図表を比率別に自動再配置するAI

研究の概要

台湾の研究チームは、ラスター画像として保存されたフローチャートを、目標とする任意の縦横比に合わせて接続関係を保ったまま再配置し、編集可能な形式で出力する手法を提案した。論文用の縦長や16:9のスライド、1:1のSNS用、9:16のスマートフォン表示など、媒体ごとに求められる比率が異なる現実に対応するための技術である。単に拡縮するだけではブロックが引き伸ばされたり矢印の接続先が入れ替わったりして、図が伝える内容そのものを誤って伝える危険があるという課題を出発点としている。

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定義した。入力はラスター画像のフローチャートと目標縦横比、出力は元の構造と一致し、存在しない要素を新たに作らず、かつ人が後から編集できるレイアウトであることが要件である。既存のアプローチはそれぞれ欠点を抱える。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、極端な比率に弱い。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生成する傾向がある。画像を解析してから描画する方式は矢印経路を誤りやすい。

評価は100件のフローチャートを5種類の縦横比で検証する評価用データセットで行われ、判定にはGemini 3.1 Proが使われた。出力はdraw.ioで開けるmxGraph XML形式で与えられ、編集可能な部品として扱えることが確認されている。結果として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%を上回った点が示された。

しくみをやさしく

本手法は、​Parse（解析）→ Style（様式）→ Layout（配置）​の三段階からなるエージェント型パイプラインである。各段階では作業を行う主エージェントと、出力を検査して問題を指摘する批評役（クリティック）が対になって動作する。この二重構造により、生成の自由度と検査の厳密性を両立させている。

クリティックの検査は二種類の組合せで行う。一つは決定論的な制約チェックであり、接続関係が元と保たれているか、ブロックや矢印の欠落がないかなど構造的な整合性を機械的に確かめる役割を担う。もう一つは視覚言語モデル（VLM）による見た目の評価で、重なりや視認性、読みやすさといった人間の視覚的判断に近い尺度で確認する。前者が構造の崩れを確実に捕捉し、後者が「見た目でわかりにくい」問題を拾うことで、接続が黙って壊れる事態を設計段階で防ぐ。

解析段階では、入力画像から図形ブロック、テキスト、矢印の経路と接続関係を抽出することを目指す。様式段階ではフォントやブロック形状、色遣いといった視覚的特性をモデル化して、元図と整合するスタイルを生成する。配置段階では目標の縦横比に合わせてブロックを再配置し、矢印経路を再計算する。最終的な出力はmxGraph XMLとして保存され、draw.io等で編集可能な状態で手元に残るため、人が微修正を行い最終確認する運用を想定している。

ビジネスへの示唆

同じ図を媒体ごとに作り直す業務は、研究者に限らず多くの企業で日々発生している。具体例としては、社内マニュアルや作業手順書のA4縦用図、役員向けの16:9スライド、営業資料やSNS向けの縦長・正方形図の使い分けが挙げられる。これらは繰り返し発生する定型作業であり、転用のたびに人手で図を整え、矢印の接続ミスをチェックし、修正を行うフローが存在する。

適用が想定される部署と、改善が期待でき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、媒体展開時の手戻り回数が改善対象である。
• 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の削減が期待できる。
• 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に要する手間を減らせる可能性がある。
• 教育・人材育成部門：研修資料の多媒体展開にかかる工数の低減が見込める。

読者自身が考えるべき問いは明確である。自部署で該当する業務は何か。毎月の資料更新で、誰がどれだけ時間を使って図を作り直しているのか。図の矢印や接続ミスが会議の混乱や追加確認を招いた経験はないか。これらに「はい」と答えられるなら、本技術は自部署のKPI、たとえば資料作成リードタイム、手戻り回数、図誤りによる修正件数といった具体的な指標で効果を追える候補技術である。

現場での導入イメージ

仮に導入支援に入るなら、次の四段階のワークフローを提案する。各段階では実務者の運用負荷を増やさない現実解を重視する。

1. 棚卸し

• 何をするか：既存の図が使い回されている資料群を洗い出し、担当者、更新頻度、手戻りの主な原因を一覧化する。具体的にはA4縦、16:9、1:1、9:16など媒体別の転用事例をサンプルで収集する。
• 目指す到達点：どの図の作り直しが最も手間を食っているか、どの工程で接続ミスが発生しているかを担当者全員が共通認識として持てる状態にする。

2. 差し込み先の設計（既存ツール優先）

• 何をするか：新しい作図ツールを増やさずに、既存のdraw.ioや社内ドキュメント管理フローに出力を差し込む設計を行う。出力形式がmxGraph XMLである利点を活かし、最初の下書きを自動生成して担当者が普段使う画面で受け取れるようにする。
• 目指す到達点：担当者が普段の作業環境を変えずに、再配置済みの下書きを受け取り、最小限の編集で最終版に仕上げられる状態を作る。

3. 小さく試す（PoC）

• 何をするか：一部署を対象に数週間のスパンで限定的に運用し、実際の更新業務の一部に本システムを組み込む。小規模で安価に始め、操作性や出力の受容度を担当者の実感で評価する。
• 目指す到達点：現場が継続的に使いたいと判断できる定性的な根拠を得ること。作り直しの手間が減ったか、接続誤りが発見・修正されやすくなったかを確認する。

4. 運用と横展開

• 何をするか：図の品質基準（接続の正しさ、用語統一、最終確認者）を定め、チェックリストと承認フローを運用に組み込む。PoCで得た知見をもとに他部署へ展開する計画と教育を行う。
• 目指す到達点：図の転用が属人的な手作業から標準手続きになり、図作成のリードタイムと手戻りが継続的に低減される運用体制を確立する。

全体としての到達点は、一枚の元図から媒体ごとに構造の正しい版を短時間で生成し、人は最終確認と微修正に専念できる状態である。最終確認を人が担う運用を前提にしつつ、下書き作成の工数を小さく・安く始められる形で削減することが目標である。

今後の展望

今回の評価は主に機械学習論文のパイプライン図を中心とした100件の評価データセットに基づくため、企業現場で扱われる工程図や組織図で同等の精度が得られるかは追加検証が必要である。Content Fidelityの68.6%は先行手法を大きく上回るが、すべての接続が常に正しいことを保証する数値ではないため、実務では人による最終確認を運用に組み込むことが不可欠である。それでも、接続関係を決定論的に検査する仕組みは、図の信頼性を重視する業務やコンプライアンスが求められる場面に適しており、文書作成支援ツールへの展開や社内ワークフローへの組込によって、繰り返し発生する図の転用工数を減らす効果が期待できる。