ニュースの概要
BloombergのAI関連研究チームが、EMNLP 2026で企業利用を想定した検索拡張生成、画像や表を含む文書検索、法務AIに関する複数の成果を発表しました。中核となるMIDRは、文書を登録する段階でマルチモーダル大規模言語モデルに図表や画像を読ませ、その内容をキーフレーズ、表の要約、質問形式などの文章に変換します。利用者が検索する段階では文章中心の処理に切り替えられるため、毎回画像を解析する方式より応答時間や計算負荷を抑えやすい設計です。企業文書の「見た目に埋もれた情報」を、既存の検索基盤で扱いやすくする発想が特徴です。
引用元: Bloombergの研究者、企業向けRAGとマルチモーダル文書検索の新手法を発表（Bloomberg）
分析・見解
画像を後から読むのではなく登録時に意味へ変える
企業文書の検索が難しい理由は、情報が文章だけで構成されていないからです。売上推移はグラフ、契約条件は表、製造手順は写真、リスク説明は図解に置かれます。従来のRAG（検索拡張生成）は文字抽出を起点にしやすく、画像内の重要な関係や表の配置を取り逃がしていました。
MIDRの発想は、検索のたびに重い画像処理をするのではなく、登録時に視覚情報を複数の文章表現へ変換しておくことです。キーフレーズは短い検索語を補い、表の要約は行や列の意味を伝え、質問形式の記述は利用者が尋ねそうな言い回しとの照合を助けます。単なる画像の説明文ではなく、検索に使うための索引を作る点に価値があります。
検索速度だけでなく回答の再現性も改善できる
利用時に毎回画像を解釈する構成では、文書数やページ数が増えるほど遅延と費用が膨らみます。先に文章化しておけば、既存のベクトル検索やキーワード検索を組み合わせやすくなり、企業がすでに運用している検索基盤を大幅に作り替えずに済む可能性があります。特に大量の決算資料、規程、調査報告書を扱う部門では、処理時間の安定が導入効果に直結します。
ただし、前処理で作った文章が誤っていれば、その誤りが多くの検索結果に繰り返し現れます。グラフの単位、表の脚注、画像内の否定表現を取り違えると、生成AIはもっともらしい誤答を作りやすい。したがって、変換文だけでなく元ページへの参照、読み取り信頼度、抽出日時を保存し、回答時に原資料へ戻れる設計が欠かせません。
企業文書では「検索できる」より根拠を示せることが重要
法務や金融の現場では、回答の流暢さより、どの版のどのページを根拠にしたかが重視されます。MIDRのような方式は、画像や表を検索対象に加えるだけでなく、根拠提示の単位を整える機会になります。たとえば契約書の料金表を文章化する際、該当ページ、表番号、列名を一緒に管理すれば、利用者は回答と原文を照合できます。
一方で、要約された表現を原文そのものと混同してはいけません。社内規程のように一語の違いが判断を変える資料では、検索用の説明文は候補発見に限定し、最終判断は原文確認を必須にする運用が現実的です。自動変換の精度を競うだけでなく、誤りが起きても被害を限定する仕組みが企業導入の条件になります。
マルチモーダルRAGは専用モデル競争から運用設計へ進む
今回の方向性が示すのは、すべての処理を高性能な一つのモデルに任せることが必ずしも最適ではないということです。登録時だけ視覚能力を使い、検索時は軽量な文章処理に寄せる分業は、精度、費用、速度のバランスを調整しやすい。文書の種類ごとに変換テンプレートを変えれば、法務、財務、製造などの業務差にも対応できます。
今後は、文章化された索引の品質を継続的に測る仕組みが競争力になります。検索漏れ、誤った表の解釈、古い版の混入を業務別に記録し、再処理の優先順位を決めることです。マルチモーダル検索の本質は画像を理解することだけではなく、視覚情報を企業の監査可能な知識へ変換する管理能力にあります。
ビジネスへの影響
導入前に文書を三種類へ分けて投資効果を測る
導入を検討する企業は、全資料を一括処理するのではなく、文章だけでは検索漏れが多い文書から始めるべきです。候補は、表が多い財務資料、図解を含む製品仕様書、スキャンされた契約書、写真付きの点検記録です。まず数百から数千文書を対象にし、検索成功率、回答までの時間、原資料を確認する回数を現状と比較します。
評価では、一般的な質問だけでなく、表の特定行を尋ねる質問、脚注を含む質問、旧版と新版を区別する質問を用意します。処理費用が下がっても重要な条件を落とすなら、業務価値はありません。逆に、検索候補を見つける時間が短くなり、担当者が原文確認に集中できるなら、完全自動化でなくても十分な投資効果があります。
現場に必要なのは高精度モデルより訂正できる仕組み
企業の検索基盤では、変換された文章を誰が承認し、いつ更新するかを先に決める必要があります。契約改定や製品仕様の変更があると、索引だけ古いまま残る危険があります。文書の版、公開日、機密区分、参照元ページを一体で管理し、更新時には関連する索引を再作成する運用が必要です。
また、利用者が誤りを報告できる画面を用意し、訂正内容を次回の処理に反映させることも重要です。法務部門では、AIの回答を承認済み見解として扱わず、担当者の確認を経て業務記録に残します。導入責任者はモデルの性能表だけで判断せず、誤答時の責任分界、監査ログ、権限管理、データ持ち出しの防止まで含めて選定すべきです。
既存検索基盤との接続が全社展開の分かれ目になる
MIDRのような考え方は、検索システムを全面刷新しなくても試しやすい点が強みです。既存の文書管理システムに変換済みテキストと原ページの対応情報を追加し、従来のキーワード検索と新しい意味検索を併用する形から始められます。利用者が使い慣れた画面を保てれば、研修負担も抑えられます。
ただし、部門ごとに別々の索引を作ると、同じ文書に異なる要約が存在して管理が難しくなります。全社共通の文書識別子と更新規則を定め、部門固有の検索条件だけを上乗せする設計が望ましい。経営層が見るべき指標は、モデルの回答点数だけではなく、検索にかかる時間、確認作業の削減量、誤答の修正時間、利用部門の継続率です。