OCRとは何か、なぜ普及しているのか？
OCR（光学式文字認識）とは、画像内に含まれるテキスト（スキャンした文書、領収書を撮影した写真、スクリーンショットなど）を、編集も検索も可能なデジタルテキストへと変換する技術です。これは世界で最も広く使われている文書処理技術のひとつに数えられます。 企業はOCRを使ってアーカイブのデジタル化、請求書処理の自動化、各種フォームからのデータ抽出などを行っています。一方、個人ユーザーは検索可能なPDFの作成、写真からのテキストのコピー、領収書の整理といった用途で活用しています。グローバルなOCR市場は、2030年までに320億ドル規模に達すると予測されています。 オンラインで利用できる無料OCRツールのほぼすべては、同じ仕組みで動いています：文書画像をサーバーにアップロードし、そこでソフトウェアが処理を行い、抽出されたテキストをダウンロードする、という流れです。確かに機能はします。しかし、それがプライバシーに及ぼす影響は計り知れないほど甚大なのです。
文書をOCRサーバーにアップロードすると何が起きるか
オンラインのOCRサービスに文書をアップロードすると、舞台裏では一般的に次のようなことが起きています： まず、あなたの文書画像はリモートのサーバーへと送信されます — その多くはAWS、Google Cloud、あるいはそれに類するインフラ上でホストされています。そして処理が行われている間、文書の全内容が、サービス提供者のソフトウェア、そして場合によってはその従業員の目にも触れうる状態になります。 多くのサービスは「処理が終わったらすぐにファイルを削除する」と謳っています。しかし、それを確かめる術はありません。サーバーのログ、一時ファイル、バックアップシステム、キャッシュレイヤーといった場所に、あなたの知らないところでコピーが残り続けている可能性があるのです。 一部のOCRサービスは、アップロードされたコンテンツが「サービス改善」のために利用される場合があると、利用規約にはっきりと明記しています — これは商用AIモデルの学習を意味する、よくある婉曲表現です。つまり、あなたの個人的な文書が、商業AIシステムの学習データの一部になってしまう可能性があるということです。 たとえ強固なプライバシーポリシーを掲げているサービスであっても、データ侵害、内部不正、そして政府からのデータ開示要求といった脅威に対しては脆弱です。あなたの文書がデバイスを離れたその瞬間、あなたはそのコントロールを完全に失うのです。
アップロードで最も危険な文書
数ある文書の中でも、外部サーバーへアップロードする際に特に高いプライバシーリスクを伴うものが存在します：
- 医療記録と処方箋 — 医療プライバシー保護法によって守られるべき健康状態、服用している薬、担当医師の名前、個人識別子などが含まれています
- 確定申告書と財務明細 — 収入額、社会保障番号やマイナンバー、銀行口座の詳細、勤務先の情報といった極めて重要なデータが含まれています
- 法的契約書と合意書 — 交渉の細かな内容、財務上の条件、外部に出してはならない機密の事業情報などが含まれています
- 政府発行の身分証明書 — パスポート、運転免許証、各種IDカードには、生体データやあなた固有の識別番号が含まれています
- 学術成績証明書と資格証明書 — なりすましや個人情報窃盗に悪用されかねない、正式な氏名、生年月日、所属機関の情報などが含まれています
ブラウザベースのOCRがプライバシーを守る方法
ブラウザベースのOCRは、従来とは根本的に異なるアプローチを採用しています。文書をサーバーへアップロードする代わりに、OCRエンジンそのものをブラウザにダウンロードし、あなたのデバイス上でローカルに実行するのです。 SafeOCRはオープンソースのTesseract.jsエンジンを採用しており、すべての処理がブラウザのメモリ内で完全に完結します。文書画像があなたのデバイスを離れることは一切ありません — たとえ一時的にであってもです。その処理パイプラインは、次のような流れで動作します： 1. 文書画像を選択する — 画像はブラウザのメモリ内に読み込まれます 2. 自動前処理（グレースケール化、二値化、傾き補正）によって画像を認識しやすく最適化する 3. Tesseract.jsエンジンが、すべてローカルでテキストを認識・抽出する 4. 検索可能なPDF、Excel、あるいはプレーンテキストとして結果をエクスポートする 5. タブを閉じると、すべてのデータがメモリから跡形もなく消去される この一連のプロセスのどの瞬間においても、あなたの文書がサーバーに触れることはありません。これはブラウザの開発者ツールにあるネットワークタブを監視すれば、あなた自身の目で確認できます — アップロードのリクエストは一件も発生していないはずです。