関心がさらに高まっている状況が数字に表れています。マネーフォワードLabが取り組む「経費精算エージェントへのLLM適用」「RAGの根拠提示」「カスタマーサポートQAの改善」は、いずれもバックオフィス業務のSaaS文脈と直結するテーマです。
国内では freee・マネーフォワード・SmartHR のような業務SaaSが広く普及しており、これらのシステムに蓄積された申請ログ・承認履歴・問い合わせデータをLLMの自己推論で活用する研究アプローチは、既存システムとの接続設計（API連携・カスタムUI）を検討する企業にとっても参考になります。特に「導入初期はエージェントと承認実態が乖離しやすい」という課題は、AIエージェント導入プロジェクト全般に共通する運用上の論点であり、ルール自動適応の仕組みは今後の製品展開でも注目点になるでしょう。
詳細
Money Forward Labとは
Money Forward Labは「お金のメカニズムを解き明かすことで、人生に笑顔と驚きを」をミッションとするマネーフォワードの研究開発組織です。バックオフィス業務の自律化をゴールに掲げ、ユーザーの課題を起点とした研究とプロダクトへの実装の両立に取り組んでいます。
YANS2026の概要
**第21回言語処理若手シンポジウム（YANS2026）**は、自然言語処理（NLP）・計算言語学およびその関連分野の若手研究者・技術者が集い、相互交流と成長の機会を提供することを目的としたシンポジウムです。
- 開催地・期間: 仙台、2026年8月16〜18日（3日間）
- 参加者数: 571名（前年570名とほぼ同規模）
- スポンサー: 37団体（前年28団体から大幅増）
- 今年のテーマ: 「若手のその先へ」——研究成果だけでなく、NLP研究者・技術者の中長期キャリアにも焦点を当てたテーマ
プログラムは初日のハッカソンに始まり、2日間にわたるポスター発表が中心でした。
スポンサーブースとアンケート結果
マネーフォワードは昨年に続きゴールドスポンサーとしてYANS2026を支援し、Labチームがスポンサー展示ブースを設置しました。研究内容に加え、事業活動や採用情報も紹介しました。
ブースでは「AIエージェントに任せたいお金のことは？」というアンケートを実施。2日間で62名が回答し、最多得票は**確定申告（28票・45%）**でした。手間がかかり専門知識も必要な作業こそAIに任せたいというニーズの強さを改めて確認した結果であり、同Labはプロダクトと研究の両面から応えていく方針を示しています。
Labによる3件の発表
① Do Clarification Questions Help? A Real-World Case Study on Underspecified Customer-Support QA
発表者: Zhang Zizheng（マネーフォワード）、貞光 九月（マネーフォワード）
実際のカスタマーサポートQAでは、ユーザーの最初の質問に回答に必要な情報が含まれていないケースが多くあります。従来の聞き返し（Clarification Question）研究は人工的な設定や合成データに依存しており、実運用データでの効果は十分に検証されていませんでした。
本研究では実サービスの問い合わせログを用いて聞き返しの効果を検証し、回答精度を改善できることを確認しました。特に類似事例を切り分ける決定的な条件を聞き返せた場合に有効であることが明らかになりました。
② LLMによる経費精算ルールの自動適応
発表者: 王 悦綸（マネーフォワード）、山岸 駿秀（マネーフォワード）、貞光 九月（マネーフォワード）
企業の経費精算では、承認者がルールに基づいて申請を判定します。経費精算エージェントによる承認業務の自動化が進む一方、ルールの整備は人手に依存しており、導入初期はエージェントの判定と実際の承認実態との乖離が生じやすいという課題があります。
本研究では、蓄積された申請データを手がかりに、LLMの自己推論によってルールを承認実態へ整合させる自動適応手法を提案しました。検証では、異なる初期ルール設定のいずれにおいても、適応後にAccuracy・F1の双方が向上することを確認しています。
③ RAG出力に対するユーザー事実確認支援のためのタイプ別フレーズ根拠提示
発表者: 松本 悠太（VAIABLE）、Zhang Zizheng（マネーフォワード）、貞光 九月（VAIABLE/マネーフォワード）
AIの回答が正しいかを確認する際、ユーザーは回答と参照元を照合します。参照元が全文や文単位で提示されると、回答を支える箇所をユーザー自身が探す必要があり、根拠の見せ方が事実確認の負荷に直結するという課題があります。
本研究では、対応箇所をフレーズ単位で示し、「直接回答」「補足」などの根拠タイプを合わせて可視化する提示方法を提案しました。人手評価では、提示形式に慣れた後半でフレーズ＋タイプ提示の確認時間が最も短くなることを確認。LLMによるタイプ付きフレーズの自動生成についてもベースラインを示しています。
スポンサー賞
今回Labがスポンサー賞を贈った研究は以下の通りです。
「医療事故報告書の事故事象・背景要因・改善策と抽象化項目を結び付けたデータセットの構築」
長谷山 優菜（北海道大学）、伊藤 友貴（NICT）、坂地 泰紀（北海道大学）、野田 五十樹（北海道大学）
この研究は、医療事故報告書に記載された事故の具体的内容・背景・要因・改善策をより抽象的な項目と結び付けたデータセットの構築に関するものです。従来は事故の分野・領域別に検索されがちなデータを、抽象的な類似性で横断検索できる基盤を整備するものです。
Labは「分野を跨いだ抽象概念で検索するニーズは医療事故の領域だけでなく、会計情報やその他多くの領域にも存在する」として将来的な実用性を評価し、副賞としてAmazon Kindle Colorsoftを贈りました。
参加者として注目した発表（抜粋）
複数の文章を読んで文書集合全体を把握して初めて回答できるベンチマーク
出合 優実ほか（NAIST・NEC）
医療分野で複数の診療記録から薬剤と症状の因果関係を抽出するベンチマークに関する研究。会計・金融でも1件の証憑や1件の申請ではなく、複数の取引・申請を横断して初めて判断できる業務は多く、同ドメインとの親和性を評価しています。
進歩性判定のための主引用・副引用構造を反映した特許拒絶理由データセットの構築
白鳥 華枝ほか（一橋大学・都立大学・京都工芸繊維大学・NII）
請求項と主引用・副引用の関係を紐づけた拒絶理由データセットの構築研究。規程に照らして複数文書を突き合わせ、判断の根拠まで示す構造化データの構築アプローチは、業務システムへの応用可能性が高いと評価しています。
LLM-as-a-Judgeにおける絶対評価と相対評価の整合性はスコア帯でどのように変わるか？
山下 伊織ほか（一橋大学）
絶対評価と相対評価の判定が逆転する不整合をスコア帯ごとに分析し、提示順バイアスなど逆転の要因がスコア帯によって異なることを示した研究。LLMによる自動評価は実証実験のフェーズで広く使われており、評価設計に直接活かせる知見として注目されています。
参加を振り返って
今年もLLMを応用する研究が主流でした。マルチモーダルや新しい領域への展開が目立ち、LLMの実用化を見据えた研究が着実に前進していることが感じられました。モデルの内部メカニズムの解明や埋め込み表現に関する研究も多く、「言語処理」本来の研究らしさとLLM活用の両輪が並走している印象です。
招待講演はQRコードの仕組みと開発に関するものと、言語モデルの発展史に関するものの2本立てでした。QRコードの講演で語られた「制約や盤面の設計が勝ち方を決める」という視点は、生成AIの活用設計にも通じるものとして示唆的でした。
特別セッションはキャリアをテーマにした経験談で、今年のシンポジウムテーマ「若手のその先へ」を体現する内容でした。自分に合う道の選び方を登壇者と参加者が一緒に議論する場となり、研究と事業の双方に関わる組織としても多くの気づきがあったシンポジウムでした。