Analizzare immagini e foto
In questa pagina
ChatGPT Vision: comprendere le immagini
ChatGPT non si limita al testo: ogni modello accetta immagini. Foto, screenshot, grafici, documenti fotografati, diagrammi: li descrive, li legge e li commenta. Il valore è immediato, perché questa funzione elimina il passaggio di trascrizione: mostri invece di descrivere. È disponibile sui piani Free e a pagamento, nel rispetto dei limiti specifici di ciascun piano.
Inviare un’immagine a ChatGPT
Sul web e nell’app desktop, tre strade portano allo stesso risultato: il pulsante + nell’area di input, quindi Add photos & files; il trascinamento di un’immagine nell’area di input; oppure l’incolla di un’immagine copiata dagli appunti (Ctrl+V o Cmd+V). Su mobile, lo stesso pulsante + aggiunge una foto, appena scattata o presente nella galleria; su iPhone, una pressione prolungata su + apre direttamente le tue foto recenti. ChatGPT accetta i formati PNG, JPEG e GIF non animate, fino a 20 MB per immagine.
Non sei obbligato a inviare una sola immagine alla volta. Includere più elementi visivi in un unico messaggio ti permette di chiedere un confronto, e puoi aggiungere nuove immagini man mano che la conversazione prosegue per approfondire o cambiare prospettiva.
Cosa abilita la visione nel lavoro quotidiano
Il primo caso d’uso, e il più prezioso, riguarda i grafici. Cattura una curva da un rapporto annuale, una dashboard o una presentazione e chiedi a ChatGPT di commentarla invece di decifrarla tu stesso.
[immagine di un grafico] “Analizza questo grafico. Quali sono i trend principali? Ci sono anomalie? Riassumi le conclusioni in 3 punti.”
Segue la lettura dei documenti: ChatGPT legge il testo presente in un’immagine. “Trascrivi il testo di questo documento, poi riassumilo in 3 frasi.” Lo stesso approccio funziona per le fatture, con un’estrazione strutturata che ti risparmia l’inserimento manuale: “Estrai le informazioni da questa fattura: fornitore, data, importo imponibile, IVA, importo totale.” — e per la traduzione quando fotografi un cartello o un menu in una lingua straniera.
L’identificazione costituisce una terza categoria: un messaggio di errore visualizzato sullo schermo di cui ti servono significato e risoluzione, un oggetto di cui cerchi il nome, un piatto per cui vuoi una ricetta simile. Infine, la visione funge da occhio critico per i contenuti visivi professionali.
[screenshot di un sito web] “Analizza questa homepage. Punti di forza e debolezze in termini di user experience. Proponi 3 miglioramenti concreti.”
Cosa separa una buona analisi da una cattiva
La qualità del risultato dipende innanzitutto dalla qualità dell’immagine. OpenAI raccomanda di ingrandire il testo da leggere senza tagliare dettagli importanti, ed evitare immagini ruotate o capovolte, così come le viste panoramiche o “fish-eye”, spesso interpretate male. Per attirare l’attenzione su un’area specifica, annota l’immagine prima di inviarla, usando ad esempio lo strumento di modifica del tuo telefono.
La seconda variabile è il testo che accompagna l’immagine. “Cos’è questo?” invita a una descrizione generale, spesso inutile. “Ecco il nostro grafico delle vendite del primo trimestre: analizza il trend e identifica i mesi problematici” invita a una risposta operativa. Il principio vale anche quando combini più elementi visivi: “Ecco il logo del mio concorrente [immagine]. Confrontalo con il nostro [immagine]. Qual è il posizionamento visivo di ciascuno?”
Limiti da conoscere
OpenAI stessa pubblica un elenco di limiti. Il modello non è progettato per interpretare immagini mediche specializzate, come le TAC, e non deve fungere da consulenza medica. Legge il testo in alfabeti non latini, come il giapponese o il coreano, con minore affidabilità. Può commettere errori sui grafici in cui solo il colore o lo stile della linea (continua, tratteggiata, punteggiata) distingue le curve, su compiti di localizzazione precisa come la lettura di una posizione sugli scacchi, e fornisce solo conteggi approssimativi. Non legge il nome del file né i suoi metadati, e l’immagine viene ridimensionata prima dell’analisi.
Una precisazione merita enfasi: per i numeri letti da un’immagine, come una tabella fotografata o un PDF scannerizzato, i valori esatti non vengono estratti in modo affidabile. Quando la precisione conta, invia invece il foglio di calcolo o il file di testo originale e ricontrolla manualmente qualsiasi dato che guidi una decisione. Infine, i video possono essere allegati come file, anche sul piano Free, ma la loro analisi potrebbe essere parziale.
A te la parola
Tre tentativi. Fotografa o acquisisci una pagina di rapporto o una fattura e chiedi l’estrazione delle informazioni chiave in una tabella; verifica ogni importo. Poi, cattura un grafico da un articolo o una dashboard e chiedi un’analisi del trend. Concludi con una foto di un oggetto qualsiasi, inviata due volte: una volta senza istruzioni, una volta con una domanda specifica. Confronta la profondità delle due risposte.
Fonti ufficiali: ChatGPT Image Inputs FAQ (Centro Assistenza OpenAI: piani, formati, aggiunta immagini, limiti) · Data analysis with ChatGPT (tabelle scannerizzate o basate su immagini) · ChatGPT capabilities overview (analisi immagini)
Punti chiave
- Tutti i modelli ChatGPT analizzano foto, screenshot, grafici e documenti fotografati, su tutti i piani
- Invia un’immagine con il pulsante +, il trascinamento, l’incolla o, su mobile, dalle tue foto
- Una domanda specifica e un’immagine nitida battono un vago “cos’è questo?”
- Limiti ufficiali: immagini mediche, alfabeti non latini, curve distinte solo dallo stile, conteggi
- I numeri letti da un’immagine non sono affidabilmente esatti: preferisci il file originale