リッチドキュメントは本当にAI時代の敵なのか？ markitdown検証で見るExcelの可能性と限界
検証の背景：「Excelは悪」から「どこまでいけるか」へ
「AI駆動開発」という言葉が普及してきたほど、システム開発の現場ではAIを活用することが当たり前となっている。その中でも「ドキュメントはMarkdownで書くべき」というのが定説になりつつある。
AIにとって読み取りやすく、gitなどでバージョン管理もしやすいからだ。
しかし、現実には膨大なExcelドキュメントが存在し、おそらく今後も作られ続ける。リッチドキュメントtoプレーンテキストの移行には関係者との調整が必要になるシーンも多く、悩んでいる方も多いだろう。
そこで今回は、「現在のAIはリッチドキュメントをどこまで理解できるのか？」 を検証してみた。
利用するのは、Microsoftが公開する変換ツール「markitdown」。
このツールでExcelファイルをMarkdown化し、Gemini、Claude（ウェブアプリ、最新モデル)などに投げてみる。
検証パターンは2つ：
- Excelファイルを直接AIに与える
- markitdownでMarkdown変換してから与える
この比較から、リッチドキュメントの理解限界を探っていく。
markitdownとは何か
markitdownは、MicrosoftがAIを活用したドキュメント理解に特化して開発した多機能なOSSだ。その技術的な特徴は以下の通り：
主要な変換機能
PDF変換: pdfminerライブラリでプレーンテキストを抽出する基本的なアプローチを採用している
Word (DOCX)変換: mammothライブラリを使い、見出しや表構造を可能な限り保持しながらMarkdownに変換する
Excel (XLSX/XLS)変換: pandasとopenpyxlを組み合わせ、各シートを個別のMarkdownテーブルとして出力する仕組みだ
AI連携機能
画像解析ではOpenAI API互換のマルチモーダルLLMを使用し、音声転写やYouTube動画の文字起こしにも対応している。さらにAzure Document Intelligence APIを使った高精度OCR、exiftoolによるメタデータ抽出など、単なる変換ツールの枠を超えた機能を持つ。
検証1：シンプルなテーブルの変換
まず、複数ページを持つシンプルなテーブル要素のExcelファイルで検証を行った。
markitdownを利用した変換後
結果: Excelを直接与えても、Markdown変換後に与えても、どちらも期待通りの回答が得られた。
シンプルな表構造の場合、AIの理解精度に大きな差は見られない。つまりどちらの方法でも問題なく処理できるということだ。
ただし、Markdown化には技術的なメリットがある：
- ツール選択の自由度: リッチドキュメントに対応していないサービスでも処理可能
- 処理の効率化: Excelの解析処理（Pythonライブラリの読み込み、シート構造の把握など）が不要
- トークンの最適化: プレーンテキストとして扱えるため、トークン消費を抑え、より多くの情報を処理できる
シンプルな構造なら結果は変わらないが、Markdown化しておけば処理の確実性と効率性が上がる、というのが実態だ。
検証2：複雑な論理関係性を持つテーブル―ここが本題
次に、IPAが公開する要件定義書のサンプルファイル（ダウンロードリンク）を使用した。これは実務で使われるような、論理的に複雑な構造を持つExcelファイルだ。
このExcelは入れ子構造で、上位階層が縦方向にセル結合され、配下の要素をグルーピングしている、
セル結合による暗黙的な親子関係、理番の不規則性（大分類・中分類のみ採番、以降は採番なし）、セル結合の範囲を解析しないと親子関係が判別できないなど、少しだけ複雑になっている。
検証結果
複数の質問を投げて、理解精度を検証した：
| 検証内容 | 期待値 | Claude Sonnet 4.5 (Excel直接/MD変換後) |
Gemini 2.5pro (Excel/MD変換後) |
備考 |
|---|---|---|---|---|
| 「拡大・縮小」中分類の業務処理名の数 | 4 | ✅ / ✅ | ✅ / ✅ | 基本的なカウント |
| 「地図操作機能」の大分類番号と中分類数 | 大分類番号1、中分類3つ | ✅ / ✅ | ✅ / ✅ | 階層構造の理解 |
| 行番号14「画面表示」中の「拡大図表示」 | 拡大図表示 | ✅ / ✅ | ✅ / ✅ | 階層の詳細把握 |
| 「店舗表示」の出現回数 | 0（存在しない） | ✅ / ✅ | ✅ / ✅ | 存在しないデータの検証 |
| 「参照」を含む業務処理名の数と所属 | 複数の詳細情報 | ❌ / ✅ | ❌ / ✅ | MD変換後のみ正解 |
検証試行は各1回のみ。データ処理が絡むため、再現性は保証されない点に注意
3ヶ月前との比較：劇的な進化
実は同じ実験を3ヶ月前（2024年7月）にも実施している。
当時の結果は惨憺たるものだった：
- 上記の質問はすべて失敗
- もっと単純な質問にすら正しく答えられなかった
- そもそもExcelの解析に失敗する
当時の単純質問の一部検証例：
ここ3ヶ月だけでも、AIの理解能力は劇的に向上したように思う。
検証から見えた真実：リッチドキュメントの「到達点」
この検証で明らかになったのは、以下の3点だ：
- シンプルな構造なら余裕: 基本的なテーブル程度なら、変換も直接読み取りも問題ない
- 複雑な構造が分水嶺: 論理関係が複雑になると、Markdown変換経由が確実。ただし最新モデルは直接理解できるケースも増えている。
- 進化の速度が予想以上: 3ヶ月前に失敗していた処理が、現在のモデルでは理解できるようになっている
結論：リッチドキュメントは「まだ早い」が「もうすぐ」
現時点の推奨: やはりMarkdown化が確実だ。markitdownのような変換ツールを使えば、リッチドキュメントを与えるよりもほぼ確実にAIが理解できる形式に正規化できる。
しかし注目すべきは進化の速度だ。わずか3ヶ月でこれだけ正答率が向上している。複雑なExcelを直接理解できるモデルが続々と登場している。今後1〜2年で「変換不要」の時代が来る可能性は十分にある。
実務での推奨戦略
Excelが深く浸透しており、現場の人間を変えるのに苦労する環境であれば、無理にMarkdownへのスイッチングを強要する必要はないかもしれない。
代替案として：
- 複雑性を抑えたExcelテンプレートの策定: AIが理解しやすい構造ルールを定める
- 段階的な移行: 新規ドキュメントから徐々にMarkdown化
- ハイブリッド運用: 現時点ではmarkitdownで保険をかけつつ、将来的な直接処理を見据える
このあたりだと、現場でも現実的な落としどころになるかもしれない。
なおmarkitdownによる変換も綺麗なmdとならないケースがある。
最後に、Markdown移行に取り組むエンジニアの方々のために、リフォーマットに関する記事の共有。
Discussion