業務マニュアルの「作る苦労」を解消、Gemini 3.1 Pro の動画解析が変えるDXの真価

業務マニュアルの作成は、多くのビジネスパーソンにとって「重要だとわかっているけれど、やりたくない仕事」ではないでしょうか。

私たちも同じ状況でした。テキストで書くのが大変だから、動画に切り替えてみたのですが、今度はその動画が使いにくいという壁にぶつかりました。その壁を、Gemini の動画解析機能で乗り越えた話をしていきます。動画を撮ってAIに渡すだけで、検索可能なテキストマニュアルが数分で出てくる。この流れを、実際に使ったプロンプトと合わせて紹介します。

「属人化はよくない」と誰もが知っていますが、わかっていても、作ることは別の話です。

日々の業務をこなしながら、誰がいつ読むかもわからないマニュアルを作成するのは相当しんどいですよね。結果として部署異動などの理由により「引き継ぎが決まってから慌てて作る」が慣例になっているのではないでしょうか。

私たちも、まさにそのパターンでした。

テキストで書くのが大変なら、動画にすればいいのでは、そう考えたのは自然な流れでした。

対象はPC上の操作だったので、画面録画機能を使えばテキストを書くことなく、普段の作業をそのまま録るだけ。実際にやってみると、録画の手間はほぼゼロでした。

しかし、ここで話は終わらずにいくつかの壁がありました。

数十分の動画を再生しながら同じ操作をしようとすると、「あ、今の操作なんだっけ」となって巻き戻しをすることになります。少し進めて、また戻す。この繰り返しです。再生バーをミリ単位で動かしながら「さっきの画面どこだっけ…」と探す時間が、実際の作業時間より長くなる本末転倒な状況が発生していました。

数十分のマニュアルのため1.5倍速で見たいシーンもあれば、一時停止を繰り返したいシーンもある。動画は受け手に「時間の制約」を強烈に強いるメディアだったのです。

テキストなら「Ctrl ＋ F」ですぐに検索できますが、動画だと検索が使えません。仮にマニュアルで目次があったとしても、該当箇所を探すまでに時間を要してしまいます。

数十分の操作動画が何本もたまり、ファイル容量はすぐに数GB単位に膨らみます。作業のたびにダウンロードが始まり、PCのストレージを圧迫する状況でした。

「最近のAIは動画の中身を理解できるらしい」という話を聞いたとき、この発想が生まれました。

録画の簡単さ ＋ テキストの検索性 ＝ 動画を撮ってAIに変換させる

動画の「撮る手軽さ」とテキストの「使いやすさ」を掛け合わせる方法です。やることは3ステップだけでした。

普段どおり画面録画するだけです。説明を考える必要はなく、録画ボタンを押して作業するだけです。

※録画をする際は、手元の操作に合わせて作業内容を説明していくことで、より精度の高いマニュアルが作成されます。

録画ファイルを Gemini にアップロードして、以下のプロンプトを貼り付けます。

この動画はPC上での業務操作を録画したものです。動画の内容を以下の形式で操作マニュアルとして整理してください。
- 各手順を番号付きで記載
- 操作対象（ボタン名・メニュー名）を具体的に記載
- 注意点があれば補足として追記

あとは Gemini の出力を確認してテキストとして保存するだけです。

なぜ Gemini がここまでの精度で動画を解析できるのか、少しだけ説明していきます。

Gemini 3.1 Pro は、テキスト・画像・音声・動画をすべて1つのモデルでまとめて処理する「ネイティブマルチモーダル」という仕組みで動いています。

動画を「フレーム画像の連続」と「音声」に分けてバラバラに処理するのではなく、映像の流れと音声を同時に把握できる点が特徴です。業務操作の録画なら、どの画面でどのボタンを押したかを時系列で追いながら、音声の説明も合わせて解釈できます。

処理できる動画の上限は、API経由で最大1時間・最大1GB（Google 公式仕様、2026年3月時点）。業務操作の録画であれば、丸ごと渡しても余裕で処理できる範囲ですし、Gemini アプリからも動画をアップロードして試せます。

※ 処理上限などの仕様は変更される可能性があります最新仕様は Google 公式ドキュメントをご確認ください。

今回はPC操作のマニュアル化に活用しましたが、この方法は画面録画に限りません。動画が撮れるものなら何でも応用できます。

• 製造・物流現場：機械操作をスマホで撮影。そのままAIが「作業標準書」を作成。
• 店舗運営：開店準備や清掃の手順を動画で撮影し、多言語対応のマニュアルへ。
• カスタマーサポート：顧客から送られてきた不具合動画を解析させ、即座に回答案を作成。
• イベント設営：テントや音響機材の複雑な組み立て手順を、現場の動画からドキュメント化。

PC上の操作に限らず、現場作業・設備案内・教育シーンまで、「誰かに教えたいことがあるなら、まず動画を撮ってみる」という発想がこれからのデファクトスタンダードになるかもしれません。