構造化テキスト解析における正規表現 vs LLM 構造化テキスト（クイズ、フォーム、請求書、ドキュメント）を解析するための実用的な意思決定フレームワーク。核心的な洞察：正規表現は低コストかつ決定論的に95〜98%のケースを処理できる。コストのかかるLLM呼び出しは残りのエッジケースに留める。 使用場面 繰り返しパターンを持つ構造化テキスト（設問、フォーム、表）の解析 テキスト抽出に正規表現とLLMのどちらを使うかの判断 両方のアプローチを組み合わせたハイブリッドパイプラインの構築 テキスト処理におけるコスト/精度のトレードオフの最適化 意思決定フレームワーク アーキテクチャパターン 実装 1. 正規表現パーサー（大半のケースを処理） 2. 信頼度スコアリング LLMによるレビューが必要かもしれない項目にフラグを立てる： 3. LLM バリデーター（エッジケースのみ） 4. ハイブリッドパイプライン 実際のメトリクス 本番のクイズ解析パイプライン（410項目）より： | メトリクス | 値 | |--------|-------| | 正規表現の成功率 | 98.0% | | 低信頼度項目 | 8 (2.0%) | | 必要なLLM呼び出し回数 | 5 | | 全件LLM比のコスト節約 | 95% | | テストカバレッジ | 93% | ベストプラクティス 正規表現から始める —…