PDFとチャット：仕組みと落とし穴

短い答え

PDFとチャットするには、そのファイルを読めるツール（ブラウザ拡張機能、Gemini Notebook、ChatGPT、Claude、Acrobat Studio、または専用のPDFチャットアプリ）でPDFを開き、普段どおりの言葉で質問するだけです。ほとんどのツールは、文書をテキストに変換し、質問に関係がありそうな箇所を探し出し、その箇所だけを使って答えるよう言語モデルに指示します。

この最後の部分に、話のすべてが詰まっています。あなたが話しかけている相手は、あなたのPDFを読んだ存在ではありません。あなたには見えない検索処理によって選ばれた、ほんの数段落だけを読んだ存在です。PDFチャットの便利さも危うさも、すべてここから生まれます。

実用的な原則はこうです。見つけるため、はっきりさせるために使う。数えるため、結論を出すためには使わない。そして引用する前に、示されたページを自分の目で確かめる。

PDFと「チャット」するとき、実際に起きていること

あなたの質問から答えが返るまでには4つの処理があり、そのそれぞれが単独で失敗し得ます。

パース（解析）。 PDFがテキストに変換されます。PDFは印刷用のフォーマットであってテキストのフォーマットではないため、これは本当に難しい工程です。読む順序が保証された形でファイルに格納されているわけではありませんし、表はただの罫線と浮かんだ文字の集まりであることが多く、スキャンされたページに至ってはテキストが1文字も含まれていない写真にすぎません。

チャンク分割。 抽出されたテキストが、たいてい数百語ずつの断片に切り分けられ、キーワードではなく意味で検索できるようにベクトル化されます。

検索（リトリーバル）。 あなたの質問もベクトルに変換され、システムはそれに最も近い位置にある少数のチャンクだけを引き出します。ここが、存在自体を忘れられがちな工程です。モデルはあなたの文書を渡されているのではありません。抜粋の小さな山を渡されているのです。

生成。 モデルはその抜粋を使って答えを書き、出来のよいツールなら抜粋を指し示す引用を添えます。

検索を省き、文書全体をモデルのコンテキストウィンドウに丸ごと詰め込むツールもあります。これはひとつの失敗モードを別の失敗モードに交換しているだけで、それ自体が大きなテーマです。このトレードオフの技術的な側面についてはコンテキストの劣化と、RAG対ロングコンテキストの議論で扱いました。PDFを開いている読者にとって重要なのは、自分が使っているのがどちらなのかを知っておくことです。壊れ方が違うからです。

失敗その1：モデルが読む前にファイルが壊れる

PDFチャットツールに「なぜ表を読み間違えたのか」と尋ねると、返ってくるのは謝罪であって説明ではありません。説明はたいてい、その表が抽出の段階で生き延びられなかった、というものです。

2026年5月、研究者たちは文書パースを正直に評価するために作られたベンチマーク、PureDocBenchを公開しました。パイプライン型パーサー、エンドツーエンドの専用モデル、汎用の視覚言語モデルにまたがる40のモデルを、10ドメイン、1,475ページ、クリーン版・デジタル劣化版・実劣化版という3つの状態で評価したものです。彼らの結論はこうでした。文書パースは解決には程遠い。最高成績のモデルでも100点満点中およそ74点、最強と最弱のあいだには44.6ポイントの開きがありました。

同じチームは、この分野がそれまで使ってきたベンチマークであるOmniDocBenchも監査し、採点対象の21,353ブロック中2,580件の誤り、率にして12.08%を見つけました。ものさし自体が歪んでいたのです。

実際の文書とチャットする人にとって、意味を持つ発見は2つあります。

数式が共通のボトルネックです。 ベンチマークの3トラックを平均すると、数式認識で67%を超えたモデルはひとつもありませんでした。物理の論文や金融の教科書とチャットしているなら、答えのなかで最も信用できない部分が数式です。
劣化させると順位がひっくり返ります。 汎用の視覚言語モデルは、デジタル劣化と実劣化でそれぞれ0.99ポイントと8.52ポイントを失いました。パイプライン型パーサーの損失は4.90ポイントと14.21ポイントで、順位を完全に逆転させるのに十分な差です。きれいなページで勝つツールが、ページ品質が落ちた途端に大敗することがあります。

同じ質問をしても、デジタル生まれのレポートではすっきりした答えが返り、コピー機を通した章では妙な答えが返るのはこのためです。多段組の学術論文は、段を上から下へではなく横断して読まれてしまいます。脚注が文の途中に紛れ込みます。全ページ共通のヘッダー文字列が繰り返し混入し、検索を汚染します。これらはどれもあなたには見えません。ツールが見せるのは答えであって、抽出結果の文字起こしではないからです。

元の資料がスキャンや密な2段組の論文なら、抽出された数字はすべて「未検証」として扱い、ページを自分で見るまで信用しないでください。よくある兆候は、周囲の文章と微妙に噛み合わない数値です。

失敗その2：検索は、すでに尋ねたことしか見つけられない

ここで、みんなが飛ばしてしまう計算をしておきましょう。Anthropicのドキュメントには、ClaudeがPDFの各ページを画像に変換したうえでテキストを抽出すること、そして抽出テキストだけで通常1ページあたり1,500から3,000トークンを消費し、ページ画像の分はその上に加算されると書かれています。つまり300ページの本は、画像を1枚も数えない段階で45万から90万トークンのテキストです。

それだけ大きなコンテキストウィンドウは存在しますが、埋めるのは遅くて高くつきます。だから多くのコンシューマー向けツールは、代わりに検索します。そして検索には固有の死角があります。見つけられるのは、あなたの質問に似たチャンクだけなのです。答えがどの一節にも集中していない質問には、見つけるべきチャンクが存在しません。

これによって、決まった種類の質問が壊れます。

「著者はXを何回言及していますか」。その回数を含んだチャンクは、どこにもありません。
「第2章と第9章では論調がどう違いますか」。答えは2か所に同時に存在しています。
「このレポートが触れていないことは何ですか」。不在にベクトルはありません。

こうした質問をすると、良いツールは「わかりません」と答えます。ありがちなツールは、たまたま検索で引いてきた材料からとにかく答えを作り、しかもその答えは信頼できる答えとまったく同じ顔をしています。

ロングコンテキスト型のツールは、違う壊れ方をしますが、壊れる確実さは変わりません。ICML 2025で発表されたNoLiMaベンチマークで、Modarressiらは、従来の干し草の山から針を探すテストを簡単にしてしまっていた「語の字面の重なり」を最小化しました。32Kトークンの時点で、検証したモデルのうち11が、自身の短文脈ベースラインの50%を下回りました。GPT-4oは最も持ちこたえた2つの例外のひとつでしたが、それでも**99.3%から69.7%**へ落ちています。Nelson Liuらは、これと同じ形をすでにTACLで示していました。いまでは「lost in the middle」（中間で見失う）と呼ばれるU字カーブです。モデルは長い入力の冒頭と末尾にある情報で最も高い性能を出し、中間で最も低くなります。必要な事実が300ページ中の140ページ目にあるなら、そこは最も条件の悪い場所ということになります。

失敗その3：根拠があることは、正しいことではない

この分野で最も魅力的な主張は、「モデルをあなたの文書に接地させればハルシネーションは消える」というものです。消えません。そして、実際にどれだけ効くのかを丁寧に測った研究がいま存在します。

Varun Magesh、Faiz Surani、Matthew Dahl、Mirac Suzgun、Christopher Manning、Daniel Hoの6名は、AI法務リサーチツールについて初となる事前登録型の評価を行い、2025年にJournal of Empirical Legal Studiesで発表しました。彼らが検証したのは、精査された法務コーパスから回答するために専用設計されたLexisNexisとThomson Reutersの製品で、202件の固定された質問セットを使っています。これらは記憶を頼りに当て推量するチャットボットではありません。検証済みの文書群の上に構築された検索システムであり、「hallucination-free」（ハルシネーションが起きない）と謳って販売されているものです。

結果はこうです。

システム	正確に回答できた割合	ハルシネーション率
Lexis+ AI	65%	17%
Westlaw AI-Assisted Research	41%	33%
Ask Practical Law AI	19%	17%
比較用：根拠を持たないGPT-4	数値の記載なし、グラフのみ	43%

Ask Practical Law AIは、質問の62%に対して不完全な応答、つまり回答拒否か根拠を欠いた出力を返しました。著者らはこれを慎重さではなく、参照文書の範囲の狭さに帰しています。判例・制定法・規則ではなく、実務解説記事だけを参照しているためです。（論文の導入部ではWestlawの正確性を42%に丸めていますが、上の41%は論文自身が3システムを個別に集計した内訳の数字です。）

この表は2度読んでください。2つのまったく違うことを語っているからです。ハルシネーションに対して、接地は効きました。文書に根拠を置く3システムは、GPT-4の43%という率を17%、17%、33%まで下げています。一方で信頼性には何の効果もありませんでした。3つのうち2つは半数未満の質問にしか正確に答えられておらず、しかもその理由は互いに異なります。Westlawの不足はほとんどがハルシネーションで、33%に対して不完全応答は25%。Ask Practical Law AIの不足はほぼすべてが慎重さで、不完全応答62%に対しハルシネーションは17%でした。著者ら自身の総括は、提供各社の主張は誇張されており、ハルシネーションは依然として「substantial」（相当な量）である、というものです。

これを自分の状況に置き換えてみてください。これらのシステムが検索しているのは、プロが精査し、正しくパースされ、正確さに巨大なインセンティブを持つ企業が構築した法務データベースです。あなたのツールが検索しているのは、パーサーが今朝なんとなく読み解いたPDFです。より良い結果を期待できる理由はどこにもありませんし、答えに添えられた引用は、どちらの場合も同じくらい権威ありげに見えます。

PDFチャットが本当に得意な質問

こうしたツールへの失望の大半は、質問の「形」を間違えたことから来ています。質問を仕組みに合わせれば、この技術は本当に優秀です。

質問の型	例	信頼度	理由
場所を探す	「彼女が再帰性を定義しているのはどこ？」	高	検索とは文字どおり検索エンジンで、これはまさに検索だから
定義・説明する	「3つ目の前提をやさしい言葉で説明して」	高	該当箇所が手元にあり、モデルはファイル全体を横断して推論せず言い換えているだけだから
1か所から抜き出す	「研究2のサンプルサイズは？」	中から高	テキストがきれいにパースできていれば信頼できる。表と数式は要確認
翻訳・平易化する	「この段落を専門外の人向けに書き直して」	高	目に見えるテキストだけを対象にした局所的な作業だから
節をまたいで比較する	「第7章は第3章をどう修正している？」	低	答えがどの単一チャンクにも入っていないから
数える・集計する	「agencyという語は何回使われている？」	非常に低	合計を含むチャンクは存在せず、モデルは推測しながら断定口調になるから
不在を検出する	「この論文が扱えていない点は？」	非常に低	書かれていないものは検索できないから
質を判断する	「この方法論は妥当？」	低	文書全体に加えて外部知識が必要だから

この区別さえ押さえれば、問題の半分は消えます。PDFチャットは、ものすごく速くて読解力の高い、探しものが得意なリサーチアシスタントとして使ってください。本を読み終えた読者としては使わないことです。

主要なPDFチャットツールと、唯一重要な機能

機能一覧はいったん忘れましょう。役に立つPDFチャットツールと危険なPDFチャットツールを分けるのは、それぞれの答えがどこから来たのかを正確に示し、あなたが確認できるようにしているかどうかです。ワンクリックで飛べるのが最良の形。自分で探す必要があるページ番号表示が、許容できる形。そのどちらも提供しないなら、それだけで候補から外して構いません。

ツール	ファイルの扱い方	出典にクリックで戻れるか	知っておく価値のある確認済みの詳細
Glasp	チャンクを検索するのではなく、ページ境界のタグを付けた文書テキスト全体を送る	クリック遷移はなし。「(p. 3)」の形でページを表示し、自分でそのページを開く	検索工程がないため、前述のチャンク欠落問題は起きない。代わりにロングコンテキスト側の問題を引き継ぐ。無料プランは月20メッセージまでで、そのPDFに付けたハイライトはライブラリに別途保存され、チャットには渡らない
Gemini Notebook（旧NotebookLM）	ノートブックに追加したすべてのソースをインデックス化する	あり。インライン引用から出典の該当箇所へ飛べる	無料プランはノートブックあたりのソース数に上限があるため、何を入れるかを計画する必要がある
ChatGPT	ファイルを会話にアップロードする	ページ単位の引用は文書化されていないため、手動での確認が必要	1ファイル512MBまで、テキストファイルは1ファイル200万トークンが上限
Claude	各ページを画像に変換したうえでページのテキストを抽出する	テキスト引用は可能、画像引用は不可。抽出可能なテキストがないスキャンは「are not citable」（引用できない）	1ページあたりテキスト1,500から3,000トークンに加えて画像トークン。1リクエストあたり100ページ、100万トークンのコンテキストウィンドウなら600ページ
Acrobat Studio	すでにAcrobatライブラリにあるPDFを対象に動作する	あり。番号付き引用から出典へ戻れる	AI AssistantはStudioに同梱され、他のAcrobatプランでは別売のアドオンとして販売されている
ChatPDF	一度に1文書をアップロードしてインデックス化する	ページを引用する	無料プランは1日2文書まで解析可能で、GPT-4oとGPT-4o-miniを使い分けている

選び方についていくつか補足します。PDFがオープンなウェブ上にあるなら、ブラウザベースのツールはアップロードの手間をまるごと省いてくれます。GlaspのPDFチャットがこの形ですし、PDFハイライターを置き換えるのではなく組み合わせて使う設計になっているのもそのためです。多数の文書を一度に横断して整理したいなら、ノートブック型のツールに分があります。扱う資料が機密なら、精度の話より先に、ファイルがどこで処理されるかを確認してください。そもそも社外に出してはいけない文書なら、精度の議論には何の意味もないからです。

アノテーション側の比較は2026年のベストPDFハイライターで行っています。

30秒でできる検証ルーティン

すべての答えを監査する必要はありません。必要なのは、ほとんどコストがかからず、恥をかくような誤りだけは捕まえてくれる習慣です。

引用をクリックする。 流し読みするためではありません。モデルがそこに帰属させた文が実在するかを確認するためです。この一手だけで捏造の大半は捕まりますし、これをやりにくくしているツールは信頼を失って当然です。
ページ番号を実際のページと突き合わせる。 パーサーはしょっちゅうページ境界をずらします。とくにスキャンで顕著です。46ページとされた引用が実際には44ページにあるなら、抽出全体がずれている合図です。
わざと間違った前提で聞き直す。 「著者が、その効果は2015年以降に消えたと論じているのはどこですか」。あなたがでっち上げた主張にツールが同意するようなら、それはあなたに反論できるほど文書を読み込んでいないということであり、直前の答えも疑うべきです。
数値はすべて、元の表を見る。 表は抽出工程でいちばん壊れやすい部分であり、しかも数値はあなたが人前で口にする可能性が最も高いものです。

3番目は、みんなが飛ばすのに最も多くを明かしてくれる手順です。答えではなく、仕組みそのものを試しているからです。あなたが作った主張に同意するツールは、あなたの文書を参照していません。あなたの文書の声色で、もっともらしい文章を書いているだけです。

この手法についてひとつ公平な注記を。Stanfordの研究では、偽の前提を含む質問での正確性が、検証したどのシステムでも最も高く、Lexis+ AI、Westlaw、さらには素のGPT-4までもが、誤った前提をはっきり訂正することが多くありました。これには研究側の採点基準も効いていて、「これを支持する典拠は見つかりません」（I can find no authority for this）という応答を正解として数えているのです。コンシューマー向けのPDFチャットは、そのどちらの水準に合わせても作られていません。PDF以外のAI出力に対する汎用版のこの習慣は、60秒でできるハルシネーション・チェックにまとめています。

先にハイライト、チャットはその次

PDFチャットには、正確さとはまったく関係のないもうひとつのコストがあります。完璧な答えを得ながら、何も残らないことがあるのです。

探すことも、選ぶことも、圧縮することもツールがやってしまうと、その素材を記憶に定着させたはずの作業をすべて機械が肩代わりしたことになります。これはツールを使うなという話ではありません。順番の話です。

うまくいく順番はこうです。

何かを尋ねる前に、読んでハイライトする。 何が重要かを選ぶことこそ認知的に高くつく工程であり、手放してはいけないのはそこです。同時に、答えの妥当性を照らし合わせるための文書の地図が手元に残ります。
そのあとでチャットし、穴を突く。 ハイライトから浮かんだ疑問をツールにぶつけます。ある用語の意味、ある主張が擁護されている場所、留保条件の有無といったものです。
答えは自分の言葉でハイライトの隣に書く。 引用したままのAIの答えは「保存したもの」に劣化します。言い換えた答えは「学んだもの」になります。
残すのはハイライトであってチャットではない。 会話は使い捨てです。自分で選んだ一節こそが持続する成果物で、セッションが消えたあとも長く検索可能なまま残ります。

これがGlaspのウェブハイライターが中心に据えているワークフローです。PDFでも記事でもハイライトし、その一節を一か所に集めておき、1ファイルずつではなく読んだものすべてを横断してハイライトとチャットする。ハイライト側の話はPDFアノテーションの方法論でさらに掘り下げています。

よくある質問

ChatGPTはPDFを読めますか？

読めます。PDFを会話に直接アップロードできますが、OpenAI自身のドキュメントによれば1ファイル512MBの上限と、テキストおよび文書ファイルに対する200万トークンの上限があります。確実にできないのは、すべての主張が特定のページに対応していると保証することです。引用する予定のものは必ず確認してください。結果が最も読めなくなるのは、スキャンPDFと表の多い文書です。

無料でPDFとチャットする方法はありますか？

いくつもあります。Gemini Notebookにはノートブックあたりのソース数に上限のある無料プランがあり、ChatPDFの無料プランは1日2文書まで解析でき、ブラウザベースのツールならウェブ上で開いているPDFと何もアップロードせずにチャットできます。無料プランが制限するのはたいてい答えの品質ではなく、文書数、ページ数、1日あたりの質問数です。

なぜAIはPDFの誤ったページを引用するのですか？

あなたが目にするページ番号と、パーサーが生成したページ境界が別物だからです。PDFが保存しているのはレイアウトであって構造ではないため、抽出の過程でページが結合されたり分割されたりします。とくにスキャンで起きやすく、さらにローマ数字で番号付けされた前付けがあると、オフセットが数ページ分ずれます。ひとつの引用が一定量ずれているなら、すべてがずれていると考えてください。

AIはスキャンしたPDFを読めますか？

読めることもありますが、デジタル生まれのファイルより精度は落ちます。スキャンにはテキストレイヤーがないため、OCRか、ページを画像として読む視覚モデルが必要になります。Anthropicはこの限界をはっきり書いています。抽出可能なテキストのないスキャンPDFは、Claudeにとって「are not citable」（引用できない）のです。PureDocBenchの実劣化トラックでは、パイプライン型パーサーが14.21ポイントを失う一方、汎用の視覚言語モデルの損失は8.52ポイントにとどまり、ツール種別間の順位が逆転しました。ほかの回答を信用する前に、内容を既に知っている箇所で、あなたの手元のスキャンを試してみてください。

PDFをAIにアップロードしても安全ですか？

それは完全に提供事業者次第で、精度に関するどの質問よりも先に片付けるべき問いです。利用規約で3点を確認してください。アップロードがモデルの学習に使われるか、ファイルがどれだけの期間保持されるか、そして無料プランが有料プランと別扱いになっていないか。最後の点はしばしば別扱いです。NDAの対象、顧客の機密情報、未公開の研究といったものについては、文書を自分のマシンから一切送出しないツールか、学習に使わない方針が明文化されたアカウントを既定の安全策にしてください。

PDFとチャットするのは、勉強法として良いですか？

探しものには役立ちますし、それは本物の価値です。ただし記憶に定着させる作業はしてくれません。ツールが代わりに選び、代わりに要約するなら、読書のうち記憶を作る部分を外注したことになります。先にハイライトし、それからチャットで特定の穴を埋め、答えは貼り付けるのではなく自分の言葉で書いてください。

まとめ

PDFチャットは、その存在価値がはっきりしている数少ないAI機能のひとつです。300ページの文書を、数秒で問いただせる相手に変えてくれます。探す、定義する、はっきりさせるという用途では文句なしに優秀です。

同時にこれは、目印のない失敗地点を3つ抱えたパイプラインでもあります。パーサーがファイルを壊し、検索があなたの文書ではなく数個の抜粋をモデルに渡し、モデルは受け取ったものが何であれ流暢な文章に仕立てます。覚えておくべきはStanfordの結果です。専用設計され、プロの手で接地されたシステムでさえ17%から33%の頻度でハルシネーションを起こし、3つのうち2つは尋ねられたことの半分未満にしか正確に答えられませんでした。流暢さと引用は、証拠ではありません。

だからこそ、上手に使いましょう。結論を出させるのではなく、場所を探させる。何かを引用する前に、引用リンクをひとつはクリックする。そして文書は自分の手で先にハイライトする。会話が消えた来月も手元に残っているのは、あなたが自分で選んだ一節だからです。

いま読んでいる何かで試してみませんか。GlaspのPDFチャットでPDFを開き、重要な部分をハイライトして、出典を答えのすぐ隣に置いたまま質問してみてください。