PDF のマニュアルを AI に読ませると、何が起きますか

PDF のマニュアルをそのまま RAG に入れると、取り込み方によっては、見出しや表の構造が失われたり、図の内容が取り込まれなかったりして、答えが不正確になることがあります。RAG（Retrieval-Augmented Generation。検索拡張生成）は、社内の文書などから、質問に関係する部分を検索で探し、AI に渡して答えを作らせる方法です。

1. 質問
2. 検索質問に関係する文書の一部を探す
3. 生成見つけた部分を AI に渡し、答えを作らせる
4. 答え

文書の作りは、「検索」で何が見つかるかに関わります。

PDF のまま入れると、何が起きますか

一般的な OCR で文字を取り出すと、文書は平らな文字列になり、見出し、表、箇条書きの構造が失われます（Google Cloud）。文字だけを出力する解析は、図、グラフ、表、画像を含む文書には向きません（AWS）。Microsoft、AWS、Google の公式の文書と、公開されている研究は、ほかに次の点を挙げています。

• 目次、ヘッダー、フッター、著作権表示は、意味を足さないことがあります。分ける前に、除くかどうかを決めます（Microsoft）。
• 複数のページにまたがる表は、2つの表に分かれることがあります（Google Cloud）。
• ページの境目をまたぐ読み順を、扱わない解析サービスもあります（Microsoft）。
• 大きすぎるかたまりには関係のない情報が入り、小さすぎるかたまりは意味のまとまりを欠きます（Wang ほか、2025年）。
• 意味での検索は、言葉が一致しなくても、近い内容を探せます。型番、専門性の高い用語、日付、人名を探すときは、キーワード検索のほうが向いています（Microsoft）。
• 長い文脈の中ほどに必要な情報があると、AI の成績が大きく下がるという研究があります（Liu ほか、2024年）。

場面 1

文書を取り込むとき

• 目次、ヘッダー、フッターを、除くかどうか決める
• 文字だけを出力する解析は、図や表のある文書に向かない
• 一般的な OCR では、見出し、表、箇条書きの構造が失われる
• ページをまたぐ表が、2つに分かれることがある

場面 2

かたまりに分けるとき

• 大きすぎると関係のない情報が入り、小さすぎると意味のまとまりを欠く

場面 3

探して、AI に渡すとき

• 意味での検索は、言葉が一致しなくても探せる
• 型番や専門性の高い用語は、キーワード検索が向く
• 長い文脈の中ほどに必要な情報があると、AI の成績が下がる

Microsoft、AWS、Google の公式の文書と、2つの論文によります。場面の分け方は、当社による整理です。

文書の分け方で、精度は変わりますか

変わる、という研究があります。「Document Segmentation Matters for Retrieval-Augmented Generation」（Wang ほか、Findings of ACL 2025）（別のタブで開きます）は、決まった規則で分ける方法や、LLM に分けさせる方法と、著者らの方法を比べ、分け方によって、検索の精度と回答の精度が変わることを示しました。英語の質問応答のデータでの実験で、技術マニュアルで確かめたものではありません。

RAG を自社で組むときは、何を決めますか

Microsoft の設計の手引きは、RAG の設計を、次の6つの段階に分けています。

1. 1準備
2. 2分割
3. 3補強
4. 4埋め込み
5. 5検索
6. 6評価

1. 準備：扱う文書と、試験に使う質問を決める。
2. 分割：文書を、検索の単位になるかたまりに分ける。
3. 補強：かたまりに、題名や要約などの情報を足す。
4. 埋め込み：かたまりを、意味を表す数値に変える。
5. 検索：質問に合うかたまりを探す方法を決める。
6. 評価：検索と回答を、全体として評価する。

社内データを生成 AI に学習・参照させている企業は、どのくらいありますか

総務省の令和8年版 情報通信白書によると、「生成 AI に社内データを学習させたり、生成 AI が参照可能なデータベースを構築したりしている」と答えた割合は、日本で 24.5% でした。米国は 57.2%、ドイツは 54.4%、中国は 73.0% でした。

情報通信白書が載せているのは、2026年1月〜2月に行われた、インターネットでのアンケートの結果です。対象は、従業員 10名以上で、2025年までにデジタル化の取り組みを始めた企業に勤める、管理職以上の人です。日本の回答は 515件です。この設問だけの回答数は、白書の図表には示されていません。設問は、社内データの学習と、参照できるデータベースの構築を、1つにまとめて尋ねています。RAG だけの割合ではありません。

• 日本24.5%
• 米国57.2%
• ドイツ54.4%
• 中国73%

総務省「令和8年版 情報通信白書」図表Ⅰ-2-1-5。2026年1月〜2月の調査です。棒の右端が 100% です。

マニュアルの側で、できることは何ですか

• 見出し、手順、警告、表の区別を残した形で、文書を渡す。
• 機種、版、言語の情報を、文書に付ける。
• 質問と正解の組を先に決め、直す前と後で、同じ質問で比べる。

関連するページ

• 製造業の方へ：技術文書を、AI の正しい情報源にする進め方
• Fluid Topics：技術文書を集め、人と AI に届けるコンテンツ基盤
• コラム「DITA とは何ですか」：技術文書を部品に分けて書く規格の解説

出典

• RAG という方法：Lewis ほか「Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks」NeurIPS 2020（別のタブで開きます）
• 除くかどうかを決める要素：Microsoft Learn: Develop a RAG Solution – Preparation Phase（2025年11月21日更新）（別のタブで開きます）
• 関係のない情報と、回答の正確さ：Microsoft Learn: Develop a RAG Solution – Chunking Phase（2026年6月18日更新）（別のタブで開きます）
• 図や表の解析：AWS: Parsing options for your data source（Amazon Bedrock User Guide）（別のタブで開きます）
• 文書の構造と、ページをまたぐ表：Google Cloud: Process documents with Gemini layout parser（2026年10月5日更新）（別のタブで開きます）
• ページをまたぐ読み順：Microsoft Learn: Document Intelligence APIs analyze document response（2026年4月30日更新）（別のタブで開きます）
• かたまりの大きさ、文書の分け方と精度：Wang ほか「Document Segmentation Matters for Retrieval-Augmented Generation」Findings of ACL 2025（別のタブで開きます）
• 意味での検索とキーワード検索：Microsoft Learn: Hybrid search – Azure AI Search（2026年8月31日更新）（別のタブで開きます）
• 長い文脈：Liu ほか「Lost in the Middle: How Language Models Use Long Contexts」TACL 12巻（2024年）（別のタブで開きます）
• 設計の6つの段階：Microsoft Learn: RAG solution design and evaluation guide（2026年6月30日）（別のタブで開きます）
• 社内データと生成 AI：総務省「令和8年版 情報通信白書」第Ⅰ部 第2章 第1節（2026年7月24日公表）（別のタブで開きます）

確かめる

この記事の内容から、2 問です。選ぶと、その場で答えと説明が出ます。

問い 1PDF などの文書を RAG に入れたときに起きることとして、この記事で挙げたものはどれですか。

一般的な OCR で文字を取り出すと、見出し、表、箇条書きの構造が失われる文書が、自動で翻訳されるAI のモデルが、新しくなる

問い 2マニュアルの側でできることとして、この記事で挙げたものはどれですか。

見出し、手順、警告、表の区別を残した形で、文書を渡すすべての文書を、1つの PDF にまとめるページ番号を、大きな文字にする

このページを共有する

• LinkedInで共有する（別のタブで開きます）
• Facebookで共有する（別のタブで開きます）
• Teamsで共有する（別のタブで開きます）

課題を相談する

読んだ内容を、自社の状況に当てはめたいときは、いまの状況と課題をお知らせください。製品が決まっていなくても、相談できます。大学との共同研究と、教材や文書づくりの支援で得た知見をもとに、進め方を一緒に整理します。

このコラムの内容について相談する