住宅ローンの貸し出しはますますデジタル化していますが、ローンファイルの作業の多くは依然として手作業です。住宅ローン文書の自動化では、AIを使用してローン文書からデータを抽出およびルーティングし、再入力の削減、処理の高速化、住宅ローン業務全体でのデータの一貫性の向上を実現します。
重要なポイント:
- デジタルクロージングは増加していますが、データ入力は依然として手作業です。
- AIは、住宅ローン文書のデータを自動的に抽出し、検証することができます。
- Parseurは、APIとワークフロー統合を通じて、住宅ローン文書の取り込みとフィールド抽出を自動化します。
住宅ローン業界は、デジタル化における重要なマイルストーンに到達しました。ICEによると、2026年1月時点でMERSシステムに登録された全ローンの15.19%をeNote（電子手形）が占め、MERS eRegistryに登録されたeNoteは2026年3月に300万件を突破しました。普及は加速しており、多くのデジタルファーストの貸し手は現在、月間ローン組成量の30%から80%をeNoteとして処理しています。 これらのマイルストーンから明らかなことが1つあります。それは、住宅ローンの貸し出しが、紙ベースの組成をはるかに超えて進化したということです。
プロセスのうち最もコストのかかる部分は、依然として手作業のまま残されていることがよくあります。署名はデジタル化されました。登録もデジタル化されました。しかし、文書の読み取りはデジタル化されませんでした。ローン担当者、プロセッサー、アンダーライター、クロージング担当者、クロージング後処理チームは、現在でもPDFを開き、借り手の名前、ローン番号、物件の住所、収入額、資産残高、クロージング金額を探し出し、その情報をローン組成システム、アンダーライティングツール、QCプラットフォーム、投資家のチェックリストに再入力するのに何時間も費やしています。
だからこそ、住宅ローン文書の自動化が次なる主要な業務上の優先事項となっています。現代の貸し手は、AI搭載の文書抽出、住宅ローン用OCR、ワークフロー自動化を利用して、ローンファイルから直接データを取得し、文書間でフィールドを照合し、構造化された情報をはるかに少ない手作業で下流のシステムに移行しています。この記事では、デジタル化後に貸し手が何を自動化しているのか、どの住宅ローン文書が自動化の恩恵を最も受けるのか、AIによる住宅ローン文書処理が実際にどのように機能するのか、そして組成、クロージング、クロージング後業務全体において自動化がサイクルタイム、手戻り、コンプライアンスリスクを現実的にどこまで軽減できるのかについて解説します。
住宅ローン文書の自動化とは？
住宅ローン文書の自動化とは、AIを使用してローンファイル文書内のデータフィールドを抽出し、検証し、ルーティングすることです。これにより、貸し手は手動で再入力することなく、ローン組成システムや関連プラットフォームへ情報を移行できるようになります。プロセッサー、アンダーライター、クロージング担当者、またはクロージング後チームに文書を1フィールドずつ確認させる代わりに、自動化によって住宅ローン文書から重要なデータポイントを取得し、下流のワークフローに向けて構造化された形式で配信します。
住宅ローン文書の自動化は、電子署名やeClose（電子クロージング）技術とは異なります。電子署名プラットフォームは借り手が電子的に文書に署名するのを支援し、eCloseプラットフォームはクロージングプロセスをデジタル化し、電子手形（eNotes）をサポートします。どちらも文書の実行および配信方法を改善しますが、それらの文書に含まれるデータを自動的に抽出して構造化することはありません。運用上のギャップは依然として大きいままです。Snapdocsの調査によると、現在、貸し手の90%がデジタルクロージングを提供しているものの、ローンの80%以上をデジタルでクロージングしているのはわずか14%であり、約半数が自動化とAIの統合を最優先のテクノロジー課題として挙げています。 住宅ローン文書の自動化は、署名そのものではなく、ファイル内部の情報に焦点を当てています。
また、従来のテンプレートベースのOCRとも異なります。従来のOCRシステムは通常、文書の種類ごとに定義済みのレイアウトを必要とし、書式が変更されたり、文書が複数の形式で届いたりした場合には対応できないことがよくあります。より柔軟な文書処理技術への需要は急速に高まっています。Fortune Business Insightsは、世界のインテリジェント文書処理（IDP）市場の規模が2026年に133.3億ドルと評価され、2034年までに889.1億ドルに成長すると予測しています。これは、金融サービスやその他の文書集約型業界全体で、AI主導の文書抽出とワークフロー自動化への投資が加速していることを反映しています。最新のAI搭載住宅ローン文書処理は、レイアウトが異なる場合でも、多様な住宅ローン文書全体からフィールドを識別して抽出できるため、今日のデジタルローンファイルや混合文書パッケージに最適です。
なぜデジタル化してもデータ入力がなくならなかったのか
デジタル住宅ローンの導入は急速に進みましたが、ローン業務には依然として手作業による文書処理が深く根付いています。同じSnapdocsの調査では、貸し手の50%がテクノロジーのコスト、42%が関係者の利用度、41%がテクノロジーの課題を普及拡大の大きな障壁として挙げており、eClose技術の導入後も業務ワークフローにおける課題が依然として大きいことが示唆されています。業界は署名と配信のデジタル化を大部分で完了しましたが、ローンファイル内のデータの抽出、検証、および移動の完全なデジタル化には至っていません。
住宅ローン会社の経営幹部にとって、これは見過ごせない問題です。ファイルごとの処理コストは単なる管理上の間接費ではありません。それはローンの利益率（マージン）を直接削る要因です。PDFを開き、借り手情報を探し、文書間で数値を比較し、ローン組成システム、アンダーライティングエンジン、QCプラットフォーム、または投資家のチェックリストにデータを再入力するのに費やされる1分1秒が、組成の経済性に直接影響を及ぼします。
この負担は住宅ローンの貸し出しに限ったことではありません。最近のParseurの調査では、手動データ入力により、米国の企業は従業員1人あたり年間約28,500ドルの時間、エラー、生産性の損失を被っていると推定されており、反復的な情報処理が規模拡大時にどれほどコストを増大させるかを示しています。事業運営への影響についての詳細な分析は、手動データ入力コストに関するレポートをご覧ください。
そのため多くの貸し手は、デジタルクロージング後の最大の改善機会が、借り手向けの新しいポータルを追加することではなく、ローンファイルに文書が届いた後に発生する手作業を減らすことであると気づいています。AIを搭載した住宅ローン文書の自動化は、文書から直接フィールドを抽出し、他のローン記録と照合して検証し、プロセッサーやアンダーライターがファイルに触れる前に構造化されたデータを下流システムにルーティングすることで、この業務上のギャップを解消します。
ローンファイル内のどの文書から抽出を行う必要があるか？
住宅ローンのファイルは単一の文書ではありません。それは申請、収入、資産、信用、開示、およびクロージングに関する記録のパッケージであり、確認および検証したうえで、複数の下流システムに転送する必要があります。最も価値の高い自動化の機会は通常、プロセッサー、アンダーライター、クロージング担当者、およびクロージング後チームによって繰り返し開かれる文書にあります。
以下の表は、ほとんどの貸し手が最初に自動化する文書、一般的に抽出される代表的なフィールド、およびそのデータが通常どこへ送られるべきかを示しています。
| 文書のタイプ | 代表的なフィールド | データの送信先 |
|---|---|---|
| 住宅ローン申請書の抽出 | 借り手氏名、SSN（社会保障番号）、物件住所、ローン金額、収入、資産、負債、雇用情報 | ローン組成システム（LOS）、アンダーライティングエンジン、借り手ポータル |
| 住宅ローン契約書と手形の抽出 | ローン番号、手形金額、金利、満期日、貸し手名、物件住所 | LOS、サービシングプラットフォーム、eVault、投資家引き渡しシステム |
| 銀行取引明細書の抽出 | 口座名義人、銀行名、口座番号、期末残高、預入、引き出し | 資産確認ワークフロー、アンダーライティングシステム、QCプラットフォーム |
| 給与明細の抽出 | 雇用主名、給与期間、総支給額、手取り額、年初来の収入、控除額 | 収入計算ワークシート、LOS、アンダーライティングエンジン |
| 納税申告書の抽出 | 調整後総所得、事業所得、賃貸収入、課税年度、申告状況 | 収入分析ツール、アンダーライティングシステム、QCレビュー |
| クロージング開示書 (CD) | クロージングに必要な現金、ローン金額、金利、貸し手クレジット、エスクロー金額、クロージング費用 | クロージングシステム、コンプライアンスレビュー、クロージング後監査 |
| ローン見積書 (LE) | クロージングに必要な見積現金、ローン条件、APR（年換算利回り）、手数料、エスクロー見積額 | コンプライアンスエンジン、許容誤差比較ワークフロー、LOS |
ほとんどの貸し手において、これらのフィールドはローンの期間中に何度も利用されます。借り手の収入は、申請時に入力され、アンダーライティング時に再計算され、QC中に再度検証され、投資家への引き渡し時に参照されます。文書レベルで抽出を自動化することで、繰り返しの入力作業を減らし、すべての下流ワークフローで再利用可能な構造化データレコードを作成できます。
ローンファイルについて考える有用な方法は、3つの自動化レイヤーとして捉えることです。
- Application layer (申請レイヤー): 住宅ローン申請書からの借り手および物件データ。
- Verification layer (確認レイヤー): 給与明細、納税申告書、銀行取引明細書からの収入および資産の証明。
- Closing layer (クロージングレイヤー): ローン見積書とクロージング開示書からの最終的なローン条件とクロージングに必要な現金（Cash-to-close）の数値。
これらの文書グループから始める貸し手は通常、組成、アンダーライティング、クロージング、およびクロージング後の運用において、手動データ入力作業の大部分を取り込むことができます。
AIはローンファイルからどのようにフィールドを抽出するのか
最新のAIによる住宅ローン文書処理は、単一のOCRステップではなく、多段階のパイプラインとして機能します。貸し手がローンパッケージをアップロードすると、システムが文書を識別し、フィールドを抽出し、検証し、構造化されたデータを下流の住宅ローンシステムにエクスポートします。このプロセスは、各レイアウトごとに個別のテンプレートを要求することなく、PDF、スキャンされた画像、電子メール、テキストベースの文書を含む混合ローンファイルを処理できるように設計されています。
文書の取り込み (Document intake)。 ローンパッケージは、電子メール、アップロード、API、またはドキュメントポータルを通じてワークフローに入ります。ファイルには、スキャンされた銀行取引明細書、給与明細、納税申告書、住宅ローン申請書、開示書、クロージング文書などが含まれる場合があります。システムはまずファイル形式を正規化し、処理の準備をします。
文書の分類 (Document classification)。 AIは、パッケージ内の各文書の種類（例：銀行取引明細書か、クロージング開示書か）を識別します。異なる住宅ローン文書からは異なるフィールドセットが期待されるため、分類は重要です。混合された借り手パッケージでも、抽出を開始する前に自動的に分割できます。
フィールドの抽出 (Field extraction)。 特化したAIエンジンが内容を読み取り、借り手氏名、ローン番号、金利、総収入、口座残高、クロージングに必要な現金、クロージング費用などの構造化フィールドを取得します。Vision AIエンジンは、PDF、スキャン画像、撮影された文書、その他の画像ベースの住宅ローン記録を処理します。Text AIエンジンは、機械可読テキストがすでに利用可能な電子メール、テキストベースのPDF、およびデジタル文書を処理します。従来のテンプレートOCRシステムとは異なり、このアプローチでは文書のレイアウトごとに手動でテンプレートを作成する必要がありません。これは、借り手が異なる雇用主、銀行、税務ソフトウェアプロバイダー、決済代行業者から文書を提出する場合に特に役立ちます。
検証と正規化 (Validation and normalization)。 抽出された値は、フォーマット、完全性、および基本的な一貫性がチェックされます。データが下流にエクスポートされる前に、日付の標準化、通貨値の正規化が行われ、明らかなフィールドの不一致にレビュー用のフラグを立てることができます。
構造化データのエクスポート (Structured export)。 検証済みのデータは、JSON、CSV、またはAPIペイロードなどの構造化された出力として配信され、ローン組成システム、アンダーライティングプラットフォーム、コンプライアンスエンジン、QCツール、サービシングシステム、またはデータウェアハウスにルーティングされます。
業務上の最大のメリットは、プロセッサーやアンダーライターがワークフローの早い段階で構造化されたローンデータを受け取れることです。これにより、彼らは反復的な文書の読み取りや手動入力ではなく、例外処理、アンダーライティングの意思決定、およびコンプライアンスレビューに集中できるようになります。
文書間の照合：ローン見積書とクロージング開示書の比較
住宅ローンの自動化ワークフローにおいて最も価値が高いものの1つが、文書間の照合（リコンシリエーション）です。貸し手は、関連する2つの文書であるローン見積書（LE）とクロージング開示書（CD）を比較し、クロージング前に相違点を特定する必要があります。ローン金額、金利、貸し手手数料、エスクロー金額、前払費用、クロージングに必要な現金の数値など、同じフィールドの多くが両方の文書に表示されます。完全に一致することが期待される値もあれば、定義された許容誤差の範囲内でのみ変更が許される値もあります。
ここでの課題は、単に文書を読むことではありません。処理、アンダーライティング、手数料の更新、クロージング準備の後で、同一取引の2つのバージョンが一貫性を保っているかどうかを判断することです。多くの貸し出し業務において、この比較は依然として、両方のPDFを横に並べて開き、1つずつフィールドを手作業で確認することによって行われています。
MISMO SMART Doc 1.02 がフィールド抽出にもたらした変化
MISMO の SMART Doc バージョン 1.02 実装ガイドは2026年7月に最終ステータスに達し、貸し手、テクノロジープロバイダー、文書自動化チームにとって重要な更新となりました。このリリースでは、郵便番号のマスキングオプションが追加され、遅延損害金やブローカーおよびローン組成者の識別子などのフィールドに関するガイダンスが明確化され、業界全体での住宅ローン文書データの表現や交換方法における一貫性の向上に貢献しました。
住宅ローン業務チームにとっての重要性は、個々のフィールド変更そのものにあるわけではありません。より大きな変化は、ローン文書のフィールドが、貸し手固有の解釈ではなく、共有の業界標準を通じて定義されるようになっている点です。フィールド名、フォーマット、およびビジネス定義が標準化されると、AI抽出システムは、各貸し手、投資家、決済代行業者、文書プロバイダーごとに個別の抽出ロジックを維持するのではなく、共通のデータ構造をターゲットにできるようになります。
その標準化こそが、取引相手間での住宅ローン文書自動化の互換性を高める要因となります。共通のMISMOフィールド定義に従うクロージング開示書や手形は、抽出、検証、比較、および下流システムとの交換が容易になります。貸し手は依然として独自のビジネスルールを必要としますが、抽出レイヤーは、貸し手ごとの推測ではなく、共有された業界の語彙から構築される傾向が強まっています。
抽出されたフィールドをクロージングに使えるほど信頼できるか？
結論から言えば、レビューなしで盲目的に信用するべきではありません。抽出されたフィールドをレビューなしで受け入れるべきだと示唆する文書自動化ベンダーは、住宅ローン業務の現実を過度に単純化しています。ローンファイルには、複雑な文書、一貫性のないフォーマット、手書きのメモ、低品質のスキャン、人間の判断を必要とする例外が含まれています。自動化の目的は、レビューを排除することではありません。問題の特定と解決に必要な手作業を減らすことです。
自動抽出を実用的なものにするのは、フィールドレベルの信頼度スコアリング、人間によるレビューワークフロー、および検証ルールの組み合わせです。信頼度スコアは、追加の注意が必要なフィールドを特定するのに役立ちます。また、レビューキューは、信頼性の低い抽出結果をプロセッサー、アンダーライター、QCチームにルーティングし、データが下流に移動する前に確認を促します。検証ルールは、抽出された値を想定されるフォーマット、ビジネスルール、関連するローンデータと照合することで、2つ目の防御層を提供します。
AIを活用した住宅ローン文書処理は、抽出されたフィールドが信頼度のしきい値に基づいてレビューされ、下流のワークフローで使用される前に事前定義されたビジネスルールと照合して検証されることで、信頼性が大幅に向上します。
この階層的なアプローチが重要である理由は、信頼度スコア単独ではすべての問題を捕捉できないためです。あるフィールドが高い信頼度で抽出されたとしても、ビジネスのコンテキストでは不正確である場合があります。例えば、日付が正確に読み取られていても許容範囲外であったり、ローン金額が文書と一致していてもローンファイル内の他の情報と矛盾していたりすることがあります。検証ルールは、これらが業務上の問題になる前に不一致を特定するのに役立ちます。
これを行わない場合、多くの貸し手が見落としがちな失敗パターンに陥ります。つまり、検証を伴わない抽出は、単にエラーを下流に移動させるだけであり、取り除いてはくれないということです。誰もデータをレビューせず正しいと想定してしまうため、場合によっては手動入力よりも危険なことがあります。アンダーライティング、クロージング、クロージング後のQC、または投資家への引き渡しまでエラーが発覚しない可能性があります。
この課題は理論上の話ではありません。Parseurの文書データ信頼性ギャップレポートによると、ビジネスリーダーの88%が、文書から取得したデータに少なくとも時折エラーを発見していると報告しており、自動化に加えて検証とレビュープロセスが重要であることを強調しています。
したがって、最も効果的な住宅ローン自動化プログラムでは、AIによる抽出を最終ステップではなく最初のステップとして扱います。自動抽出は文書処理を加速させ、信頼度スコアリング、検証ルール、および的を絞った人間のレビューは、重要な融資決定が下される前にデータの信頼性を確保するのに役立ちます。
自動抽出 vs 手動入力 vs テンプレートOCR
住宅ローン文書の自動化を評価している貸し手は通常、手動データ入力、テンプレートベースのOCR、そして最新のAI搭載抽出という3つのアプローチを比較しています。正しい選択は、文書の量、レイアウトの一貫性、人件費、そして貸し手が管理しようとする業務変革の規模によって異なります。
| 評価要素 | 手動入力 (Manual keying) | テンプレートOCR (Template OCR) | AIによる抽出 (AI-powered extraction) |
|---|---|---|---|
| 初期設定の手間 | 非常に少ない | 中〜多 | 中 |
| 新しい文書レイアウト | 手動で処理 | 通常、新しいテンプレートが必要 | 多くの場合、新しいテンプレートなしで処理可能 |
| 混合された借り手パッケージ | 多大な労力が必要 | レイアウトが異なると困難 | 混合された文書セット向けに設計 |
| 典型的なエラーの傾向 | 入力ミス、転記ミス、抜け漏れ | フィールドマッピングやレイアウトのずれによるエラー | レビューを必要とする抽出や分類の例外 |
| 人間によるレビューの必要性 | 入力時に全フィールドをレビュー | 例外処理とテンプレートのメンテナンス | 例外処理と信頼度の低いフィールド |
| 処理量増加時のコスト動向 | スタッフの労働時間にほぼ比例して上昇 | レイアウトが標準化されると改善 | ワークフローで処理されるファイルが増えるほど改善 |
| 最適な用途 | 少量、多様、一度きりのファイル | 安定した標準的なフォーム | 繰り返し発生する文書タイプを扱う、処理量の多い住宅ローン業務 |
手動入力にも依然として妥当なユースケースはあります。貸し手が毎月処理するファイル数が少ない場合、非常に珍しい文書を受け取る場合、または一度きりの例外パッケージを処理する場合、自動化の設定にかかる労力がメリットを上回る可能性があります。人間のレビュー担当者は、曖昧な手書きのメモ、珍しい法的文言、または借り手固有の特殊なケースを解釈するのにも長けています。
テンプレートOCRは、標準化された社内フォームなど、文書が一貫したレイアウトに従っている場合に高いパフォーマンスを発揮します。トレードオフとなるのはメンテナンスです。銀行取引明細書のデザインが変わったり、決済代行業者が異なる形式のクロージング開示書を使用したりすると、抽出品質を通常レベルに戻すために、多くの場合テンプレートを更新する必要があります。
AIを活用した抽出が最も威力を発揮するのは、貸し手がさまざまなソースからの多数の反復的な住宅ローン文書を処理する場合です。反復的な読み取りと再入力を減らしますが、それでも信頼度スコアリング、検証ルール、例外に対する人間のレビューと組み合わせる必要があります。目的は、プロセスから人を完全に排除することではありません。本当に注意が必要なファイルに人間の労力を集中させることです。
経験則として役立つ目安は、処理量が少なく変動の激しい作業には手動入力、安定した標準フォームにはテンプレートOCR、そして文書の量、ベンダーの多様性、ターンアラウンドへの期待から手動処理のコストが増大し続ける住宅ローン業務のワークフローにはAI抽出、となります。
Parseurを使用して住宅ローン文書処理を自動化する方法
ほとんどの貸し手にとって、価値を生み出すための最速の道は、ローンファイル全体を一度に自動化することではありません。よりリスクの低いアプローチは、処理量の多い1種類の文書から始め、それを1つの下流システムに接続し、抽出されたフィールドセットを検証してから、そのワークフローを他の文書や送信先へ拡張していくことです。
実用的な展開手順は次のようになります。
Choose a single document type. (単一の文書タイプを選択する) 銀行取引明細書、給与明細、住宅ローン申請書、クロージング開示書など、繰り返し処理される文書から始めます。これらは通常、最も多くの手動データ入力作業を発生させます。
Send documents to Parseur. (Parseurに文書を送信する) 住宅ローン文書のサンプルセットをアップロードするか、電子メールで転送します。AIエンジンは文書を受け取るとすぐに処理を開始します。
Automatic extraction within seconds. (数秒での自動抽出) Parseurは、レイアウトごとにテンプレートを作成することなく、PDF、スキャン画像、その他のサポートされている文書形式から関連する住宅ローンのフィールドを自動的に識別し、数秒で抽出します。
Connect one downstream destination. (1つの下流システムに接続する) 検証されたデータを、ローン組成システム、アンダーライティングプラットフォーム、QCツール、スプレッドシート、データウェアハウスなど、単一のターゲットシステムにエクスポートします。最初の統合をシンプルに保つことで、テストが容易になります。
Measure operational impact. (業務への影響を測定する) 自動化の前後で、手作業の所要時間、例外発生率、ターンアラウンドタイム、および手戻りを追跡します。これにより、展開を拡大するためのビジネスケース（投資対効果の証明）が作成されます。
Expand to additional workflows. (追加のワークフローへ拡張する) 最初の文書タイプが安定したら、納税申告書、給与明細、銀行取引明細書、ローン見積書、クロージング開示書など関連する住宅ローン文書を追加し、さらに別の下流システムを接続します。
典型的な住宅ローン自動化の道のりは、1つの文書から1つのフィールドセットへ、1つのシステムから1つのチームへと進み、その後初めて、アンダーライティング、クロージング、クロージング後のQC、サービシング、投資家への引き渡しワークフロー全体へと拡大していきます。この段階的なアプローチは、独立系の住宅ローン会社や中規模の貸し手にとって特に有用です。導入リスクを最小限に抑えつつ、運用チームがスコープを拡大する前に各ステップを検証できるからです。
抽出されたデータの送信先
住宅ローン文書の自動化の真価は、フィールドが抽出された後に何が起こるかによって決まります。ほとんどの貸し出しワークフローでは、抽出されたデータは文書処理ツール内に留まるのではなく、運用システムに直接送信されます。
一般的な送信先は以下の通りです。
- Loan origination systems (LOS) (ローン組成システム): 借り手、物件、収入、資産、およびクロージングのフィールドを、APIまたは統合ワークフローを通じてLOSにプッシュできます。
- Spreadsheets (スプレッドシート): 抽出されたデータをExcelやGoogleスプレッドシートにエクスポートし、アンダーライティングワークシート、QCレビュー、パイプライン追跡、または投資家チェックリストとして活用できます。
- Webhooks (Webhook): 新しい住宅ローン文書が処理されたときに、リアルタイムのイベントで下流のアクションをトリガーできます。
- APIs: 構造化されたJSONペイロードを、アンダーライティングエンジン、サービシングプラットフォーム、コンプライアンスシステム、データウェアハウス、またはカスタムの住宅ローンアプリケーションに送信できます。
住宅ローン文書用のデータ抽出APIを探している貸し手にとっての重要な要件は、ローン番号、借り手氏名、元本残高、利息額、エスクロー金額、支払額、手数料などの構造化されたフィールドを、機械可読形式で返すプラットフォームであることです。
同じワークフローを使用して、住宅ローン明細書のPDFをスプレッドシートに変換することもできます。住宅ローン明細書のPDFがアップロードされると、元本、利息、エスクロー、手数料などのフィールドが抽出され、その結果が分析や照合のためにExcel、Googleスプレッドシート、CSV、またはその他のレポートシステムに直接エクスポートされます。
これこそが、住宅ローン向けOCRを単なる文書読み取りツールから、運用ワークフローへと変えるものです。抽出されたデータは、組成、アンダーライティング、クロージング、サービシング、およびレポートを推進するシステムで即座に利用可能になります。
最終更新日
