エディターの裏側

がドキュメントの編集に優れているのはなぜですか？

言語モデルは優れた文を書くことができますが、それを書式設定と一緒に戻すのは別の仕事です。AIによる文書編集がこれまで難しかった理由と、それを解決するために私たちが構築したシステムについて説明します。

9分で読めます2026年10月3日

概要

Wordファイルの条項を修正するようチャットボットに頼むと、一度に2つの仕事を頼んでいることになります。言葉を変えることと、それを保持しているファイル形式を書き換えることです。言語モデルは1つ目の仕事は得意ですが、2つ目の仕事は信頼できません。

はモデルから2つ目の仕事を取り除きます。この記事では、それがなぜ重要なのか、長い文書でどのように機能するのか、そしてチャットウェブサイトやコンピューター操作エージェントと比べてどうなのかを説明します。

  1. 01言語モデルは、ページとしてではなく、マークアップとして文書を読み取ります。
  2. 021文字間違っただけでファイルが読み込めなくなる可能性があり、出力が長くなるとその間違いが発生しやすくなります。
  3. 03はコンテンツを書式から分離します：モデルが単語を編集し、私たちのコードがファイルを書き込みます。
  4. 04最新のコーディングエージェントが行うように、長文ドキュメントはバッチ処理、分割され、コンテキストが付与されます。
  5. 05チャットウェブサイトはPythonを使ってファイルを編集できますが、変更内容が知らないうちに失われることがあります。
  6. 06コンピューター操作エージェントは人間のように編集できますが、コストは何倍にもなります。

01

LLMには書式ではなくテキストだけが見えています

Wordで契約書を開くと、ページが見えます。社内スタイルの見出し、太字の金額、下線付きの期限などです。Wordがこれらの書式を作り出すので、私たちは見た目で編集できます。しかしWordファイル（.docx）の内部は複雑なXMLの仕組みで、目に見える単語の一つひとつに、マークアップと呼ばれる隠れた記述が細かく付けられています。12

見えているもの

モデルが見ているもの

<w:p>  <w:pPr><w:pStyle w:val="Heading2"/></w:pPr>  <w:r><w:t>4. 賃料</w:t></w:r></w:p><w:p>  <w:pPr><w:jc w:val="both"/></w:pPr>  <w:r><w:t>賃借人は、</w:t></w:r>  <w:r><w:rPr><w:i/><w:u w:val="single"/></w:rPr><w:t>毎月1日</w:t></w:r>  <w:r><w:t>に</w:t></w:r>  <w:r><w:rPr><w:b/><w:color w:val="1F4E79"/></w:rPr><w:t>US$2,400</w:t></w:r>  <w:r><w:t>を支払うものとします。</w:t></w:r></w:p>
図1同じ条項が2回繰り返されています。単語部分は 34 文字、その周囲のXMLは 381 文字です。word/document.xml の抜粋。

LLMはMicrosoft Word、LibreOffice、Pagesの支援を受けられないため、マークアップに対する独自の理解に頼らなければなりません。正しく編集するためには、LLMは元のマークアップの効果を理解し、正しいマークアップで新しい文を書く必要があります。

02

LLMの出力は本質的に不安定です

モデルは大幅に改善されたものの、最新のモデルであっても依然として間違いを犯します。52の専門分野における19のモデルを対象とした2026年のMicrosoft Researchの調査では、Gemini 3.1 Pro、Claude 4.6 Opus、GPT 5.4などの最先端モデルは、長時間の編集ワークフローの終了時までに平均してドキュメントコンテンツの25%を破損させました。4

Wordファイルでは、わずか1つの小さなエラーでファイルが使用できなくなることがあります。ここでは、モデルが1つのスラッシュを脱落させています。

<w:p>  <w:pPr><w:jc w:val="both"/></w:pPr>  <w:r><w:t>賃借人は、</w:t></w:r>  <w:r><w:rPr><w:i/><w:u w:val="single"/></w:rPr><w:t>毎月1日</w:t></w:r>  <w:r><w:t>に</w:t></w:r>  <w:r><w:rPr><w:b>1<w:color w:val="1F4E79"/></w:rPr><w:t>US$2,400</w:t></w:r>  <w:r><w:t>を支払うものとします。</w:t></w:r></w:p>
図21つのスラッシュが抜けているだけで、太字タグが閉じられなくなります。XMLは整形式ではなくなり、Wordはファイルを通常通り開けなくなります。3

XMLは不正なマークアップを一切許容しません。ファイルは整形式であるか、そうでないかのどちらかです。Wordは破損したファイルを修復できることがありますが、修復されたコピーではテキストや書式が失われている場合があります。

出力が長くなるほど、間違いが増える

リスクは長さとともに増大します。2025年の長文構造化出力のベンチマークであるLongProcでは、オープンウェイトモデルは2,000出力トークンでつまずき、GPT-4oは8,000トークンで大幅に劣化することが判明しました。5 別の研究では、モデルが関連する事実をすべて取得できる場合でも、入力が増大するにつれてパフォーマンスが13.9%から85%低下することが判明しました。6 10ページのWord文書は約10,000トークンであり、10ページすべてをエラーなく一度に編集しようとするのは至難の業です。

<w:p>  <w:pPr><w:pStyle w:val="ClauseText"/></w:pPr>  <w:r><w:rPr><w:b/><w:sz w:val="24"/></w:rPr><w:t>5.1</w:t></w:r>  <w:r><w:rPr><w:sz w:val="24"/></w:rPr><w:t xml:space="preserve"> Harlow &1 Pike LLPは、本賃貸借契約に基づいて生じるすべての事項に関して賃貸人を代理します。</w:t></w:r></w:p><w:p>  <w:pPr><w:pStyle w:val="ClauseText"/></w:pPr>  <w:r><w:rPr><w:b/><w:sz w:val="24/>2</w:rPr><w:t>5.2</w:t></w:r>  <w:r><w:rPr><w:sz w:val="24"/></w:rPr><w:t xml:space="preserve"> 賃借人は、本物件を良好かつ十分な修繕状態に維持するものとします。</w:t></w:r></w:p><w:p>  <w:pPr><w:pStyle w:val="ClauseText"/></w:pPr>  <w:r><w:rPr><w:b/><w:sz w:val="24"/></w:rPr><w:t>5.3</w:t></w:r>  <w:r><w:rPr><w:sz w:val="24"/></w:rPr><w:t xml:space="preserve"> 通知はすべて書面で行い、スケジュール2に記載されている宛先に送付しなければなりません。</w:t></w:p>3<w:p>  <w:pPr><w:pStyle w:val="ClauseText"/></w:pPr>  <w:r><w:rPr><w:b/><w:sz w:val="24"/></w:rPr><w:t>5.4</w:t></w:r>  <w:r><w:rPr><w:sz w:val="24"/></w:rPr><w:t xml:space="preserve"> 賃料の支払いが21日以上遅れた場合、4
  1. 1テキスト内の裸のアンパサンド。XMLではエンティティとしてエスケープする必要があります。
  2. 2閉じ引用符の欠落。その後のすべてが値の一部として読み取られます。
  3. 3段落が終わる前に閉じられていないラン。
  4. 4出力が突然停止します。長い生成では、長さ制限に達するか、タグの途中でタイムアウトする可能性があります。
図3モデル出力の4つの条項と、4種類の障害。いずれも単独でファイルを読み取り不能にします。

03

による解決方法

弊社では、書式とコンテンツを分離する専用プログラムを作成しています。モデルは、変更が必要な単語と、ページのレンダリング済み画像を受け取るため、Wordプログラムの支援を受けているのと同じ状態になります。その後、私たちのコードが編集後の単語を元のランに戻し、ファイルの残りの部分には手を加えません。

あなたのファイル

<w:p>  <w:pPr><w:jc w:val="both"/></w:pPr>  <w:r><w:t>賃借人は、</w:t></w:r>  <w:r><w:rPr><w:i/><w:u w:val="single"/></w:rPr><w:t>毎月1日</w:t></w:r>  <w:r><w:t>に</w:t></w:r>  <w:r><w:rPr><w:b/><w:color w:val="1F4E79"/></w:rPr><w:t>US$2,400</w:t></w:r>  <w:r><w:t>を支払うものとします。</w:t></w:r></w:p>

はコンテンツを書式から分離します

抽出されたコンテンツ

賃借人は、毎月1日にUS$2,400を支払うものとします。

レンダリングされたページ

両方がモデルに送られます

言語モデル単語を編集します。XMLには一切触れません。

モデルは編集されたコンテンツを返します

モデル出力

賃借人は、毎月1日毎月5日にUS$2,400US$2,600を支払うものとします。

は単語を元のランに書き戻します

あなたのファイル、編集済み

<w:p>  <w:pPr><w:jc w:val="both"/></w:pPr>  <w:r><w:t>賃借人は、</w:t></w:r>  <w:r><w:rPr><w:i/><w:u w:val="single"/></w:rPr><w:t>毎月5日</w:t></w:r>  <w:r><w:t>に</w:t></w:r>  <w:r><w:rPr><w:b/><w:color w:val="1F4E79"/></w:rPr><w:t>US$2,600</w:t></w:r>  <w:r><w:t>を支払うものとします。</w:t></w:r></w:p>

✓ 有効な .docx。太字、色、下線はそのまま維持されます。

図4編集パイプライン（簡略版）。ハイライトされたテキストは、ファイル内で変更された部分のみです。

これで両方の問題が一度に解決されます。モデルはこれまで見えなかった書式を認識できるようになり、最も壊しやすかったマークアップを書かなくなります。

この層は汎用チャットボットにはありません。抽出、レンダリング、再組み立ての各プログラムは、自身のエンジニアが構築・保守しています。

04

長文コンテキスト問題の解決

長い編集もあります。複数のページにまたがる段落や、何百か所にわたって一貫して適用される1つの変更などです。これらについては、ソフトウェアエンジニアリングから学びました。2026年3月、AnthropicはAIコーディングエージェントであるClaude Codeのソースコードを、公開npmパッケージ内に誤って公開しました。7

流出したそのコードエディタが教えてくれる教訓はシンプルです。長いものを編集するには、細かく分割することです。ドキュメントをページグループに分割し（バッチ処理と呼ばれる手法）、長い段落を文に分割することで、1回あたりの編集を確実にこなせる小ささに抑えます。

ドキュメントを分割すると、新たな問題が生じます。それは「コンテキスト」です。2ページ目の定義を使用して、60ページ目のパラグラフをどのように編集すればよいでしょうか？ここで、AIコードエディター（Cursor、GitHub Copilot、OpenAI Codex）における2年間の経験が活きています。その答えがコンテキストエンジニアリングです。関連情報を収集して焦点を絞ったコレクションを作成し、クリーンなコンテキストウィンドウを持つサブエージェントにそれを渡します。8 ドキュメントでも同様の処理を行います。注意深い読者と同じように論理的に関連する情報をグループ化し、編集対象と一緒に、実際の変更を行うサブエディターに送信します。

1ドキュメントを一括処理する

1–40ページ41–80ページ81–120ページ121–160ページ161–200ページ201–240ページ241–280ページ281–300ページ

2長い段落を分割する

第18.3条 · 60ページ
文 1文 2文 3文 4文 5

3コンテキストを集めてから、並行して編集する

定義用語2〜12ページ

当事者と役割1ページ

これまでの修正34ページ

サブエディター 11–40ページ + コレクション

サブエディター 241–80ページ + コレクション

サブエディター 381–120ページ + コレクション

図5300ページの文書を分割します。各サブエディターには、文書の小さな部分と、その部分が依存するコンテキストが与えられます。

例：判決文の墨消し

弁護士は、判決文内のすべての証人名の墨消しと、新人弁護士が調査するための引用判例のリストを求めています。

  1. 検索。 は、通常のパターンマッチングによってすべての人名およびすべての判例引用を検出します。この段階ではモデルは必要ありません。
  2. 分類する。 各名前は、その前後の文と共にモデルに送られ、証人、弁護士、裁判官のいずれであるかが判定されます。その回答から証人のコレクションが構築されます。
  3. 収集する。 同じ方法で、引用された判例のコレクションを作成します。
  4. 実行する。 各証人名が見つかった場所を正確に把握しているため、元のファイルのそれらの場所だけを墨消しします。

高等法院

国王座部

Harrow v Kestrel Logistics Ltd

変更前: Mrs Justice Holloway

判決

Mrs Justice Holloway：本請求は、2024年3月14日に被告の倉庫で発生した荷積み場の崩落に起因するものです。原告はMs Priya Raman、被告はMr Thomas Whitbyが代理人を務めました。私は4日間にわたり口頭証言を聴取しました。

主要な目撃者であるMr Daniel Okaforは、夜勤のフォークリフト運転手でした。Mr Okaforは法廷で、荷積み場の警告灯が数週間故障したままであり、自分がそれを2回報告したと証言しました。2人目の証人で、2月に荷積み場を点検した請負業者のMs Margaret Ellisonは、自分の報告書が即時の修理を勧告していたことを確認しました。私は両方の証人が慎重で信頼できると判断しました。

敷地内に適法に立ち入る者に対する占有者の注意義務は確立しており、私はDonoghue v Stevenson [1932] AC 562の隣人原則を出発点とします。新規の状況において義務を課すことが公正、正当かつ合理的であるかどうかはCaparo Industries plc v Dickman [1990] 2 AC 605によって判断されますが、本件の状況は新規のものではありません。Mr Whitbyは、請求された損害は因果関係が遠すぎると主張しました。この主張はHadley v Baxendale (1854) 9 Exch 341に照らして検証されなければなりません。

Mr OkaforおよびMs Ellisonの証拠を文書とあわせて検討した結果、被告が不具合を認識しながら対応を怠ったと確信します。請求は責任に関して認められます。損害賠償額は、改めて開かれる審理で算定されます。明快で的確なご主張をいただいたMs RamanおよびMr Whitbyに感謝いたします。

図6表示を切り替えて結果を確認します。判決と名前は架空のものです。引用されている3つの判例は実在します。

05

chatgpt.com、claude.ai およびその他のチャットウェブサイトでも同様のことができますか？

場合によっては可能です。これらのウェブサイトには多くの場合Pythonインタープリターが含まれており、モデルはWordやPowerPointファイルを開いてコードでそのXMLを編集できます。

しかし、コードは依然として不安定なモデルによって記述されており、結果が元と一致しているかチェックするものはありません。内部テストでは、予期せぬ削除や編集が含まれるドキュメントがしばしば返されてきました。ある極端なケースでは、20 ページのドキュメントが警告なしに 10 ページになって戻ってきました。

Python を使用するチャットウェブサイト

20ページ
10ページ

完了しました！ご要望に応じてドキュメントを更新しました。

10ページの欠落についての言及なし

変更履歴

  • 4ページ · 第2.1条

    30日間 60日間

    元に戻す
  • 9ページ · 第6.3条

    サプライヤー 受託者

    元に戻す
  • 17ページ · スケジュール 1

    US$2,400 US$2,600

    元に戻す

新規文書の生成

図7左：社内テストで発生した、通知のない切り詰め。右：OneTurnでは、AIによるすべての変更が一覧表示され、元に戻すことができます。

気づかれないまま起きる省略や変更は、重要な業務にとって致命的です。では、AIエージェントが行ったすべての変更が記録されます。それぞれを確認し、どれでも元に戻し、新しい文書を生成できます。

06

OpenClawやManusのようなコンピューター操作エージェントでもこれはできますか？

これらのエージェントは、人間と同じようにコンピューターを操作します。Microsoft WordやPowerPointで文書を開き、スクロール、クリック、入力を行います。11 人間と同じプログラムを使用するため、人間のように編集することができ、その結果はしばしば素晴らしいものになります。

代償となるのはコストとスピードです。エージェントはスクロールしながらスクリーンショットを撮影してドキュメントを読み込みますが、次の動作を決定するためのモデル呼び出しが細かいステップごとに必要となります。フルHDのスクリーンショットは、それ単体で約1,500〜2,700トークンのコストがかかります。10 OSWorldベンチマークでは、最も優れたエージェントでさえ必要なステップの2.7〜4.3倍のステップを消費し、後半のステップは前半に比べて最大3倍の時間がかかりました。9

コンピューター操作エージェント

  1. スクリーンショットを撮影する
  2. モデルが次のアクションを決定します
  3. スクロール、クリック、または入力
  4. すべてのステップで繰り返す

  1. テキストを一度読む
  2. 一括編集
  3. ファイルを書き込む
20ページの契約書、30箇所の修正コンピューター操作エージェント
モデル呼び出し≈ 180≈ 12
1回あたりのトークン数≈ 10,000≈ 4,000
合計トークン数≈ 1,800,000≈ 48,000
違い約37倍、またはOSWorldで測定された追加のステップを含めると約100〜160倍
図8前提条件：約11,000語、文書の読み取りにスクリーンショット60枚、1回の編集につき4回の操作、各呼び出しにはスクリーンショットと直近の履歴が含まれます。OneTurnはテキストを一度読み取り、編集内容をバッチ処理で送信します。

私たちの見積もりでは、コンピューター操作エージェントは、同じ編集を行うのにの最大100倍のLLMトークンを消費し、完了までにはるかに長い時間がかかります。

情報源

  1. WordprocessingMLドキュメントの構造Microsoft Learn · Open XML SDKドキュメント
  2. ECMA-376: Office Open XML ファイル形式Ecma International · 標準規格
  3. ワープロドキュメントを検証するMicrosoft Learn · Open XML SDKドキュメント
  4. LLMに委任すると、ドキュメントが破損するLaban、Schnabel、Neville · Microsoft Research · 2026年
  5. LongProc：長文手続き型生成における長文脈言語モデルのベンチマークYe ほか · COLM 2025
  6. 完璧な検索性能にもかかわらず、コンテキスト長の増大だけでLLMの性能が低下するDu ほか · Findings of EMNLP 2025
  7. Anthropic、npmソースマップファイルを通じてClaude Codeのソースを誤って公開InfoQ · 2026年4月7日
  8. AIエージェントの効果的なコンテキストエンジニアリングAnthropicエンジニアリング · 2025年9月29日
  9. OSWorld-Human：コンピューター利用エージェントの効率性のベンチマークAbhyankar、Qi、Zhang · MLSys 2026
  10. ビジョン：解像度とトークンコストClaude Platform ドキュメント
  11. MetaのManus、OpenClawブームの中でAIエージェントをパーソナルデバイスに導入するデスクトップアプリをリリースCNBC · 2026年3月18日

図は本記事のために作成された挿絵です。XMLは実際のWordprocessingMLであり、ファイル名、人物、判決は架空のものです。

絶対に破損させられないドキュメントでお試しください。

を無料で試す →