AIでPDFから表・数値を抽出する方法｜抜けや誤読を確認する

PDFから表や数値を取り出すときは、抽出前に対象ページ・列・単位・出力形式を決め、結果を元PDFへ照合します。「文字を読み取れた」ことと、「行列の対応、数値、単位、合計まで正しく整理できた」ことは別の確認です。請求・契約・会計など影響の大きい数値は、AIの抜き取り結果だけで確定しないでください。

文字を選択できるPDFでも、複数段組、結合セル、注記、桁区切りで列の対応が崩れる場合があります。スキャンPDFや画像の表はOCRで誤読する可能性があり、OpenAI公式Helpも画像化された表や複雑な視覚レイアウトから正確な値を 安定して抽出できないことがあると案内しています。正確さが必要なら、元のExcelやCSVが提供されていないか先に確認します。

抽出前に入力と出力を決める

表は横にスクロールできます

決めること	例	確認する理由
PDFの種類	テキスト選択可能 / scan画像	OCRや画像認識が必要か
対象範囲	page 12、表「年度別売上」	別表や注記を混ぜない
必要列	年度、売上、利益率	不要な列を出さず照合しやすくする
値の形式	通貨、%、小数点、負数	数値の意味や単位を保持する
出力schema	列名、型、page番号	取り込み後の検証を可能にする
合計の扱い	明細、subtotal、total	二重集計を防ぐ

複数の表が一つのページにある場合は、見出しや表番号を指定します。脚注の定義や「単位：千円」の表示が別の位置にあるなら、それも出力へ含めるようにしてください。PDFの表示値を数値へ変換する場合は、カンマ、小数点、括弧付き負数、通貨記号をどう扱うかを先に決めます。

そのまま使える抽出依頼

PDFの[ページ番号 / 表名]から、指定した列だけを抽出してください。

列名と型: [年度:string、売上:number、利益率:percent など]

すべての行に元PDFのpage番号を付けてください。

単位、通貨、小数点、負数、脚注、空欄を保持してください。

読めない値や列の対応が曖昧なセルは推測せず「要確認」としてください。

明細行、subtotal、totalは別の種別にし、勝手に合算しないでください。

抽出後に行数・列数・合計値を元表と照合し、不一致を報告してください。

対象:

表名:

必要列:

出力形式:

単位:

除外する範囲:

「見えない値を推測で埋めない」「分からないセルの位置を残す」「原文ページを付ける」を明記すると、確認対象が一覧になります。出力をCSVへ移す予定でも、最初は列名のある表で値を読み、変換後に列の型や桁が変わっていないか確かめます。

抜け・誤読を見つけるQA

表は横にスクロールできます

確認箇所	具体的な見方	不一致があった場合
行と列	先頭・中央・末尾、空欄の位置	元PDFの見出しと対応を再確認
数値	最大値、0、負数、小数点	拡大して文字と桁を再確認
単位	円/千円、%、期間、通貨	元の注記に戻って値を再解釈
Completeness	元表の行数・列数	欠落行や不要行の混入を探す
subtotal/total	明細合計との一致	二重計上や集計範囲を確認
Source位置	page番号、表名、row	重要セルの前後を原文で読む

サンプル確認でよいか、全件検算が必要かは用途と失敗時の影響で決めます。業務で使う全件の数値を登録するなら、数件のspot checkだけで完了とせず、合計・件数・制御値などを使って全体の整合性を確認してください。サンプル方式を選ぶ場合は、確認対象の選び方と未確認範囲を記録します。

PDFの種類別に確認量を変える

テキストを選択できる表は、まず列名・行数・単位・合計を確認します。scan画像では、小数点と桁区切り、0と8、1と7、マイナス記号、上下付き文字に注目し、重要な値を原文で照合します。結合セルやページをまたぐ表では、見出しが各行に正しく引き継がれたかを確認してください。

表は横にスクロールできます

見つかった問題	起きやすい状況	次にすること
0が欠落値に変わる	OCR、空欄とゼロの見た目が近い	原文と集計結果を照合し、0/空欄を分ける
マイナスが消える	罫線や注記と重なる	該当セルを拡大し符号を確認
数値が隣列へ移る	複数段組、結合セル	列見出しとセル位置で再構成
totalが合わない	小数点、対象外行、重複	元行、単位、subtotalの範囲を確認
ページ後半が抜ける	長い表、複雑なlayout	ページ単位に区切って別々に抽出

Adobe AcrobatにはPDFをExcel形式へ変換する機能があります。変換後も、変換機能が表の意図や集計範囲を保証するわけではありません。原文と変換表の行列・注記を照合し、誤りがある場合は元表へ戻って修正します。AIのvisual retrievalや変換対応はツール・ファイル・プランで異なるため、現在利用する機能の公式条件を確認してください。

数値を使う前の簡単な検算例

架空の表に「売上：1,200」「返品：150」「純売上：1,050」とある場合、抽出された3値と単位を元ページで確かめ、1,200 − 150 = 1,050の関係も検算できます。差があれば、いずれかの数字をAIに補正させず、原文の注記や対象期間、返品の計上方法へ戻ります。この例は照合方法を説明するためのものです。

行数や合計値が一致しても、個々の明細の列ずれがないとは限りません。表全体の制御値を確認した後、利用目的に合わせて重要セルを個別に検証します。元PDFへ戻れない場合は、出力を確定値として使わず、該当箇所の再取得を依頼してください。

抽出のやり直し方

表は横にスクロールできます

問題	やり直す範囲	変更点
表の選択を間違えた	対象ページ・表だけ	表名や見出しを追加
列がずれた	数行の例で小さく試す	必要列と型を明示
OCRで値が読めない	該当ページ・セル	高解像度原本やテキスト版を確認
合計が合わない	明細と集計範囲	subtotal・totalの種別を分離
結果の一部が欠ける	表をページ単位に分割	入力範囲と最終行を明示

同じ指示を長くするより、どの表・列・ページで失敗したかを特定して該当部分だけ再抽出します。修正時に列名や条件を変えた場合は、出力形式と最初の合計値をもう一度検査します。

個人情報・業務データの扱い

PDFに顧客名、個人情報、契約条件、未公開の財務情報が含まれる場合は、アップロードしてよい環境か組織の規則で確認します。抽出に不要なページや列を共有せずに済むなら、事前に削除・マスキングします。マスキング後も識別できる組み合わせが残る場合があるため、必要な範囲だけを扱ってください。

AIものさしの判断

文字を選べるPDFなら、必要列とschemaを固定し、元表の行数・合計・単位から確認します。scanや複雑な表は誤読しやすいため、重要な数値を元ページと照合し、正確性が必要なら元Excel/CSVを優先します。抽出結果がきれいに整っていることだけで採用せず、抜け・列ずれ・単位違いが解消するまで「要確認」を残してください。

抽出結果を機械処理へ渡すとき

次工程が集計や登録なら、表の見た目だけでなく、各列の型と欠損表現を決めます。例えば売上を数値、単位を別欄、PDFページを整数、読めないセルをnullではなく確認状態として保持する方法があります。業務側が空欄とゼロを区別するなら、AIへもそのルールを伝えてください。画面上の「—」がゼロ、対象外、欠損のどれなのかは表の注記や定義を確認しないと決められません。

表は横にスクロールできます

page	row_key	年度	売上	単位	抽出状態
12	2024	2024	1200	千円	要照合
12	2025	2025	1350	千円	原文一致

上の値はschemaを示すための架空例です。実際の抽出時は、元表にないrow_keyを生成する場合もその規則を残し、元PDFの行を特定できる情報を併記します。表をデータベースへ入れる前に、列名、型、単位、重複キー、空欄の扱いを担当者と照らしてください。

全件照合が必要なケース

表は横にスクロールできます

用途	確認方法の考え方
社内の概況を見る	件数・合計・単位を確認し、代表行を照合する方法を検討
会計・支払へ使う	利用規則に従って明細やtotalを全件検証する
契約条項を判断する	条項の引用箇所と前後を原文で照合する
複数ページを一表にする	ページ境界、繰返し見出し、続き行を確認する
後続システムへ自動登録する	登録前に人の承認・重複検査・取消手順を置く

この表はリスクを整理するための目安であり、組織の会計・法務・情報管理ルールに代わるものではありません。自動登録の要件が不明なら、抽出結果を下書きに留めて担当部門へ確認してください。

完了前の確認

• 元PDFと出力のpage、表名、列名が対応している。

• 行数、列数、単位、脚注が保持されている。

• 0、空欄、マイナス、小数点の扱いが明示されている。

• totalやsubtotalの範囲が分かり、二重集計がない。

• 重要値から原文位置へ戻れ、確認者と状態が残っている。

項目を確認できない場合は、未確認の値を確定値として下流へ渡さず、元資料を取り直します。

抽出後は、利用目的に応じて承認担当を明示し、確認前のデータと確定済みのデータが混ざらない場所へ保存してください。不一致が残る行は、元PDFの位置と再確認する担当をセットで記録します。未確定行を後工程で見落とさないためです。確認日も残します。

差し戻しが必要な場合は、該当セルだけでなく同じ抽出条件で作った行にも同種のずれがないか確認します。単発の誤読か、列全体の位置ずれかを分けると、修正範囲を過不足なく決められます。