政府機関向けOCR 2026：
公文書、FOIA、コンプライアンスのデジタル化ガイド

なぜ行政のデジタル化には単なるスキャン以上のものが必要なのか

中規模自治体は200万～500万件の文書（建築許可、不動産記録、警察報告書、裁判所提出書類、業者契約、議事録、税評価書）を管理しています。紙の保管コストは年間1平方フィートあたり25～40ドルです。1件のFOIA（情報公開）請求に対応するには、該当文書の特定、レビュー、墨消し、提出に15～30時間の職員作業が必要です。多くの機関が常時抱える数百件の未処理請求を考慮すると、業務上の負担は計り知れません。

基本的な文書スキャンは保管問題を解決します。紙をオフサイトに移動し、オフィススペースを解放します。しかし、検索可能なテキスト、構造化されたメタデータ、墨消し対応のフォーマット、アクセシビリティタグがないスキャンPDFは、実質的にロックされたままです。画像ベースのPDFでは、事件番号を検索できず、墨消しツールでPII（個人識別情報）をスクリーニングできず、スクリーンリーダーで読み取れず、永久保存記録に関するNARA 36 CFR § 1236 Subpart Eのデジタル化基準を満たしません。

OCR（光学文字認識）は、スキャン画像を使可能なデジタルコンテンツに変える層です。 しかし、OCRの種類が重要です。従来のOCRは文字の形状を読み取り、ラベルのない未分化なテキストを出力します。ページ上のすべての単語がラベルのない文字列として出力されます。請求書番号、裁判記録番号、許可証の有効期限、業者名など、すべてが同じテキストブロックに混在します。人間が各値を正しい列に手動でコピーする必要があります。これが、99.5%の文字認識率と、1件のFOIA請求に依然として15～30時間かかるワークフローが共存する理由です。テキストは認識されても、解析、ラベル付け、次のコンプライアンス手順への準備ができていないのです。

AI駆動の文書抽出（次世代OCR）は、意味理解を導入します。文字の形状を読む代わりに、ビジョンモデルは人間のように文書を読み取ります。裁判所提出書類の12行目の文字列が事件番号であることを、そのフィールドが果たす構造的な役割を理解して認識します。文字認識と文書理解のこの違いは、学術的なものではありません。公文書管理室がFOIA請求に2時間で対応できるか、2日かかるかを決定します。

行政OCRを定義する文書タイプ

政府機関が処理する文書は一種類ではありません。それぞれに異なるフィールド構造、レイアウト規則、規制要件があります。文書タイプの多様性こそが、テンプレートベースのOCRが公共部門で機能しない第一の理由です。

各文書タイプは異なる部署、多くの場合異なるソフトウェアシステムや紙の書式から発生し、独自のレイアウト規則に従います。郡書記官の婚姻許可申請書と保安官事務所の事件報告書には構造上の類似性はありません。行政OCRの核心的な課題は、ページ上の文字を認識することではなく、多様で一貫性のない文書フォーマットを、記録管理システムに供給できる統一データ構造にマッピングすることです。

墨消しとOCR — 順序が重要な理由

FOIAでは、各機関は対象情報を墨消しした上で該当記録を公開する義務があります。連邦機関の免除コードは(b)(1)から(b)(9)まであり、国家安全保障(b)(1)から井戸の地質情報(b)(9)までを網羅し、最も一般的なのは(b)(6)個人プライバシーと(b)(7)法執行です。1件のFOIA回答で、数千ページにわたる数十から数百もの個別の墨消しが必要になることがあります。

以下は、多くの政府のデジタル化計画が誤る技術的な順序です：

実用的な要点：OCRは自動化された個人情報検出を可能にするために十分早い段階で適用する必要がありますが、最終文書の墨消し領域からOCR出力層を永久に削除しなければなりません。すべてのOCRツールがこのサニタイズ手順を正しく処理できるわけではありません。政府のOCRソリューションを評価する際は、ツールが墨消し領域からテキスト層を除去できるかどうかを具体的に尋ねてください。単に黒いボックスで「墨消し」できるかどうかではありません。

PDF/Aと長期保存要件

NARAの36 CFR § 1236 Subpart Eでは、デジタル化された永久保存記録が特定のフォーマットと品質基準を満たすことを要求しています。文書保存に最も関連する規格はPDF/Aです。これは長期保存用に設計されたISO標準のPDFバージョンです。外部フォントやリンク画像、ソフトウェア固有の機能に依存し経年劣化する可能性がある標準PDFとは異なり、PDF/Aはフォント、カラープロファイル、メタデータ、デバイスに依存しないレンダリング指示など、ファイルに必要なすべてをファイル自体に埋め込みます。

政府機関にとって、永久保存記録にはPDF/Aは必須です。連邦機関デジタルガイドラインイニシアチブ（FADGI）が実装基準を定め、NARAの移行ガイダンスではデジタル化された永久保存記録が準拠しなければならないと規定しています。しかし、ここにOCRとの接点があります。認識されたテキストレイヤーがないPDF/Aファイルは、アーカイブ用ラッパーに入った画像にすぎません。フォーマットテストは合格しても、ユーザビリティテストには不合格です。5年後にその記録に対するFOIA請求があった場合、2026年のOCRテキストレイヤーが保存されていないため、職員は文書全体をゼロから再OCRする必要があります。

正しいアプローチはOCR埋め込みPDF/Aです。認識されたテキストはPDF/Aファイル内の非表示レイヤーとして保存され、検索可能で抽出可能ですが、閲覧者には見えません。これにより、二値画像のアーカイブとしての完全性と、テキストの機能的な検索性の両方が維持されます。埋め込みテキストレイヤーを持つPDF/Aを生成しない政府のOCRワークフローは、将来のFOIAバックログを生み出します。なぜなら、将来のすべてのリクエストで同じ文書の再処理が必要になるからです。

政府向けOCRソリューションを選択する際は、出力が埋め込みOCRテキストレイヤーを持つPDF/A-1またはPDF/A-2準拠をサポートしていることを確認してください。PDF/A-2は圧縮と高度なグラフィックスのサポートが改善されており、写真、地図、署名のスキャンがテキストと共に含まれる文書に重要です。

機関間フォーマット差異——テンプレートが機能しない理由

従来のIDPプラットフォームが採用するテンプレートベースのOCRでは、文書のレイアウトごとに事前に抽出テンプレートを作成する必要があります。ユーザーは各フィールドの位置に領域を描き、ラベルを割り当て、テンプレートをデプロイします。しかし、次のベンダーがわずかに異なるフォーム（異なるフォント、列順、ラベル用語）を提出すると、テンプレートは機能しなくなり、手作業での修正が必要になります。

政府機関はこの問題を大規模に直面しています。例えば、500以上の機関から発行される注文書を処理する州の調達オフィス、15の異なる裁判官室からの裁判所提出書類を受け付ける郡書記官、警察、都市計画、財務、公共事業、公園部門にまたがる記録管理フォーマットを扱う市のFOIAオフィス——それぞれが独自のフォーマットを持っています。テンプレートベースのOCRでは、何百、何千もの個別テンプレートが必要となり、フォームが更新されるたびにメンテナンスが必要です。

フォーマットに依存しない抽出——AIが位置ではなく意味理解で文書を読み取る——ことで、テンプレートのボトルネックを解消します。 データがページ上のどこにあるかをマッピングする代わりに、必要なデータ（許可番号、申請者名、評価額、有効期限）を定義します。AIは、どの部門のどのレイアウト、どのフォーマットでもそれらの値を特定します。このアプローチは、政府の記録管理の実際の運用を反映しています。データカテゴリは機関間で安定しています（すべての許可証に許可番号がある）が、それらのカテゴリの視覚的表現は大きく異なります。同じフォーマット差異の問題は、銀行の文書処理でも見られ、金融機関は数百の異なる銀行からの明細フォーマットを処理する必要があります。

これは、AI OCRが文書理解にもたらすパラダイムシフトと同じものです——位置ベースの認識から意味ベースの抽出への移行。多数の情報源からの記録を管理する政府機関にとって、このシフトは便利さの向上ではなく、プロジェクトが拡大できるか、恒久的なテンプレート保守スタッフを必要とするかの違いです。

ADAおよびWCAGアクセシビリティ対応

「障害を持つアメリカ人法（ADA）」第2編では、州・地方政府のサービス（デジタル記録を含む）を障害者にとってアクセシブルにすることを義務付けています。司法省は、一般向けに提供するデジタル文書・記録に適用される「ウェブコンテンツ・アクセシビリティガイドライン（WCAG）2.1 レベルAA」基準を通じて、これを強化しています。

政府機関向けOCRでは、具体的に以下の3つの成果物が必要です。

政府機関のOCRにおいて、ADAアクセシビリティは二次的な関心事ではありません。従来のOCRの基本機能（文字認識とテキスト出力）では、アクセシブルな文書は生成されません。WCAG 2.1 AA準拠の出力を生成するには、レイアウト分析、意味タグ付け、読み順保持を含む、より高度な文書理解が必要です。調達段階でこれを考慮しなかった機関は、デジタル化されたリポジトリ全体がアクセシブルでなくなり、高額な是正が必要になる可能性があります。

保管の連鎖と監査対応

デジタル化された政府記録は、真正性と未改ざん性を証明できなければなりません。FOIA（情報自由法）、連邦証拠規則、州の公文書法では、行政機関がデジタル記録の正当性——原本の紙文書から、特定の時刻に、権限のあるオペレーターによって作成され、以降改変されていないこと——を証明できることが求められます。

この保管の連鎖要件は、OCRワークフローに具体的な影響を及ぼします：

• 不変の原画像： 元のスキャン画像は、OCR処理とは別に2値マスターとして保存する必要があります。OCRはコピーに対して実行し、原本を変更してはなりません。
• 処理ログ： すべてのOCR操作（実行時刻、ソフトウェアバージョン、設定、生成された出力）を記録し、保持しなければなりません。このメタデータは、記録が異議申し立てされた場合の真正性主張を裏付けます。
• チェックサム検証： 原画像とOCR出力の暗号化ハッシュ（SHA-256）を計算し、保存します。将来の検証時にハッシュを比較することで、未検出の改変がないことを確認できます。
• 編集済み公開のバージョン管理： FOIA担当官が編集済み文書を公開する場合、行政機関は編集前の原本（保管の連鎖付き）と、どの免除コードで何を編集したかのログの両方を保持しなければなりません。公開版のOCRテキストレイヤーには、編集された内容が一切含まれていないことを確認する必要があります。

ほとんどの商用OCRツールは、これらの監査要件を考慮して設計されていません。政府機関は、プロセスログへのAPIレベルのアクセス、チェックサム生成のサポート、そして保管の連鎖追跡を処理するより広範な文書管理システムにOCRワークフローを統合できるソリューションを探すべきです。

法的な文脈——特に法律文書や裁判所提出書類に適用されるOCR——では、保管の連鎖要件はさらに厳格です。FRCP Rule 34では、電子的に保存された情報を「合理的に使用可能な」形式で提出することを要求しています。検証済みの原画像から監査可能なプロセスを通じてテキストレイヤーが生成されたことが証明できるOCR処理文書は、その基準を満たします。出所が追跡できない文書は異議申し立てを受ける可能性があります。

部門間で処理を行う、または外部ソースからの文書取り込みを統合する必要がある機関には、Collection Linkのようなツール——共有可能なアップロードリンクを生成し、第三者がファイルを直接処理キューに送信できるようにする——が、取り込みポイントを一元化し、アドホックなメール添付やUSB転送を排除することで、クリーンな保管の連鎖を維持するのに役立ちます。

よくある質問

OCR処理結果は、NARAの永続記録に関するデジタル化基準を満たしますか？

はい、出力が36 CFR § 1236 Subpart Eの要件に準拠している場合に限ります。つまり、デジタル化画像はFADGI品質基準を満たし、規則で指定されたメタデータフィールドがファイルまたはアイテムレベルで取得され、OCRを使用する場合はテキストレイヤーが適切に埋め込まれている必要があります。NARAは永続記録にOCRを必須とはしていませんが、OCRを選択する機関は、OCR技術の適切な使用に関する最新の移行ガイダンスに従わなければなりません。重要なのは、OCR出力が元の二値画像を置き換えるものではなく、検索可能なレイヤーとして補完するものであることです。

文書をOCR処理した後に編集（墨消し）できますか？それとも再度OCR処理が必要ですか？

編集前に文書をOCR処理し、テキストレイヤーを使用してPIIを特定・確認し、編集領域から可視コンテンツとその下のテキストレイヤーの両方を除去する恒久的な編集を適用し、編集領域に復元可能なテキストが残っていないことを確認する必要があります。編集後にOCRを適用すると、編集されたコンテンツが自動検出のために検索可能になることはなく、FOIA処理にOCRを使用する効率性の利点が損なわれます。すでに不適切に編集された文書（例：テキストが復元可能な黒塗りオーバーレイ）を扱う場合は、物理的な編集済み文書を再スキャンし、新しいスキャンにOCRを適用することが、最も安全な是正方法となる場合があります。

政府文書のADAコンプライアンスにはOCRが必須ですか？

法律で明示されているわけではありませんが、実務上は必須です。WCAG 2.1 AA準拠では、非テキストコンテンツにテキストによる代替を提供することが求められます。画像としてのスキャンPDFには、スクリーンリーダーがアクセスできるテキストが含まれていません。OCRはそのテキストレイヤーを作成する唯一の実用的な方法です。ただし、高精度のOCRであっても、基本的なOCRだけではADAコンプライアンスを保証できません。出力は論理的な読み順を保持し、表やフォームフィールドを正しくタグ付けし、文書構造を維持する必要があります。レイアウト理解を備えたAI OCRは、従来の文字レベルOCRよりもWCAG準拠の出力を生成する可能性がはるかに高くなります。

異なる様式の文書を扱う複数の機関からの書類をOCRはどう処理しますか？

従来のテンプレートベースのOCRでは、レイアウトごとに個別のテンプレートが必要です。これは、数百の異なる情報源から書類を受け取る機関にとって非現実的です。形式に依存しないAI抽出がこの問題を解決します。必要なデータ項目（許可番号、申請者名、発行日など）を定義するだけで、AIが各項目の意味を理解し、あらゆるレイアウトからそれらを特定します。テンプレートやフォームタイプごとのトレーニングは不要です。これは、同様の形式のばらつきが課題となる異なる裁判所形式からの法律文書抽出でも使用されている技術です。

政府記録に対するOCRの精度はどの程度期待できますか？

清潔なタイプ文書（印刷されたフォーム、タイプされた報告書、コンピュータ生成記録）では、最新のAI OCRは明確に定義された抽出項目に対して95～99%のフィールドレベル精度を達成します。手書きフォーム（活字体で85～95%、筆記体では低下）、カーボンコピーのフォームページ（古い政府記録に多い）、損傷やかすれた原本、スタンプや印鑑が文字に重なった文書では精度が低下します。出生・死亡証明書などの永久保存記録で100%の正確性が求められる場合は、AI抽出後の人間による確認工程が推奨されます。国立公文書館のデジタル化品質管理ガイドは、記録の種類に基づく許容誤差率の枠組みを提供しています。

OCRは大規模なFOIA請求への回答のバッチ処理に対応できますか？

はい。FOIA業務では、単一の請求が数百から数千ページに及ぶことが多いため、バッチ処理は不可欠です。バッチファーストのワークフローをサポートするAI OCRプラットフォームは、複数の文書を同時に取り込み、すべてのページに一貫した抽出ルールを適用し、出力を単一の構造化ファイルに統合できます。これは、特に同じFOIA請求が異なる形式の複数の部署からの記録をカバーする場合に、各文書を個別に処理するよりもはるかに効率的です。注目すべき重要な機能は、バッチレベルの出力統合です。1つのFOIA請求に対して、個別ファイルのフォルダではなく、1つの検索可能な出力を生成する必要があります。