AIを使ってドキュメントを分析する方法 — PDF・Word・Excelの要約と抽出

前提条件と、この手順でできること

この記事では、ClaudeまたはChatGPTのWeb版・アプリ版にPDF、Word、Excelファイルをアップロードし、要約・情報抽出・複数ファイル比較を行う手順を扱います。必要なのは各サービスのアカウントと、対象ファイルへのアクセス権だけです。所要時間はファイルの分量とページ数次第ですが、数十ページ程度のPDF1件であれば、アップロードから要約の初稿まで体感で数分というケースが多いです。ここでの「数分」はファイルサイズや混雑状況で変わる目安であり、保証値ではありません。

前提として、Claude・ChatGPTのどちらも扱えるファイルサイズやページ数に上限があります。上限は各社の更新が比較的速いため、大容量ファイルを扱う前に公式ドキュメントで現行の制限を確認してください。関連して、モデルごとの向き不向きはChatGPT・Gemini・Claudeの使い分けを比較した記事でも扱っています。

PDFを要約・抽出させる手順

ファイルのアップロードと質問文の書き方

ChatまたはClaudeの入力欄にPDFをドラッグ&ドロップし、「何を」「どの形式で」出力してほしいかを具体的に書きます。「要約して」だけでは見出し単位の粒度が揃わないことが多いため、「各章を3行で要約し、箇条書きで出力して」のように出力フォーマットを指定するほうが再現性の高い結果になります。契約書や議事録のように固有名詞や日付が重要なドキュメントでは、「日付・金額・当事者名は原文のまま抜き出して」と明示すると、要約時に数値が丸められる事故を防ぎやすくなります。

期待される出力とレビューのポイント

出力は箇条書きの要約、抽出テーブル、あるいは質問応答形式のいずれかで返ってきます。ここで必ず行うべきなのが、原文との突き合わせです。特に数値・日付・固有名詞は、AIが文脈から推測して補完してしまうことがあるため、重要な意思決定に使う前に該当ページを開いて目視確認する運用をおすすめします。長いPDFでは、章ごとに分けて質問を投げたほうが、全体を一度に要約させるより抜け漏れが少ない傾向があります。

WordとExcelを扱う際の注意点

Word文書の場合

Word文書はPDFと同様にそのままアップロードできますが、表や図が多い文書ではレイアウト情報が失われ、表の行と列の対応がずれて読まれることがあります。契約書のように条項番号が重要な文書では、「第3条の内容を要約して」のように条項番号を指定して質問すると精度が上がります。

Excelの表構造をどう伝えるか

Excelファイルは、シートが複数あったり、セル結合やピボットテーブルを含んでいたりすると、AIがどの行がヘッダーでどこからがデータかを誤認しやすくなります。単純な表であればそのままアップロードで問題ありませんが、複雑な構造の場合は、対象範囲を新しいシートにコピーして単純な表に整形してから渡すほうが結果が安定します。列名が曖昧な場合（「金額」が税込か税抜か不明など）は、質問文に定義を書き添えるか、ヘッダー行自体を明確な名称に直しておくと誤読を防げます。

機密情報を扱う場合の注意 — 企業版とローカルLLMという選択肢

企業向けプラン（Team/Enterprise）のデータ取り扱い

個人向け無料プランでは、入力内容がモデルの学習改善に利用される場合があります。取り扱いは各社のプライバシーポリシーやデータ利用設定によって異なり、設定画面でオプトアウトできる場合もあります。人事評価、契約書、顧客の個人情報といった機密性の高いドキュメントを扱う際は、無条件に無料プランへアップロードするのではなく、まず自社の情報セキュリティポリシーと照らし合わせ、必要であれば法人向け（Team/Enterprise）プランへの切り替えを検討してください。法人向けプランは学習利用のデフォルト設定や監査ログの有無が個人向けと異なることが一般的ですが、契約内容は変更されることがあるため、契約前に最新の公式資料で確認するのが確実です。

ローカルLLMという選択肢

クラウド上のAIに一切データを送りたくない場合は、Llamaなどのオープンウェイトモデルを自社のサーバーやオンプレミス環境で動かす「ローカルLLM」という選択肢もあります。Hugging Faceのようなプラットフォームで公開されているモデルをダウンロードし、社内インフラ上で推論させる構成です。ただし、ローカルLLMはクラウド版の最新モデルと比べて要約や抽出の精度が同等とは限らず、GPUを含むインフラ構築・運用の負荷も発生します。機密性の要求水準と、構築・運用にかけられるリソースを天秤にかけて判断する話であり、すべての企業にとってローカルLLMが最適解というわけではありません。

よくあるつまずきと次に読むべき記事

よくある失敗は、長大なPDFを一度に丸ごと要約させて満足してしまい、後工程で数値の誤りに気づくパターンです。もう一つは、Excelの複雑な表をそのまま渡して行列がずれた抽出結果を鵜呑みにするケースです。いずれも、出力を鵜呑みにせず原本と突き合わせる一手間で防げます。ドキュメント分析を定型業務に組み込みたい場合は、AIワークフローを構築する方法を解説した記事で、抽出処理を含む一連の作業をどう自動化するかを扱っています。なお、Claude・ChatGPT等の製品名・商標は各社に帰属し、本稿は特定サービスとの提携や推奨を目的としたものではありません。