公開 2026-10-28 · 8 分

PDF と表の仕事の買い手が実際に求めているもの：有償案件 495 件の実測

フリーランス案件のコーパスを、有償で製品化可能な PDF・表の案件 495 件に絞り、実際の要求を測りました。正確さと「読めない部分を示す」が、あらゆる機能より上位に来ます。

多くのツールページはツールから外へ向けて設計されます。ここに機能があり、ここに欲しがる人がいる、という具合に。より有用なのは逆方向なので、要求そのものを測ることにしました。

コーパスは本プロジェクトが収集したフリーランス案件の集合です。本当に必要性があり、支払い意欲があり、製品化できる内容の案件に絞ると、PDF・スキャン・表に関する投稿が 495 件残ります。以下の数値はすべて、明示した語リストによる 495 件上のキーワード一致率であり、再実行して検証できます。

数字

この 4 行をまとめて読むと需要の形が見えます。「表を抽出して」ではなく「この文書をそのまま再現し、構造を保ち、できなかった箇所を教えて」なのです。

ほぼすべての投稿に現れる要求

このコーパスで最も多い一文は「速度より正確さ」の変種です。ソフトウェアとしては珍しい優先順位で、文字通りに受け取る価値があります。速くて間違った出力は、遅くて正しい出力より悪い。買い手はまず誤りを見つけないと、どの部分も使えないからです。

……各 PDF ページの全文を Word か Google ドキュメントに手入力し、100% の正確さを確保すること……読めない語や不明瞭な箇所はすべて示し、すぐ確認できるようにすること。

この投稿が同時に求めているものに注目してください。完全な忠実性と、完全な忠実性が達成できなかった箇所の一覧です。この 2 つが矛盾するのは、ツールが自身の不確実性について沈黙すべきだと仮定した場合だけです。並べると、信頼できる抽出器が持つべき挙動をそのまま記述しています。

「読めない部分を示す」が重要な理由

10 人中 3 人の買い手がこれを明記します。有用なツールと危険なツールを分ける要求です。表の中の自信ありげな誤った値は、目に見える欠落よりはるかに扱いにくいからです。

……読めない箇所や不明瞭な箇所を示した短いメモを添付すること。受け入れ基準：すべてのテキスト要素が存在し、原本と逐語一致であること。余分な文字、空白行、書式のずれがないこと。

買い手は、自分がどこかを確認することになると既に理解しています。望んでいるのは、まとまり全体を読み直すのではなく、どの行を見るべきかを教えてもらうことです。これは「100% 正確」より小さく、安く、正直な約束であり、機械が守れる約束です。

構造とは見栄えではなく構造のこと

これらの投稿が「書式を保つ」と言うとき、意味するのは機械可読な構造です。どのセルがどの列に属するか、結合セルが結合のままか、行順が保たれるか、1 行 1 レコードか。「書式」にはフォントや太字も含まれますが、同じ投稿の受け入れ基準はほぼ常に構造と完全性についてです。

……Excel か Google スプレッドシートで完全に入力済みのファイル……レポート 1 件につき 1 行……日付・通貨・数値の書式を統一……最終シートはランダムサンプルで照合します。

もっともらしく見えても、結合セルが誤った列に潰れているシートはこの抜き取り検査に落ちます。未確認の値を 1 行含んでいても、その値が示されていれば通りません。

これが私たちの実装をどう変えたか

当サイトの 2 つの決定は、機能一覧ではなくこれらの投稿を読んだことから直接来ています。

第一に、原文に対するセル単位の照合。未確認セルは個別に報告し、納品全体を警告付きとします。コーパスの 30% がこれを求めていましたが、決め手はモデルが循環貸款を循環貸款等に静かに変えた事例でした。

第二に、検出した表ごとに 1 シートとし行順を保つこと。平坦化した 1 枚にしないこと。これらの投稿の 54% が構造の生存を気にしており、平坦化こそ彼らがツール不満として挙げる具体的な故障です。

このコーパスが教えないこと

これはフリーランス案件のサンプルで、既に人に払うと決めた買い手に偏っています。規模、価格感度、こうした買い手がソフトウェアを受け入れるかについては何も言えません。キーワード法は過大にも数えます。「OCR ツールは不要」と書いた投稿は OCR に言及したと数えられ、「表はありません」と書いた投稿は表に言及したと数えられます。割合は市場規模ではなく、何が求められているかの素描として扱ってください。

確実に示せるのは要求の順序です。正確さと構造が最上位、不確実性の明示が 3 番目、それ以外の機能はほとんどの投稿にまったく現れません。