AIがPDFの2段組みを読み違える2026｜段組み資料の読み順ミスを直す5つの手順

学会論文や行政の報告書をAIに読ませたところ、要約は流暢なのに中身が原文とずれている。引用させた一文が、実際にはPDFのどこにも存在しない。2段組みの資料を扱うと、こうした現象がよく起きます。

結論から言うと、これはAIの読解力の問題ではありません。AIに届く前の「テキスト抽出」の段階で、左の段と右の段が交互に混ざった文章列に変わってしまっているのが原因です。原因の場所が違うため、プロンプトをいくら丁寧にしても改善しません。

なぜAIは2段組みPDFの読み順を間違えるのか

PDFは「文章」ではなく「配置」を記録している

多くの方が誤解しがちですが、PDFの内部には段落のつながりという情報がほとんど入っていません。記録されているのは「この文字を、このページのこの座標に、この大きさで置く」という指示の集まりです。人間はページを見た瞬間に段組みを認識しますが、機械にとっては座標付きの文字が散らばっているだけです。

そのため抽出ツールは、座標をもとに読み順を推測します。多くのツールは上から下、左から右という順で文字をつないでいきます。1段組みならこれで正しく復元できます。ところが2段組みでは、同じ高さに左段の文と右段の文が並んでいます。素直に横方向でつなぐと、左段の一行の次に右段の一行が来る形になり、二つの別々の文章が一行ごとに交互に編み込まれた状態になります。

段抜きの図表・脚注が列の境界を壊す

実務の資料はさらに複雑です。ページの中央に段をまたいだ図表が入る、下部に脚注が横一列で入る、左右にヘッダーやページ番号が入る。こうした要素は段組みの規則から外れています。抽出ツールが段の境界を推定する手がかりが途切れるため、そのページだけ読み順が崩れることがあります。

やっかいなのは、崩れ方がページごとに違う点です。全ページが同じように壊れていれば気づきやすいのですが、10ページ中3ページだけ混ざっているという状態が起きます。冒頭を確認して問題なしと判断すると、そのまま見落とします。

読み順が崩れているときのサイン

文がねじれる、主語と述語が合わない

最もわかりやすいのは、抽出テキストを直接見たときの違和感です。文の途中で話題が飛ぶ、助詞の後に無関係な語が続く、句点のない行が延々と続く。こうした状態は交互混入を強く示しています。AIの出力ではなく、AIに渡す前のテキストを見るのが確実です。

要約は自然なのに、引用が原文に見つからない

見落としやすいのはこちらです。AIは壊れた入力を受け取っても、それらしい文章を組み立てて返してきます。読み順が混ざった二つの話題をつなげて、もっともらしい一文にしてしまう。出力だけを見ると自然なので、検算しない限り気づけません。

そこで有効なのが、要約に必ず原文の引用を添えさせる方法です。引用した文字列をPDF側で検索し、そのまま見つかるかどうかを確認します。見つからない引用が出てきたら、読み順が崩れている可能性が高いと判断できます。

読み順ミスを直す5つの手順

手順1 AIに渡す前に抽出テキストを目視する

まず、PDFをそのままAIに投げるのをやめます。抽出したテキストを一度ファイルとして書き出し、冒頭・中間・末尾の3か所を目で確認します。全文を読む必要はありません。段組みの崩れは数行見れば判別できます。この確認を挟むだけで、後工程の手戻りが大きく減ります。

手順2 段組みを解除して1カラムに変換する

崩れが見つかったら、抽出のやり方を変えます。段組みのレイアウトを認識して段ごとに順序を組み直す機能を持つツールを使うと、左段を最後まで読んでから右段に移る正しい順序を復元できます。レイアウト解析に対応した文書処理ツールは複数あるため、扱う資料の形式に合うものを選んでください。なお、そもそも添付したPDFの中身が読まれていないケースは原因が別にあります。AIが添付PDFの内容を読んでくれないときの対処も併せてご確認ください。

手順3 ページ単位・セクション単位に分割して渡す

100ページの資料を一度に渡すと、どのページで崩れたのかを追えなくなります。章やページの単位に分けて渡すと、問題の箇所を特定しやすくなります。分割した各断片には、元のページ番号を見出しとして付けておきます。後から原文に戻る作業がしやすくなります。

手順4 図表・脚注は本文と切り離して扱う

段をまたぐ図表や脚注は、本文の流れに混ぜないでください。本文だけを抽出したテキストと、図表・脚注を別に切り出したテキストの2本立てにします。本文の読み順が安定するうえ、図表の数値を本文と取り違える事故も防げます。

手順5 出力に原文照合のキーを必ず持たせる

最後に、AIの出力形式を固定します。要約や抽出結果には、必ず根拠となる原文の一文と、そのページ番号を添えさせます。そのうえで、添えられた一文をPDF内で検索して実在するかを確認します。この照合は機械的にできるため、担当者の読解力に依存しません。

この5つは、精度を上げる工夫ではなく、間違いに気づける状態を作る工夫です。抽出の精度は資料の作りに左右されるため、完全にはできません。気づける仕組みを先に用意するほうが、結果として確認時間は短くなります。

ツールを選ぶときに見るポイント

文書処理のAIツールを選ぶ際は、次の3点を確認してください。第一に、レイアウト解析に対応しているか。単純なテキスト抽出だけのツールでは、2段組みの問題は解決しません。第二に、抽出した中間テキストを人間が確認できる形で取り出せるか。中身が見えないと、手順1の目視確認ができません。第三に、ページ番号などの位置情報を保持できるか。原文照合の作業に必要です。

まずは手元の資料を数本試し、抽出テキストの段階で崩れがないかを比べるのが確実です。AIツールランキングや比較記事も、候補を絞り込む際にご活用ください。

まとめ

2段組みPDFの読み違いは、AIの理解力ではなく、その手前のテキスト抽出で読み順が入れ替わることが原因です。プロンプトの調整では直りません。

対処の要点は5つです。渡す前に抽出テキストを目視する。段組みを解除して1カラム化する。ページ単位に分割する。図表と脚注を本文から切り離す。出力に原文照合のキーを持たせる。

特に効果が大きいのは、手順1の目視確認と手順5の照合です。この2つを運用に組み込むだけで、気づかないまま誤った要約を使ってしまう事故はほぼ防げます。読み順が崩れる前提で仕組みを組む。これが段組み資料をAIで扱うときの基本になります。