AIエージェントにおける文書解析の一貫性を高める新標準

2026年10月28日、ParseBenchの開発チームは、Document Parsing Protocol（DPP）の作業ドラフト0.1を公開しました。この新しい仕様は、ページを構造化テキストに変換するための標準化されたルールセットを提供することで、AIエージェントが解析済み文書を解釈する際の不一致という問題を解決することを目指しています。

何が起きたか

文書解析は、AIエージェントを開発するエンジニアにとって長年の課題でした。パーサーがPDFや画像をテキストに変換する際、レイアウトや構造について多くの判断を下す必要があります。異なるパーサーはしばしば異なる選択をするため、正しい単語を含みながらも意味合いが異なる出力が生じることがあります。AIエージェントはこの解析後の入力に完全に依存しているため、解析段階での構造的なエラーは、そのままエージェントの推論と最終的な回答に波及します。

これに対応するため、著者らは「正しく解析されたページとはどのようなものか」という共通の定義としてDPPを導入しました。このプロトコルは、文書解析ベンチマークであるParseBenchのアノテーターがデータラベリングに使用していた内部ガイドラインから発展したものです。ドラフト0.1には、テキスト、テーブル、フォーム、チャート、図表を対象とした140の具体的なルールが含まれています。各ルールにはサンプルページと期待される出力が付随しており、開発者や評価者にとって明確な参照資料となります。

今回のリリースでは、コミュニティによるプロトコルのテストとフィードバック提供が呼びかけられています。著者らはオンラインでドラフトを公開し、ClaudeやChatGPTのような大規模言語モデルに対してテストを行うツールも提供しています。ルールが機能しない、または矛盾が生じるドキュメントに遭遇した場合は、GitHubでIssueやPull Requestを作成することを推奨しており、オープンな協力を通じて標準の改善を図っています。

仕組み

DPPの中核となるメカニズムは、曖昧なMarkdown変換を、必要に応じて正確な構造表現に置き換えることです。例えば、標準的なMarkdownテーブルでは、複数列にまたがるヘッダーを表現できません。四半期にまたがる年次を含む売上レポートなどでは、Markdownコンバーターがヘッダーを平坦化したり削除したりする可能性があり、その結果、AIエージェントがデータを誤って関連付けることになります。DPPでは、元のドキュメントの視覚的階層を保持するために、colspan属性を持つHTMLテーブルの使用を義務付けています。これにより、「4.1%」といった値が「2024」ヘッダー下の「Q2」と明示的にリンクされることが保証されます。

テーブル以外にも、プロトコルは他の複雑な要素に対する厳格な処理を定義しています。空のフォームフィールドは、見落としとの区別をつけるために[blank]としてマークされ、チェックボックスは[x]または[ ]として表現されます。チャートは印刷された数値をそのまま含むデータテーブルに変換され、図表は可能な限りMermaidコードに変換されるか、すべてのラベルを保持したままテキストで記述されます。また、PDF内の隠しテキストは除外すべきであり、読み取れない可視テキストは[illegible]としてマークすることが指定されています。オプションの位置情報を使用すれば、すべての要素をソースページの元の場所に対応させることができます。

主要な詳細

• DPP 0.1には、テキスト、テーブル、フォーム、チャート、図表を対象とした140のルールが含まれています。
• 列の結合を保持するため、複雑なヘッダーにはHTMLテーブルの使用が必須です。
• データ損失の曖昧さを防ぐため、空のフォームフィールドは明示的に[blank]としてマークされます。
• チャートは、ソースからの正確な数値を含む構造化テーブルに変換されます。
• 図表は、すべてのラベルを保持したMermaidコードまたは説明的テキストとして出力されます。
• ドラフトは、GitHubのIssueおよびPull Requestを通じてコミュニティからのフィードバックを受け付けています。

なぜ重要なのか

検索拡張生成（RAG）システムや文書分析ツールを構築するエンジニアにとって、一貫性は極めて重要です。標準がない場合、同じパーサー出力であってもチームによって評価が異なり、パフォーマンスの比較やエラーのデバッグが困難になります。DPPは、パーサー品質を評価するための共通言語を提供します。構造要素がどのように表現されるべきかを正確に定義することで、AIエージェントへの認知的負荷を軽減し、曖昧なフォーマットの解読ではなく、推論に集中できるようにします。

この標準化は、ベンチマークの構築方法にも影響を与えます。従来、ベンチマーク作成者は「正しい」解析とは何かについて非公開の判断を下す必要がありました。DPPはこれらの判断を明示し、検証可能にします。この透明性は、エコシステム全体がより信頼性の高い文書処理パイプラインへ向かう助けとなります。AIエージェントが財務報告書、法的契約書、技術マニュアルなど、より複雑なタスクを担当するようになるにつれ、初期解析ステップの忠実性がシステム精度の主要な決定要因となります。

あなたができること

• parseprotocol.comにアクセスし、ソースページとその期待されるDPP出力を確認してください。
• 提供されているスキルを使用して、ページ画像をClaudeやChatGPTにアップロードし、プロトコルをテストしてください。
• カッコ内の数値などの特定の値が、出力で正確に保持されていることを確認してください。
• ウォークスルー例を検討し、特定の解析判断の根拠を理解してください。
• 現在の140ルールでカバーされていない、自身のドキュメントセットにおけるエッジケースを特定してください。
• ルールの矛盾や失敗の例を挙げたGitHub Issueを作成し、標準への貢献を行ってください。