図書館や文書館が抱える膨大な紙資料のデジタル化は、単なる画像保存では終わりません。資料を「探せる状態」にするため、司書や学芸員の多くが目録作成・分類記号付与・件名標目選定に年間数百時間を費やしています。私自身、複数の図書館・アーカイブ機関の DX 支援を通じて、スキャン後の OCR テキストを手作業で校正し、目録データに転記する工程が最大のボトルネックだと認識してきました。本記事では、Claude Code を活用した資料整理ワークフローの具体例を示し、メタデータ自動付与・分類推薦・多言語資料の目録作成で、どのように検索性を高められるかを実務目線で整理します。

i

本記事の結論: Claude Code は OCR 後のテキストから書誌情報を抽出し、既存の分類体系に沿った記号・件名を補助的に提案する。司書・アーキビストが最終判断する前提で、目録作成の工数を軽減できる。

Claude Code が図書館・アーカイブで担う役割

Claude Code は、Anthropic 社が提供する大規模言語モデル Claude に、ファイル操作・外部ツール実行機能を組み込んだ AI 開発環境です。単なるチャットボットと異なり、次の処理を一貫して実行できます。

  • スキャン画像の OCR テキスト解析
  • 書誌情報（著者名・刊行年・出版者）の抽出
  • NDC（日本十進分類法）や件名標目の候補提示
  • 複数言語の資料概要を日本語目録に変換
  • 検索インデックス用の JSON・CSV 生成

図書館システム（OPAC や ILS）へ直接投入できるデータ形式を出力できる点が、従来の AI サービスと異なる特徴です。ただし、Claude Code が提案する分類記号や件名は補助候補であり、最終的な目録採用は必ず専門職員が判断する前提となります。

スキャン資料から構造化データへの変換プロセス

OCR テキストの前処理

紙資料をスキャンした後、一般的な OCR ソフト（Adobe Acrobat / ABBYY FineReader 等）でテキスト抽出を行います。この段階では、旧字体の誤認識・縦書きレイアウトの崩れ・欠損文字が残ります。Claude Code に OCR 結果を渡すと、前後文脈から誤認識を推測し、修正候補を提示します。

1. OCR 結果の入力 — PDF または TXT ファイルをアップロード。

2. 文字校正プロンプト — 「この OCR テキストに含まれる明らかな誤認識を修正してください。旧字体・異体字はそのまま残し、欠損箇所は〔 〕で補ってください」と指示。

3. 差分確認 — Claude Code が修正箇所を提示。司書が目視で承認または修正。

完全自動化は困難ですが、初回校正の工数を削減できます。

書誌情報の構造化

修正済み OCR テキストから、次の項目を抽出し JSON 形式で出力します。

項目 内容 抽出方法
責任表示 著者名・編者名 奥付または標題紙の記載を解析
タイトル 本タイトル・並列タイトル レイアウト・フォントサイズから推定
出版年 刊行年・発行年 西暦または和暦を統一形式に変換
出版者 発行所・印刷所 奥付情報の抽出
物理形態 ページ数・判型 実測値と照合可能

Claude Code に「この奥付テキストから書誌情報を JSON で出力してください。不明な項目は null としてください」と指示すると、次のような出力を得られます。

{
  "title": "明治期教育資料集",
  "author": "文部省編纂局編",
  "publisher": "博文館",
  "pub_year": "1895",
  "pages": "300",
  "note": null
}

この JSON を図書館システムのインポート形式に変換するスクリプトも、Claude Code に依頼して生成できます。

メタデータ自動付与と分類推薦

NDC 分類記号の候補提示

日本十進分類法（NDC）の類・綱・目を手作業で選定する際、資料内容の精読が必要です。Claude Code に「この資料の NDC 分類記号候補を3つ挙げてください。根拠も示してください」と指示すると、本文キーワードと分類表の対応関係を提示します。

!

注意: Claude Code は NDC の最新版（第10版）の全階層を完全に記憶していません。主要な類・綱レベルは推薦可能ですが、細目は分類表と照合する必要があります。

実際の提案例：

  • 370 教育 — 本文に「学制・義務教育」の記述が多い
  • 210.6 日本史（明治時代） — 時代区分が明確
  • 372.1 教育史・事情 — 教育制度の歴史的変遷を扱う

司書が最終判断する前に、候補を絞り込む補助として活用できます。

件名標目の推薦

国立国会図書館件名標目表（NDLSH）や基本件名標目表（BSH）に準拠した件名を付与する際も、Claude Code は本文キーワードから候補を提示します。ただし、NDLSH の統制語彙に完全一致しない場合があるため、必ず件名標目表と照合してください。

推薦例：

  • 初等教育（NDLSH: SH 初等教育）
  • 教育制度（NDLSH: SH 教育制度）
  • 明治時代（NDLSH: SH 明治時代）

Claude Code に「この件名は NDLSH に存在するか確認してください」と指示しても、最新の統制語彙データベースへアクセスできないため、司書が Web NDL Authorities 等で確認する運用が必須です。

多言語資料の目録作成

外国語資料（英語・中国語・韓国語等）のタイトルと内容要約を日本語目録に反映する際、Claude Code の多言語処理能力が有効です。

英語資料の例

原タイトル: Annual Report of the Library Board, 1923

Claude Code に「このタイトルを日本語目録の形式で記述してください。並列タイトルとして原語も残してください」と指示すると、次のような出力を得られます。

図書館委員会年次報告 = Annual Report of the Library Board
出版年: 1923
言語: 英語
内容: 1923年度の図書館運営状況・蔵書統計・予算報告を含む。

古文書・くずし字資料への対応限界

くずし字や変体仮名を含む古文書は、OCR 精度が極端に低下します。Claude Code は変体仮名の一部を認識できる場合がありますが、専門的なくずし字解読ツール（みんなで翻刻 / IIIF Curation Viewer 等）との併用が推奨されます。

検索インデックス生成の実装例

全文検索用 JSON の作成

OPAC や文書管理システムで全文検索を実現するため、次の構造の JSON を生成します。

{
  "id": "A001",
  "title": "明治期教育資料集",
  "author": "文部省編纂局編",
  "pub_year": 1895,
  "ndc": "372.1",
  "subject": ["初等教育", "教育制度", "明治時代"],
  "fulltext": "OCR 本文全文...",
  "language": "ja"
}

Claude Code に「この書誌情報と OCR テキストから、検索インデックス用 JSON を生成してください」と指示すると、上記形式で出力されます。複数資料を一括処理する際は、CSV または JSON Lines 形式で保存し、Elasticsearch や Solr へ投入する運用が一般的です。

ファセット検索の項目設計

利用者が「出版年」「分類」「言語」で絞り込み検索を行えるよう、各項目を明確に構造化します。Claude Code は次のファセット項目を自動抽出できます。

  • 出版年代: 1890-1899 / 1900-1909 …
  • NDC 類: 000 総記 / 300 社会科学 …
  • 言語: 日本語 / 英語 / 中国語 …

ただし、NDC の細分類を正確に推定するには、分類表の参照が必須です。

処理精度と品質管理の実務

80-90%
OCR 修正の初回精度（条件により変動）
3-5候補
分類記号・件名の提案数
目視確認
最終採用の必須工程

Claude Code が生成したメタデータは、次の品質管理プロセスを経て公開します。

  1. 初回提案の確認 — 分類記号・件名が分類表・統制語彙と一致するか照合
  2. サンプル検証 — 全資料の10%程度を抽出し、手作業での目録と比較
  3. 誤記録のフィードバック — 誤った分類が繰り返される場合、プロンプトを調整
  4. 定期的な監査 — 四半期ごとにランダム抽出で精度を測定

完全自動化ではなく、司書・アーキビストが最終判断を下す「補助ツール」として位置づけることで、業務全体の効率化と品質維持を両立できます。

既存システムとの連携設計

NACSIS-CAT への対応

大学図書館が利用する NACSIS-CAT（目録所在情報サービス）へ登録する際、Claude Code が生成した書誌データを MARC 形式に変換する必要があります。次の手順で実施します。

1. JSON から MARC への変換スクリプト生成 — Claude Code に「この JSON を NACSIS-CAT の MARC フォーマットに変換する Python スクリプトを書いてください」と依頼。

2. フィールド対応表の確認 — MARC21 または MARC-JP のフィールド（245: タイトル / 100: 著者 等）が正しく割り当てられているか確認。

3. 目録担当者による最終校正 — 自動生成された MARC レコードを目視で確認し、NACSIS-CAT へ登録。

ILS（図書館システム）へのインポート

商用 ILS（Ex Libris Alma / SirsiDynix 等）の多くは CSV・MARC・JSON 形式のインポートに対応しています。Claude Code が出力した JSON を各システムの仕様に合わせて変換するスクリプトを生成し、バッチ処理で一括登録できます。

導入時の検討事項

初期投資と運用コスト

Claude Code の利用料金は、API 経由での従量課金（トークン単位）または Claude.ai の有料プラン（月額固定）を選択できます。詳細な料金体系は Claude Code 法人導入完全ガイド 2026年版 で解説していますが、資料点数が多い場合は API 経由のバッチ処理が費用対効果に優れます。

職員研修の必要性

司書・アーキビストが Claude Code を活用するには、次のスキル習得が推奨されます。

  • プロンプト設計（指示文の書き方）
  • JSON・CSV の基礎理解
  • 出力結果の検証方法

デジライズでは、図書館・文書館向けの Claude Code 研修プログラムを提供しており、実際の資料を題材にしたハンズオン形式で、3-4時間で基本操作を習得できます。

i

導入事例: 公共図書館の郷土資料室では、昭和初期の地域史料 500点のデジタル化に Claude Code を活用し、目録作成期間を従来の半分程度に短縮した事例があります（デジライズ社内集計値）。ただし、最終確認は司書が実施し、分類・件名の変更を3割程度の資料で行いました。

セキュリティとプライバシー保護

資料の機密性への配慮

未公開資料や個人情報を含む文書を Claude Code で処理する際は、次の対策を講じます。

  • データの匿名化: 個人名・住所をマスキングしてから入力
  • クローズド環境の利用: Claude API を組織内ネットワークで運用（VPN 経由）
  • 処理後のログ削除: API 経由の場合、Anthropic 社は30日後にログを削除する仕様（2025年1月時点）

公開前提の資料であれば、Claude.ai の Web インターフェースで処理しても問題ありませんが、未公開・非公開資料は API 経由のバッチ処理を推奨します。

著作権と利用許諾

スキャン画像と OCR テキストの著作権は、原資料の権利者に帰属します。Claude Code での処理は目録作成・検索性向上を目的とした「引用」の範囲と解釈できる場合が多いですが、商業出版物や著作権保護期間中の資料は、事前に権利者へ確認してください。

まとめ

Claude Code は、図書館・アーカイブのデジタル化において、スキャン後の OCR テキストから書誌情報を抽出し、NDC 分類記号や件名標目の候補を補助的に提示するツールです。完全自動化ではなく、司書・アーキビストが最終判断する前提で活用することで、目録作成の工数を軽減し、検索性を高められます。

補助ツール
最終判断は専門職員
3-4時間
基本操作の習得時間
目視確認
品質管理の必須工程

導入を検討する際は、次の点を事前に整理してください。

  • 処理対象資料の言語・時代・状態
  • 既存システム（ILS / OPAC）との連携仕様
  • 職員の IT スキルレベルと研修体制
  • 未公開資料の機密性とセキュリティ要件

デジライズでは、図書館・文書館向けの Claude Code 導入支援を「研修」と「コンサルティング」の2本柱で提供しています。実際の資料を用いたプロンプト設計支援、既存システムとの連携スクリプト開発、品質管理プロセスの設計まで、一貫してサポートします。無料相談も承っておりますので、デジタル化プロジェクトの初期段階からお気軽にご相談ください。

関連記事