アーキビストが生成AIの目録作成スキルで文書整理業を収益化する方法｜案件の始め方と単価相場 2026

2026年2月21日

中西直美

この記事のポイント

✓アーキビストが生成AIを使った目録作成スキルで収益化する方法を解説
✓文書整理・アーカイブズ業務の市場動向
✓生成AIツールの選び方

「アーキビストとしての専門性を、組織の外でも活かせるのだろうか」。このご相談、実は少しずつ増えているんです。文書館や企業の資料室で目録作成に携わってきた方が、生成AIの登場で「自分の仕事はなくなるのでは」と不安になる。その一方で、「生成AIを使いこなせば、むしろ独立して収益化できるのでは」という期待も抱いている。この記事では、アーキビストの目録作成スキルと生成AIを掛け合わせて収益化する具体的な道筋を、市場動向や単価相場のデータとともに、順を追ってお話しします。大丈夫です。あなたの積み上げてきた専門性は、生成AI時代にこそ価値が高まります。

アーキビストと生成AIをめぐる2026年の現状

まず、深呼吸をひとつ。不安の正体を、データで確かめるところから始めましょう。

アーキビストとは、公文書館・企業アーカイブズ・大学史料室などで、記録資料（アーカイブズ）の収集・評価選別・整理・目録作成・保存・公開を担う専門職です。日本では国立公文書館の認証アーキビスト制度が2021年に始まり、認証者数は制度開始から数年で300名を超える規模に育ってきました。ただ、正規雇用のポストは限られていて、多くの方が非常勤や有期雇用で働いているのが実情です。

そこに現れたのが生成AIです。図書館情報学の世界では、目録作成（カタロギング）への生成AI活用が2023年頃から本格的に議論されるようになりました。「AIで目録なんてすぐ作れるでしょ」と言われて胸がざわついた、という声もよく聞きます。

でも、現場の実感は違いますよね。目録作成は、単なる文字起こしではありません。資料の来歴（プロヴェナンス）を尊重し、フォンド・シリーズ・アイテムという階層構造を判断し、ISAD(G)やEAD、日本目録規則といった標準に沿って記述する。この「判断」の部分は、生成AIだけでは完結しません。

つまり2026年の現実は、こうです。

・生成AIは目録作成の「下書き」「たたき台」を高速に作れるようになった・しかし、記述の正確性・階層判断・典拠コントロールは専門家の検証が不可欠・その結果、「生成AIを使いこなせるアーキビスト」の生産性が飛躍的に上がった

生産性が上がるということは、同じ時間でより多くの案件をこなせるということ。ここに収益化のチャンスが生まれています。

文書整理・デジタルアーカイブ市場の動向

社会の側にも追い風があります。国や自治体では公文書管理法にもとづく文書管理の適正化が進み、企業では創業周年事業にともなう社史編纂・企業アーカイブズ構築の需要が続いています。デジタルアーカイブ学会やデジタルアーカイブジャパン推進委員会の活動に見られるように、地域資料・文化資源のデジタル化は国の政策としても推進されています。総務省も地域のデジタル化施策のなかでアーカイブ整備に触れており、詳細は総務省の公式サイトで確認できます。

一方で、この分野の人材は慢性的に不足しています。目録が未整備のまま書庫に眠る資料は、自治体・企業・寺社・個人宅に膨大に存在します。ある調査系の現場では「所蔵資料のうち目録化済みは全体の2〜3割程度」という話も珍しくありません。目録がなければ資料は使えません。使えない資料は、存在しないのと同じです。

この「目録化されていない資料の山」こそが、フリーランスのアーキビストにとっての市場です。そして生成AIは、この市場に個人が参入するためのコストを大きく下げてくれました。

生成AIは敵ではなく「増幅器」

カウンセリングの場でよくお伝えする言葉があります。「不安は、情報が足りないときに大きくなります」。生成AIへの不安も同じです。

生成AIが得意なのは、次のような作業です。

・手書き文書やくずし字のOCR結果の校正補助・資料の要旨（スコープノート）のドラフト作成・件名や分類語のリストアップ（統制語彙への写像の候補出し）・目録データのフォーマット変換（Excel→EAD/XML、CSV→スプレッドシート統合など）・英語資料・多言語資料の概要把握

逆に、生成AIが苦手なのは、資料の真正性の判断、来歴の調査、階層構造の設計、そして「この資料群にとって何が重要か」という評価選別です。ここはあなたの領分です。

つまり、生成AIはアーキビストの代替ではなく、アーキビストの判断力を何倍にも増幅する道具。この整理ができると、不安はぐっと軽くなるはずです。

生成AI×目録作成の収益化モデルを比較する

ここからが本論です。「生成AIを使った目録作成スキル」をどうお金に変えるか。収益化のモデルは大きく4つに分けられます。SaaS業界の分析ですが、生成AIの収益化を体系的に整理した調査があるので、まず引用します。

本シリーズでは、SaaS業界における生成AIの収益化に関する継続的な調査の一環として、現在市場に存在する70件を超えるサービスの戦略を分析しています。

この調査が示す重要な示唆は、「生成AIそのものを売る」のではなく、「生成AIで価値が高まったサービスを売る」パターンが主流だということです。個人のアーキビストに置き換えると、次の4モデルになります。

モデル1：受託型（生成AIで生産性を上げた目録作成請負）

最も現実的で、最初に取り組むべきモデルです。自治体史編纂室、企業の総務・広報部門、大学、寺社、旧家などから、資料整理・目録作成の業務を請け負います。

従来、段ボール1箱分（アイテム数百点規模）の文書の粗整理と仮目録作成には数日かかることが普通でした。生成AIをOCR校正・要旨作成・データ整形に使うと、この工程が体感で3〜5割短縮できるケースがあります。時間単価が同じでも、こなせる案件数が増えるので、月の売上が伸びる構造です。

報酬形態は「時給制」「箱単価・点数単価制」「プロジェクト一括」の3種類。相場感としては、専門性を要する資料整理で時給換算1,500円〜3,500円程度、経験と実績が積み上がると1件数十万円規模のプロジェクト受注も視野に入ります。

モデル2：コンテンツ型（ノウハウの商品化）

「生成AIを目録作成にどう使うか」というノウハウ自体が、まだ世の中にほとんど言語化されていません。ここに情報の空白があります。

・図書館・文書館職員向けの研修講師（生成AI活用研修）・目録作成用のプロンプト集・ワークフロー解説の執筆・専門誌・Webメディアへの寄稿

執筆系の仕事を考えるなら、文筆業の報酬水準を知っておくと交渉の土台になります。著述家，記者，編集者の年収・単価相場では、執筆・編集職の公的統計にもとづく年収データがまとめられているので、原稿料や講師料の相場観を掴むのに役立ちます。

モデル3：ツール型（テンプレート・スクリプトの提供)

目録データの整形・変換は定型作業が多く、スプレッドシートのテンプレートや簡単な変換スクリプトが商品になります。たとえば「Excel目録をEAD/XMLに変換するテンプレート」「ISAD(G)準拠の記述テンプレート＋生成AIプロンプトのセット」などです。

本格的にツール開発へ進むなら、エンジニアリングの単価水準も参考になります。ソフトウェア作成者の年収・単価相場には、開発職の年収・単価データが整理されており、スクリプト開発を外注する場合の予算感の把握にも使えます。

モデル4：ハイブリッド型（アーカイブズ構築コンサルティング）

受託・コンテンツ・ツールを組み合わせ、「資料調査→整理計画の立案→目録作成→デジタル化→公開設計」まで一気通貫で支援するモデルです。単価は最も高く、企業アーカイブズの立ち上げ支援では月額10万円〜30万円程度の顧問契約に発展する例もあります。ただし、実績と信頼の積み上げが前提なので、モデル1〜3を経てからの到達点と考えてください。

先ほどの調査は、こうも述べています。

時間と経験を重ねるにつれ、企業は複数の生成AIの収益化手法を試すことが予想されます。これは、企業が価値指標、価格設定、パッケージングに関する実験と改善を繰り返すためのツールと戦略を整備する必要があることを意味します。

個人でも同じです。ひとつのモデルに固執せず、受託で実績を作り、ノウハウをコンテンツ化し、定型作業をツール化する。この循環が収益の安定につながります。

目録作成に使える生成AIツールの選び方

「どのツールを使えばいいですか？」というご質問も多いので、用途別に整理しますね。ツール選びで大切なのは、機能の多さではなく、あなたのワークフローのどこに組み込むかです。

汎用の対話型生成AI（ChatGPT・Claude・Gemini）

要旨作成、件名候補の抽出、記述の文体統一、データ整形の指示出しに使います。無料プランでも試せますが、業務で使うなら月額3,000円前後の有料プランが現実的です。長文の資料を扱うことが多いアーカイブズ業務では、一度に読み込めるテキスト量（コンテキスト長）の大きいモデルが有利です。

注意したいのは機密性です。未公開資料や個人情報を含む文書を、そのままクラウドの生成AIに入力してはいけません。契約先の情報管理規程を必ず確認し、必要に応じて入力データの学習利用をオフにする設定や、法人向けプランを使います。ここを雑にすると、信頼を一度で失います。

OCR・くずし字認識系ツール

古文書や手書き資料を扱うなら、AI-OCRは必須です。国立国会図書館のOCR研究成果や、くずし字認識アプリなど、文化資源向けのツールが公開されています。AI-OCRで機械可読化し、生成AIで校正・整形するという二段構えが、2026年時点の実務的な定番ワークフローです。

画像生成AIは「周辺業務」で活きる

意外に思われるかもしれませんが、画像生成AIもアーキビストの収益化に関係します。デジタルアーカイブの公開サイトを作る際、サムネイルやバナーの制作需要が発生するからです。画像生成AI（Stable Diffusion等）のお仕事では、画像生成AIを使った案件の種類や始め方が解説されており、資料公開サイトの見せ方を工夫するヒントになります。

また、口述資料（オーラルヒストリー）の整理では音声の扱いも出てきます。音声コンテンツ制作の世界を知りたい方は、作曲・編曲・効果音・ジングルのお仕事で音まわりの仕事の全体像が掴めます。デジタルアーカイブに音声解説を付ける企画などで、隣接分野の知識が思わぬ形で役立つことがあります。

セキュリティとAIリテラシーの学び直し

資料を預かる仕事は、情報セキュリティへの理解が信頼の土台になります。AI・マーケティング・セキュリティのお仕事では、AI関連業務とセキュリティ分野の仕事内容がまとめられていて、アーキビストが押さえるべき周辺知識の地図として使えます。さらにネットワークの基礎を体系的に固めたい方には、CCNA（シスコ技術者認定）のような定番資格の学習内容が、デジタルアーカイブのインフラを理解する助けになります。デジタル化案件では「スキャンデータをどこに保存し、どう受け渡すか」が必ず論点になるからです。

生成AIを組み込んだ目録作成ワークフローの実例

ツールの話が続いたので、ここで一度、実務の流れに落とし込んでみましょう。「段ボール10箱分の近現代文書を預かって、検索可能な目録に仕上げる」という典型的な案件を想定した、生成AI併用のワークフロー例です。

工程1：受入と粗整理（生成AIの出番はまだ）

資料の受入記録を作り、現状の秩序を写真で記録し、箱ごとの概要をメモします。ここは人間の仕事です。原秩序尊重の原則にもとづき、元の並びを崩さないよう注意しながら、資料群の全体像を掴みます。この段階の観察が、後の階層設計の質を決めます。急がば回れ、です。

工程2：デジタル化とOCR（AIが最初に活躍する工程）

スキャンまたは撮影で画像化し、AI-OCRでテキスト化します。近現代の活字資料なら認識精度はかなり高くなりましたが、手書きの議事録や書簡は誤認識が残ります。ここで生成AIに「OCR結果の明らかな誤字を、文脈から推定して修正候補を挙げて」と指示すると、校正作業が大幅に速くなります。ポイントは、AIに「確定」させるのではなく「候補を挙げさせて人間が確定する」という役割分担です。

工程3：記述のドラフト作成（生成AIの本領）

テキスト化された資料をもとに、目録記述のたたき台を作ります。たとえば「この文書の作成年代・作成者・宛先・要旨を、ISAD(G)の記述要素に対応する形で抽出して」といったプロンプトを定型化しておくと、1点あたりの記述時間が半分以下になることもあります。要旨（スコープノート）の文体も「です・ます調ではなく体言止めで、50字以内で」のように指定すれば、記述の統一感が保てます。

ここで大切なのは、プロンプトを案件ごとに使い捨てにしないこと。うまくいったプロンプトはテンプレートとして蓄積します。この蓄積が、先ほどのモデル2（コンテンツ型）・モデル3（ツール型）の商品在庫になっていきます。

工程4：検証と階層設計（人間にしかできない工程）

AIが作ったドラフトを、原資料と1点ずつ突き合わせます。固有名詞、年号、数量。疑わしい箇所はすべて原本で確認します。そのうえで、フォンド・シリーズ・ファイル・アイテムの階層構造を設計し、資料群全体の伝記的・組織的な背景を記述します。ここがアーキビストの専門性の核心であり、単価の根拠です。検証にかける時間は、ドラフト作成の1.5倍〜2倍を見積もっておくと安全です。

工程5：データ整形と納品

完成した目録をExcel、CSV、必要ならEAD/XMLに整形して納品します。フォーマット変換の指示出しも生成AIが得意な領域です。納品時には「AI利用箇所と検証方法」を1枚にまとめた品質説明書を添えると、発注者の安心感がまったく違います。この一手間が、次の依頼と紹介につながります。

この5工程を見て、気づいていただけたでしょうか。生成AIが働くのは工程2・3・5。人間の判断が支配するのは工程1・4。AIを使うほど、人間の検証力の価値が上がる構造になっているんです。

収益化までの5ステップ

ここからは、実際に収益化へ進む手順です。「こういう相談がよくあります」という実例も交えながら、5つのステップでお話しします。

ステップ1：スキルの棚卸しと「証明」の準備

最初にやるのは、営業ではなく棚卸しです。紙に書き出してみてください。

・扱える資料の種類（近現代文書、古文書、写真、図面、音声など）・使える標準（ISAD(G)、EAD、日本目録規則、ダブリンコアなど）・生成AIでできること（OCR校正、要旨作成、データ変換など）

そして、スキルを外から見えるようにします。認証アーキビストや図書館司書・学芸員の資格があれば明記する。生成AIの基礎知識を客観的に示したいなら、生成AIパスポートが有力です。生成AIの仕組み・リスク・活用法を体系的に問う検定で、「AIを安全に業務利用できる人材」であることを発注者に伝えやすくなります。資料を預かる仕事だからこそ、AIのリスク管理を学んだ証明は効きます。

ステップ2：小さな実績を作る（ポートフォリオ）

いきなり大きな案件は来ません。まず、身近なところで小さな実績を作ります。

私の相談者さんに、元・大学図書館の非常勤職員の方がいました。独立を考えたものの「実績がない」と足が止まってしまった。そこでお勧めしたのは、地元の郷土資料サークルの資料整理を手伝うことでした。2ヶ月ほどで数百点の仮目録を生成AI併用で作成し、その工程を記録した資料が、そのまま営業用のポートフォリオになりました。実績は「もらう」ものではなく「作る」ものなんです。

ポートフォリオには、ビフォーアフターを入れましょう。「未整理の段ボール写真→整理後の中性紙箱→目録画面」という3枚の写真は、言葉より雄弁です。

ポートフォリオを見せる場所も大切です。WixとSquarespaceを比較｜ポートフォリオサイトに最適なのはどっち？【2026年版】では、専門知識がなくても作れるポートフォリオサイトの選び方が比較されています。目録サンプルや作業工程を公開するサイトを1つ持っておくと、営業の負担が大きく減ります。

ステップ3：販路を決める（どこで仕事を探すか）

販路は3系統あります。

1つめは、専門コミュニティ経由。アーカイブズ関連学会や研究会のネットワークから、資料整理の相談が回ってくることがあります。2つめは、直接営業。自治体史編纂室、博物館、企業の周年事業事務局などへの提案です。3つめが、業務委託マッチングサービスの活用。在宅でできるデータ整理・リサーチ・執筆系の案件から入り、「資料整理もできます」と専門性を掲示しておく方法です。手数料の有無や案件の傾向はサービスごとに違うので、複数を併用して比較するのが安全です。

ステップ4：料金設計と契約

料金は「時給」「点数単価」「一括」の3建てで見積もれるようにしておきます。初心者が陥りやすいのは、安請け合いです。生成AIで作業が速くなった分を全部値引きに回してしまうと、専門職の相場そのものを壊してしまいます。速くなった分は、品質検証（ダブルチェック）と納期の余裕に充てるのが、長く続けるコツです。

契約書には、機密保持（NDA）、資料の保管責任、AI利用の可否と範囲、成果物の著作権・データの帰属を必ず盛り込みます。特に「生成AIを工程で使ってよいか」は、発注者によって考え方が分かれるので、事前の合意が必須です。

ステップ5：経理と確定申告の体制を整える

収益化とは、お金の管理まで含めての話です。開業届や帳簿づけの基本は国税庁の公式サイトで確認できます。会計ソフトは早めに導入しましょう。弥生会計とfreeeを比較｜個人事業主・フリーランスはどちらを選ぶべき？【2026年版】では、フリーランス定番の会計ソフト2つが料金や使い勝手の面から比較されています。数字が苦手な方ほど、最初に仕組みを作っておくと後がラクです。

よくある失敗パターンと注意点

ここは少し、耳の痛い話になるかもしれません。でも、先に知っておけば避けられることばかりです。

失敗1：生成AIの出力を検証せずに納品してしまう

最も深刻な失敗です。生成AIは、それらしい嘘（ハルシネーション）を平気で書きます。人名の読み、年号、地名、組織名。目録の生命線である固有名詞ほど、AIは間違えます。「AI出力は必ず原資料と突合する」を鉄則にしてください。検証工程を見積りに含めることも忘れずに。

失敗2：機密資料をクラウドAIに入力してしまう

未公開の個人情報・企業秘密を含む資料を、設定を確認しないまま生成AIに入力する事故が、実際に起きています。入力前に「この資料は外部サーバーに送ってよい情報か」を毎回自問する習慣をつけましょう。判断に迷ったら、入力しない。これだけで大半の事故は防げます。

失敗3：「生成AIが使えます」だけを売りにする

生成AIの操作自体は、数年以内に誰でもできる標準スキルになります。あなたの価値の中心は、あくまでアーカイブズの専門性です。「評価選別ができる」「標準に準拠した記述ができる」「資料保存の実務がわかる」。この土台の上にAIを載せるから、高い単価が成立します。順番を間違えないでください。

失敗4：孤立して情報が古くなる

フリーランスになると、研修や同僚との情報交換が自然には発生しなくなります。生成AIの世界は変化が速く、半年もすればツールの勢力図が変わります。学会・研究会・オンラインコミュニティに最低1つは足場を残しておきましょう。これはメンタルヘルスの面でも大切です。私のカウンセリングでも、独立後の不調の多くは「情報と会話の孤立」から始まっています。人とつながる予定を、仕事の予定と同じ重さでカレンダーに入れてください。

注意点：資格・スキル投資の優先順位

学び直しの選択肢が多くて迷う、という声もよく聞きます。Web系のスキル証明を検討している方は、Web系資格を徹底比較｜Webクリエイター・HTML5・Webライティングどれを取る？が判断材料になります。デジタルアーカイブの公開まわりを自分で触れるようになると、受けられる案件の幅が広がります。ただし、資格取得が目的化しないように。優先順位は「実案件に直結するものから」です。

収益データから見る現実的な期待値

最後に、独自の視点から市場データを整理します。期待値を現実的に持つことが、長続きの秘訣だからです。

在宅・業務委託の求人データを見ると、アーキビストという職名での募集はまだ少数ですが、隣接する「データ整理」「リサーチ」「文書のデジタル化補助」「専門ライティング」の案件は安定して存在します。つまり参入初期は、隣接案件で月3万円〜8万円程度の売上を作りながら、専門案件の種をまくのが現実的なルートです。

公的統計ベースの職種データも参考になります。執筆・編集系職種の年収データ（著述家，記者，編集者の年収・単価相場参照）と比べると、アーカイブズ系の受託は時給換算でやや高めに出る傾向があります。専門性の希少さが単価に反映されるためです。逆に言えば、希少性を証明できない段階では、一般事務と同じ単価に埋もれます。ステップ1〜2で「証明」を作る意味は、ここにあります。

収入の柱を組み合わせる設計図

現実的な収入設計を、時系列で描いてみます。

・開始〜6ヶ月：隣接案件（データ整理・リサーチ・文字起こし校正）で実績と評価を貯める。売上は月3万円前後から・6ヶ月〜1年：資料整理の小規模案件（個人宅・サークル・小規模団体）を受注。ポートフォリオを公開し、専門案件の問い合わせ導線を作る・1年〜2年：自治体・企業の中規模案件、研修講師や執筆の依頼が混ざり始める。受託と講師・執筆の比率はおよそ7対3が安定しやすい構成です・2年以降：アーカイブズ構築支援などの継続契約を1〜2本持ち、収入の土台にする

もちろん、この通りに進まなくても大丈夫です。私が相談の場でお伝えしているのは、「収入の柱は3本になるまで細くてもいい」ということ。1本の太い柱を追うより、細い柱を並行して育てるほうが、心の安定という意味でもずっと健全です。収入源が1つしかないと、その1つの浮き沈みがそのまま自己評価の浮き沈みになってしまいますから。

そしてもう一つ。生成AIの進化は、この仕事の総量を減らすのではなく、「目録化のコストが下がったから、眠っていた資料も整理しよう」という新しい需要を掘り起こしています。書庫の段ボールの山は、まだ全国に膨大に残っています。専門性と生成AIの両輪を持つ人が、その山を宝に変えていく。2026年は、その入口に立つには良いタイミングです。

焦らなくて大丈夫。小さな一箱の目録から始めましょう。その一箱が、あなたの次の仕事を連れてきてくれます。