AI OCRとは:在庫表を例にした変換と確認の手順

AI OCRとは、紙の書類や写真に写っている文字をAIが読み取り、パソコンで扱えるテキストに変換する技術のことです。従来のOCRが決まった書体の文字を一文字ずつ型として照合していたのに対し、AI OCRは文脈を踏まえて読み取るため、手書きの文字や、かすれた印刷、多少傾いた写真でも文字として拾えることが増えています。ChatGPTやGeminiのようなチャット型AIに写真を渡して読み取らせる方法と、文字起こし専用に作られたOCRサービスに読み取らせる方法の両方が、この「AI OCR」という言葉に含まれます。

押さえておきたいのは、読み取りの得意・不得意が書類の形によって大きく変わるという点です。一行の文章を読み取るのと、罫線で区切られた表を列ごとに正しく読み取るのとでは、必要な精度がまったく違います。この記事では、紙の在庫表をデータに変換する場面を例に、入力から完成までの流れと、そのまま使ってはいけない部分の見分け方をまとめます。

仕事で役立つ場面

• —倉庫や店舗に置いてある紙の在庫表を撮影し、品名・数量・単価の一覧に変換する。
• —手書きの伝票や申込用紙を撮影し、検索やコピーができるテキストとして取り出す。
• —古い紙のマニュアルや議事録をスキャンし、社内で共有しやすいテキストにする。
• —名刺や送り状の宛先情報を撮影し、住所録の下書きにする。

入力例と完成例

例として、品名・数量・単価の三列からなる紙の在庫表を考えます。手書きで数量を書き足した行が数行混ざっていて、印刷部分もインクがかすれている箇所がある、という現実によくある状態の写真を入力とします。

これをAI OCRに渡すと、多くの場合は「品名、数量、単価」を列にした表形式のテキストが返ってきます。一見きれいに整った表になりますが、これはあくまで「それらしく整えた完成例」であって、正しい完成例ではありません。特に注意したいのは、行がずれて品名と数量の対応がひとつ下にずれてしまう誤りと、かすれた数字を近い形の別の数字に読み違える誤りの二つです。表がきれいに見えるほど、この種のずれは見逃しやすくなります。

ツールの制約

1. 01罫線がない、または薄い表では、どこまでが一つのセルかをAIが推測で決めるため、列がずれやすくなります。
2. 02チャット型AIは、読み取れなかった文字を空白にせず、文脈から推測した文字で埋めてしまうことがあります。
3. 03文字起こし専用に作られたOCRは、Mistral AIのOCRモデルのように表や数式を含む書類向けに作られていますが、それでも紙の状態が悪い写真では読み違いが残ります。
4. 04手書きの数字は、印刷文字より誤読が多くなります。特に「3」と「8」、「1」と「7」のような似た形は要注意です。
5. 05個人名や住所が写った写真をそのまま外部のAIサービスに渡してよいかは、書類の内容ごとに社内のルールで確認する必要があります。

出力を確認する方法

1. 01元の写真の行数と、変換後の表の行数が一致しているかをまず数える。行が消えていないかはここで分かります。
2. 02品名・数量・単価が正しい行にそろっているか、上から順に元の写真と一つずつ突き合わせる。
3. 03数量や単価に小計・合計が書かれている場合、変換後の数字を実際に足し算して、書かれている合計と一致するか計算で確かめる。
4. 04かすれていた箇所や手書きの箇所には印を付け、その行だけは変換結果をそのまま使わず、元の写真をもう一度見て判断する。

AI OCRが返す表は、読めたものであって、正しいものとは限りません。行数を数え、合計を計算し直すという一手間が、読み取り結果を使える表に変えます。

なぜ確認の手間が省けないのか

こうした読み取りモデルの精度がどこまで伸びているかは、Stanford HAIのAI Indexが毎年測定しています。精度は年々上がっていますが、読みにくい文字を自信ありげに埋めてしまう性質そのものは残ったままです。生成された結果を人が確認する責任は、OECDのAI原則でも明記されています。

チャット型AIの画像読み取り機能がどこまでの内容を扱えるかは、Googleのヘルプページにも案内があります。書式や写真の状態によって読み取れる範囲が変わるという前提は、どのサービスを使う場合も共通です。

個人情報が写った写真を生成AIサービスに渡す際の注意点は、個人情報保護委員会が具体的に呼びかけています。住所や氏名が写った書類を渡す前に、その情報を外部サービスに渡してよいかを社内のルールで確認しておく価値があります。

国内での広がり

国内でのこうした文字読み取り機能の使われ方の広がりは、総務省の情報通信白書が毎年、国際比較を含めて公表しています。紙の書類が多い業種ほど、変換の便利さと確認の手間の両方が大きくなる傾向にあります。

月曜日に試すこと

1. 01手元にある紙の表を一つ選び、罫線と数字が見える明るい写真を撮る。
2. 02AI OCRに渡し、品名・数量・単価のように列を指定して書き写すよう頼む。
3. 03元の写真と行数を数えて照合し、ずれている行がないか確認する。
4. 04数量や単価の合計を実際に足し算し、書かれている合計と一致するか確かめる。

写真の中の文字をそのまま書き起こす基本的な使い方はChatGPTの画像認識で、写っているもの自体が何かを判定する使い方は画像認識AIとはで扱っています。読み取った表をExcelの作業に組み込む流れはExcel作業の自動化で、AIが得意な作業と苦手な作業の境目はAIでできることで整理しています。出力を鵜呑みにしないという同じ原則はAIの使い方でも扱っています。

こうした「具体的に頼む」「出力を数えて確認する」という2つの力は、Coursiumがスマホの短いレッスンで練習できるようにしています。AIの一歩先へ、実際の仕事に近い練習から始めてみてください。詳しくはCoursiumについて。