2026年の主要なAIアシスタント、ChatGPT、Claude、Gemini、Copilotは、どれも画像を見ることができます。写真、スクリーンショット、グラフ、スキャンした文書、手書きの文章をアップロードして、それについて質問します。モデルは内容を読み取り、回答します。
この機能は、多くの初心者が認識している以上に強力です。同時に、プライバシーに対する警戒心が最も働きにくい機能でもあります。写真のアップロードは、テキストを貼り付ける行為とは違うように感じられるからです。この記事では、画像のアップロードが大きな変化をもたらす場面と、送信をクリックする前の短いチェックリストの両方を扱います。
画像をアップロードする方法
主要なAIアシスタントでは、どれも入力欄の近くにあるクリップまたは「+」アイコンがアップロードボタンです。モバイルアプリでは、その場で写真を撮れます。デスクトップでは、クリップボードから画像を貼り付けられます。対応形式はJPEG、PNG、WEBPで、通常はHEICとPDFにも対応します。ほとんどのアプリは、複数ページのPDFやスマートフォンのスクリーンショットも受け付けます。
便利な点として、画像をアップロードするのと同時にプロンプトを入力できます。モデルは両方を利用します。「これは何ですか」と入力するだけでも機能しますが、「このスライドの3つ目の箇条書きは何ですか」と尋ねる方が、はるかに良い結果を得られます。
本当に役立つ用途
画像をアップロードする方法が代替手段よりはるかに優れており、一度試すと元には戻れない場面がいくつかあります。
長い文書内のグラフを読み解く。 年次報告書、研究論文、市場レポート、スライド資料には、読み解くのに相当な労力を要するグラフが多数含まれています。グラフを切り取り、アップロードして、「このグラフは何を示していますか。最も意外なデータポイントは何ですか。また、[自分の役割]にいる人にとって何を意味しますか」と尋ねます。モデルは、要旨と意味合いを抽出することを得意とします。それこそが実際に知りたかったことです。
物体を特定する。 庭の植物、机の上の金具、名前の分からない食材、市場の魚、古い家電のメーカーと型番などです。アップロードして尋ねてください。モデルは確度の高い推測を提示し、依頼すれば他の候補も挙げます。
手書きのメモを読む。 ホワイトボードに書かれた会議のメモ、手書きの手紙、カードに走り書きされたレシピ、ノートを撮影した写真などです。現代のモデルは、乱雑な手書き文字を驚くほど正確に読み取ります。整理する作業も、「これを構造化されたアクション項目に変えてください」という1つのプロンプトで済みます。
スクリーンショットを読み解く。 分かりにくいエラーメッセージ、思いどおりに動かないスプレッドシート、プレゼンテーション内のコード、簡単にはコピーできないSlackスレッド内のグラフなどです。スクリーンショットを撮り、アップロードして尋ねます。コピーして形式を整えるより速く済みます。
領収書や請求書を読む。 特に出張中に便利です。領収書を撮影し、日付、発行元、合計額、通貨、費目を整った形式で抽出するようモデルに依頼します。その結果を経費管理ツールに貼り付けられます。領収書が大量にある場合は、複数枚ずつ処理します。
視覚的な制作物のスタイルとレイアウトについて意見を得る。 スライド、履歴書、ポスター、ランディングページのスクリーンショットをアップロードし、「読者が最初に見るものは何ですか。何を削れますか。どのような視覚的階層が欠けていますか」と尋ねます。文書やスライドを扱う人にとって、これは特に効果の高い用途の1つです。
翻訳が妥当か確認する。 外国にある標識やメニューの写真をアップロードし、翻訳と文化的な背景を尋ねます。数語を超える内容なら、スマートフォンの翻訳アプリより速く、信頼できます。
手元にあるもので料理する。 冷蔵庫を開け、中身を撮影してアップロードし、「ここに写っているものを使い、30分で作れる夕食は何ですか」と尋ねます。モデルはこれを得意とし、意外な案を出してくれます。
特に見過ごされている利点：スクリーンショット内の表とリスト
画像やコピーできないPDFに埋め込まれた表からデータを抽出した経験があれば、それがどれほど大変か分かるでしょう。現代のAIなら、簡単に処理できます。
表のスクリーンショットです。整ったCSVとして抽出してください。最初の列が見出し行です。確信のない値には
[?]を付けてください。
そのCSVをExcelまたはGoogle Sheetsに貼り付けられます。複雑な表で初めて試せば、明らかな時間の節約になります。「確信のない値には印を付ける」という指示が重要です。これがなければ、OCRの誤りが気づかれないまま混入します。
画像のアップロードが苦手なこと
モデルの信頼性が低い分野を、率直かつ簡潔に挙げます。
低品質の画像から正確に文字を抽出すること。 少しぼやけた写真、斜めに撮影した文書、非常に小さな文字などです。モデルは自信を持って試みますが、精度は低下します。正確さが重要な場合は、必ず確認してください。
特定の人物を氏名まで特定すること。 正確性とプライバシーの両面から、ほとんどのモデルは写真に写った特定の人物を識別しません。見えているものを説明することはできます。
数えたり測ったりすること。 「この写真には何人写っていますか」や「この物体の高さはどのくらいですか」といった質問です。モデルは正確な計数や計測を驚くほど苦手とし、もっともらしく推測します。答えが重要なら確認してください。
医療用スキャン、X線、MRI、その他の臨床画像を読むこと。 モデルは見えているものを大まかに説明できますが、診断に使うべきではありません。必ず医療従事者の判断に従ってください。
写真内の、時期や鮮度が重要な情報。 昨日の株価チャート、ライブ試合のスクリーンショット、現在の天気などです。モデルは画像内の情報を読み取れますが、それが最新かどうかは分かりません。
30秒のプライバシーチェックリスト
画像のアップロードが入力したテキストと異なるのは、この点です。顧客データをChatGPTに貼り付けることは決してない人でも、カメラボタンは気軽に感じるため、同じデータのスクリーンショットをためらわずにアップロードすることがあります。何かをアップロードする前に、次の5つの質問を確認してください。
- この画像には誰かの個人情報が含まれていますか。 氏名、顔（特に子どもの顔）、自宅住所、身分証明書番号、ナンバープレート、銀行口座番号、パスポートのページ、医療情報などです。含まれている場合は、アップロード前にその部分を切り取るか、アップロードしないでください。
- この画像には、勤務先のデータポリシーの対象となるものが含まれていますか。 顧客データ、機密と記された社内文書、自社リポジトリのソースコード、給与情報、秘密保持契約の対象となる情報などです。該当する場合は、個人アカウントではなく、会社が承認したAI（エンタープライズ向けMicrosoft Copilot、ChatGPT Enterpriseなど）を使用してください。
- 「すべての人のためにモデルを改善する」設定が有効になっていますか。 ChatGPTでは、「設定」→「データ コントロール」にあります。広告看板に表示されても構わないとは思えないものをアップロードする場合は、基本設定として無効にしてください。他のツールにも同様の設定があります。
- AIのログから、この画像のスクリーンショットが流出する可能性はありますか。 おそらくありません。大手プロバイダーは相応のセキュリティ対策を講じています。しかし、絶対とは言えません。機密性の高いアップロードは、メールで送信する場合と同じように扱ってください。永久に残る可能性があると考えます。
- 必要な部分だけを抽出する、もっと簡単な方法はありますか。 多くの場合、答えは「はい」です。契約書のページ全体を撮影するより、1行だけを撮影する方がはるかに適切です。
実用的なルールは、画像の内容をテキストとしてチャットに貼り付けたくないなら、その画像もアップロードしないことです。
今週試すこと
画像のアップロードを自然に使えるようにする、簡単な用途を3つ紹介します。
- 今週読む文書からグラフを1つ撮影し、それが何を意味するのかモデルに尋ねる。
- 領収書を撮影し、構造化された経費データを抽出するよう依頼する。
- 判断に迷っているスライドのスクリーンショットを撮り、構成に関するフィードバックを1回求める。
この3つを終えれば、あらゆる場所で画像をアップロードできる機会に気づき始めます。ただし、プライバシーチェックリストは常に頭の片隅に置いてください。30秒で済み、絶対に遭遇したくない種類の問題を防げます。
