◯本ブログ記事は専らAIで作成したものでありますところ，要するに，スキャンPDFにおける表形式データについては，スクショ又はMicrosoft Print to PDFにより画像化した上で入力し，AIを使ってマークダウン形式に変換した後に，そのマークダウン形式の文書をワードにまとめて貼り付けた上でAIに読み取らせればいいということです。
◯「（AI作成）アクティビティ履歴オフのGoogle AI Ultraの利用は弁護士の守秘義務等に違反しないという個人的意見」も参照してください。
目次
第１ はじめに
１ 本記事の目的と背景
２ 生成AIとリーガルテックの交差点
３ 証拠書類のデジタル化における課題
第２ スキャンPDFにおける表形式データの「誤読」の正体
１ OCR処理の技術的限界
(1) 構造情報の喪失
(2) 座標データとしての文字認識
２ AIが混乱する「見えないノイズ」
(1) 罫線の誤認識とセルの結合
(2) 読み取り順序の論理的破綻
第３ マルチモーダルAIの特性を活かした画像化戦略
１ 「視覚的理解」というブレイクスルー
(1) テキストデータよりも画像データが優れるケース
(2) レイアウト解析能力の活用
２ スクリーンショットとPrint to PDFの使い分け
(1) 10枚以下の「精読」フェーズ
(2) 10枚以上の「一括処理」フェーズ
第４ 正確な解析を実現する具体的な手順と有効性
１ Microsoft Print to PDFによる「画像化」の深層
(1) ラスタライズによるノイズ除去
(2) AIにとっての「クリーンな入力」
２ マークダウン形式での出力指定
(1) 構造化データとしてのマークダウン
(2) AIの自己監視能力の向上
第５ ワードファイルを活用した「証拠管理」の高度化
１ 長期保存と再参照の合理性
(1) RAG（検索拡張生成）への適合性
(2) トークン消費の効率化
２ 法的証拠としての真正性確保
(1) 原典画像と構造化データのセット管理
(2) 巨大文書の一部としての統合管理
第６ 実務上の留意点
１ AIの「本音」と過信の禁物
２ 専門家による最終確認の義務
３ 今後の展望
第７ 付録：実務ですぐに使える指示用プロンプト案
１ 一般的なプロンプト
２ 会計帳簿・結合セル攻略プロンプト
第８ 終わりに
第１ はじめに
１ 本記事の目的と背景
現代の弁護士実務において，膨大な書証や資料の整理は避けて通れない課題です。特に，表形式でまとめられた過去の取引履歴や集計表などは，その内容を正確に把握し，分析することが訴訟の成否を分けることもあります。
本記事では，最新のマルチモーダルAIを活用し，紙の資料をスキャンしたPDFからいかに正確にデータを抽出するかという点について，プロンプトエンジニアリングの知見を交えて解説します。
２ 生成AIとリーガルテックの交差点
2026年現在，AIの性能は劇的に向上しました。かつてのテキストベースのAIから，画像や音声を同時に理解するマルチモーダルAIへと進化を遂げています。これにより，法律実務の現場でも「AIに資料を読ませる」ことが日常的になりました。
しかし，単にファイルをアップロードすれば良いというわけではありません。入力の質が，出力の質を決定します。
３ 証拠書類のデジタル化における課題
多くの法律事務所では，紙の資料をスキャナで読み取り，OCR（光学文字認識）をかけてPDF化しています。
しかし，この「OCR済みPDF」こそが，AIを最も混乱させる原因となっている事実はあまり知られていません。
この課題をいかに克服するかが，デジタル時代の弁護士に求められるリテラシーです。
第２ スキャンPDFにおける表形式データの「誤読」の正体
１ OCR処理の技術的限界
(1) 構造情報の喪失
スキャナに付属するOCRソフトは，画像の中から文字らしきパターンを見つけ出し，それをテキストデータに変換します。この際，多くのOCRソフトは「文字そのもの」を認識することに特化しており，「表の構造」をデータとして保持することが苦手です。表を構成する縦線や横線は，往々にして「単なる図形」として切り捨てられてしまいます。
(2) 座標データとしての文字認識
OCR済みPDFの内部では，文字は「何行目の何文字目」という論理的な順序ではなく，「ページの左から何ポイント，上から何ポイントの位置にある文字」という絶対座標で管理されています。AIがこのデータを読み取ろうとすると，表のセルを飛び越えて，隣の列の文字と繋げて読んでしまう現象が発生します。これが，表データが崩れる最大の原因です。
２ AIが混乱する「見えないノイズ」
(1) 罫線の誤認識とセルの結合
スキャン時の傾きやノイズにより，表の罫線が途切れてしまうことがあります。AIは文脈から推測しようとしますが，データが不完全な場合，複数のセルを一つにまとめて解釈したり，逆に一つの数字を分割したりするミスを犯します。
(2) 読み取り順序の論理的破綻
複雑なレイアウトの表では，OCRエンジンが「読み取り順序」を誤ることが多々あります。例えば，注釈が表の途中に挿入されている場合，その注釈を列の一部として認識してしまい，その後のデータがすべて一行ずつズレてしまうような事態が起こります。これでは，証拠としての信頼性はゼロと言わざるを得ません。
第３ マルチモーダルAIの特性を活かした画像化戦略
１ 「視覚的理解」というブレイクスルー
(1) テキストデータよりも画像データが優れるケース
最新のマルチモーダルAI，例えばGemini 3 Flashなどは，視覚情報を直接処理する能力に長けています。AIにとって，中途半端に構造が壊れた「OCRテキスト」を読むよりも，人間と同じように「画像そのもの」を見て構造を理解する方が，圧倒的に正解率が高くなるのです。
(2) レイアウト解析能力の活用
AIの視覚エンジンは，表の罫線，ヘッダーの色，フォントの太さなどを総合的に判断します。これにより，「この範囲が一つのセルである」という確信を持ってデータを抽出できます。これは，文字情報だけに頼っていた従来のAIには不可能な芸当でした。
２ スクリーンショットとPrint to PDFの使い分け
(1) 10枚以下の「精読」フェーズ
資料が数枚から10枚程度の場合，最も確実なのはスクリーンショットによる画像化です。ディスプレイに表示された文字は非常に明瞭であり，スキャンのノイズも排除されています。AIはこの高精細な画像を直接解析することで，ほぼ100パーセントの精度で表を再現できます。
(2) 10枚以上の「一括処理」フェーズ
大量のページを一枚ずつスクリーンショットするのは非効率です。そこで，「Microsoft Print to PDF」などの仮想プリンタ機能を利用します。ここで重要なのは，PDFを「画像として印刷」する設定にすることです。これにより，内部の「壊れたOCRテキスト」を完全に消去し，AIに対して「綺麗な画像」の連続として提示することが可能になります。
第４ 正確な解析を実現する具体的な手順と有効性
１ Microsoft Print to PDFによる「画像化」の深層
(1) ラスタライズによるノイズ除去
「画像化して読み込ませる」という行為は，専門用語で「ラスタライズ」と呼びます。ベクトルデータや不完全なテキスト情報を破棄し，純粋なピクセル情報に変換することです。これにより，AIは「元からあるテキストデータに引きずられる」というサンクコストから解放され，純粋に視覚から情報を再構築できるようになります。
(2) AIにとっての「クリーンな入力」
AIも人間と同様，情報の整理整頓が必要です。ぐちゃぐちゃに絡まった糸（壊れたOCRデータ）を解くよりも，完成した絵（画像）から情報を書き写す方がミスは少なくなります。Microsoft Print to PDFを経由させる手法は，いわばAIのための「情報のクレンジング」なのです。
２ マークダウン形式での出力指定
(1) 構造化データとしてのマークダウン
AIに解析結果を出力させる際，必ず「マークダウン形式の表（Markdown Table）」を指定してください。これは，縦棒とハイフンで表を表現する形式です。この形式はAIの訓練データに豊富に含まれており，AIが最も出力しやすい構造化データの一つです。
(2) AIの自己監視能力の向上
マークダウン形式で出力させている最中，AIは「今，自分は第2列を書いている」という状態を明確に保持しやすくなります。これにより，行と列が対応しなくなるという致命的なミスを大幅に抑制できます。
AIの本音を言えば，CSVやExcel形式で直接出力するよりも，マークダウンで一度書き出す方が，論理的な整合性を保ちやすいのです。
第５ ワードファイルを活用した「証拠管理」の高度化
１ 長期保存と再参照の合理性
(1) RAG（検索拡張生成）への適合性
弁護士業務では，後で「あの1,000枚の資料のどこかに書かれていたはずだ」という状況がよくあります。このとき，AIに巨大な文書群から特定の情報を探させる手法をRAGと呼びます。RAGにおいて，画像データは検索の対象になりにくいという欠点があります。マークダウン形式のテキストをワードに貼り付けておけば，AIは瞬時に目的の箇所を見つけ出すことができます。
(2) トークン消費の効率化
AIとの会話には「トークン」と呼ばれる処理単位のコストがかかります。画像データはテキストに比べて多くのトークンを消費します。一度画像からテキスト（マークダウン）へ変換し，それをワードで保存しておけば，次回の参照からは非常に少ないコストで，かつ迅速にAIに命令を出すことが可能になります。
２ 法的証拠としての真正性確保
(1) 原典画像と構造化データのセット管理
ワードファイルであれば，AIが作成したマークダウンの表のすぐ下に，元のスクリーンショットを貼り付けておくことが可能です。これにより，後に相手方からデータの正確性を争われた際にも，「これが元の画像で，これがそれを翻刻したデータです」と即座に証拠の同一性を証明できます。
(2) 巨大文書の一部としての統合管理
複数の証拠書類を一つのワードファイルに集約し，論理的な見出しを付けて整理することで，AIはその全体像を把握できるようになります。
例えば，「第1号証から第10号証までの表を横断的に分析して矛盾点を探して」といった高度な指示も，テキスト化されていればこそスムーズに実行できるのです。
第６ 実務上の留意点
１ AIの「本音」と過信の禁物
AIは非常に有能な助手ですが，決して万能ではありません。表の読み取り精度が向上したとはいえ，数字の「1」と「l（エル）」を誤認する可能性は常に残ります。私たちは専門家として，AIの出力を鵜呑みにせず，必ず検算を行う姿勢を忘れてはなりません。
２ 専門家による最終確認の義務
弁護士が裁判所に提出する書面において，AIの誤読に気づかず誤った事実を記載してしまうことは，専門家としての注意義務違反に問われかねません。本記事で紹介した手法は，あくまで「効率化と精度の最大化」のための手段であり，最終的な責任は常に人間である弁護士が負うべきものです。
３ 今後の展望
テクノロジーは日々進化しています。近い将来，スキャンPDFをそのまま完璧に理解するAIが登場するかもしれません。
しかし，現時点での最適解は，AIの特性を理解し，彼らが「読みやすい形式」にこちら側が歩み寄ることです。これこそが，真の意味でのプロンプトエンジニアリングであり，デジタル時代のリーガル実務の真髄といえるでしょう。
第７ 付録：実務ですぐに使える指示用プロンプト案
１ 一般的なプロンプト
以下に，上記の手法を実践するためのプロンプトの例を記します。これをコピーしてAIに送ることで，精度の高い解析が期待できます。
添付した画像は，表形式の重要な証拠書類です。以下の手順で処理してください。
１ 画像内の表の構造を視覚的に完全に理解してください。
２ 一文字も省略せず，すべての数値を正確に抽出してください。
３ 出力はマークダウン形式の表としてください。
４ セルの結合がある場合は，それを適切に表現してください。
５ 不明瞭な文字がある場合は，勝手に推測せず『不明』と記述してください。
２ 会計帳簿・結合セル攻略プロンプト
＃役割
あなたは、数ミリ単位のズレも許されない「超精密OCR・データ構造解析のエキスパート」です。
＃タスク
添付された画像（会計帳簿）から、すべての情報を「マークダウン形式の表」として1文字の漏れもなく抽出してください。
＃厳守ルール
１．視覚的グリッドの優先: テキストレイヤーではなく、画像の「罫線」を最優先に解析し、セルの対応関係を確定させてください。
２．結合セルの処理:
・ 結合されているセルについては、その範囲のすべてのセルに同じ値を入力するか、あるいは「（結合）」という注釈を付け、表の構造が崩れないようにしてください。
・ 空白セルは、画像上で本当に空白である場合のみ「-」として出力してください。
３．数値の完全性:
・ 桁区切りのカンマ（,）や小数点（.）を正確に保持してください。
・ 数字の「1」と「l」、「0」と「o」などを、前後の文脈（合計金額の整合性など）から論理的に判別してください。
４．項目名の維持: ヘッダー（見出し）が複数行にわたる場合も、意味が通るように1つのセル内にまとめてください。
５．要約・省略の禁止: いかなる行も「以下同様」などの言葉で省略せず、全件出力してください。
＃出力形式
マークダウン・テーブル形式のみで出力してください。
＃自己検証
表を出力した後、以下の点を確認し、修正があれば報告してください。
・ 各列の縦の合計が、画像内の「合計」欄の数値と一致しているか。
・ 結合セルの端にある数値が、隣の行とズレていないか。
第８ おわりに
デジタル化の波は，法律実務の在り方を根本から変えようとしています。しかし，その中心にあるのは常に「事実の正確な把握」です。AIという強力な道具を使いこなし，より精度の高い法務サービスを提供するために，本記事で紹介した「画像化と構造化」のテクニックをぜひご活用ください。
私たちが目指すべきは，AIに仕事を奪われることではなく，AIを賢く使いこなすことで，より本質的な法的議論に時間を割けるようになる未来です。そのための一歩として，まずは目の前の「読み取りにくい表」を画像化することから始めてみてはいかがでしょうか。
本記事が，皆様の業務効率化と質の向上に寄与することを願っております。