マルチモーダルAI

マルチモーダルAIは、文章だけでなく、画像、音声、動画など異なる種類のデータを組み合わせて理解したり、生成したりできるAIです。たとえば、写真を見せて状況を説明させる、図表を含む資料を読み取って要約させる、音声で質問して文章で答えを受け取る、といった使い方ができます。業務では、紙の帳票や手書きのメモ、現場の写真など、これまでデータとして扱いにくかった情報を活用しやすくなります。ただし、画像や音声には個人情報や機密が写り込むことがあるため、入力してよい情報の範囲を社内で決めておくと安心です。