AIに、文書を正しく読み解く力を。
PDF・スキャン・Office・画像・手書き。あらゆる文書を、AIが正しく読み取り、回答に活用できる構造化データに作り直します。
お手元のファイルで無料でお試しいただけます。数分で結果を確認できます。
ここでいう精度（正答率）とは、Nebulaの変換結果を使ったLLM（GPT-5.4-miniまたはGemini 3 Flash）が、人が元の文書から読み取った正解と一致する回答を出せた質問の割合です。詳しい評価方法をまとめたレポートは近日公開予定です。
出典：上場企業の決算説明資料（2026年8月）p.7
色のついた行に触れると、元のPDFの位置が出ます。
# 連結営業利益増減要因 （単位：億円） | 順序 | 項目 | 増減 | 表示営業利益 | 注記 ||---:|---|---:|---:|---| | | ||---|---:| | | ||---|---:| | | ||---|---:| | | ||---|---:|
AIに聞ける利益を最も押し下げた要因は？
決算説明資料の増減要因のグラフ（ウォーターフォール）。各要因を順序つきの表の行にし、注記の内訳と単位も残します。
Nebulaで変換サンプルをすべて見る見た目が正しくても、AIが使えるとは限りません。
多くの文字読み取りツールは、見た目の整ったテキストを出力することを重視します。しかし、表の文字を正確に読み取れても、行と列の関係が失われれば、AIは質問に正しく答えられません。Nebulaが重視するのは、変換結果を受け取ったAIが、質問に正しく答えられるかどうかです。人なら元の文書から答えられる質問に、AIも変換結果だけで答えられる状態を目指します。
Segment Cloud 12 19 27 41 Services 8 9 11 14
（行と列が平文化）「FY24のCloud売上は?」と尋ねても、答え（27）は数字の羅列に埋もれ、モデルは推測するしかありません。
| Segment | FY22 | FY23 | FY24 | FY25 |
| -------- | ---: | ---: | ---: | ---: |
| Cloud | 12 | 19 | 27 | 41 |
| Services | 8 | 9 | 11 | 14 |同じ質問でも、下流のLLMが正しく答えられます：FY24のCloud = 27。
ここでいう精度（正答率）とは、Nebulaの変換結果だけを使って、LLM（GPT-5.4-miniまたはGemini 3 Flash）が質問に正しく答えられた割合です。人が元の文書から導いた正解と照合して評価します。詳しい評価方法をまとめたレポートは近日公開予定です。
グラフはChart.js JSONへ。表は形を保ったまま。
文書を有用にしている構造をパースで失わないので、AIは平文ではなくデータを受け取れます。
グラフをデータ化
棒・折れ線・円グラフを構造化Chart.js JSONへ書き起こします。ラベル、系列、数値、軸の単位まで保持し、数値は数値のまま残します。
表構造を保持
行、列、結合セル、財務諸表の階層をパース後も保持し、脚注も落とさず残します。
Webプラットフォームで利用する。APIで業務に組み込む。AIアシスタントから使う。自社専用のAIモデルを導入する。
チームで利用するWebプラットフォーム、既存のシステムや業務フローに接続するAPI、ClaudeやChatGPTなどのAIアシスタントからの利用、自社専用の環境で運用する、業務に合わせて調整したAIモデル。用途や運用方法に合った導入方法を選べます。
Nebulaアプリ
ログインして、PDF・画像・フォルダ一式をドラッグするだけ。ページの処理を見ながら、グラフ対応のMarkdownとJSONをダウンロードできます。コードは不要です。
- アップロードするだけ、設定不要
- バッチ・フォルダアップロードに対応
- MarkdownまたはJSONで取得
Nebula API
署名付きアップロード、バッチ・フォルダジョブ、MarkdownまたはJSON出力に対応した非同期REST。RAGやエージェントのパイプラインに組み込めます。
- 非同期REST、署名付きアップロード
- バッチ・フォルダジョブ
- Markdown・JSON・両方
AIアシスタントからNebulaを使う
Claude、ChatGPT、Claude Code、CodexなどのMCP対応アシスタントにNebulaを追加すれば、「このPDFをNebulaでMarkdownに変換して」と頼むだけで変換できます。
- すべてのNebulaアカウントで利用可能（ベータ版）
- NebulaアカウントでサインインまたはAPIキーを使用
- 添付ファイル、リンク、パソコン上のファイルに対応
ローカル・ファインチューニング導入
機微性が高く、継続的に発生するエンタープライズAIワークロードを、自社で管理できるプライベートなモデルとして導入します。
- お客様のアーキテクチャに合わせて設計
- 自社の文書領域に合わせてファインチューニング
- オンプレミスまたはプライベート環境での運用に対応
APIを利用するだけでなく、AIの基盤となるモデルそのものを自社で保有・管理し、業務に合わせて最適化する。
AIを全社的に活用する企業に向けて、Nebulaは基盤となるAIモデルの導入から、用途に応じたモデルの使い分け、業務データに合わせた調整まで支援します。WebプラットフォームやAPIの利用に加わる、Nebulaの3つ目の導入方法です。
モデルルーティング
単一の統合ポイントから、タスクごとに最適なフロンティアモデルまたはファインチューニング済みモデルへ振り分けます。特定ベンダーに縛られない構成です。
ローカル・プライベートLLMの提供
機微性の高いワークロード向けに、お客様の環境内で動作するプライベートなローカルLLMを設計・導入します。
ドメインファインチューニング
自社の文書と業務領域に合わせてモデルを調整し、日常的なAIワークロードを自社で管理できる基盤上で動かします。
評価・統合ハーネス
モデルを既存システムに組み込み、answerability（答えられるか）を軸にした評価ハーネスで品質を継続的に測定します。
文書ごとに最適なモデルを、企業向けの管理機能とともに。
Nebulaは、最先端の画像と文章を理解するAIモデルと、当社が独自に調整したモデルを使い分け、文書の種類や構成に最も適したモデルを選びます。文書の処理には、法人向け契約が適用されるAIモデル提供事業者を利用します。データはお客様ごとに分離され、モデルの学習には使用されません。
- テナントごとのデータ分離
- 顧客ごとのAPIキー認証
- ジョブ単位の監査履歴
- 文書はモデルの学習に使用しない
- エンタープライズのモデルプロバイダーを通じて各社のエンタープライズ規約のもとで処理
ISO 27001:2022認証を取得し、SOC 2 Type 2の保証業務を完了、GDPRにも準拠しています。
さまざまな文書活用を、ひとつの基盤で。
グラフや表を含む業務文書の情報を、AIシステムで活用したいあらゆる場面でNebulaを利用できます。RAG、AIエージェント、データ分析、LLMを使った業務システムや処理フローに対応します。
日本語の財務・開示文書
決算資料、ガバナンス資料、IRリリース、開示書類を、日本語特有のレイアウトを失わずに構造化AI入力へ変換します。
明細・請求書
発行元ごとに異なる明細やバックオフィス文書を、会計・照合エージェントが扱える正規化された明細データへ変換します。
役員会資料・プレゼン資料
PowerPoint由来のファイルから、スライド構造、文脈、表、グラフ系列を、視覚情報を平坦化せずに抽出します。
データルーム・RAG取り込み
大量の企業PDFを、検索、要約、デューデリジェンス、エージェントワークフローに渡せる状態へ整えます。
法務・規制対応コーパス
長い日本語法務PDFでも、脚注や引用を読取順序のまま保持して取り込めます。
建設・物流・小売
点検表、台帳、納品書、各種帳票を、業種をまたいで一貫した構造へ整えます。
Nebulaに関するよくある質問。
Nebulaとは何か、文書をどう処理するか、データがどこに置かれるか、どう連携するかを確認できます。