メインコンテンツへスキップ
Nebula

グラフ・表・文書を、AIが使える構造へ。

AIが文書を読めるように。
グラフ・表・文書
メガネ君
Nebula
Markdown + JSON
# 構造化出力
| item | value |
| --- | ---: |
{"layout":"preserved","format":"json"}
グラフ読取
レイアウト保持
表構造を保持
Markdown + JSON
国内処理
入力文書
100%
経産省 CGSガイドライン — 多チャート/表ページ
Nebula出力

Page 1

1. はじめに

1.1. 問題意識

○ 日本企業全体としての「稼ぐ力」は低迷しており、研究開発や人的資本などの無形資産への投資も含め、中長期的な成長を実現するための投資は必ずしも増加していない。

○ 資本市場からの評価は厳しく、株価指数に表される日本企業の「企業価値」は欧米や新興国と比較して「一人負け」している状況であり、日本の代表的企業(TOPIX500)の約4割で、PBRが1倍を下回っている。

<参考:売上高営業利益率(ROS)の日米比較、株式指数の長期的傾向>

{
  "type": "line",
  "data": {
    "labels": ["2007", "2008", "2009", "2010", "2011", "2012", "2013", "2014", "2015", "2016", "2017", "2018", "2019", "2020"],
    "datasets": [
      {
        "label": "日本",
        "data": [4, 2, 3, 3, 3, 4, 4, 5, 5, 6, 5, 5, 5, 5],
        "borderColor": "red",
        "fill": false
      },
      {
        "label": "アメリカ",
        "data": [10, 7, 8, 10, 9, 10, 10, 10, 11, 11, 11, 11, 11, 10],
        "borderColor": "blue",
        "fill": false
      }
    ]
  },
  "options": {
    "scales": {
      "y": {
        "title": {
          "display": true,
          "text": "%"
        },
        "beginAtZero": true,
        "ticks": {
          "stepSize": 2
        }
      },
      "x": {
        "title": {
          "display": true,
          "text": "(年度)"
        }
      }
    },
    "plugins": {
      "title": {
        "display": true,
        "text": "売上高営業利益率(ROS)の日米比較"
      },
      "legend": {
        "position": "top"
      }
    },
    "responsive": true,
    "maintainAspectRatio": false
  },
  "caption": "(注)日本はTOPIX500、アメリカはS&P500を対象。\n(出所)Bloomberg",
  "notes": "(備考)自己資本利益率(ROE)は、ROE = 売上高利益率(ROS) × 総資産回転率 × 財務レバレッジと分解できる。"
}
{
  "type": "table",
  "data": {
    "headers": ["", "1990年", "2022年", "倍率"],
    "rows": [
      ["日経平均", "23,849", "26,848", "1.1倍"],
      ["NYダウ", "2,634", "32,979", "13倍"],
      ["FT100(英)", "2,143", "7,545", "4倍"],
      ["DAX(独)", "1,398", "14,098", "10倍"],
      ["香港ハンセン", "3,025", "21,089", "7倍"],
      ["インドムンバイ", "1,048", "57,061", "54倍"],
      ["中国上海", "128", "3,047", "24倍"],
      ["ジャカルタ", "418", "7,229", "17倍"],
      ["タイSET", "613", "1,667", "3倍"]
    ]
  },
  "options": {
    "title": "株式指数の長期的動向(1990年と2022年の比較)",
    "footer": "(注)1990年は12月末、2022年は4月末の数値を使用。\n(出所)Investing.com"
  },
  "alignment": {
    "column \"1990年\"": "right",
    "column \"2022年\"": "right",
    "column \"倍率\"": "right"
  }
}

<参考:企業の営業利益に対する設備投資、研究開発投資の比率>

{
  "type": "line",
  "data": {
    "labels": ["2011", "2012", "2013", "2014", "2015", "2016", "2017", "2018"],
    "datasets": [
      {
        "label": "米国",
        "data": [100, 105, 110, 112, 115, 130, 128, 115],
        "borderColor": "brown",
        "fill": false
      },
      {
        "label": "日本",
        "data": [100, 100, 90, 88, 88, 88, 80, 85],
        "borderColor": "blue",
        "fill": false
      }
    ]
  },
  "options": {
    "scales": {
      "y": {
        "title": {
          "display": true,
          "text": ""
        },
        "beginAtZero": false,
        "ticks": {
          "stepSize": 10
        }
      },
      "x": {
        "title": {
          "display": true,
          "text": ""
        }
      }
    },
    "plugins": {
      "title": {
        "display": true,
        "text": "設備投資/営業利益"
      },
      "legend": {
        "position": "bottom"
      }
    },
    "responsive": true,
    "maintainAspectRatio": false
  },
  "caption": "",
  "notes": ""
}
{
  "type": "line",
  "data": {
    "labels": ["2011", "2012", "2013", "2014", "2015", "2016", "2017", "2018"],
    "datasets": [
      {
        "label": "米国",
        "data": [100, 100, 105, 107, 108, 120, 130, 131],
        "borderColor": "brown",
        "fill": false
      },
      {
        "label": "日本",
        "data": [100, 100, 88, 88, 88, 85, 74, 74],
        "borderColor": "blue",
        "fill": false
      }
    ]
  },
  "options": {
    "scales": {
      "y": {
        "title": {
          "display": true,
          "text": ""
        },
        "beginAtZero": false,
        "ticks": {
          "stepSize": 10
        }
      },
      "x": {
        "title": {
          "display": true,
          "text": ""
        }
      }
    },
    "plugins": {
      "title": {
        "display": true,
        "text": "研究開発投資/営業利益"
      },
      "legend": {
        "position": "bottom"
      }
    },
    "responsive": true,
    "maintainAspectRatio": false
  },
  "caption": "",
  "notes": "乖離は拡大傾向",
  "visual_annotations": [
    "[arrow: down gray] (from 131 to 74)"
  ]
}

図:財務省「法人企業統計」、経済産業省「企業活動基本調査」、U.S Census Bureau「Quarterly Financial Report」、National Science Foundation 「Business Research and Development and Innovation」を基に経済産業省作成
※日本は年度、米国は暦年


<!-- page-background: white -->

経済産業省「コーポレート・ガバナンス・システム」実務指針より — 1ページに3つの折れ線グラフと株式指数表を含む多要素ページ。各要素がChart.js互換JSONとして抽出されています。

Nebulaが選ばれる理由

ドキュメントインテリジェンスにNebulaを選ぶ理由。

Nebulaは、視覚的なビジネス文書を、AIが推論できる構造化データへ変換する。

Chart構造化

グラフを構造化テキストへ

グラフのラベル、系列、数値、文脈を、下流AIが推論できるMarkdownとJSONへ変換する。

Table保持

表構造を崩さない

行、列、結合セル、数値の関係を、単なる平文に潰さず保持する。

AsyncAPI

文書パイプラインに対応

ファイルやフォルダをアップロードできる。ジョブは独立して動き、バッチ単位のステータス、リトライ、監査メタデータを持つ。

90+言語

日本語に強い多言語対応

日本語の企業文書、法務文書、財務文書、日英混在レイアウト、グラフ、バイリンガル表に対応する。

100%国内処理

データ主権を前提に設計

文書は国内で処理・保存される。データ共有も外部学習利用も行わない。

データ主権と信頼

文書データが日本国外へ出ない設計。

Nebulaはデータレジデンシーを最初から前提に設計している。文書は国内で処理・保存され、外部モデルの学習にも第三者共有にも使われない。

文書は日本国内に留まる
アップロード、処理中の成果物、最終Markdownまで、すべて国内で処理・保存する。
データ共有・学習利用なし
文書は外部モデルの学習、第三者共有、Nebula外のサービス露出に使わない。
APIキー認証
すべてのAPI呼び出しは顧客ごとのキーで認証され、テナント単位でスコープされる。
ジョブ単位の監査履歴
各ジョブに処理時間、ステータス、ページ単位の結果、リトライ履歴を記録する。
100% 国内処理
アップロード、処理、出力まで国内で完結。
  • 文書は日本国内で処理・保存
  • 顧客データは日本国外へ出ない
  • 外部モデルの学習に利用しない
  • 顧客ごとのAPIキー認証
  • セキュリティ・監査向けのジョブ履歴

セキュリティ、法務、調達チームに対して、Nebulaに送る文書は端から端まで国内に留まると説明できる。

ユースケース

多くの文書ワークフローを支える一つのレイヤー。

PDFや画像に閉じ込められた業務知識を、RAG、エージェント、分析、下流LLMパイプラインへ渡す場面でNebulaを使える。

01

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入力へ変換する。

02

通帳、経費、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明細データへ変換する。

03

役員会資料・プレゼン資料

PowerPoint由来のPDFから、スライド構造、文脈、表、グラフ系列を視覚情報ごと抽出する。

04

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る。

05

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ごと保持して取り込める。

品質と評価

表面的な文字一致ではなく、AIで使えるかを評価する。

文字精度は最低条件でしかない。Nebulaは、質問応答、表推論、グラフ解釈、日本語業務文書の理解に出力が使えるかを検証する。

下流LLMで答えられるか
Nebulaの出力から、モデルが実務上の質問に答えられるか。
構造と読取順序
見出し、階層、リスト、脚注を端から端まで保持する。
表とグラフをデータ化
単なるテキスト化ではなく、数値精度とJSON系列を保持する。
日本語・多言語
日本語の業務文書・法務文書に強い。
FAQ

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る。

Nebulaを試す

ビジネス文書を、AIが使える構造へ。

ログインして文書をアップロードすると、数分でグラフ対応Markdownと構造化JSONを取得できる。デモ不要で、自社のファイルで直接試せる。

100% 国内処理 — データは日本国外へ出ない
RAGとエージェント向けのMarkdown + 構造化JSON出力
日本語の財務・法務・業務文書に最適化