生成AI動向作業動画から作業手順書を自動生成するAI技術の検証とその可能性
100万トークンはどれくらい？日本語の文字数・A4ページ数の目安と製造業文書での換算【2026年版】
「100万トークンはどれくらいの量か」と聞かれたら、答えは日本語でおよそ70万〜100万字です。A4の文書（1枚1,200字）に換算すると約700枚、新書なら約8冊分に相当します。2024年にGemini 1.5 Proが100万トークン対応を打ち出して話題になったこの数字は、2026年現在ではClaudeやGeminiなど複数の主要モデルで使える「実用ライン」になりました。
本記事では、トークンという単位の基本から、文字数・ページ数への換算早見表、RAGとの違い、そして仕様書・是正処置報告書・議事録といった製造業の実務文書でどう活きるかまでを、図解付きで解説します。
もくじ
トークンとは——生成AIが文章を数える単位
生成AIは文章をそのまま読んでいるわけではなく、「トークン」と呼ばれる細かい単位に分割して処理しています。トークンは単語とも文字とも一致しない中間的な単位で、英語ではおおよそ1単語＝1.3トークン、日本語では1文字＝1〜1.5トークンが目安です。分割の仕方はモデルごとの「トークナイザ」によって異なるため、同じ文章でもモデルが変わればトークン数は変わります。
そして、モデルが一度に受け取れるトークン数の上限を「コンテキストウィンドウ」と呼びます。「100万トークン対応」とは、このコンテキストウィンドウが100万トークンある、つまり一度の対話でそれだけの量の文章を渡せるという意味です。自分の文書が何トークンになるかは、OpenAIのTokenizerなど各社が公開しているツールで確認できます。
100万トークンはどれくらい？換算早見表
日本語1文字＝約1.2トークンを中心の目安として、100万トークンを身近な文書量に換算すると次のようになります。
| 換算対象 | 前提 | 100万トークンの目安 |
|---|---|---|
| 日本語の文字数 | 1文字＝約1〜1.5トークン | 約70万〜100万字 |
| A4文書 | 1枚1,200字 | 約700枚 |
| 新書 | 1冊約10万字 | 約8冊 |
| 装置の仕様書・取扱説明書 | 50ページ・約4万字 | 約20冊 |
| 是正処置報告書 | 1件約2,000字 | 約400件 |
| 会議の議事録 | 1時間＝約1万字 | 約80時間分 |
注意したいのは、この換算があくまで目安だという点です。漢字の比率が高い技術文書はトークン数が増えやすく、同じ1万字でもトークナイザによって1.2万〜1.5万トークン程度の幅が出ます。実務では安全側に見て、「100万トークン＝日本語70万字程度」を上限の感覚にしておくと失敗がありません。
100万トークン級モデルの現在地（2026年6月時点）
100万トークンという数字が最初に大きく注目されたのは、2024年5月のGoogle I/Oで発表されたGemini 1.5 Proでした。当時、当サイトでも労働安全衛生法の全文を読み込ませて適合チェックを試した検証記事を公開しています。それから2年、各社の公表値は次のようになっています。
| 提供元 | 代表的なモデル | コンテキストウィンドウ（公表値） |
|---|---|---|
| Gemini系 | 100万〜200万トークン | |
| Anthropic | Claude系（Opus 4.7など） | 100万トークン |
| Meta | Llama 4 Scout | 公称1,000万トークン |
「100万トークン」はもはや一社の特別仕様ではなく、主要モデルの標準的な選択肢になっています。実際、当サイトで設計業務へのAI活用を検証した記事でも、100万トークン級のツールが開発現場の前提として登場しています。
2026年現在、設計業務を試作レベルで動かす速度は、バイブコーディングが圧倒的に速くなりました。
バイブコーディングは設計OS内製化を救うか——速度・粗利・カスタム性の3軸で評価する2026年現在
RAGと「全文一括投入」の違い
100万トークンの価値を理解するうえで欠かせないのが、RAG（Retrieval-Augmented Generation：検索拡張生成）との違いです。RAGは、文書群をあらかじめデータベース化しておき、質問のたびに関連しそうな部分だけを検索で抜き出してAIに渡す方式です。コンテキストウィンドウが小さかった時代に長文を扱うための主流技術で、現在も大規模な文書群に対しては有効です。
ただしRAGには構造的な弱点があります。先ほどの労働安全衛生法の検証記事では、その点をこう指摘していました。
RAGはトークン数を制限するため、与えられた文書全体を見ておらず、部分的な情報から回答を生成します。
100万トークン入力できるAI、Gemini 1.5 Proを使って超長文の文書について質問してみる
一方、100万トークン級のコンテキストに全文を一括投入すれば、AIは文書全体を見たうえで回答できます。条文の参照関係や例外規定のように「離れた場所同士のつながり」が重要な文書では、この差が回答品質に直結します。
使い分けの目安はシンプルです。数万件規模の図面台帳や帳票全体から「探す」ならRAG型、特定の案件・テーマに関係する文書一式（数百枚規模まで）を「深く読ませる」なら一括投入が向いています。
💡 自社のどの業務文書からAIに読ませるべきか、優先順位を整理したい方には無料の業務診断をご用意しています。→ 業務診断について問い合わせる（無料）
製造業の実務での使いどころ3つ
①法規・規格への適合チェック
労働安全衛生法のような長大な法令でも、全文が100万トークンに収まります。設備の導入計画書と法令全文を同時に渡して「この計画で抵触しうる条文はどこか」と問えるため、人手では数日かかる一次チェックの下書きを短時間で得られます。最終判断は人が行うとしても、見落とし防止の網として機能します。
②過去の是正処置・不具合報告の横断参照
1件2,000字の是正処置報告書なら約400件が一度に入ります。新しい不具合に対して「過去の類似事象と、そのとき取った対策」を全件参照のうえで答えさせれば、担当者の記憶に頼っていた水平展開の抜けを補えます。
③仕様書・取扱説明書をまたいだ仕様確認
50ページの装置仕様書なら約20冊分。シリーズ機種の仕様書をまとめて渡して相違点を一覧化させる、客先仕様書と自社標準仕様書を突き合わせて乖離箇所を挙げさせる、といった「複数文書をまたぐ確認作業」は一括投入の得意分野です。
ただし、ここで多くの現場がつまずくのは「読ませたい文書がそもそも1か所にまとまっていない」ことです。業務OSの解説記事が指摘するとおりです。
図面はPLM、見積書はExcel、是正処置はWord、品質データは紙の検査表、サプライヤとのやり取りはメールに散在しています。
業務OSとは何か——製造業ERPでもPLMでもない、第3の業務基盤の正体
100万トークンはあくまで「入れ物」の大きさです。散在した文書を集め、AIが読める形に整える作業が先に立ちます。逆に言えば、文書がそろっている業務から着手すれば、100万トークンの恩恵は今日からでも受けられます。
注意点——「入る」と「正しく読める」は別問題
- 長文の中間部は見落とされることがある：長いコンテキストの中間にある情報は参照精度が落ちる現象が知られています。重要な文書を先頭か末尾に置く、質問で対象箇所を明示するといった工夫が有効です。
- 入力コストはトークン数に比例する：API利用では入力トークンにも課金されます。毎回100万トークンを投入すると費用がかさむため、繰り返し使う文書はキャッシュ機能や要約の併用を検討してください。
- 図面・写真は文字数換算の対象外：画像はページ数や解像度に応じた「画像トークン」として別枠で計算されます。図面PDFは「文字部分＋画像部分」の合算になります。
- 機密文書の取り扱い：入力データが学習に使われない設定・契約かを確認し、社内の情報管理規程に沿って運用してください。
よくある質問（FAQ）
Q1. 100万トークンは日本語で何文字ですか？
目安は約70万〜100万字です。日本語は1文字＝1〜1.5トークン程度で、漢字が多い技術文書ほどトークン数は増えます。安全側に見るなら70万字程度を上限の感覚としてください。
Q2. 自分の文書が何トークンか調べるには？
OpenAIのTokenizerのような無償ツールに文章を貼り付けるか、各社APIのトークンカウント機能を使います。Wordの文字数からおおよそを知りたい場合は「文字数×1.2」で概算できます。
Q3. 図面PDFも100万トークンに入りますか？
入りますが、計算方法が異なります。PDF内のテキストは文字数ベース、図面や写真などの画像情報はページ数・解像度ベースの画像トークンとして扱われるため、テキストだけの文書より消費が大きくなります。
まとめ——「どれだけ入るか」より「何を読ませるか」
100万トークンは、日本語で約70万〜100万字、A4で約700枚、装置仕様書なら約20冊分。2026年現在、これは特別な数字ではなく主要モデルの標準装備になりました。問われているのは「どれだけ入るか」ではなく「自社のどの文書を読ませると業務が変わるか」です。是正処置報告書、仕様書、議事録——文書がそろっている業務から、まず一度「全文を読ませる」体験をしてみてください。
次に読むべき記事
- 【2026年最新】Excel文書を生成AIで扱う3つの方法——読ませる前の「構造化」の具体策
- n8n×Claudeで装置仕様書を自動生成——設計業務を半減するワークフロー構築ガイド——長文コンテキストを仕様書作成に活かす実践例
- 【2026年最新】PLCラダー図とは｜基本5記号・主要3メーカー比較とAI自動生成の到達点——生成AI×現場技術の定番解説
出典
