東北大学は，学内組織の所蔵資料データを一箇所に集約し，横断的かつ網羅的に一括検索ができるようなプラットフォームを目指した「東北大学総合知デジタルアーカイブ（ ToUDA）」を， 2024年に公開した．現在の参加組織は附属図書館・史料館であるが，今後は博物館などにも範囲を広げる予定である．組織の多様性ゆえに，収録資料はその膨大な量に加え，言語，書写形態（手書き・活字など），時代などにおいて多様な特徴を持つ．これらの資料の特徴を適切に分類し，また記述内容をテキストデータ化する試みは不可欠であり，そのために AI技術の活用が期待されている．
本稿では ToUDAの概要および収録資料の現状を紹介するとともに，大量かつ多様な資料の自動分類や OCR（光学文字認識）処理によるテキストデータ化を，どのように実現することが望ましいのか，またそのために必要なアプローチについて議論する．
