• 作成日 : 2026年2月25日

Copilot Visionとは？できること・使い方・活用シーンを徹底解説

Copilot Visionは、EdgeのタブやWindowsアプリ、スマホのカメラ映像をMicrosoft Copilotに共有し、画面の内容を理解して質問に答えたり、操作手順を案内したりする機能です。一般的な画像認識やOCRが画像内の要素を抽出するのに対し、Copilot Visionは画面の状態や目的を会話で受け取り、複数の要素をまとめて解釈しながら「次にどこを開くか」「何を確認するか」を理由とともに提案します。

当記事では、Copilot Visionの基本機能や利用方法、情報収集や資料作成など具体的な活用シーンなどを詳しく解説します。

広告

経理のAIツール「なんとなく」選んでいませんか？

AIを使いたくてもChatGPTやGeminiなど色々あり、それぞれにどんな特徴があるのか？どういったことが得意なのか？などわからずお困りではないでしょうか。

具体的な活用方法もご紹介しておりますので、まずは簡単に使ってみたい、そんな方におすすめの一冊です。

無料でダウンロードする

Copilot Visionとは？

Copilot Visionは、EdgeのタブやWindowsアプリ、スマホのカメラ映像などMicrosoft Copilotに画面を共有し、表示内容を見た上で質問に答えたり、操作手順をステップで案内したりできる機能です。作業中の画面を「もう1つの目」として確認し、気づきや注意点を返します。

音声で質問しながら進めることもでき、画面の見方や次に押す場所の考え方を説明します。Windowsでは同時に最大2つのアプリを選ぶことが可能です。ここでは一般的な画像認識・OCRとの違いを解説します。

一般的な画像認識・OCRとの違い

一般的な画像認識は、写真を「犬」「車」のように分類したり、物体の位置を検出したりする処理が中心です。OCRは画像内の文字を抽出してテキスト化します。ただし、抽出後にどう判断し、どう操作するかは人が決めます。

一方でCopilot Visionは、画面の状態や目的を会話で受け取り、複数の要素をまとめて解釈しながら、理由も言語化して提案します。表示内容を踏まえて「次にどこを開くか」「何を確認するか」を手順として示せます。たとえば、設定画面の操作案内、エラー画面の意味の整理、画面全体の要約など、認識結果を行動につなげる点が違いです。

Copilot Visionでできることは？

Copilot Visionは、共有した画面や画像を見ながら質問に答え、操作手順も案内できる機能です。表示内容を前提に会話できるため、状況説明の手間を減らせます。ここでは、Copilot Visionでできることの詳細を解説します。

画面・画像の内容を理解できる

Copilot Visionは、ユーザーが共有したブラウザやアプリの画面、カメラ画像を見て、何が表示されているかを前提に受け答えできます。たとえば、設定画面の項目、エラー表示、表や図の構成、ボタンやメニューの位置関係を捉え、「どこを見ればよいか」「次に何を開くか」を具体的に案内します。

機能は画面共有を開始したときだけ動作し、環境によってはクリックすべき場所を視覚的に示すガイドも利用可能です。必要に応じて共有する画面を切り替えながら確認できます。Windowsでは任意のアプリで使えますが、DRM保護など一部の内容は解析できません。

情報を説明・要約できる

Copilot Visionは、見えている内容を文章で説明したり、要点だけに整理したりできます。たとえば、Webページの主張と根拠を短くまとめる、利用規約や料金表の重要箇所だけを抜き出す、設定画面の各項目が何を変えるかを平易な言葉に置き換える、といった整理が可能です。表やグラフがあれば、数値の傾向や例外を指摘し、確認すべき点を挙げられます。

また、内容を質問形式のチェックリストに変換したり、手順書やメール文の下書きに落とし込んだりと、次の作業に使える形へ整えることもできます。専門用語の意味を画面の文脈込みで説明できる点も便利です。

次の作業に活用できる

Copilot Visionは、画面を見ながら「やりたいこと」を伝えると、操作を順番に分解して案内できます。アプリの設定変更、フォーム入力、資料の体裁調整などで、次に押すボタンや確認ポイントを示し、迷いやすい箇所の注意点も補足します。

WindowsのCopilotでは、共有したウィンドウに対してクリック位置をハイライトしながら誘導する機能が提供される場合があります。実際のクリックや入力はユーザーが行い、Visionは共有中だけ働きます。途中で質問を挟めるため、手順を暗記せずに学びながら進められます。初めて触るアプリの学習にも役立ちます。

Copilot Visionの利用方法

Copilot Visionは、EdgeまたはCopilotアプリで画面共有を開始して使います。まず個人用Microsoftアカウントでサインインします（職場・学校アカウントは非対応）。Edgeでは、質問したいWebページ・動画・PDFを開き、右上のCopilotアイコンでサイドバーを表示し、Visionをオンにして内容を見せた状態で質問します。

WindowsのCopilotアプリでは、入力欄のメガネアイコンからVisionを開始し、共有したいアプリを選択します。開始すると音声・Vision操作用のツールバーが表示され、声で質問しながら進めることも可能です。操作はCopilotが代行せず、案内に沿って自分でクリックします。終了したい場合は共有を停止するか、サイドバーやアプリを閉じてセッションを終えます。

なお、有害・成人向けサイトや保護されたコンテンツではVisionが無効化され、説明を拒否する場合があります。不明点は画面を見せたまま追加で質問可能です。

Copilot Visionの活用シーンは？

Copilot Visionは、共有した画面やカメラ画像を見ながら質問に答え、要点整理や操作案内を行う機能です。状況説明の手間を減らし、理解と作業を同時に進められます。ここでは、代表的な活用シーンを解説します。

情報収集・把握を効率化

Webページやアプリ画面に表示された内容を前提に、要点の抽出や疑問点の確認を進められます。長い記事の要約、料金表や利用規約の重要箇所の整理、比較すべき観点の洗い出しに向きます。

また、「注意書きはどこか」「例外条件はあるか」「次に確認すべきリンクはどれか」まで聞けるため、読み飛ばしを減らしながら情報収集の時間を短縮できます。調べた結果はメモやチェック項目に整えると再利用しやすくなります。画面を見せたまま追加質問できる点が強みです。

資料作成・検討をサポート

見えている文章や表をもとに、説明文の下書き、論点整理、チェックリスト化を行えます。提案書の骨子作り、会議資料の要約、根拠が弱い箇所の指摘、用語の言い換えなどに使うと、検討の順序が整います。

たとえば、画面上の表を「結論→理由→注意点」に再構成したり、読者別（上司向け・顧客向け）に書き分けたりできます。数値や法令など出典が必要な情報は、元の資料で裏取りしてから確定させる運用が安全です。合意形成の材料を集めたい場面でも役立ちます。

現実世界の理解を支援（モバイル）

スマホのカメラで写した対象について、見えている範囲の特徴を言語化し、次に確認すべき点を提案できます。たとえば、商品の表示、案内板、手順書の写真を見せて質問し、意味や手順の理解を補助します。撮影角度を変えて追加情報を見せると、読み取れる情報が増えやすくなります。

外出先での設定手順の参照、表示の読み違い防止などの確認作業にも便利です。個人情報や機密が映り込まないよう注意し、共有は必要最小限にします。不明点はその場で撮り直して確認します。

PC作業・ブラウジングを効率化

WindowsのCopilotでは、開いているアプリやブラウザを共有し、設定変更や操作の流れを段階的に案内できます。エラー画面の読み解き、設定項目の意味の説明、次に押す場所の候補提示が得意です。

操作は利用者が行うため、手順を確認しながら安全に進められます。新しいツールの画面を見せて「目的に近いメニューはどれか」を聞くと学習が早まります。共有中だけ機能するため、作業が終わったら共有を停止して切り替えると安心です。迷った箇所を都度見せて確認できます。

Copilot Visionの機能と活用シーンを理解しよう

Copilot Visionは、EdgeのタブやWindowsアプリ、スマホのカメラ映像をMicrosoft Copilotに共有し、画面の内容を理解して質問に答えたり、操作手順を案内したりする機能です。一般的な画像認識やOCRとは異なり、画面の状態や目的を会話で受け取り、次にどこを開くか、何を確認するかを理由とともに提案します。

主な機能は、画面・画像の内容理解、情報の説明・要約、次の作業への活用の3つです。EdgeまたはCopilotアプリで画面共有を開始し、個人用Microsoftアカウントでサインインすることで利用できます。情報収集・把握の効率化、資料作成・検討のサポート、現実世界の理解支援、PC作業・ブラウジングの効率化など多くの場面で活用できる機能です。

• 監修：マネーフォワード クラウド

  マネーフォワード クラウドが監修する「AIの基礎知識」です。ビジネスや生活に役立つAIの基本と最新情報を分かりやすく解説。AIを身につけ、新しい一歩を踏み出すのを応援します。