長文PDF要約をAIで正確に｜日本語の分割・プロンプト・検証術
数十〜数百ページに及ぶPDFを日本語でAI要約するには、ただファイルを貼り付けるだけでは不十分です。長文PDFを正確に要約する鍵は、(1)文書を扱える形に整える前処理、(2)目的別に使い分ける要約プロンプトの型、(3)要約の抜け漏れ・ハルシネーション（事実と異なる生成）を検知する検証の3点にあります。本記事は、契約書・行政資料・技術文書といった長文PDFを日本語で要約したいビジネス層・士業に向けて、実務で使える手順とプロンプト例を整理しました。
結論から言えば、AIによる長文PDF要約は「速さ」では人を圧倒しますが、「網羅性」と「正確性」は人が検証して初めて担保されます。AIに丸投げするのではなく、検証を前提に設計することが品質を左右します。
この記事で分かること
- 長文PDFをAIに渡す前に必要な前処理と分割の考え方
- 目的別（全体要約／章別／論点抽出／表形式整理）の要約プロンプトの型と比較
- スキャンPDF（画像）でつまずくOCR（光学文字認識）の壁と対処
- 要約の抜け漏れ・ハルシネーションを検知する検証チェックリスト
- 機密文書をAIに入力する際のセキュリティ判断の基準
長文PDF要約でつまずく3つの壁
長文PDFの要約が思うようにいかない原因は、たいてい次の3つに集約されます。プロンプトだけ工夫しても根本的な精度は上がりません。実務では、まず「どの壁に当たっているか」を切り分けるところから始めると無駄がありません。
壁1：コンテキスト長（一度に処理できる量）の上限
AIが一度に読み込めるテキスト量には上限があります。これをコンテキスト長（コンテキストウィンドウ）と呼び、トークン（語や文字を区切った処理単位）で数えます。数百ページのPDFはこの上限を超えやすく、超えた部分は無視されたり、要約から静かに抜け落ちたりします。「全部読んでくれたはず」という思い込みが、抜け漏れの最大の温床です。
壁2：スキャンPDF（画像）は文字として読めない
紙をスキャンしただけのPDFや、画像ベースのPDFは、見た目は文字でも中身は画像です。テキスト情報を持たないため、そのままではAIが文字を読み取れません。AdobeはOCR（光学文字認識、Optical Character Recognition）を「画像内の文字をコンピューターが識別し編集・検索可能なテキストに変換する技術」と説明しています（Adobe「OCRとは - テキスト認識技術」）。スキャンPDFはこのOCRを通さない限り、要約の土俵に上がれません。
壁3：要約のハルシネーションと抜け漏れ
AIは、原文にない情報をもっともらしく補ってしまうこと（ハルシネーション）があります。同時に、長文では重要条項や数値が要約から抜け落ちることも珍しくありません。契約書の金額・期限・例外条項が抜けたり、逆に存在しない条件が紛れ込んだりすれば、実務では致命的です。だからこそ要約は「生成して終わり」ではなく、原文と突き合わせる検証までを一連の作業とみなす必要があります。
主要AIの長文PDF対応スペックを正しく押さえる
どこまで一度に読めるかは、使うAIの仕様で決まります。ここは推測ではなく公式発表で確認するのが鉄則です。実務では、扱うPDFのページ数とAIの上限を照らし合わせ、分割が必要かどうかを最初に判断します。
Claude（Anthropic）のPDF仕様
AnthropicのAPIドキュメントによれば、PDFは1リクエストあたり最大600ページ（200Kトークンのコンテキストを持つモデルでは100ページ）、リクエスト全体で最大32MBという上限があります。処理方式は「各ページを画像に変換し、同時にテキストを抽出して両方を解析する」とされ、図表も含めて理解できる一方、テキスト量は1ページあたり概ね1,500〜3,000トークンを消費します（Anthropic「PDF support」公式ドキュメント）。同ドキュメントは「文字が小さく図表の多い高密度なPDFは、ページ上限に達する前にコンテキストを使い切ることがある」とも明記しており、密度の高い文書ほど分割が要る点を公式に認めています。
ChatGPT（OpenAI）のファイル仕様
OpenAIのヘルプセンターによると、ChatGPTにアップロードできるテキスト系ファイルは1ファイルあたり最大2Mトークン、ファイルサイズは最大512MBとされています。重要なのは処理方式で、大きなPDFはコンテキストに丸ごと載せるのではなく、内容から検索用のインデックスを作り、質問に関連する部分だけを取り出して回答に使う仕組みです。つまり「全文を読んで要約している」とは限らず、検索で拾えなかった箇所は要約に反映されないことがある——これは抜け漏れを考えるうえで実務上きわめて重要な性質です（OpenAI Help Center「File Uploads FAQ」）。
仕様から導く実務判断
要点は「ページ数」より「中身の密度」と「処理方式」です。条文が詰まった契約書や数表だらけの決算資料は、見た目のページ数以上にコンテキストを食います。仕様を踏まえると、長文ほど後述の分割と章別要約が現実解になります。日本語の業務文書では、日本語特化のサービスを選ぶと指示の解釈ブレも減らせます。
長文PDFを渡す前の前処理と分割
要約の質は、AIに渡す前段階でほぼ決まります。前処理を省くと、後からどんなプロンプトを工夫しても挽回しきれません。実務では次の順序で整えると安定します。
ステップ1：テキストPDFかスキャンPDFかを見分ける
まずPDF上の文章をマウスで選択（ドラッグ）してみてください。文字が選択できればテキストPDF、できなければスキャン（画像）PDFです。後者はそのままでは要約できないため、OCRでテキスト化する工程が必須になります。
ステップ2：スキャンPDFはOCRでテキスト化する
スキャンPDFは、OCRをかけて検索・編集可能なテキストに変換します。Adobe Acrobatはこの変換機能を標準で備えています（Adobe「PDF OCR機能の使用方法」）。ただしOCRは万能ではなく、かすれた印字・手書き・複雑なレイアウトでは誤認識が起こります。OCR後は、固有名詞や数値が正しく変換されているかを軽く目視し、明らかな文字化けは直してからAIに渡すのが安全です。紙書類のデジタル化を体系的に進めたい場合は、ペーパーレス化の進め方もあわせて参照してください。
ステップ3：長すぎる文書は章・節で分割する
コンテキスト上限を超える、あるいは密度が高い文書は、目次や見出しを手がかりに章・節単位で分割します。分割の原則は「意味のまとまりで切る」こと。ページ数で機械的に切ると、文の途中や条文の途中で分断され、かえって精度が落ちます。各章を個別に要約してから、最後に章別要約を束ねて全体像を作る二段構えが、長文では最も安定します。元のPDFファイルの保管・共有方法に迷う場合は、クラウドストレージの比較も参考になります。
目的別・要約プロンプトの型
「要約して」だけでは、AIは何をどう削るか判断できず、当たり外れが大きくなります。実務では、目的に応じて4つの型を使い分けると安定します。まずは型の違いを俯瞰しましょう。
型 | 目的 | 向く文書 | 出力イメージ |
|---|---|---|---|
全体要約 | 短時間で大意を掴む | 報告書・白書 | 300〜500字の概要 |
章別要約 | 構成を保ったまま把握 | 長文資料・マニュアル | 章ごとの箇条書き |
論点抽出 | 意思決定の材料を絞る | 契約書・提案書 | 論点・リスクの一覧 |
表形式整理 | 条件を比較・確認する | 契約書・規程 | 項目×内容の表 |
型1：全体要約プロンプト
大意を素早く掴みたいときの基本形です。文字数と読み手を指定すると精度が安定します。
あなたは日本語の業務文書に精通した編集者です。以下のPDFの内容を、初見の担当者向けに400字程度で要約してください。専門用語は初出で簡潔に補足し、原文にない情報は決して追加しないでください。判断できない箇所は「原文に明記なし」と書いてください。
型2：章別要約プロンプト
長文の構成を崩さず把握したいときに使います。見出し単位で区切らせるのが要点です。
以下の文書を章（見出し）ごとに要約してください。各章は「見出し名／要点3つ以内（箇条書き）」の形式で出力し、章の順序は原文どおりにしてください。要点は原文の記述のみを根拠とし、推測や補完は行わないでください。
型3：論点抽出プロンプト
契約書や提案書から、判断に効く論点だけを取り出したいときの型です。
以下の契約書から、当方にとって確認・交渉が必要な論点を抽出してください。各論点について「該当箇所（条番号）／内容／想定リスク」を表で示してください。金額・期限・解除・責任に関する条項は漏れなく拾ってください。該当がない項目は「記載なし」と明記してください。
型4：表形式整理プロンプト
条件や数値を一覧で突き合わせたいときに有効です。
以下の文書から、契約条件を「項目」「内容」「根拠条番号」の3列の表に整理してください。対象項目は、契約期間・金額・支払条件・解除条件・損害賠償・秘密保持です。原文に記載がない項目は内容欄に「記載なし」と入れ、勝手に推定しないでください。
要約の抜け漏れ・ハルシネーションを検証する
長文要約で最も省略されがちで、最も重要なのが検証です。AIの要約はそのまま信じず、原文と突き合わせて確かめる前提で扱います。実務では、以下のチェックリストを定型作業にすると事故が激減します。
検証チェックリスト
- 数値・固有名詞の照合：金額・日付・期間・人名・社名を原文と1つずつ突き合わせる。
- 重要条項の網羅確認：解除・責任・期限など外せない項目が要約に含まれているか確認する。
- 根拠の明示要求：要約の各項目に該当箇所（条番号・ページ）を併記させ、原文に当たれる状態にする。
- 否定・例外の見落とし確認：「〜しない」「ただし〜を除く」といった例外が反転・脱落していないか確認する。
- 分割漏れの確認：分割要約の場合、扱った章数と原文の章数が一致しているか数える。
検証を助けるプロンプトの工夫
検証の手間は、生成時の指示で減らせます。要約の各文に根拠箇所を併記させ、判断できない箇所を「原文に明記なし」と書かせるだけで、抜け漏れとハルシネーションの両方が見つけやすくなります。逆引きの確認も有効です。
先ほどの要約について、各項目の末尾に根拠となる条番号またはページ番号を（ ）で付記してください。原文中に該当が見つからない項目は「根拠なし」と明記してください。
「根拠なし」と返ってきた項目は、ハルシネーションの可能性が高い要注意箇所です。人の最終確認は省けませんが、当たりをつける効率は大きく上がります。
機密文書をAIに入力するときのセキュリティ判断
契約書や行政資料には、個人情報や営業秘密が含まれます。これらをAIに入力してよいかは、ツールの利便性とは別に必ず判断すべき論点です。実務では「入力可否」を組織のルールとして決めておくのが望ましい運用です。
個人情報保護委員会の注意喚起を踏まえる
個人情報保護委員会は2023年6月2日、生成AIサービスの利用に関する注意喚起を公表しています。そこでは、個人データをプロンプトとして入力する際は、その利用が取得時に特定した利用目的の範囲内であることを確認する必要がある、と示されています（個人情報保護委員会「生成AIサービスの利用に関する注意喚起等について」）。要配慮個人情報の取り扱いにはより慎重な配慮が求められます。要約の便利さに引きずられて、無条件に何でも入力してよいわけではない、という前提を持つことが出発点です。
入力前に確認すべき3点
- 学習利用の有無：入力データがAIの学習に使われない設定・契約になっているかを確認する。
- 利用目的との整合：その個人データの当初の利用目的の範囲に、AI要約が収まるかを確認する。
- マスキングの検討：要約に不要な氏名・住所などは、入力前に伏せ字に置き換える運用を検討する。
判断に迷う高機密文書は、AIに入れず人が要約する選択も正解です。AIは便利ですが、入力可否の最終判断は人が担います。業務効率化AIを安全に取り入れる全体像は、業務効率化AIの活用ガイドで体系的に解説しています。
長文PDF要約を実務に定着させる手順
ここまでの内容を、日々の業務に落とし込む手順としてまとめます。定型化すれば数分の作業になります。
標準フローの例
- PDFの種別を判定し、スキャンPDFはOCRでテキスト化する。
- 密度・分量を見て、必要なら章・節で分割する。
- 目的に合う型（全体／章別／論点／表形式）でプロンプトを選ぶ。
- 機密性を確認し、入力可否とマスキングの要否を判断する。
- 生成後、検証チェックリストで原文と突き合わせる。
このうち、判定・分割・検証は人が担い、要約そのものをAIに任せる——この役割分担が、速さと正確さを両立させる現実的な落としどころです。士業AIは日本語の業務文書に強く、メール作成や議事録整理など要約以外の定型業務にも使えるため、文書まわりの作業をまとめて効率化できます。
よくある質問（FAQ）
数百ページのPDFも一度に要約できますか？
AIのコンテキスト長や処理方式に依存します。Anthropicの公式仕様では1リクエスト最大600ページ（一部モデルは100ページ）ですが、文字が詰まった文書はページ上限前に容量を使い切ることがあります。確実を期すなら、章・節で分割し、章別要約を束ねる方法が安定します。
スキャンしたPDFが要約できません。なぜですか？
スキャンPDFは中身が画像で、文字情報を持たないためです。OCR（光学文字認識）でテキスト化してからAIに渡してください。OCRは誤認識もあるため、変換後に数値や固有名詞を軽く目視確認すると安全です。
要約に抜けや誤りがないか不安です。どう確かめますか？
本記事の検証チェックリストに沿って、数値・固有名詞・重要条項・例外規定を原文と突き合わせてください。要約の各項目に根拠（条番号・ページ）を併記させると、抜け漏れとハルシネーションを効率よく発見できます。
契約書をAIに入力しても問題ありませんか？
機密性次第です。個人情報保護委員会は、個人データの入力が当初の利用目的の範囲内かを確認するよう求めています。入力データが学習に使われない設定かを確認し、不要な個人情報はマスキングするのが安全です。高機密文書は人が要約する選択も検討してください。
日本語の長文PDF要約に向いたツールは？
日本語の業務文書を正確に扱えること、機密入力時のセキュリティ方針が明確なことが選定基準です。士業AIは日本語特化で業務文書に強く、クレジットカード不要・メール登録のみで無料で試せます。
