Unstructured Transform vs LlamaParse:年次報告書への回答に含まれる数値を、元の表に戻って確認できるか
要素単位の取り込みフローがすでにあるなら、まずTransformを検証できます。複数ページにまたがる表のデータや精密な位置特定が必要なら、まずLlamaParseを検証できます。出力仕様、参照元ページとの関係、レビューのシグナルを比較し、解析の成功や高スコアを回答の正しさと取り違えないことが重要です。
調査アシスタントが年次報告書から「この地域の売上高はいくらか」に答えた後も、同僚がクリックして元の表に戻り、確認できる必要があります。Unstructured TransformとLlamaParseは、どちらも複雑な文書を後段の検索に渡せますが、調達時にMarkdownの見た目が整っているかだけを比較すると、この工程を見落とします。すでに要素単位で取り込むフローがあるチームは、まずTransformの要素、ページ番号、処理に失敗したページの情報を確認できます。複数ページにまたがる表をデータ分析に渡したり、セルの位置を特定したりする必要があるチームは、LlamaParseの表出力を優先して検証できます。ここでの選択基準は、2026年11月10日に確認した公式インターフェース文書に基づくものであり、両者の認識精度を実測して順位付けしたものではありません。
まず、回答からどのページに戻る必要があるかを決める
Transformは現在、v2 Parseインターフェースを使用し、デフォルトではMarkdownを出力します。公式文書によると、elementsを明示的に要求すると各要素の種類、テキスト、metadata.page_numberを読み取れます。この場合、例に示されたmarkdownはnullです。そのため、デフォルトのリクエストを接続しただけで、完全な要素データ一式も自動的に得られると期待すると、レスポンス仕様と合わない可能性があります。既存のベクトルデータベースが段落や表要素を単位として取り込んでいるなら、まず元ファイルの識別子、ページ番号、要素の関連付けを保持し、その後で分割や埋め込みを処理します。
位置情報が必ず存在するとも限りません。Transformの要素座標は欠落していたり、nullであったりする場合があります。複数ページにまたがる要素の座標は、それぞれにページ番号を持つ複数のボックスになることがあります。引用を表示する画面では、座標がある場合にハイライトし、ない場合には元のページへ戻れるようにすべきです。画面を埋めるために位置を推測してはいけません。この情報がない場合の動作も、調達時の受け入れテストで確認すべき項目です。
LlamaParseのexpand=itemsは、読み順に整理されたページ要素のツリーを返します。ページ番号やページ寸法を含み、表、テキスト、画像などでフィールドが異なります。バウンディングボックスの単位はページ上のポイントであり、ピクセルでも正規化座標でもありません。文書内のページごとに寸法が異なる場合もあります。スクリーンショット上に根拠の位置を描画するなら、対応するページ寸法に基づいて変換し、インターフェースの座標をそのまま画像のピクセルとして扱わないようにします。また、bboxがnullになることも認められているため、引用のつながり全体は引き続きアプリケーション側で保持し、確認する必要があります。
複数ページの表では、最初のスクリーンショットだけを残さない
売上高の表が2ページにわたり、1ページ目に地域や年度の見出しがあり、2ページ目にデータ行が続く場面を考えてみます。読者が必要とするのは、ある行の数値と、その年度、通貨、出典です。表らしく見えるテキストの塊だけではありません。受け入れテストでは、結合された見出し、次ページに続く表、脚注を含む元ファイルを使い、見出しが正しい列に対応しているか、回答から実際にその数値が載っているページを見つけられるかを確認すべきです。これは推奨するテストシナリオであり、すでに得られたテスト結果ではありません。
LlamaParseの表に関する文書では、rows、CSV、HTMLなどの出力が用意されています。HTMLは結合セルを表現できますが、Markdownのパイプ区切りの表では表現できません。merge_continued_tablesを有効にすると、続きの表は開始ページに統合され、merged_from_pagesとmerged_into_pageによって統合関係を保持できます。分析プログラムに表を渡すチームには有用ですが、アプリケーションが統合後の表を置いた最初のページだけを保存すると、参照元ページの情報を失う可能性があります。形式の選択とページ番号の関係の保持は、同じ連携判断として扱うべきです。
一方、Transformでは、既存の要素利用方法を軸に検証するのが適しています。実際に出力されるTable要素、ページ番号、複数ページにまたがる座標が、後段の取り込みや引用の要件を満たすかを確認します。古いpartitionライブラリの例を、そのまま現在のTransformのレスポンスと見なしてはいけません。また、マーケティングページに表の機能が書かれているからといって、自分たちの結合見出しも必ず正しく処理されると仮定してはいけません。最終的に完全な行・列データや精密なハイライトが必要なら、返された文字列が空でないことだけを確認するのではなく、同じサンプルを使って実際のレスポンスを確認します。
品質シグナルはレビュー待ちのキューに入れる
Transformのcompletedという結果でも、読み取れないページが抜けていたり、認識が不完全なページが含まれていたりする可能性があります。公式文書は、呼び出し側にfailed_pages、degraded_pages、warningsの確認を求めています。要素のparse_confidenceが測るのは、そのテキストとOCRテキストの一致度であり、「内容が正しい確率」ではありません。nullは利用できないことを示し、0点という意味でもありません。チームはこの情報を使ってレビューを組めますが、高スコアをそのまま業務上の事実の検証済み表示にしてはいけません。
LlamaParseの表のparse_concernsは、行数や列数の異常、見出しと値の型の不一致などを知らせます。同時に公式文書は、フラグはレビューのシグナルであり、フラグがあっても表が誤っている証明にはならず、フラグがなくても正しさは保証されないと説明しています。ページ出力ではsuccessも確認する必要があります。両者ともレビュー工程に組み込める情報を提供していますが、原文との照合の代わりにはなりません。重要な金額や数量については、解析結果を対応する参照元ページと引き続き照合すべきです。
したがって、両者の試験導入では同じ一式の成果をそろえるべきです。検索できる内容、元ファイルと参照元ページの関係、人によるレビューが必要な箇所、抜け落ちたページの一覧です。要素単位の取り込み仕様がすでにあり、それを継続したいなら、まずTransformを検証します。複数ページの表のデータ形式と細かな位置特定が中核要件なら、まずLlamaParseを検証します。最後に比較すべきなのは、どちらの出力なら根拠を失いにくく、どれだけの適合作業とレビュー作業が必要かです。回答全体の信頼性を、1つの信頼度スコアで置き換えることではありません。
内容説明:本記事は公開情報をもとに整理した、ツール選定の参考情報です。機能、料金、関連ポリシーは随時変更される場合があります。最新の公式情報をご確認ください。
元の出典:docs.unstructured.io