ChatGPTやClaudeに文章を書かせたり、長い資料を要約させたりする。生成AIの使い方としては、すでに多くの人が経験しているでしょう。 しかし、2026年現在の主要AIは、文字だけを扱うツールではありません。写真を見せて内容を読み取り、音声を聞かせて会話を整理し、動画から重要場面を抽出するなど、複数の情報を組み合わせて理解できるようになっています。 それでも実際には、「生成AI=テキストを入力して文章を返してもらうもの」という使い方で止まっている人も少なくありません。 今回は、画像・音声・動画を扱うマルチモーダルAIの基本から、仕事や日常で今日から試せる具体的な活用法、ChatGPT・C…