Geminiで画像を読み取る方法｜写真や図表を質問する

Geminiアプリは写真や図表を読み取り、説明・文字の抽出・比較に使えます。ただし、画像を添付できることと、細部まで正確に読めることは別です。まず「画像から直接見える内容」と「そこからの解釈」を分けさせ、数字・小さい文字・重要な判断は元画像に戻って確認してください。仕事の資料なら、upload前に個人情報や社外秘が含まれていないかも確認します。

画像を渡す前に、何を確かめたいか決める

「この画像を説明して」だけだと、Geminiが目立つ物を説明して終わることがあります。画像の種類と、答えが必要な問いを先に分けましょう。写真なら対象や状態、図表なら軸・単位・期間、画面のスクリーンショットなら表示文言や操作の順番が中心になります。

表は横にスクロールできます

入力	最初に確認すること	AIへの依頼例	人が戻って確認する点
写真	何が写り、何が見切れているか	「見えている物を位置つきで列挙。見えない部分は推測しない」	人物、型番、状態の断定
グラフ	軸、単位、凡例、期間	「軸と凡例を先に転記し、読み取れた数値を表に」	数値、桁、系列名
書類・レシート	日付、金額、項目	「読める文字だけを項目ごとに転記。不明は不明と記載」	金額、税、個人情報
画面画像	アプリ名、表示、エラー文	「表示文をそのまま抜き出し、原因候補と観察事実を分ける」	URL、アカウント情報、文脈

写真の説明、図表の数値抽出、画面エラーの切り分けでは、確認する単位が違います。まず問いを1つに絞り、答えの形式も「表」「箇条書き」「該当箇所と理由」のように指定してください。

Geminiに画像を追加して質問する

Gemini AppsのWeb画面では、入力欄のファイル追加から端末の画像を選びます。利用環境によってはDriveやNotebookなど他の追加方法も表示されます。組織アカウントでは管理者設定やWorkspace連携が必要になる場合があります。画面に選択肢が出ないときは、個人アカウントと同じ機能が必ず使えるとは考えず、アカウント種別・管理者設定・利用環境を確認します。

Google Helpでは、同じpromptに最大10ファイルを追加できる場合があると案内されていますが、availabilityに左右されます。動画は1件最大2GB、動画以外の対応ファイルは最大100MBという記載もあります。上限や提供条件は変わるため、実際に使う日の公式ヘルプを確認してください。枠内に収まる画像でも、解像度・圧縮・レイアウトによって読み取りやすさは変わります。

最初のprompt例

「添付した画像について、まず直接見える情報だけを列挙してください。次に、依頼への回答を出してください。文字や数値を読めない場合は推測せず『判読できない』と書いてください。写真の外側、画像に写っていない背景、作者の意図は断定しないでください。回答は『観察したこと／解釈／確認が必要な点』の3欄で整理してください。」

このpromptは、事実と解釈を同時に断定するのを防ぐための出発点です。結論が不要なら「解釈」欄を外す、数値が目的なら「数値・単位・画像内の位置」を加えるなど、タスクに合わせて狭めます。

図表は結論より先に読み取り表を作る

グラフの画像を見せたら、いきなり「売上が伸びた理由」を尋ねるのではなく、読み取った値を先に確認します。たとえば棒グラフなら、横軸のカテゴリ、縦軸の単位、系列名を確認し、各棒の高さを数値として転記させます。値が画像に印字されていない場合、棒の高さから読み取った数字は概算かもしれません。その場合は概算と明示し、正確な値を示す元データを使います。

表は横にスクロールできます

確認欄	記録例	誤読を見つける見方
横軸	2024年、2025年	期間の開始・終了が抜けていないか
縦軸	千円、件、割合	単位・目盛間隔を読み違えていないか
凡例	既存顧客、新規顧客	色と系列を逆にしていないか
値	画像上の表示値または概算	桁、小数点、マイナス記号
結論	前年比の増減など	相関を原因と断定していないか

画像の切り抜きで凡例や単位を落とすと、数字だけは読めても意味を取り違えることがあります。必要部分だけを切り出す場合も、軸・凡例・注記を一緒に残してください。

文字が細かいときのやり直し方

読み取り結果に「読めない」「推測」が混じったら、その回答を前提に話を進めないでください。画像の解像度を保ったまま、対象箇所を拡大・cropして再度質問します。ただし切り抜きすぎて見出し、表の列名、単位、注記が失われると、かえって誤読しやすくなります。周辺文脈を少し残したcropが実務では扱いやすいです。

作業ログには、どの画像・何ページ・何領域を確認したかを書きます。「画像全体を確認した」とだけ記録すると、見落としがあった場所を後から追えません。重要な数値は、画像からの転記と原本側の値を別欄に置いて突き合わせます。

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。

• 

  Gemini

  公式サイトを見るTool詳細を見る比較を見る

失敗の兆候と対処

表は横にスクロールできます

兆候	起きやすい問題	次の一手
存在しない文字列が出る	文字や模様を補っている	「読めない部分は空欄」と指定し、原画像で確認
数字だけずれる	桁・小数点・符号の誤認	拡大画像と表の元データを照合
グラフの説明が逆	軸や凡例の取り違え	軸と凡例だけ先に転記させる
画像外の事情を断定	文脈の推測を事実扱い	観察事実と仮説を分けさせる
1枚だけで全体を一般化	抜粋画像を全体と誤認	「この画像に写る範囲のみ」と限定

「もっと詳しく」とだけ再質問するより、どこが誤っているかを指して、その箇所だけ再確認する方が修正しやすくなります。

upload前のPrivacy確認

Gemini Appsでは、promptに画像を含めるとGoogle Lens技術も画像内の内容や文字の理解に使われます。Googleは、その情報を通常のpromptと同様に扱うと説明しています。Keep Activityの状態などによってデータの扱いに差があるため、顧客資料、社員情報、本人確認書類、未公開製品の画面を送る前に、組織のルールとアカウント設定を確認してください。

upload前に、顔、住所、メールアドレス、通知、画面上部のアカウント名、QRコードなど、質問に不要な情報が写っていないか確認します。必要ならcropまたはmaskします。ただし加工画像を根拠として使う作業なら、加工によって意味が変わっていないかも別途確認します。「学習に使われない」といった一つの条件だけで安全性を判断せず、保存、利用、アクセス権、組織契約、共有先を分けて確認してください。

結果を仕事で使うための確認メモ

• 入力画像のファイル名、取得日、該当ページを記録する

• AIの転記結果は、重要な数値・氏名・日付から原本照合する

• 判読不能・推定・画像外の情報を別々に扱う

• 結論に使った画像領域を記録する

• 人が決めた判断とAIの説明を混ぜない

仕事で使う前に行う小さな検証

本番の帳票をいきなり渡す必要はありません。公開されているサンプル画像や、個人情報を含まない社内テスト画像を用意し、正解が分かっている箇所で読み取りを確かめます。テスト画像には、小さな文字、傾いた写真、表の罫線、似た色の系列など、実際に困りそうな条件を含めます。1枚だけうまく読めても、異なる撮影条件すべてで同じ精度になるとは限らないためです。

テスト記録

表は横にスクロールできます

ケース	画像の条件	正解データ	結果	次の扱い
文字	小さな注記あり	元画像に書かれた文	一致・一部違い	cropして再確認
数値	小数点・単位あり	元データ	一致・誤読	数値抽出は人が照合
chart	2系列・凡例あり	集計表	系列が一致したか	元データを優先
screenshot	通知や個人名あり	対象操作の記録	不要情報の露出	maskして再試験

結果の評価は「答えが自然に見えるか」ではなく、必要な項目が正しく取れたかで行います。誤読が起きたケースは、画像品質、指示、モデル側の解釈のどこが原因かを分けて記録します。

読み取り結果を転記するときの最小フォーマット

画像を業務記録へ移す場合は、AIの回答をそのまま文章にせず、画像ID、領域、転記値、確認者、未確認点を別々に残します。たとえば「画像A・右下・合計金額 12,800円・原本照合済み」のように位置と確認状態を明記します。これなら、誤りが見つかったときに元画像へ戻る場所が分かり、推定値が確定値へ混ざるのを防げます。

AIものさしの判断

Geminiの画像読み取りは、見えている内容を整理したり、確認箇所を絞ったりする補助として使えます。特に図表では、軸・単位・凡例・期間を先に読み取らせてから数値や傾向を尋ねると、どこを検証するかが明確になります。

一方、画像に細字・表・低解像度・欠けた領域がある場合、正確さはAIの説明文だけでは保証できません。画像から直接見えること、AIの解釈、原本で確認した値を分けてください。仕事の画像は、内容の機密性を確認して不要情報を隠し、重要な判断は原本または専門担当者へ戻すのが安全です。

記録用の出力は、「画像で読めた文字・観察」「AIの推測」「判読できない箇所」「原画像で確認した結果」を分けます。表を転記する場合は列見出し・単位・合計も別に確認し、読み取れない数字は空欄や要確認として残します。