Word→Excel変換：表・フォーム・レポートを抽出 — 罫線コピーだけじゃない

結合セルや入れ子の表が崩れ、グリッドが乱れる。 Wordでは見た目上、4行にまたがる値がきれいに表示されても、Excelに貼り付けると結合が解除される。3行は空白になり、1行だけ値が残り、結合行にあったデータはランダムな列に移動する。セル内の表（入れ子テーブル）は1行に平坦化され、親子関係が失われる。複数の表を含む大きなWord文書を扱うユーザーからは、これが変換の主要な失敗要因であると報告されている。

段落内のデータは、あらゆるフォーマット変換ツールからは見えません。 プロジェクト提案書のエグゼクティブサマリーの段落に「予算：15万ドル」と書かれていても、表の中ではありません。Smallpdfのようなフォーマット変換ツールは、表の枠線を検出し、セル内のテキストにOCRを実行することで動作します。枠線の外にあるテキストは、それらのツールにとっては存在しないも同然です。WordからExcelへの自動変換に関するMicrosoftコミュニティの議論でもこの制限が確認されています：一貫したラベルや位置指定されたデータマーカーがなければ、従来の抽出方法では本文に埋もれた値を特定できません。

複数行のセル内容が行分割の原因になります。 Wordは表セル内のテキストを自然に折り返します。製品説明、契約条項、コメント欄などは、1つのセル内で複数行にわたることがあります。Excelに貼り付けると、各改行が新しい行になり、1つの論理的なデータポイントが複数に分割されます。結果として、レコードが行全体に断片化されたスプレッドシートができあがり、どの断片が互いに関連するかを手動で再構築する必要が生じます。

結合セルは単一の意味値として認識され、貼り付け時に分割されません。 Wordで3行にまたがる結合セルをAIが検出すると、その内容をスパン全体に適用される1つの値として解釈します。出力セルには正しい値が1回だけ含まれ、空白が2つ追加されることはありません。ネストされたテーブルは階層が保持されます。AIが人間と同じように文書構造を読み取るため、外側のテーブルはカテゴリ、内側のテーブルは明細項目として認識され、両者の関係はそのまま出力されます。抽出後に親子リンクを再構築する必要はありません。

列名抽出は、テーブル枠内だけでなく文書内の任意の場所から値を検出します。 Total Budgetという列を定義すると、AIは段落、ヘッダー、脚注、テキストボックス、テーブルなど文書全体をスキャンし、「Total Budget」の意味に合致する数値を探します。これがフォーマット変換とデータ抽出の根本的な違いです。AIは、段落3の「Budget: $150,000」と「Total Approved」とラベル付けされたテーブルセルの$150,000を同じ概念として理解します。フォーマット変換ツールは前者をプレーンテキスト、後者をテーブルセルとみなし、後者しか抽出しません。

1つの列名セットが、レポート、フォーム、提案書、議事録など、あらゆるWordレイアウトで機能します。AIは各列名の意味を理解して値を特定するため、特定の文書上の位置を記憶する必要はありません。列を一度定義すれば、任意の数のWordファイルを一括処理できます。四半期レポートと提案書では書式が異なりますが、どちらにも「作成者」「日付」「プロジェクト名」「予算」が含まれています。これら4つの列を一度定義すれば、すべての文書が同じスプレッドシートにデータを入力します。処理速度は1ページあたり5～10秒です（手動でのコピー＆ペーストと書式修正では、1文書あたり平均約3分かかります）。