「あの写真どこだっけ？」社内画像をAIで全文検索する仕組みをVibe Codingで自作

「去年の展示会の写真、青いブースが写ってるやつ、どこに保存したっけ」。フォルダを30分掘っても見つからず、結局あきらめた経験はありませんか。

この記事では、社内にたまった大量の画像を「キーワードで一発検索」できる仕組みを、プログラミング未経験でもVibe Codingで自作する手順を解説します。完成形のイメージ、作る流れ、つまずきやすいポイント、そして「どこまで自前でやって、どこからプロに任せるか」の判断軸まで、現場目線でお伝えします。

Contents / 目次

1. 結論。画像検索は「AIに説明文を書かせて全文検索する」のが近道
2. 具体的なやり方。5ステップで検索の仕組みを組み立てる
3. 効果のイメージ。探す時間が消えると、何が変わるか
4. よくある失敗と回避法。3つのつまずきパターン
5. 使う側の落とし穴。自作の限界と、任せどころの本音
6. よくある質問（FAQ）
7. まとめ。まず一部署の数百枚から始めてみませんか

結論。画像検索は「AIに説明文を書かせて全文検索する」のが近道

先に結論をお伝えします。社内画像をAIで検索できるようにする一番の近道は、「AIに1枚ずつ写真の中身を説明させ、その説明文をテキストとして保存し、後はそのテキストをキーワードで全文検索する」という仕組みです。

ここでいう全文検索とは、文章のあらゆる単語を対象に探せる検索のことです。つまり、画像そのものを直接探すのではありません。AIが書いた「青いブースの前で名刺交換をしている2人。屋内の展示会」といった説明文を探すことで、結果として目当ての画像にたどり着く、という発想です。

なぜこの方法を勧めるのか。画像のままでは検索できないからです。パソコンの検索はファイル名と更新日くらいしか見てくれません。「IMG_4821.jpg」という名前の写真は、中身が何であろうと検索に引っかかりません。そこで、画像という探しにくいデータを、検索しやすいテキストに変換しておくのが核心です。

この「画像をテキストに翻訳する」役割を担うのが、画像を見て内容を言葉にできるAI（画像対応の生成AI）です。そしてその仕組みを動かす小さなアプリを、コードを自分で書かずにAIに作らせるのがVibe Codingです。Vibe Codingとは、ひとことで言うと「作りたいものを自然な言葉でAIに伝えて、コードはAIに書いてもらう」やり方です。

取れる選択肢は大きく3つあります。自社の状況に合わせて選んでください。

方法	向いている会社	手間とコスト感
既製のエンタープライズ検索を導入	画像が数十万枚以上、機密性が高い、社内に管理者がいる	初期構築は大きいが運用は安定。費用は規模で大きく変動
Vibe Codingで自作（この記事の主役）	画像が数百〜数万枚、まず小さく試したい、現場で改善したい	小さく始められる。学習コストはかかるが内製ノウハウが残る
手作業でタグ付け・命名ルール統一	画像が数百枚以下、AI導入のハードルが高い	ツール不要だが人の手間が継続的にかかる

この記事は真ん中の「Vibe Codingで自作」を軸に進めます。いきなり全社向けの大きなシステムを目指すのではなく、まず1部署・数百枚で動くものを作り、手応えを確かめてから広げる。これが失敗しにくい順番です。社内アプリの自作全般の考え方はVibe Codingで社内限定アプリを自作する方法でも触れているので、あわせて読むと流れがつかめます。

具体的なやり方。5ステップで検索の仕組みを組み立てる

ここからは実際に手を動かす手順です。やることは大きく5ステップに分かれます。難しそうに見えますが、ひとつずつ進めれば形になります。

ステップ1。検索したい画像と「探し方」を決める

最初にやるのは、対象を絞ることです。いきなり全社の画像を相手にせず、「まずこの300枚が探せれば現場が楽になる」という範囲を1つ決めます。展示会の写真、商品の撮影データ、過去のチラシ画像など、よく探されるフォルダが候補です。

同時に、「どんな言葉で探したいか」を3〜5個書き出しておきます。たとえば商品写真なら「色」「商品カテゴリ」「屋内か屋外か」「人物の有無」などです。この“探し方の軸”が、後でAIに何を説明させるかの設計図になります。ここを最初に決めておかないと、AIの説明がバラバラになって検索しにくくなります。

ステップ2。AIに画像の説明文（キャプション）を書かせる

次が仕組みの心臓部です。画像対応の生成AIに写真を渡し、ステップ1で決めた軸にそって説明文を書かせます。このとき、ただ「説明して」と頼むより、出力の形をそろえる指示を出すのがコツです。形がそろっていると、後の検索精度が上がります。

AIに渡す指示（プロンプト）は、作り込まなくて構いません。いまのAIは、ざっくり頼めば自分で良い指示に整えてくれます。まずは次のようなたたき台から始めて、出てきた結果を見ながら自社向けに詰めてください。

あなたは社内の画像整理担当です。この写真を見て、
後で検索しやすいように内容を説明してください。
次の項目を必ず埋めてください。

・写っている主なもの（人物／商品／風景など）
・色や雰囲気のキーワード（例：青い、明るい、屋外）
・シーンや用途（例：展示会、商品撮影、社内イベント）
・画像内に文字があれば、その文字をそのまま書き出す
・検索用タグを5個（単語で、カンマ区切り）

［自社で重視したい軸があればここに追記する］

ポイントは「画像内の文字を書き出させる」一文です。チラシやスライド、看板の写真は、中の文字が検索ワードになることが多いからです。AIには文字を読み取る力（OCR、つまり画像から文字を抜き出す機能）があるので、これを説明文に含めておくと検索の網が一気に広がります。

ステップ3。説明文を「検索できる一覧」の形にためる

AIが書いた説明文は、1枚ずつバラバラのままでは検索できません。「ファイル名」と「説明文」をセットにした一覧表にためていきます。エンジニアでなくてもイメージしやすいのは、次のようなデータの並びです。

[
  {
    "file": "expo2025_034.jpg",
    "caption": "青いブースの前で名刺交換する2人。屋内の展示会。",
    "text_in_image": "新製品発表 2025",
    "tags": "展示会, 青, ブース, 名刺交換, 屋内"
  },
  {
    "file": "product_blue_12.jpg",
    "caption": "白背景の青いボトル商品。明るい撮影。",
    "text_in_image": "",
    "tags": "商品, 青, ボトル, 白背景, 物撮り"
  }
]

この一覧さえできれば、検索は「captionとtagsの文章の中に、入力した言葉が含まれるか」を探すだけです。難しい技術がなくても、文章の中から単語を探す処理は基本機能で実現できます。最初はこのシンプルな形で十分です。

ステップ4。Vibe Codingで検索画面を作る

ここでVibe Codingの出番です。CursorやClaude Code、ブラウザで使える開発支援ツールなどに、作りたいものを言葉で伝えます。

AIへの最初の指示は、たとえばこんな短いたたき台で構いません。

画像検索の社内ツールを作りたいです。
・用意した画像の説明データ（JSON）を読み込む
・検索ボックスに言葉を入れると、説明文やタグに
  その言葉を含む画像のファイル名を一覧表示する
・できれば画像のサムネイルも並べて表示する
・社内のパソコンだけで動く、シンプルな1ページの作り

まずは動く最小版を作ってください。
わからない前提があれば質問してください。

あとはAIと対話しながら直していきます。エラーが出ても慌てる必要はありません。表示されたエラーメッセージをそのままAIに貼り付けて「これを直して」と頼むのが、Vibe Codingの基本動作です。デザインや機能も「検索結果を新しい順に並べて」「タグをクリックでも絞り込めるように」と言葉で足していけます。

ステップ5。少人数で試して、説明の質を調整する

最後は運用テストです。作った検索を現場の2〜3人に使ってもらい、「探したい言葉で本当に出てくるか」を確かめます。出てこない画像があれば、それはステップ2の説明文が足りていないサインです。プロンプトに項目を足してAIに説明を書き直させれば、検索精度は上がっていきます。

導入前に最低限そろえておきたいことを、チェックリストにまとめました。これを満たしてから現場に出すと、つまずきが減ります。

• 対象範囲：まず探せるようにする画像フォルダを1つに絞ったか
• 探し方の軸：よく使う検索ワードを3〜5個書き出したか
• 説明の形：AIの説明文の項目（色・シーン・画像内の文字など）をそろえたか
• 機密チェック：外部AIに渡してよい画像か、社内ルールを確認したか
• 検証担当：実際に使って改善する人を1人決めたか

社内データをAIで扱う土台の考え方は社内情報をAIで構築するRAG活用ガイドでも詳しく解説しています。検索の精度をさらに上げたくなったら参考にしてください。

効果のイメージ。探す時間が消えると、何が変わるか

この仕組みを入れると、まず「探す時間」がはっきり減ります。どれくらい効くのか、具体的な数字でイメージしてみましょう。

効果は会社によって大きく変わるため一概には言えませんが、仮に計算してみます。広報や営業の担当者が画像を探す回数を1日5回、1回あたり平均5分かけていたとすると、1日25分。月20営業日で約8時間、つまり1人あたり毎月まる1日分が「探す時間」に消えている計算になります。検索の仕組みで1回30秒に短縮できれば、その大半を取り戻せます。

効果は時間だけではありません。実務でよく見かける、次のような変化が起きます。

• 探し直しの撲滅：「見つからないから撮り直す」「作り直す」というムダな二度手間が減る
• 属人化の解消：「あの写真の場所はベテランしか知らない」状態から、誰でも探せる状態へ変わる
• 資産の再活用：過去の良い写真が掘り起こされ、SNSや資料に使い回せるようになる

探せないデータを探せる状態に戻すという発想は、会社の規模を問わず共通です。「探せないせいで価値を失っているデータを、探せる状態に戻す」という本質は、中小企業の画像整理でもまったく同じです。

成功している会社に共通するのは、最初から完璧を目指していない点です。まず一部署の数百枚で「探せて助かった」という小さな成功を作り、その実感を社内に見せてから対象を広げています。いきなり全社展開を狙って頓挫するより、この順番のほうが確実です。

よくある失敗と回避法。3つのつまずきパターン

自作にチャレンジした会社が、つまずきやすいポイントは決まっています。代表的な3つを、起きる状況と防ぎ方のセットで紹介します。

失敗1。AIの説明がバラバラで、検索に引っかからない

これは、AIへの指示をあいまいなまま大量の画像を処理したときに起きます。ある写真は「青いボトル」、別の写真は「ブルーの容器」と表現がそろわず、「青」で検索しても半分しか出てこない、という状態です。

防ぎ方は、ステップ2でお伝えした「出力の形をそろえる指示」と「タグを単語で出させる指示」です。表現の揺れは、タグを決まった単語（青・赤・屋内・屋外など）に寄せるだけで大きく減ります。本格運用の前に20枚ほどでテストし、説明がそろっているか目で確認してから全量を流すのが鉄則です。

失敗2。機密画像を、考えずに外部AIへ送ってしまう

もっとも気をつけたい失敗です。社員の顔写真、未発表の商品、契約書のスキャン画像などを、ルールなしに外部の生成AIサービスへ送ってしまうケースです。サービスによっては、入力した内容の扱いが学習対象になる可能性もあり、情報漏洩につながりかねません。

何を外部AIに渡してよいかは、作業を始める前に必ず社内で線引きしてください。顔・氏名・未公開情報・機密書類が写った画像は、原則として外部送信の対象から外すのが安全です。

回避策は2つあります。

• 外部に出してよい画像とダメな画像を最初に仕分けるルールを作る
• 機密性が高いなら社内だけで動くAI（オンプレミス型や、外部学習されない法人向けプラン）を検討する

AIに入れてはいけない情報の線引きはAIに入力してはいけない個人情報とAIセキュリティ社内ルールの作り方で整理しているので、着手前に一度目を通すことをおすすめします。

失敗3。作って満足し、誰も更新しなくなる

これは導入の数か月後にじわじわ効いてくる失敗です。最初は便利でも、新しく撮った写真がインデックス（検索用の一覧）に追加されないまま放置され、「最近の写真は結局このツールでは出てこない」と使われなくなっていきます。

防ぎ方は、運用の担当と頻度を最初に決めておくことです。「月末に新しい画像をまとめてAIに説明させ、一覧に追加する」といった更新の段取りを、誰が・いつやるか決めておきます。ここを決めずにツールだけ作ると、ほぼ確実に形骸化します。仕組みは作って終わりではなく、回し続けて初めて価値が出ます。

使う側の落とし穴。自作の限界と、任せどころの本音

ここまで「自作できます」とお伝えしてきましたが、現場を見てきた立場として、率直に限界もお伝えします。ここを知っておくと、無理して時間を溶かさずに済みます。

まず、Vibe Codingで作る検索は、数百〜数万枚の規模でこそ気持ちよく動きます。これが数十万枚を超えてくると、検索の速度や安定性、複数人での同時利用といった課題が出てきて、シンプルな自作では荷が重くなります。この規模になったら、既製のエンタープライズ検索や、専門家と組んだ本格構築を検討するタイミングです。

次に、見落とされがちなコストの話です。自作は「無料でできる」と思われがちですが、実際にはAIに画像を説明させる処理の利用料がかかります。1枚あたりはわずかでも、数万枚を一気に処理すれば相応の金額になります。また、作る人の学習時間も立派なコストです。「人件費に換算したら外注したほうが安かった」という逆転も、現場ではよく起こります。

では、内製と外注をどう切り分けるか。判断の目安はこうです。

• 自作が向く：画像が数千枚規模、社内に試行錯誤を楽しめる人がいる、まず小さく効果を確かめたい
• 相談したほうが早い：画像が膨大、機密性が高い、社内に手を動かせる人がいない、全社で本格運用したい

正直に言えば、最初のひとつを自作して感触をつかむのは、誰にとっても大きな学びになります。一方で、最初から全社・大規模・機密ありを一人で背負うのは、おすすめしません。「どこまで自分でやって、どこから手を借りるか」を見極めることそのものが、AI導入で失敗しないいちばんのコツです。

よくある質問（FAQ）

まとめ。まず一部署の数百枚から始めてみませんか

社内画像のAI検索は、「AIに中身を説明させてテキスト化し、それを全文検索する」というシンプルな発想で実現できます。Vibe Codingを使えば、その仕組みを非エンジニアでも小さく自作できます。

ここまで読んで「やることは分かったけれど、機密画像の扱いや本格運用まで自社だけで進めきれるか不安」と感じた方は、無理に一人で抱えなくて大丈夫です。コレットラボのAI業務システム化支援では、どこまで内製してどこから任せるかの整理だけでも承っています。まずは現状の画像の困りごとを聞かせてください。AI業務システム化の詳細はこちらからお気軽にどうぞ。