見出し画像

PDFをAIに渡すと誤回答する理由｜OCRと画像渡しの違い

paluck│生成AIゆるく検証

AIの誤回答、原因は"渡し方"かもしれない

AIに書類を読ませて要約・確認をする使い方は、フリーランスの業務効率化としてかなり有効です。ところが、「なんか回答がおかしい」「数字が違う」「書いてないことが書いてある」という経験をした人も少なくないはずです。

その原因、AIのせいだと思っていませんか。

実は多くの場合、問題はAIの性能ではなく、渡し方にあります。
PDFを「OCRで渡すか」「画像のまま渡すか」によって、AIが受け取る情報の質がまったく変わります。この記事では、その違いを構造から整理し、ハルシネーション（AIの誤回答）を自分で切り分けられるようになることを目指します。

実際、AIの誤回答の多くは「AIが嘘をついた」のではなく、「最初から間違った情報を受け取っていた」ケースです。

まとめ

  • OCRはテキスト検索できるが、誤変換が起きていても気づけない

  • 画像渡しは検索不可だが、AIが画像として直接読み取る

  • 画像渡しはトークン消費が多く、長い書類ではAIの処理上限に近づきやすい

  • どちらにも弱点があり、「完璧な渡し方」は存在しない

  • ハルシネーションを抑えるには、渡し方の工夫とプロンプト設計の両輪が必要

注意点・免責

機密情報・個人情報を含む書類について

契約書・請求書などをAIに渡す場合、利用しているサービスのプランによっては、入力データがAIのトレーニングに使用される可能性があります。個人情報や社外秘の情報を含む書類は、APIプランや法人向けプランを使用するか、内容を匿名化してから渡すことを強く推奨します。

本記事の内容について

OCRの誤変換率やAIの読み取り精度はツール・書類の種類・解像度によって大きく変わります。本記事の内容は目安として参照してください。

第三者から受け取ったPDFについて

PDFには人の目には見えない透明テキストやレイヤーを埋め込める構造があります。悪意を持って作成されたPDFをAIに読み込ませると、AIがそのテキストを指示として受け取り、意図しない回答を出力するリスクがあります（プロンプトインジェクション）。

Adobe AcrobatのPDF「非表示情報を削除」ツールを使えば、目視不可なテキストや非表示のレイヤーを検出・除去できます。出所が不確かなPDFはこの処理を挟んでからAIに渡すと安全性が上がります。

なお本記事ではPDFを例に説明していますが、JPG・PNGなどの画像ファイルや、スマートフォンで撮影した書類をAIに渡す場合にも、同様の考え方が当てはまります。

OCRとは？まず最初に整理する

そもそもOCRとは何か

OCR（光学文字認識）とは、画像の中にある文字を読み取り、テキストデータに変換する技術です。スキャンした書類や写真に撮った書類を「文字として扱える状態」にするために使います。

NG例：「PDFを送ったから、AIがそのまま読んでくれている」という認識。実際には、スキャンPDFは画像の集合体であり、OCRをかけないとAIはテキストとして認識できない場合があります。

OCRで渡すメリットとリスク

メリット： テキスト化されているため、AIが文字列として読み取れます。長い書類でも構造を把握しやすく、キーワード検索も可能です。

リスク： OCRの変換精度は100%ではありません。フォントやフォーマットが変わるとエラーが起こりやすく、認識処理後に人の目でチェックする必要があります。

具体的な誤変換例を挙げると、以下のようなものがあります。

  • 「1」（数字の1）→「l」（小文字のエル）

  • 「¥100,000」→「¥10O,000」（OがゼロでなくO）

  • 表の罫線を文字として認識し、数値が混在する

契約書の金額や日付でこれが起きると、AIは「正しいテキスト」として処理します。誤変換に気づけないまま要約・確認が進む点が、OCRの最大のリスクです。

画像のまま渡すメリットとリスク

メリット： 近年の主要なAIは画像を直接認識する能力（マルチモーダル機能）を持っており、OCRを挟まずにAIが書類を視覚的に解釈できます。誤変換というプロセスが存在しないため、「変換ミスによるハルシネーション」を回避できます。

リスク： テキストとして扱われないため、書類内のキーワード検索ができません。また、スキャン画像の解像度が低い・傾いている・裏写りがあるといった状態では、認識精度が大きく落ちます。書類の品質がそのまま精度に直結します。

OCRと画像渡しの主な差

$$
\begin{array}{|l|l|l|}
\hline
\textbf{観点} & \textbf{OCR（テキスト渡し）} & \textbf{画像渡し} \cr
\hline
\text{トークン消費} & \text{少ない} & \text{テキスト渡しより大幅に多い} \cr
\hline
\text{検索・参照性} & \text{キーワード検索可} & \text{不可} \cr
\hline
\text{誤変換リスク} & \text{あり（気づきにくい）} & \text{なし（変換プロセスがない）} \cr
\hline
\text{表・レイアウト保持} & \text{崩れやすい} & \text{視覚的に保持される} \cr
\hline
\text{手書き・複雑フォント} & \text{誤認識しやすい} & \text{AIが直接判断する} \cr
\hline
\text{処理速度} & \text{速い} & \text{やや遅い} \cr
\hline
\text{コンテキスト圧迫} & \text{小さい} & \text{大きい（長文書類は注意）} \cr
\hline
\end{array}
$$

画像渡しによるトークンの増加量は公式で発表されていませんが（画像にもよるため）、
参考事例として、AIエージェントが画面を画像認識しながら操作した場合、API直接処理と比べて視覚処理側のトークン消費が約45倍になったという報告もあります（Reflex社、2026年5月）。

PDF用途とは異なりますが、「画像を読む処理はコストが重い」という傾向は押さえておく価値があります。

どちらを選ぶべきか

判断の基準は「書類の品質」と「何を求めるか」によります。

$$
\begin{array}{|l|l|}
\hline
\textbf{状況} & \textbf{推奨} \cr
\hline
\text{印刷が鮮明なPDF（テキスト埋め込み済み）} & \text{OCR追加不要。テキスト抽出確認後に渡す} \cr
\hline
\text{スキャンPDF・画像PDF} & \text{画像渡しを検討} \cr
\hline
\text{金額・日付など数値の正確性が重要} & \text{渡し後に元書類と照合する} \cr
\hline
\text{長文書類の全体構造を把握したい} & \text{OCR済みテキストが有利} \cr
\hline
\end{array}
$$

どちらを選んでも、「渡した内容が正しく届いているか」を確認するステップは省けません。

ハルシネーションの原因を切り分ける

AIがおかしな回答を返してきたとき、原因は大きく3つに分けられます。

① 入力側の問題（渡し方） OCRの誤変換、画像の低解像度、書類の一部が欠けているなど。これは渡し方を変えることで改善できます。

② プロンプト側の問題（指示の曖昧さ） 前提情報が不足していると、AIはその空白を推測で埋めようとする可能性があります。「この書類を確認して」という曖昧な指示より、「第3条の支払い期日を抜き出してください」という具体的な指示の方がハルシネーションを抑えられます。

③ AI側の問題（モデルの限界） ①②を解消しても起きる誤回答は、AIのモデル特性による部分です。ここまで来てはじめて「AIのせい」と言えます。多くの場合、①か②で止まります。

ハルシネーションを抑える4つの対策

1. プロンプトに「わからない場合はわからないと答えて」と入れる

AIは答えられないと判断した場合、無理に回答を生成しようとしてハルシネーションを起こすことがあります。「不明な箇所は『不明』と返してください」と一行加えるだけで、推測による誤回答を減らせます。

2. 「この書類の情報だけを使って回答してください」と制約を加える

AIは学習データを参照して補完しようとする性質があります。
「提供された情報のみで回答し、情報が不足している場合は『提供された情報では判断できません』と明記してください」という制約を入れると、外部知識による補完を防げます。

3. 数値・日付は必ず元書類と照合する

AIの回答に含まれる数字は、渡したデータと照らし合わせて確認する習慣をつけます。特に金額・期日・固有名詞は確認必須です。

4. 同じ質問を複数回投げて一致するか確認する

回答にばらつきがある箇所は、ハルシネーションの可能性が高いと判断できます。重要な確認事項は2〜3回試して一致するかチェックするのが有効です。

「AIのせい」で終わらせない

「AIがおかしな回答を返してきた」という経験は、渡し方を変えるだけで解決するケースが想像以上に多いです。原因を「AIのせい」で終わらせてしまうと、対策の方向を間違えます。

入力の質を上げる→指示を具体化する→それでも残る誤りをAIの限界として認識する。この順番で考えると、AIとの付き合い方がかなりクリアになります。

まず一つ試せることとして、次回AIに書類を渡すときに「不明な点は不明と返してください」の一行を加えてみてください。それだけで回答の質が変わることがあります。


出典

いいなと思ったら応援しよう！