PDFコンテンツのAI可読性
2026-09-28

結論
ホワイトペーパーや製品カタログなど、企業がPDF形式で公開する資料は少なくないが、PDFの作られ方によってAIがテキストを抽出できるかどうかが大きく変わる。文字がテキストとして選択できるPDFであれば内容は読み取られやすいが、紙資料をスキャンして画像のままPDF化したものは、OCR処理が行われない限りAIにとって内容が存在しない状態になってしまう。
テキストPDFと画像PDFの違い
WordやGoogleドキュメントから直接PDFを書き出した場合、文字情報はテキストとして保持され、ブラウザでPDFを開いた際にテキストの選択やコピーができる。一方、紙の書類をスキャンしてそのまま画像として保存したPDFは、見た目は文字があるように見えても実際には一枚の画像でしかなく、AIがテキストとして認識できない。
OCR処理と可読性の確保
画像スキャンのPDFしか手元にない場合は、OCR(光学文字認識)処理を行い、画像の裏側にテキスト情報を埋め込む必要がある。多くのPDF編集ソフトやオンラインサービスにOCR機能が搭載されているため、重要な資料については一度OCR処理を通し、テキストが正しく抽出できるか確認しておきたい。
PDFよりHTMLページを優先すべき理由
PDFは構造化データを付与しにくく、見出しタグのような明確な階層構造も持たせにくいため、AEOの観点では通常のHTMLページより不利になりやすい。重要な情報は、PDF資料の内容をHTMLページとしても公開し、両方から同じ情報にアクセスできるようにしておくことが望ましい。
PDFのメタデータとファイル名
PDF自体にもタイトルや作成者などのメタデータを設定できる機能があり、これを適切に埋めておくことで、ファイルの性質をAIやクローラーに伝えやすくなる。ファイル名も意味を持たないものではなく、内容が分かる名前にしておくと、リンクだけの状態でも内容を推測しやすくなる。