いまの主要なAI（ChatGPTのGPT-5、GoogleのGemini 3、AnthropicのClaude Opus 4.7／4.8など）は、文章だけでなく画像も“読んで”理解するマルチモーダル機能を標準で備えています。スクリーンショットの文字起こし、グラフの傾向の要約、手書きメモの清書、画面デザインの指摘まで、写真を1枚渡すだけで言葉で返してくれます。本記事は、できること・コツ・そして「読み間違い」への備え方までを、初めての方向けに整理します。
What It Can Do
「画像を読む」と一口に言っても、中身は大きく4つです。①画像内の文字を取り出す（OCR）、②グラフ・表の数値や傾向を読み取る、③手書きの字を活字に直す、④画面・写真を見て改善点を述べる。どれも特別な設定は要らず、画像を添付して日本語で頼むだけで動きます。
FIG.1 画像を添付 →「Vision」が画像と指示を理解 → 言葉で返す。設定不要
01まず画像を渡す：対応形式と上限
使い方はシンプルです。チャットの入力欄にあるクリップ（添付）アイコンを押して画像を選ぶか、PCならチャット画面へドラッグ＆ドロップ。スマホアプリなら＋ボタンからカメラ撮影かギャラリー選択ができます。読み込んだら、あとは「この画像の文字を書き出して」のように日本語で頼むだけです。
対応する画像形式と枚数の目安は、サービスによって少しずつ違います。代表例として Claude の場合は次の通りです（数値や上限は変わることがあるため、利用するサービスの公式情報で必ず確認してください）。
- 対応形式：JPEG・PNG・WebP・GIF（GIFは先頭フレームのみ）。スクリーンショットや写真は通常これに収まります。
- 枚数：claude.ai（ブラウザ／アプリ）では1回のやり取りで概ね最大20枚、APIでは1リクエスト最大100枚まで扱えます。
- 画質：長辺がおおよそ1568px程度で十分な精度。Opus 4.7以降は高解像度（長辺2576px程度）にも対応します。1ファイル20MBが目安で、超えると自動で縮小されます。
細かい字や複雑な表は、少しズームして鮮明に撮るだけで読み取り精度が上がります。極端に小さい・ぼけた画像は誤読のもとです。
02スクリーンショットから文字を取り出す（OCR）
もっとも使う場面が、画面や書類の文字起こしです。請求書、メール画面、チャットログ、会議資料のスクショなどから、テキストをそのまま取り出せます。日本語・英語に加え多言語も扱えます。
指示はストレートで構いません。
このスクリーンショットの文字をそのまま書き出してください。「項目を決めて抜き出す」と、後で使いやすい形になります。たとえば会議資料なら——
この画像から「会議名・日付・参加者・主な議題」を箇条書きで抜き出してください。
画像に書かれていない項目は「記載なし」としてください。最後の一文（書いていなければ「記載なし」）が地味に効きます。これを付けないと、AIが欠けた情報を“それらしく”埋めてしまうことがあるためです。
03グラフ・表を読む：傾向は得意、細かい数字は要確認
棒グラフ・円グラフ・折れ線グラフ・表も読み取れます。「全体としてどう動いたか」という傾向の要約は特に得意で、たとえば折れ線を渡して「増減の傾向を簡潔に」と頼むと、「前半は緩やかに増加、年央で急伸、後半は横ばい」といった説明が返ります。
用途別に、どこを読ませると有効かを整理します。
棒グラフ
項目ごとの大小・比較。例：店舗別売上の比較、アンケート結果の集計。
折れ線・円
折れ線は推移とトレンド、円は構成比。例：売上推移、シェアの内訳。
表
行・列の値や見出しの抽出・整形。例：経費表の転記、データの並べ替え。
ただし注意点があります。細かい数値の読み取りは、傾向の説明ほど確実ではありません。目盛りが細かい、凡例が密集している、軸が省略されている（途中から始まる）といった図では、AIが桁や値を取り違えることが知られています（チャート読解の数値ハルシネーションは2026年も研究テーマです）。重要な数字は、元データや拡大画像で必ず突き合わせて確認しましょう。
FIG.2 傾向は信頼、個別の数値は「推定」と捉えて元データで裏取りする
04手書きメモを活字に直す
ホワイトボードやノートの写真を渡せば、手書き文字を活字に起こせます。議事録の下書き、アイデアマップ、手書きチェックリストなどを、コピペできる形に変えられます。
この手書きメモを、読みやすい箇条書きに整えて文字に起こしてください。
判読が難しい箇所は［?］を付けてください。手書き認識は近年とても高精度になりました。2026年の各種ベンチマークでは、活字に近いきれいな手書きで主要モデルの文字誤り率が数%以下まで下がっています。一方で、くずし字・続け書き（筆記体）・薄い鉛筆・斜めや影のある写真は、いまでも取り違えが起きやすい領域です。
手書きの読み取りは「だいたい正確」。だからこそ、数値・固有名詞・日付は人の目で最終確認を。
上のプロンプトのように「自信のない箇所に印を付けて」と頼んでおくと、どこを重点的に見直せばよいかが分かり、検証がぐっと楽になります。
05画面・デザインのレビューに使う
スマホやWebのUIスクリーンショットを渡すと、使い勝手の改善点も指摘してくれます。ボタンの配置、文字の読みやすさ、色のコントラスト（背景と文字色の差）などについて、具体的なコメントが得られます。
このアプリ画面について、初めて使う人がつまずきそうな点と、
読みやすさ・押しやすさの改善案を、優先度を付けて挙げてください。「ボタン色が背景と似ていて目立たないので濃くする」「本文の文字が小さく読みにくいので大きくする」といった、すぐ直せる提案が返ります。デザインの“たたき台レビュー”として有効ですが、最終判断は人が行う前提で使いましょう。
06そのまま使えるプロンプト集
文字をそのまま起こす
「この画像の文字を、レイアウトを保ったまま書き出してください。読み取れない箇所は［不明］と記してください。」
グラフの要点を絞る
「このグラフの傾向を3点でまとめてください。読み取った具体的な数値には『（推定）』と付けてください。」
手書きを清書する
「この手書きメモを箇条書きに整え、判読困難な箇所には［?］を付けてください。勝手に内容を補わないでください。」
UIを改善提案させる
「この画面の改善点を、可読性・操作性・コントラストの観点で、優先度順に具体的に挙げてください。」
共通のコツは、「書いていないことは補わない」「不明は不明と書く」「数値には推定と付ける」の3点を指示に入れること。これだけで、もっともらしい作り話（ハルシネーション）をかなり抑えられます。
Privacy & Verification
渡す前に「写り込み」を、受け取った後に「裏取り」を
画像にはしばしば、本人が意図しない情報が写り込みます。氏名・住所・電話番号・口座番号・社外秘の資料・第三者の顔などです。アップロードは外部サービスへ情報を渡す行為なので、機密・個人情報は事前にマスキング（黒塗り）し、業務利用では会社のルールに従ってください。
FIG.3 入口で「隠す」、出口で「確かめる」。この2点で事故と誤りを減らす
受け取った回答も、そのまま正解とは限りません。AIは画像を読み間違えることがあるという前提で、重要な数値・氏名・日付・金額は元の画像や一次情報で必ず裏取りを。料金や機能のような変わりやすい情報は、サービスの公式ページで最新を確認しましょう。
07よくある勘違い
| よくある思い込み | 実際のところ |
|---|---|
| 画像の数字は完璧に読める | 傾向は得意。細かい数値は取り違えがあり、元データでの確認が必要。 |
| 手書きはどんな字でも正確 | きれいな字は高精度だが、くずし字・筆記体・薄い字は誤読しやすい。 |
| 渡した画像は自分しか見ない | 外部サービスへの送信。機密・個人情報は黒塗りし、社内ルールに従う。 |
| 専用のOCRアプリが要る | 主要AIに画像を添付するだけで、文字起こし・要約・整形まで一括でできる。 |
08まとめ
画像を読む機能は、いまや特別な準備なしで使える日常ツールです。スクショの文字起こし、グラフの傾向把握、手書きの清書、画面のレビューと、活躍の場は広がっています。うまく付き合うコツは2つだけ——渡す前に機密を隠すこと、受け取った数値・固有名詞は元の情報で確かめること。まずは手元のスクリーンショットを1枚渡し、「文字をそのまま書き出して」から始めてみてください。
