テナントスクリーニング（賃借人審査）の分野で、Snappt社が1億ドル超の資金調達を実現した背景には、PDF書類の「構造的偽造」という見過ごされてきた問題がある。OCRや信用情報だけでは防げない詐欺の検出に、PDF内部構造の解析がどう機能するかを整理する。
既存の審査パイプラインが抱える盲点
一般的な賃借人審査システムは、複数の検証レイヤーを組み合わせている。その主な構成要素は次のとおりだ。
- OCR＋ビジネスルール: PDF上の数値を抽出し、合計金額や入金パターンを検証する
- Plaid Income（銀行口座の取引履歴をAPIで直接取得する仕組み）: 改ざん不可能な一次情報だが、申請者がオプトイン（自発的に同意）しなければ使えない
- The Work Number（Equifaxが運営する雇用確認サービス）: 大企業の正社員には強力だが、フリーランサーや小規模雇用者は対象外になることが多い
- Snapptのような視覚的AI: フォントの不一致や画像のピクセル異常を検出するが、ベクター編集ツールで作成された偽造書類には弱い
問題の核心は、詐欺を行う申請者がPlaidへの接続を意図的に拒否して、代わりに偽造したPDFをアップロードする点にある。OCRが合計金額の検証を行っても、偽造ツールで生成された書類は算術的に整合性が取れているため、数値チェックをすり抜けてしまう。
PDF内部構造の法医学的解析とは何か
PDFはページに表示されるテキストや画像とは別に、内部オブジェクトツリーと呼ばれる階層構造を持っている。正規の銀行システムが生成した書類では、テキストオブジェクトの生成時刻・フォント埋め込み情報・メタデータのタイムスタンプが一貫した構造をなす。一方で、市販のPDF編集ソフトや偽造書類ジェネレーターで作成された書類は、この内部構造に特有の痕跡を残す。
たとえば、Adobe Acrobatで一部のテキストを書き換えると、変更されたオブジェクトのProducerフィールドや ModDate が元の書類と食い違う。xref（クロスリファレンステーブル、各オブジェクトのバイトオフセットを管理する索引）に断片化が生じ、元のPDF生成エンジンとは異なるシグネチャが残る。視覚的には完璧に見える書類でも、バイナリレベルでは矛盾が生まれる。
Pythonの場合、pypdfやpdfminerといったライブラリを使うことで、こうした内部オブジェクトへのアクセスが可能だ。
from pypdf import PdfReader
reader = PdfReader('statement.pdf')
info = reader.metadata
print(info.creator) # PDF生成エンジン名
print(info.producer) # 書き込みツール名
print(info.modification_date) # 最終更新日時正規の銀行PDFであれば、creatorとproducerは同一ベンダーのシステムを示し、modification_dateは作成日と一致することがほとんどだ。編集ツールを経由した書類では、ここに乖離が現れる。
スクリーニングパイプラインへの組み込み方
シード記事が指摘するとおり、PDF構造解析は「申請者あたりのコスト」が他のシグナルと比べて小さい。Plaid連携は申請者のオプトインと銀行口座の接続を要求するため、フローの中断リスクがある。雇用確認APIはデータベースのカバレッジに制約がある。対してPDF解析は、すでに受け取った書類に対してサーバー側で実行できるため、申請者体験を変えずにシグナルを追加できる。
実装上の注意点として、検出結果を単一の「合格/不合格」判定に使うのではなく、リスクスコアとして既存のスコアリングエンジンに組み込む設計が現実的だ。偽造の痕跡が見つかった書類を直ちに却下するのではなく、人間によるレビューキューに回す運用が、公正住宅法（Fair Housing Act）の観点からも訴訟リスクを下げる。米国では人種・民族等に基づく差別的影響（Disparate Impact）を生じさせる審査は法的問題になるため、自動却下と人的確認の組み合わせが業界標準に近い。
MCPサーバー（AIエージェントが外部ツールを呼び出す標準プロトコル）と組み合わせる場合は、PDF解析結果をツールとして公開し、Claude等のLLMエージェントが審査フローの中で必要に応じて呼び出す構成も考えられる。ドキュメント検証・スコア算出・レビュー担当者への通知を一連のエージェントアクションとして記述することで、審査ワークフロー全体を自動化できる。
PDF構造の法医学的解析は新しい概念ではないが、テナント審査のようなドメイン固有ユースケースへの適用は、AIコーディングツールと軽量なPythonライブラリの組み合わせで今すぐ実装できる水準にある。Snapptが専用プロダクトとして構築したものが、現在はオープンなエコシステムの上で再現可能になっているという点が、技術的に見て最も重要な変化だ。