画像の内容を読み取るならどのAI？ChatGPT・Claude・Geminiを比較

画像に何が写っているかを説明してほしいのか、細かな文字を読みたいのか、操作画面の問題を見つけたいのかで、画像AIの選び方は変わります。ChatGPT、Claude、Geminiはいずれも画像を扱う候補ですが、画像入力ができることは、OCRや小さな数字を正確に読める保証ではありません。まず画像の種類と、間違えると困る情報を分けて、実際の用途に近いサンプルで試してください。

画像を読む仕事を4つに分ける

「画像を読み取る」は幅のある依頼です。写真の説明、文字の抽出、画面の操作案内、複数画像の差分確認では、成功の基準が違います。

表は横にスクロールできます

やりたいこと	先に渡す情報	出力してほしい形	人が確認するところ
写真の内容を説明する	何を知りたいか、写っている対象の範囲	見える物と不確かな推測を分ける	画像にない背景を作っていないか
画像内の文字を読む	文字を使う目的、必要な範囲	行ごとの転記、読めない箇所は不明	金額、氏名、日付、否定表現
UIのスクリーンショットを見る	OS、アプリ、どの操作で困ったか	見えている状態と次の操作候補	バージョン差、隠れた設定の推測
複数画像を比べる	画像A・Bの順番、比べたい差	共通点・差分・判断できない点	同じ角度・条件で撮られているか

画像を説明させるだけなら大まかな内容で足りても、請求書の番号を読むなら1文字の誤りが問題になります。何をもって成功かを依頼前に決めましょう。

対応形式と容量を確認してから試す

ChatGPTでは画像を会話へ添付できます。公式案内では画像1枚あたり20MBまでですが、読み取り結果は画像の大きさ、解像度、向き、含まれる文字や図の複雑さで変わります。小さい文字や非ラテン文字、複雑な図表では見落としや読み違いが起きる場合があります。

ClaudeはJPEG、PNG、GIF、WebPを画像形式として案内しています。Geminiアプリは画像を含む対応ファイルをアップロードでき、同じプロンプトには最大10ファイルを追加できます。一般的な対応ファイルは1つ100MBまでと案内されています。利用枠、アカウント、画面によって条件が変わるため、数字はアップロード直前に公式ヘルプと実際の画面で確認してください。

画像が受け付けられない場合は、次の順で切り分けます。

1. ファイル形式とサイズが対応範囲か確認する。

2. 画像が開けるか、破損していないか確認する。

3. 画像を回転し、対象が小さすぎる場合は必要な部分を切り出す。

4. 文字や数字を読むなら、圧縮前の元画像を使う。

5. 1枚だけで短い依頼を行い、読み取り対象が認識されるか確認する。

切り抜きは文字を読みやすくしますが、欄外の注記、単位、日付が消えることがあります。切り出した範囲だけを渡す場合は、全体画像も手元に残し、見落としがないか戻って確認します。

読み取り依頼は「見えること」と「推測」を分ける

たとえば請求書画像なら「内容を要約して」だけでは、金額、対象月、税区分、支払期限が混ざることがあります。文字を使う作業では、表形式で項目を指定し、確信できない値を空欄や要確認にするよう頼みます。

画像に見えている範囲だけを読み取ってください。

次の項目を、値・画像上の場所・確信できない理由に分けて表にしてください。

項目：発行日、請求先、請求金額、税、支払期限、振込先。

読めない値は推測せず「判読できない」と記載してください。

画像に書かれていない情報は補わず、読み取った内容と推測を混ぜないでください。

最後に、原画像で人が照合すべき項目を列挙してください。

AIの出力をそのまま転記するのではなく、元画像と一行ずつ照合します。「8」と「3」、「1」と「7」、小数点、マイナス記号、税込・税抜の区別は、見た目が小さいと誤読されやすい箇所です。値が画像上のどこにあるか説明できない場合は、出力を確定情報として使わないでください。

スクリーンショットは、目的と前後の操作を添える

アプリ画面だけを渡すと、AIは画面上のボタンを説明できても、何をした後にその状態になったのか分かりません。操作案内を求めるなら、次の3点を追加します。

• 何を完了したいか。例：ファイルを保存したい、共有相手を変更したい。

• どの操作の直後に困ったか。例：保存を押すと確認画面が出る。

• 何が表示されれば解決か。例：共有相手の一覧に担当者が表示される。

依頼例：

この画面で見える文字とボタンを説明してください。

目的は、共有リンクを社内限定にすることです。

表示されている事実と、推測した操作案内を分けてください。

画面に見えない設定は断定しないでください。

最初に試す操作を一つ示し、変更前に確認する項目も挙げてください。

提案された操作は、実際の画面のラベルと設定を確認してから行います。画面の見た目が変わればボタン名や場所も変わるため、「右上を押す」のような位置だけの指示は、再現性が低い点にも注意してください。

写真説明では、分類を急がず確認点を聞く

商品の型番、部品の向き、植物や食品の種類など、画像だけでは判断しにくい対象があります。AIが候補を挙げたら、断定を避けさせ、判断根拠と追加で必要な情報を聞きます。

写真で直接見える特徴を先に箇条書きにしてください。

その後、候補を最大3つ挙げ、候補ごとに合う特徴と合わない特徴を分けてください。

写真だけでは判別できない場合は「判断できない」としてください。

確認に使える別角度、寸法、型番などがあれば質問してください。

これは商品の発注、設備の保守、医療的な判断など、誤った分類が損失につながる場合に大切です。画像からの候補は確認の出発点として使い、ラベル、取扱説明書、専門家の判断など別の根拠で確定します。

複数画像の差分は、撮影条件を揃える

2枚の画像を比較するとき、光の当たり方、撮影角度、拡大率、トリミングが違うと、実物の変化と撮影条件の差が混ざります。比較したい場所を指定し、画像の順序を固定します。

表は横にスクロールできます

比較対象	質問例	結果を使う前の確認
商品写真	AとBで形、色、付属品はどう違うか	同じ商品、同じ向きか
UI画面	変更前後でどの表示が変わったか	画面サイズ、アプリ版が同じか
書類	どの項目・数値が変わったか	同じページ、同じ倍率か
作業現場	部品が付いている位置は変わったか	視点と撮影距離が近いか

AIには「差がある場所だけを、画像A・Bの順に書き、変化が見えない場合はそう言う」と依頼します。画像で確認できない裏面や、撮影されていない部分について答えさせないことも重要です。

誤読を見つける小さな確認テスト

本格利用の前に、自分の用途に近い画像を数枚選びます。公開してよいテスト素材から始め、期待する答えを人が先に書いておきます。文字なら正しい転記、UIなら画面に実在するボタン、写真なら見える特徴です。

比較時には、同じ画像、同じ質問、同じ出力形式で試します。次を記録すると、印象ではなく作業結果で判断できます。

• 必要な項目を読み取れたか。

• 重要な数字・固有名詞に誤りがなかったか。

• 不明な箇所を不明と扱えたか。

• AIの根拠位置を元画像で追えたか。

• 人が修正するのに何分かかったか。

一度のテスト結果を、すべての画像への性能順位に広げないでください。写真、OCR、UI、図表で必要な能力は別です。用途ごとに試し、特に失敗すると困る項目の確認時間を比較します。

個人情報・権利・共有条件も画像の一部

スクリーンショットには、画面端の氏名、メールアドレス、通知、顧客番号が写り込むことがあります。AIへ送る前に、目的に不要な部分を切り取るか、見えないよう加工します。加工で判断に必要な前後関係や注記まで消していないか、元画像と見比べてください。

人物写真、顧客資料、社外秘画面、著作物をアップロードする場合は、サービスの利用条件だけでなく、社内規程、本人への説明、権利者の許可も確認します。画像を読み取れる機能があることは、アップロードしてよい理由にはなりません。機密度が高く利用可否が分からないなら、公開可能なサンプルへ置き換えるか、担当者に確認します。

AIものさし編集部の判断

一般的な写真やスクリーンショットの説明なら、ChatGPT・Claude・Geminiを候補にできます。どれか一つを「画像認識に最も強い」とは、同じ画像を使った比較なしに断定しません。小さな文字、金額、型番を読む仕事では、最初から原画像との照合を工程に含めます。

選ぶ基準は、画像入力の可否だけでなく、必要な出力を作れるか、読めない箇所を明示するか、元の場所へ戻って確認しやすいかです。何の画像を読ませ、何を人が確定するのかを決めてから、実際の作業に近い短いテストで選んでください。

失敗時は画像側か依頼側かを分ける

読み取りが曖昧なら、別の言い方を何度も試す前に、画像を拡大しても文字が判別できるか、対象範囲が切れていないかを確認します。画像そのものが不鮮明なら、AIへ同じ画像を送り直しても根本解決になりません。高解像度の原本を用意する、必要箇所を切り出す、撮影し直す、別形式で保存するといった入力側の修正を先に行います。

入力を変えられない場合は、AIの回答に「読めた部分」と「読めなかった部分」を分けて残します。抜けた箇所を推測で埋めないことが、結果を後から検証できる状態につながります。

自分の条件なら？

写真・小さな文字・UI画面・複数画像のどれを扱うか、誤読時の影響、共有可能なデータかを整理して候補を絞れます。