ChatGPTの画像認識でできること:文字起こしを鵜呑みにしない使い方
ChatGPTの画像認識は、写真の中の文字や内容を読み取って書き起こしてくれます。仕事で役立つ場面、精度を上げる頼み方、そして読み間違いを見逃さない確認の手順をまとめます。
ChatGPTの画像認識は、アップロードした写真の中に写っている文字や物を読み取り、書き起こしたり説明したりしてくれる機能です。手元にある紙の資料をわざわざ手入力し直さなくても、写真を渡すだけで内容がテキストになります。似た機能に画像から似た商品や情報を探す「AI画像検索」がありますが、あちらは外部の候補を探す機能で、こちらは目の前の一枚に書かれている内容そのものを読み取る機能という違いがあります。
最初に押さえておきたいのは、この読み取りが完璧ではないという点です。ChatGPTは読み取れなかった部分を空白のままにするのではなく、文脈から推測してそれらしい文字を埋めてしまうことがあります。読みにくい部分ほど、自信ありげな誤った答えが返ってきやすいという点は、覚えておく価値があります。
仕事で役立つ場面
- 会議で撮影したホワイトボードの写真を、議事録の下書き用に文字起こしする。
- 経費精算のレシートを撮影し、店名・日付・品目ごとの金額をリストにする。
- 紙の資料や名刺の一部を撮影し、検索やコピーができるテキストとして取り出す。
向かないのは、契約書や請求書のように金額や条件が確定情報として扱われる書類です。読み取り結果をそのまま正式な数字として使うのではなく、必ず元の書類と照合する前提が必要です。また、個人名や連絡先が写った写真をそのまま外部のサービスにアップロードする前に、その情報を渡してよいかを社内のルールで確認しておくことも欠かせません。
精度を上げる頼み方
- 一度に一枚、明るく鮮明な写真を渡す。暗い写真やピントがぼやけた写真は、誤読が目に見えて増えます。
- 「要約せず、書かれている通りに一字一句書き写してください」と頼む。要約や解釈を混ぜると、読み取りの誤りが見えにくくなります。
- 読み取れない箇所があれば、埋めずにそう伝えるよう頼む。「不明な場合は空欄にして、その旨を教えてください」と付け加えます。
- 数字と固有名詞は、返ってきた結果を元の写真と一つずつ照合する。特に金額と日付は、照合を省略しない部分です。
具体例:最初から最後まで
出張先で受け取ったレシートを経費精算用にまとめる場面を例にします。弱い頼み方は、写真を渡して「これ経費精算用にまとめて」とだけ頼む方法です。返ってくる結果は一見整っていますが、薄れて読みにくかった合計金額の桁を読み違えていたり、店名を似た響きの別の店名に置き換えていたりすることがあります。
うまくいく頼み方は、写真を渡したうえで「このレシートに書かれている店名、日付、品目ごとの金額、合計金額を、書かれている通りに一字一句書き写してください。読み取れない箇所は空欄にして、その旨を教えてください」と頼む方法です。要約させずに書き写させることで、どこが読み取れていて、どこが不確かなのかが分かる形で返ってきます。
ChatGPTの画像認識が返す文字起こしは、読めたものであって、正しいものとは限りません。この二つを分けるのは、元の写真との照合という一手間です。
この照合で見つかる典型的な間違いは、似た形の数字の取り違えです。手書きの「3」と「8」、「1」と「7」のような似た形の数字は、印字が薄れていたり手書きだったりすると特に間違えやすく、金額のように一桁の違いが致命的になる情報では、必ず元の写真と照らし合わせてから使います。
なぜ確認の手間が省けないのか
こうした読み取りモデルの精度がどこまで伸びているかは、Stanford HAIのAI Indexが毎年測定しています。精度は年々上がっていますが、読みにくい文字を自信ありげに埋めてしまうという性質そのものは残ったままです。生成された結果を人が確認する責任は、OECDのAI原則でも明記されています。
個人情報が写った画像を生成AIサービスに渡す際の注意点は、個人情報保護委員会が具体的に呼びかけています。名刺や社員名簿のような個人情報を含む写真は、渡す前に社内のルールを確認しておく価値があります。
国内での広がり
国内でのこうした画像認識機能の使われ方の広がりは、総務省の情報通信白書が毎年、国際比較を含めて公表しています。企業でのデジタル活用の実態については経済産業省やIPA(情報処理推進機構)が継続的に調査しており、便利さの広がりと確認の必要性は別の軸で進んでいることが分かります。
月曜日に試すこと
- 手元にある領収書や手書きのメモを一つ選び、明るく鮮明な写真を撮る。
- 「要約せず、書かれている通りに一字一句書き写してください」と頼む。
- 読み取れない箇所があれば空欄にして伝えるよう、あわせて頼む。
- 返ってきた数字と固有名詞を、元の写真と一つずつ照合してから使う。
写真から似た商品や情報を探す逆方向の使い方はAI画像検索で扱っています。AIが得意な作業と苦手な作業の境目はAIでできることで、日本語での具体的な頼み方そのものはChatGPTの使い方(日本語)で整理しています。出力を鵜呑みにしないという同じ原則はAIの使い方でも詳しく扱っています。
こうした「具体的に頼む」「出力を正しく確認する」という2つの力は、Coursiumがスマホの短いレッスンで練習できるようにしています。AIの一歩先へ、実際の仕事に近い練習から始めてみてください。詳しくはCoursiumについて。