The Papers

ガイド

PDFをAIエージェントが読めるようにする方法

PDF内のすべての事実が、ラベル・単位・期間・補足条件をすぐ横に伴った本物のテキストとして存在するようにし、ドキュメントの構造化テキスト版(MarkdownまたはJSON)をエージェントが取得できる安定したURLで公開してください。エージェントはテキストを確実に読めますがレイアウトは苦手なので、整った、忠実性チェック済みの、アドレスを持つテキストに近づくほど誤りは減ります。

AIエージェントはPDFをどう読むか

AIエージェントは、人間と同じようにPDFを見ているわけではありません。テキスト層を抽出し、場合によっては画像にOCRをかけ、文字の位置から見出し、表、読み順を組み立て直そうとします。OpenAIのヘルプセンターは、画像ベースの表、スキャンしたファイル、複雑なレイアウトからは正確な値を確実に抽出できない場合があること、またPDF内のグラフや画像の読み取りは特定の環境でのみ利用でき、それ以外ではテキストだけが読まれることを説明しています。

Webを閲覧するエージェントにはさらに別の問題があります。より軽いページを取得できればPDFを一度も開かないかもしれませんし、誰かが掲載した古いコピーを取得するかもしれません。

チェックリスト:PDFそのもの

  • テキスト層:Word、PowerPoint、Google Docs、またはデザインツールから書き出します。スキャン、「フラット化」、「画像として印刷」は使いません。
  • 本物の見出し:見出しスタイルを使い、書き出し後も構造が残るようにします。
  • シンプルな表:見出し行は1行、単位は見出しに入れ、結合セルやページをまたぐ表は使いません。
  • グラフ:データラベルか数値表を添えます。数字が棒の高さとしてしか存在しない状態にはしません。
  • 数字の横に補足条件:「予測」「未監査」「プロフォーマ」「最大」は、脚注だけでなく同じ行に書きます。
  • ドキュメント全体で、1つの指標には1つの名前を使います。
  • 日付は曖昧さのない形式で書きます(「04/03/26」ではなく「2026年3月4日」)。
  • 適切なサイズ:OpenAIは、大きなファイルや画像の多いファイルは完全には分析されない場合があると述べています。

チェックリスト:PDFと一緒に公開するもの

  • Markdown版:見出し、段落、表をプレーンテキストで。言語モデルが最も自然に扱えるフォーマットです。
  • 値が重要ならJSON版:各指標の期間、通貨、補足条件を別々のフィールドとして持たせます。
  • ドキュメントを更新しても変わらない安定したURL。メールやデッキ内のリンクが有効なまま保たれます。
  • ファイル内のバージョンとステータス。エージェントが下書きと最終版を区別できます。
  • コレクションのインデックス。たとえば、ドキュメントを短い説明付きで一覧にした llms.txt ファイルです(llmstxt.org を参照)。
  • 意図どおりの公開範囲:公開してインデックス可能にするか、リンクを知っている人のみか、制限付きか。

変換は「読める」と同じではない

PDFを変換ツールにかければテキストは得られますが、正しいテキストとは限りません。変換ツールは列見出しを落としたり、2つの行をつなげたり、「(1.2)」を「1.2」に変えたりすることがあり、しかも結果は整って見えるので誰も気付きません。数字が重要なドキュメントでは、変換したテキストを公開前に原本と照合する必要があります。

方法エージェントが読めるか数字を原本と照合しているか最新の状態が保たれるか
PDFのみ一部いいえ古いコピーが出回る
PDF+変換したMarkdownはいいいえどこでホストするかによる
恒久的なURL上の忠実性チェック済みAIバージョンはいはいはい、同じリンクのまま

The Papers のやり方

The Papers は、PDF(位置情報付きのテキスト層を使い、スキャンしたページはOCRで補完)またはPowerPoint、Excel、Wordファイルを取り込み、恒久的なURL上に正規のAIバージョンを1つ作成します。人向けのページ、フロントマター(正規URL、バージョン、ステータス、AIレディネス)付きのMarkdown、そしてブロック、指標、補足条件、ページの出典を含むJSONです。データルームには llms.txt とインデックスも用意されます。

公開前には、すべての数値、通貨、日付、期間が原本と照合され、曖昧な点はあなたに確認されます。各ドキュメントをどのAIエージェントやクローラーが、どのフォーマットで読んだかも確認できます。

よくある質問

PDFはまだ必要ですか?
はい。デザインされた版を求める人のために残しておいてください。エージェントが読むべきなのはテキスト版です。PDFの横にリンクを置きましょう。
タグ付き(アクセシブルな)PDFで十分ですか?
役には立ちます。構造タグによって、エージェントは見出しや読み順を把握できるからです。ただし、単位や補足条件を値に結び付けることはできず、安定して更新できるテキストのアドレスも得られません。
エージェントにはMarkdownとJSONのどちらを読ませるべきですか?
読んだり引用したりするにはMarkdown、エージェントが期間や通貨とともに正確な値を必要とする場合はJSONです。両方を提供するのが最善です。
ドキュメントを非公開にできますか?
The Papers ではできます。各ドキュメントは、公開、限定公開(リンクのみ、インデックスされません)、またはデータルームのメンバーのみの非公開から選べます。

最も重要なPDFを、エージェントが読める忠実性チェック済みAIバージョンにしましょう。

出典

関連ガイド