文書を長く活かす PDF/A 保存 方法 アーカイブの実務基準と手順

あなたが企業の情報システムや自治体・寺社の文書管理、あるいは遺墨展の目録データを扱っていて、長期保存に迷いがある状況を想定しています。例えば「PDF/Aと通常PDFの違いは？」や「どのバージョンを選ぶべき？」、「スキャン時は何dpiが良いのかといった悩みが代表的です。本記事では、基準づくりに使える判断軸と手順、確認のためのチェックポイントを、専門語は言い換え（例：OCR＝文字認識）とともに整理します。読み終えるころには、あなたの現場で無理なく実行できる保存フローと、迷った時に立ち返れる選択基準が手元に残るはずです。

PDF/Aの基本と選択基準

長期保存の目的とPDF/Aの位置づけ

長期保存の目的は「未来の誰かが、原本がなくても同じ内容を読めること」です。そのためには、時間と環境が変わっても表示が崩れない「自己完結性（必要情報を内包する性質）」が重要になります。PDF/A（長期保存向けPDF規格）は、この自己完結性を高めるために、フォントの埋め込み（文字の形の保存）や色の定義を求め、逆にマルチメディアや暗号化など将来の閲覧を阻む要素を制限する考え方です。通常PDFは用途自由で運用者の裁量が広い反面、閲覧環境への依存や機能のばらつきが避けにくい側面があります。アーカイブ（保存と後利用のための蓄積）においては、再現性＞機能拡張を優先するため、PDF/Aを「保存版」、通常PDFを「配布・作業用」と役割分担する考え方が実務的です。まずは「いつ・誰が・どの環境で・何年先まで」使うのかを言語化し、保存版の要件にPDF/Aをあてはめていくと迷いが減ります。

バージョン（PDF/A-1/-2/-3）の選び方

PDF/Aにはいくつかの世代があります。大枠では、1）は最も保守的で互換性重視、2）は透明効果など表現力の拡張、3）は添付ファイルの格納が可能という特徴です。歴史資料や契約書など「とにかく将来の閲覧安定性を優先」するなら、PDF/A-1または-2が無難です。グラフィック要素が多いパンフレットや展示パネル原稿など、透明やレイヤー表現を保ちたい場合はPDF/A-2が扱いやすい場面が多くなります。目録データと紐づけるために源データ（CSVやXMLなど）を同梱したい、あるいはスキャン画像のほかに関連資料を添付して一体管理したい場合はPDF/A-3が候補になります。ただし、添付物は将来の閲覧確実性がファイル形式に左右されるため、「添付は便利だが保存上の不確実性も持ち込む」という点を覚えておきます。迷ったら、1）対象資料の性質、2）将来の閲覧環境、3）必要な表現・添付の有無、の順に検討すると整理しやすいです。

用途別の選択基準（ひも付け・配布・検証の観点）

用途別に考えると判断がさらに明快になります。例えば、寺社の古文書や自治体の議事録は「文字の可読性と改ざん防止の心理的担保」が重要で、フォントの完全埋め込みとOCR（文字認識）の品質確保が鍵です。一方、遺墨展の目録PDFは、キャプションや出品情報の正確性のほか、作品画像の忠実さも評価対象になります。このときは、色の基準データであるICCプロファイル（色の基準情報）の扱いと、画像の解像度（画像の細かさ）の妥当性が判断軸になります。企業資料のアーカイブでは、将来の再利用性からメタデータ（検索用の付加情報）とファイル命名規則が検索性を大きく左右します。結論としては、1）文字重視の文書＝PDF/A-1または-2、2）画像表現も重視＝PDF/A-2、3）関連ファイルの同梱ニーズ＝PDF/A-3、という優先順で検討し、最後にプリフライト（事前検査）で適合を確認すると安全です。

スキャンと前処理の実務

原本確認とスキャン設定（解像度・色・圧縮）

スキャンの品質は、原本の状態確認から始まります。紙質の劣化、薄い鉛筆書き、裏写り、製本の開き具合などを点検し、無理な圧着やフラットナーなしでの強い押さえ込みを避けます。解像度（画像の細かさ）は、文字主体の文書なら標準は300dpi、細かい罫線や小さな文字が多い場合は400〜600dpiを検討します。写真や筆致の再現が大切な遺墨は、最終用途が閲覧中心なら400dpi、拡大閲覧や印刷併用を見込むなら600dpiを上限にテストすると過不足が少ないです。色は、写真・作品資料はカラー、資料コピーはグレースケール、活字のみの帳票はモノクロという基本で、試し取りを行い、可読性と容量のバランスを見ます。圧縮は文字主体ならJBIG2（画像圧縮方式の一種）やCCITT G4、画像主体はJPEGまたはJPEG2000を候補にしますが、過度な圧縮で筆跡のにじみやハーフトーンの破綻が起きないか、拡大表示で確認します。迷ったら、1）見出し・本文・小サイズ注記の各部位を拡大して判読テスト、2）ページ当たりの容量目安（文字中心で〜200KB、画像中心で〜1MB）を参考に、3）用途に応じて最小限の再スキャン回数で最適点を探る、という順で詰めると効率的です。

画像補正・前処理の基準（傾き・トリミング・ノイズ）

取り込み後の前処理は「読みやすさを上げつつ、元情報を損なわない」ことが軸です。傾き補正は±1〜2度の微調整でも視認性が改善するため、見出し罫線や余白を基準に行います。トリミングは裁ち落とし過ぎに注意し、外周に数ミリの余白を残して、製本の影や指の写り込みを除去します。紙の黄ばみや裏写り軽減のフィルタは有効ですが、筆圧やにじみのニュアンスが重要な遺墨では、強めの平滑化やシャープネスは避け、比較画像を並べて判断します。ページ順の乱れや欠落は、取り込み直後にサムネイルで全体確認を行い、作業ログ（日時・機材・設定）を簡単に記録します。ここでの判断基準は、1）拡大表示での可読性、2）注記や朱書きの残存、3）処理の再現可能性の３点です。特に展示目録用の画像は、色の偏りがないかもチェックし、可能ならICCプロファイル（色の基準情報）を付与したワークフローで統一します。迷いが出た場合は、代表ページを数枚選び、処理A/Bの比較を関係者で共有してから全体適用するのが安全です。

OCR（文字認識）の設定と品質確認のやり方

OCR（文字認識）は、検索性を飛躍的に高めますが、品質基準を曖昧にすると後工程の手戻りが増えます。まず、対象の文字種（日本語縦書き・旧字体・活字／手書き）を整理し、縦書き対応や辞書拡張の有無を確認します。推奨する目標は、「本文の主要語で実用上支障がないこと」を具体化するため、抜き取り検査を設計します。例として、各資料から均等に選んだ３ページで、1ページあたり見出し・本文・注記から合計100語を目視照合し、誤りは10語以内（誤認識率10％以内）を合格とします。旧字体やくずし字を含む遺墨は、全文の完全認識ではなく、1）作品名・人名・年代・整理番号など検索キーの固有名詞、2）キャプションや目録項目、の優先度を高め、必要に応じて人手で補正します。OCRテキストはPDF内部に非表示テキストとして保持し、出力時はPDF/A適合が保たれる設定（フォント埋め込みの維持、暗号化オフ）を選びます。最後に、検索テストとして「作者名」「年代」「キーワード」の３種を入力し、期待するページにジャンプできるかを確認すると実用精度の感触がつかめます。

PDF作成設定とメタデータ

PDFエクスポートの推奨設定（フォント・色・圧縮）

PDF出力時は、後戻りを減らすために「必ず守る最小要件」を決めておくと迷いが減ります。基本は、フォントの完全埋め込み（文字の形を同梱すること）と暗号化オフ（将来の閲覧障害を避ける設定）です。透明効果やレイヤーは、PDF/A-1では原則フラット化（効果を1枚絵に統合）し、PDF/A-2/-3では維持可ですが、互換性を考えて複雑な効果は控えめにします。色はICCプロファイル（色の基準情報）を出力意図に合わせて設定します。画面閲覧中心ならsRGB、印刷併用なら運用で決めた標準（例：Japan Color系）に統一し、混在を避けます。圧縮は、文字主体の白黒画像はCCITT G4、写真・作品画像はJPEGまたはJPEG2000を基本とし、非可逆圧縮は拡大確認で筆致や網点が破綻しないことを確かめます。なお、JBIG2（画像圧縮方式の一種）は置換誤りの事例が知られているため、採用時は非可逆設定を避けるなど慎重に運用します。最後に、PDF/A適合モードを有効化し、禁止要素（動画・音声・JavaScript・暗号化・外部参照）を含まないことをプリセット化しておくと、担当者が変わっても品質が安定します。

メタデータの必須項目と入力ルール

メタデータ（検索のための付加情報）は、探しやすさと将来の再利用性を左右します。最低限の必須項目として、表題、作成組織（部署名まで）、作成年月日、識別子（資料ID）、版数（v01のように2桁）、資料種別（議事録／目録／作品画像など）、言語、権利情報（著作権表示・権利者名）、関連ID（目録・作品台帳のID）を定義します。表題は「件名_対象_年月_差分」の順に、例として「議事録_第3回総務委員会_2024-06_修正版」のように規則化すると、一覧でも判別しやすくなります。識別子はコレクション記号＋年＋通番（例：TSJ-2024-0123）のように重複しない体系を採用し、PDF内部のメタデータとファイル名の両方に同一値を入れます。用語の表記ゆれは、管理表に「許容語一覧（統制語彙）」を作り、例：「作者名＝姓＋名、旧字体は正字を併記」「年代＝西暦4桁」など、迷いが起きやすい箇所を先に決めておくと混乱を避けられます。入力作業はテンプレート化し、1件あたりの入力時間を短縮しながらばらつきを抑えることが、長期運用では効果的です。

ファイル命名とフォルダ構成の実装

ファイル名は「識別子_版数_公開区分_ページ情報」のように、機械にも人にも読みやすい並びをおすすめします。例：「TSJ-2024-0123_v02_public_p001-020.pdf」。公開区分は「public／internal／restricted」など3区分に統一し、公開可否の判断を分かりやすくします。フォルダ構成は、コレクション（fonds）→シリーズ（series）→アイテム（item）の階層を基本に、最下層にPDF/Aを置きます。1フォルダあたりの格納数は上限を設け、例として「200ファイル以内」を目安に分割すると、検索・バックアップ・移行時の負荷が下がります。版管理は上書き禁止を徹底し、差し替え時は旧版を「archive」サブフォルダに移し、最新版のみを「current」に置くと現場の混乱を避けられます。加えて、パス長が長くなりすぎないよう、深い入れ子を避ける、フォルダ名に半角英数字とハイフンのみを使うなど、OS間の互換性を意識したルールも有効です。最後に、命名規則と例外の扱いをA4・1枚にまとめ、作業机に置ける参照カードとして共有すると定着が速くなります。

検証・品質チェックと長期保存

プリフライト（事前検査）の実行と合否基準

プリフライト（事前検査）は、形式面の抜け漏れを機械的に洗い出す工程です。まず、対象のPDF/Aバージョン（-1／-2／-3）に合わせた検査プロファイルを選び、チェック項目を固定します。代表的な不合格要因は、フォント未埋め込み、暗号化オン、禁止注釈の残存、ICCプロファイル未設定、透明効果の未フラット化（PDF/A-1の場合）などです。合格基準は「重大エラー0件、警告は手順書に沿って解消または記録」のように明文化し、判断が分かれる警告（例：低解像度の画像が含まれる）は「用途に照らして許容／要再取り込み」の線引きを表で定義します。検査は全数実施が理想ですが、点数が多い場合は「1件につき先頭・中間・末尾の3ページ」に加えて、画像密度が高いページや旧字体の多いページを重点的に確認するなど、内容に応じた重点配分が有効です。検査結果はPDFに付随するログ（CSV）として保存し、識別子・版数とひも付けておくと、後日の原因究明や外部監査への対応がスムーズになります。

抜き取り検査（可読性・OCR・色）の設計と記録

機械検査だけでは拾えない「読めるか／見えるか」を、人手の抜き取りで補います。設計の基本は、母集団の偏りを避けることです。資料ごとに均等抽出し、原則として総ページ数の5％または30ページのうち大きい方を目安に確認します。小規模資料は最低でも3ページ（先頭・中間・末尾）を見ます。可読性は、見出し・本文・注記を拡大表示して、細い罫線や小さな仮名、訂正印の判別までチェックします。OCR（文字認識）は、固有名詞・年代・整理番号など検索キーとなる語を100語抽出し、誤認識10語以内を合格目安にします。色は、肌色や墨の濃淡、紙の黄ばみの再現が不自然でないかを、人の目で比較します。記録は、資料ID、版数、抽出ページ、判定者、指摘カテゴリ（可読性／OCR／色／体裁）、改善要否、対応期限を1行で持つシートに追記し、判定のムラを抑えます。誰が見ても同じ基準で判断できるよう、サンプル画像と合否例を小冊子にしておくと、新任担当者の立ち上がりも早くなります。

バックアップと長期保全（3-2-1、ハッシュ、再検査）

長期保全では、バックアップの多重化と「壊れていない証拠」を残すことが重要です。基本は3-2-1ルール（3つのコピーを2種類の媒体に、うち1つは別拠点）です。例として、一次保管はNAS、二次はクラウド、三次はLTOテープを別建物に配置します。ファイルの同一性確認にはハッシュ値（チェックサム＝改ざん検知用の数値）を用い、SHA-256などの方式で作成時に計算し、CSVで保管します。四半期ごとにサンプル10％、年度末に全数のハッシュ照合を行い、差異があれば直ちにバックアップから復旧します。媒体の寿命管理として、HDDは5年、LTOテープは世代交代や稼働時間を指標に更新計画を立て、更新時はリストア検証（復元テスト）を必ず実施します。さらに、災害対策として別地域へのオフサイト保管や、停電時のUPS運用、ランサムウェア対策のWORM（追記専用）ストレージの採用も検討します。最後に、保全手順はA4・2枚以内の図解なしテキスト手順にまとめ、年1回の訓練で実施可否を確認すると、緊急時の対応力が安定します。

運用ルール・外部委託・権利配慮

運用ルールの最小セット（権限・版管理・変更ログ）

日々の運用が人に依存しすぎないよう、最小限の共通ルールを先に決めて文書化します。権限はRBAC（役割にもとづく権限制御）＝「管理者／編集者／閲覧者」の3層を基本にし、コレクション単位で付与します。版管理は上書き禁止とし、承認フロー（作成→検査→承認→公開）を1方向で固定します。差し替え時は、最新版のみ「current」、旧版は「archive」に移動し、版数（v01, v02…）を必ず更新します。変更ログは、識別子・版数・変更者・理由・日時を1行で記録し、四半期ごとに棚卸しを行います。アクセス権は人事異動や委託先の契約状況に左右されるため、月次で棚卸しするか、少なくとも半期に1回は一括見直しを行います。運用の定着には、A4・1枚の「参照カード」にルールを要約し、新任者は最初の1週間で模擬案件を完了させる仕立てにすると、現場のばらつきが小さくなります。例外運用が必要な場合は、例外番号を発行して理由と期限を明記し、期限到来で原則運用に戻すと混乱が起きにくいです。

外部委託の発注と受入（RFP・SLA・検収）

外部委託は、RFP（提案依頼書＝要件を伝える文書）で「対象資料・作業範囲・品質基準・PDF/A版・検査方法・納品物・スケジュール・体制・リスク対応」を明記し、SLA（品質保証の取り決め）で「納期遅延時の対応、問い合わせ回答時間、再提出条件」を数値化します。NDA（秘密保持契約）とあわせ、個人情報の取り扱いと持ち出し制限を具体的に書き込みます。納品物は、PDF/A本体に加えて、プリフライト結果（CSV）、ハッシュ値（SHA-256）の一覧、作成設定の要約（機材・解像度・色・圧縮・OCR有無）、メタデータ一覧、作業ログを要求すると、受入検査が短時間で済みます。検収は「形式→可読性→OCR→メタデータ→命名／フォルダ→引き渡し資料」の順で実施し、合否の線引きを表に落として、担当者が替わっても判断が揺れないようにします。

対応運用（公開・公開停止・削除要請）

公開は「下書き→承認→ステージング→公開」の段階を必ず踏み、公開時点で識別子・版数・公開区分を再確認します。公開停止や削除要請に備え、受付窓口と判断基準、一次対応時間の目安を決めておきます。例として、権利者や個人からの申し出は受付後24〜72時間以内に一時非公開とし、事実確認と代替可否（モザイク・匿名化・差替）を検討します。最終判断は所管部署が行い、結果は「再公開／恒久非公開／期限付き公開」のいずれかに整理して記録します。公表時は、変更履歴に理由と日時、担当者を残し、関連メタデータも更新します。個人情報は最小化（データ最小化＝必要な情報だけを扱う考え方）を原則とし、原本の秘匿情報がPDF内に残らないよう、OCRテキストも含めて確認します。検索インデックスの更新やキャッシュ削除の手順も合わせて運用書に入れておくと安心です。
なお、本節の権利・個人情報・同意に関する説明は一般的な注意喚起であり、法的助言ではありません。最終判断や対応方針は、所属組織の規程や専門家の見解に従ってください。

まとめ

長期保存では、「再現性を最優先し、手順を固定化する」ことが迷いを減らします。具体的には、企画段階で用途と期間を言語化し、スキャンでは解像度と色の基準を決め、PDF作成ではフォント埋め込みとICCの統一、検証ではプリフライトと抜き取り検査、保全では3-2-1とハッシュ照合、運用では権限・版管理・対応手順を定着させます。外部委託時はRFPとSLAで「求める品質」を数値化し、受入表で合否を素早く判断できる形にすると、現場の負荷が下がります。この記事の基準と表を自組織の様式にあわせて最小限から導入し、毎年の見直しで成熟度を高めていくのが現実的です。迷ったときは、本文の手順とチェックを辿り、最小限の再作業で品質を守る運用に整えていきます。