GoogleがPDFの扱いを解説、AI Overviewsのグラウンディング対象にも

何が発表されたか

Google のMartin Splitt氏とJohn Mueller氏によるポッドキャスト「PDFs in Search: Indexing, AI & Pitfalls」の内容が、2026年10月13日にSearch Engine Roundtableで整理された。要点は以下の通り。

• 変換：GoogleはインデックスのタイミングでPDFをHTML版に変換し、Webページとほぼ同様に処理する。
• リンク：PDF内のテキストリンクは通常どおりクロールされる。埋め込み画像は独立したURLを持たないため、画像検索には基本的に出ない。
• ランキング：変換されたPDFは通常の検索結果に出るほか、AI Overviewsに表示され、AIシステムのグラウンディングにも使われる。
• サイズ上限：PDFのクロール上限はHTMLページより大きい。正確な数値は非公開だが、過去には64MBという情報があった。
• スキャンPDF：画像のみ・ラスタライズされたPDFはOCRが必要。テキストを選択・コピーできるかで判別できる。
• パスワード保護：保護されたPDFは検索エンジンが読めない。
• 再クロール：PDFの再クロール頻度はHTMLより大幅に低い。大きな更新は新しいURL／ファイル名で公開するのが推奨される。
• 重複：Webページの印刷用PDFが自動生成されると、HTML版と競合して古い内容が残る。rel=canonicalのHTTPヘッダ、完全なメタデータ、サイトへの逆リンクで管理する。
• 形式の選び方：編集性・モバイル対応・インデックス速度の面から基本はHTML。印刷レイアウト固定、オフライン帳票、ドキュメント類にPDFを使う。llms.txt のような機械可読ファイルはプレーンテキストで持つ。

実務への影響

制作案件で地味に効いてくるのが「印刷用PDFの自動生成」だ。CMSのプラグインが記事ごとにPDFを吐いている場合、それが古い内容のままインデックスされ、AI Overviewsの引用元として拾われる可能性がある。棚卸ししてcanonicalヘッダを付けるか、robots.txt で除外するかを決めておきたい。

BtoB系サイトで多い「カタログ・仕様書はPDF」という構成も再考の余地がある。PDFがグラウンディング対象になる以上、PDFに閉じ込めた仕様情報はAIに読まれるが、再クロールが遅いため価格改定や仕様変更が長く反映されない。頻繁に更新する情報はHTMLページに出し、PDFはダウンロード用の固定版として併置する構成が無難だ。

スキャンPDFをそのまま公開している自治体・士業サイトの案件では、OCR処理を納品メニューに加えると提案になる。アクセシビリティ（スクリーンリーダー対応）とAI可読性を同時に改善できるという説明が通りやすい。

補足

元はGoogle公式ポッドキャストの内容だが、本記事はSearch Engine Roundtableによる要約に基づく。Google公式ドキュメントとしての発表は未確認。