ChatGPTで画像を読み取る方法｜写真・図表を質問するコツ

ChatGPTに写真や図表を読み取らせるときは、画像を添付するだけでなく、「何を見て、何を返してほしいか」を指定します。まず画像上で確認できる事実を列挙させ、その後に解釈や提案を求めると、見えている情報と推測を分けて点検できます。数字、図表の軸、小さい日本語、回転した文字は読み違いが起こり得るため、重要な判断には必ず元画像を照合してください。

画像入力でできることと、先に見る制約

画像入力は、写真の内容を説明させる、画面の表示を読み取る、図表の傾向を尋ねる、複数画像の違いを整理するといった作業に使えます。OpenAIの公式FAQでは、画像入力は無料・有料プランで利用できる一方、利用上限やアカウント設定が適用されると案内されています。1画像の上限は20MBです。使える画面や上限は変わることがあるので、手元のアカウントで添付操作が可能かを先に確かめます。

画像が読めることと、内容が正確に理解されたことは別です。公式FAQは、非ラテン文字の画像内テキストで性能が低くなる場合や、グラフの線・色・点線の違い、回転した文字、細かい位置関係の解釈に弱点があると説明しています。写真に写っていない背景や撮影状況も、画像だけでは確定できません。見えない情報を推測させるより、「確認できない場合は不明と答える」と指定します。

画像を渡す前に、質問の対象を決める

最初に、画像を何のために読むのかを決めます。画面エラーの原因を探すのか、請求書の特定欄を転記するのか、グラフの増減を把握するのかで、見る場所と必要な出力が違います。「画像を説明して」では、対象範囲も判断基準もモデル任せになります。

たとえば画面の不具合なら、該当箇所を囲んだ画像に加えて、ブラウザ、操作手順、期待した表示、実際の表示をテキストで伝えます。グラフなら、タイトル、縦横軸、単位、期間、凡例を読み取れる解像度で渡します。商品写真なら、画像から分かる傷や形状の記述に限定し、撮影されていない面や機能まで断定させません。

観察と解釈を分ける依頼文

次の指示を使い、画像にない事実を補うのを防ぎます。

この画像で確認できる文字・数値・配置だけを先に箇条書きしてください。

各項目に、画像内の位置と読み取りの確度を付けてください。

読めない文字は推測せず「判読不能」としてください。

次に、依頼した作業：[目的]に必要な解釈だけを示してください。

観察と推測を別欄にし、画像から分からないことは「不明」としてください。

数値は元画像の該当箇所を指し、読み違いの可能性も書いてください。

回答を受け取ったら、「観察」欄が画像にある内容の言い換えにとどまり、「解釈」欄で別の結論を混ぜていないかを見ます。画像中の文字を完全に読めたように見える回答でも、数字、単位、固有名詞は原本から照合します。

図表は軸・期間・単位をセットで確認する

グラフの読み取りでは、線の上がり下がりだけでは判断できません。横軸が日付なのかカテゴリなのか、縦軸が件数・金額・割合のどれか、期間がいつからいつまでか、凡例が何を表すかを先に確認します。縦軸がゼロ始まりでないグラフや、期間ごとに幅が異なる表示では、見た目の傾きが変化の大きさを誤解させることがあります。

数値の取り出しを頼む場合は、表にして「項目」「画像上の値」「単位」「位置」「不確実な点」を分けます。複数系列を比較するときは、系列名と色だけに頼らず凡例の文字も確認させます。値を資料へ転記するなら、画像を拡大して人が元数字を確認し、集計や計算は元データがある場合にそちらでやり直します。

小さな文字や複数画像は、入力を整理する

細かい画面や表を一枚の縮小画像で渡すと、文字がつぶれて判読しにくくなります。全体画像で位置関係を残しつつ、対象部分を拡大した切り抜きも添える方法があります。ただし切り抜きだけでは、周辺の見出しや単位、注記を失う場合があります。元の全体と拡大部分の両方を残し、どちらを根拠にしたか確認できるようにします。

複数画像を渡すときは、ファイル名任せにせず「Aが変更前、Bが変更後」のように本文でラベル付けします。比較表には、項目、Aの状態、Bの状態、差分、判断保留を設けます。撮影角度や画面サイズが異なると位置の差が内容の差に見えるため、同一条件で撮った画像かどうかも書き添えます。

読み取りを仕事へ使うときの確認表

回答をそのまま採用せず、作業のリスクに応じて確認点を変えます。

目的｜AIに任せる部分｜人が確かめる点

画面確認｜見えている文言と配置の列挙｜操作環境、再現手順、隠れた状態

グラフ把握｜軸・凡例・大まかな傾向の抽出｜正確な値、単位、母集団、期間

書類転記｜欄の位置と文字の候補出し｜氏名、金額、契約条件、日付

写真確認｜写っている特徴の整理｜写っていない面、状態、真贋や安全性

画像比較｜見た目の差分候補｜同じ条件で撮影されたか、実質差か

医療画像、本人確認書類、金銭や契約に関わる数値など、誤読の影響が大きい用途では、画像読解を最終判断にしません。専門家や元資料による確認が必要です。個人情報や機密情報を含む画像をアップロードする前に、所属組織のルールや利用するアカウントのデータ設定も確認します。

まずは使ってみる

記事の文脈に合うToolへ進めます。報酬の有無で見た目は変えていません。

• 

  ChatGPT

  公式サイトを見るTool詳細を見る比較を見る

失敗したときの切り分け

文字が不鮮明なら、元画像を高解像度で用意し、全体と拡大を分けて再質問します。文字が横向きなら向きを直してから渡します。日本語の小さい文字や細いグラフ線は誤認の可能性があるため、モデルの回答だけで転記を完了しません。数値が曖昧なら、その項目だけを切り出してもなお読めるか確かめ、読めなければ人が入力します。

複数画像の差分が不安定なときは、比較対象を一枚ずつ説明させ、同じ項目の表へまとめ直します。長い文書のページ画像やPDF内の図表は、通常の静止画像入力と同じ扱いとは限りません。OpenAIの公式FAQでは、PDF内画像の視覚的な取得はプランやファイル形式によって異なり、Enterprise以外では文書内画像がテキスト抽出中心になる場合があると説明されています。PDFの図表が重要なら、図表ページを画像として別途用意し、アカウントで利用できる方法を確認してください。

画像だけで結論を出さない工程

実務で使う場合は、入力、抽出、確認、判断を分けます。最初に画像の出所と日時を記録し、次に観察結果を一覧化し、曖昧な箇所へ印を付けます。その後、原本や別資料と照合し、確認済みの情報だけを判断材料へ移します。回答が外れた箇所も残しておけば、同じ種類の画像を次に扱うときのチェック項目にできます。

たとえば売上グラフの傾向を読むとき、画像だけで「売上が改善した」と結論づけず、期間、単位、対象店舗、集計方法を確認します。異なる母集団のグラフを並べた場合、形が似ていても比較できないことがあります。画像は元データの代替ではなく、内容を素早く把握する入口として使い、重要な数値は元ファイルに戻ります。

AIものさしの判断

ChatGPTの画像読解は、見る範囲と返答形式を指定すると、画面や図表の確認を始める道具として役立ちます。ただし、見えている文字を正しく読めたか、図表の条件を理解したかは別途確認が必要です。とくに小さい日本語、数値、単位、線や色の違いは、元画像や元データへ戻る前提にしてください。

まず観察だけを出させ、その後に解釈を求める。読めない内容は不明のまま残し、重要な事実は原本と照合する。この使い方なら、画像の説明を早めながら、推測を事実として扱うリスクを抑えられます。

回答を業務に移す前の記録

複数画像を扱う作業では、チャットの回答をそのまま台帳や業務システムへ転記せず、確認用の記録に移します。少なくとも画像ID、対象項目、AIの読み取り、根拠位置、人の確認、状態を分けます。

|画像ID|対象|AIの読み取り|根拠位置|確認状態|

|A-01|請求合計|候補値|右下の合計欄|原本照合待ち|

|A-02|グラフ期間|候補期間|横軸の下|軸ラベル確認待ち|

|A-03|画面エラー|表示文の候補|中央の通知|再現画面と照合|

これは記録の形を示す架空例で、値を実案件に流用するものではありません。元画像のファイル名や取得日も必要に応じて記録し、画像が差し替わった場合に古い読み取りを使わないようにします。確認済みと未確認の値が同じ欄に並ぶと、後工程で候補が確定値として扱われます。状態を分け、確認前の内容には転記禁止の印を付けてください。

業務で使う前には、用途のリスクも見ます。請求、本人確認、医療、安全など、間違いが損失や危険につながる領域では、画像読解を最終判断にしません。専門家や元資料による確認が必要です。顧客名、住所、認証情報を含む画像を送る場合は、アップロードが許可されるか組織ルールとアカウントのデータ設定を確認し、目的に不要な情報を含めないようにします。

再質問しても同じ箇所が読めないなら、画像の渡し方だけで解決できるとは限りません。元データの表やテキストを入手できる場合はそちらを使い、得られない場合は「判読不能」として手作業へ切り替えます。回答の確信度が高いことを、正確さの証拠とはみなしません。

スクリーンショットの回答を不具合報告へ使うなら、画像の撮影時点、画面の種類、再現条件を一緒に残します。画像の一部だけを切り抜いて別の画面の情報と混ぜないためです。観察記録には画像IDを付け、後から同じ箇所を開けるようにします。

原本が見つからず確認者も決まらない場合は、判断を先送りし、画像由来の候補値を確定情報として共有しません。

画像の見え方が違う場合は、スクリーンショットの倍率や表示幅を揃えてから比較します。比較条件の差を画像内容の変化と誤認しないためです。