AI×経営戦略2026年10月7日読了約6分

図表を比率別に自動再配置するAI

保存

台湾の研究チームが、フローチャート画像を任意の縦横比へ接続を壊さず再配置し、編集可能な形式で出力するAIパイプラインを発表した。資料作成の転用工数を減らす技術として注目される。

研究の概要

台湾の研究チームは、画像として保存されたフローチャートを、指定した縦横比に合わせて作り直す手法を提案した。論文、16:9のスライド、縦長のポスター、1:1のSNS用画像、9:16のスマートフォン向け画面など、同じ処理の流れでも掲載先ごとに必要な形は異なる。単純に拡縮すると、ブロックが引き伸ばされたり、矢印のつなぎ先が入れ替わったりして、説明している手法そのものを誤って伝える恐れがある。

研究チームはこの課題を「アスペクト比適応型フローチャート再配置」という独立したタスクとして定義した。入力はラスター画像のフローチャートと目標の縦横比であり、出力には、構造が元と一致し、存在しない要素を含まず、後から編集できるレイアウトを求める。

既存手法には特徴的な失敗がある。画像から画像を生成するモデルはブロックを引き伸ばし、極端な比率を受け付けない。テキストから画像を生成するエージェント型システムは、元にない内容を作り出してしまう。解析してから描画する方式は、矢印の経路を誤りやすい。

仕組み

提案手法は、Parse(解析)、Style(様式)、Layout(配置)の三段階に分かれたエージェント型パイプラインである。各段階では、作業を担う主エージェントと、結果を検査する批評役のクリティックが対になる。

クリティックは二種類の検査を組み合わせる。一つは、接続関係が保たれているかなどを機械的に確かめる決定論的な制約チェックである。もう一つは、視覚言語モデル(VLM)による見た目の評価である。前者が構造の崩れを確実に捕捉し、後者が重なりや読みにくさといった見た目の問題を拾う。接続が黙って壊れることを、設計の段階で防ぐ構成である。

出力は、作図ツールdraw.ioで開けるmxGraph XMLである。画像ではなく編集可能な部品として得られるため、文言の修正や微調整を人が続けられる。

評価は、100件のフローチャートを5種類の縦横比に適用した評価用データで行われた。判定にはGemini 3.1 Proを用い、人手の判断との整合も確認している。その結果、内容の忠実度を示すContent Fidelityは68.6%に達し、先行手法の11.2〜41.4%を上回った。

ビジネスへの示唆

同じ図を媒体ごとに作り直す作業は、研究者に限らず多くの職場で毎日のように発生している。例えば、業務フロー図を社内マニュアル用のA4縦、役員会向けの16:9スライド、営業用のスマートフォン画面に載せ直す作業である。

この技術が効く部署と、動く可能性のある指標は次のとおりである。

経営企画・マーケティング部門：提案書や広報素材の制作リードタイム、媒体展開の手戻り回数
製造業の生産技術・品質保証部門：工程フロー図や手順書の改訂にかかる時間、図の誤りに起因する指摘件数
金融・医療のコンプライアンス部門：承認フローや診療プロセス図の整合性確認の手間
教育・人材育成部門：研修資料の多媒体展開にかかる工数

読者は、自部署で該当する業務は何かを考えたい。毎月の資料更新で、誰がどれだけの時間を使って図を作り直しているか。矢印の付け間違いが会議の混乱や再確認を招いた経験はないか。こうした問いに心当たりがあれば、適用の余地がある。

現場での導入イメージ

仮に導入支援に入るなら、次のような流れが現実的である。

棚卸し:図の転用が発生している資料と、その担当者、頻度、手戻りの原因を一覧にする。目指す到達点は、どの図の作り直しが最も手間を食い、どこで接続ミスが起きているかを、担当者全員が共有できる状態である。
差し込み先の設計:新しい作図ツールを増やさず、すでに使っているdraw.ioや、社内の資料管理の流れの中に組み込む。出力が編集可能な形式であるため、既存の作業を置き換えず、最初の下書きを作る役割に位置づけられる。目指す到達点は、担当者が普段の画面のまま、再配置案を受け取れる状態である。
小さく試す(PoC):一つの部署で、数週間、実際の資料の一部だけを対象にする。小さく、安く始められる規模にとどめ、数値よりも担当者の実感で確かめる。作り直しの手間が減ったか、接続の誤りに気づく場面があったかを聞き取る。目指す到達点は、現場が使い続けたいと判断できる根拠の獲得である。
運用と横展開:図の品質基準、すなわち接続の正しさ、用語の一致、最終確認者を定め、他部署へ広げる。目指す到達点は、図の転用が属人的な作業ではなく、基準に沿った標準手続きになることである。

全体として目指すのは、一枚の図を元に、どの媒体向けにも構造の正しい版を短時間で整えられる運用である。最終確認は人が担うことを前提とする。

今後の展望

今回の評価は、機械学習論文のパイプライン図を中心とした100件の評価用データに基づく。業務フロー図や組織図など、企業が実際に扱う図で同等の精度が出るかは、個別の検証が必要である。また、忠実度68.6%は先行手法を大きく上回るものの、全ての接続が常に正しいことを意味しない。実務では人による最終確認を組み込む運用が欠かせない。それでも、接続を機械的に検査する設計は、図の信頼性を重視する業務に適した考え方であり、文書作成支援ツールへの展開が見込まれる。