マルチモーダル

画像と文章を同時に扱えるAI（VLM：Vision-Language Model）が進化し、スキャンしたPDFや帳票、報告書のグラフをそのままAIに読ませる使い方が広がっています。しかし現場では、「本文はよく読めるのに、表の数字やグラフを取...