データ・集計
データ・集計で一部だけAI化する業務
- 業務
- 4件
- 判定
- 一部だけAI化する
- 合うモデル
- 33件
データ・集計の業務のうち、当サイトの判定が「一部だけAI化する」のものを4件集めました。いまのやり方と、AIに移したあとのやり方を並べ、移す前の確認・最初の指示・測り方・合うモデルまで1ページで進めます。
いまのやり方と、移したあと
| 業務 | いま | 移したあと | 人に残る仕事 |
|---|---|---|---|
| 表の数字を別の表に写す | 画面を見ながら手で入力 | 読み取らせて突き合わせる | 一致しなかったものの確認 |
| 売上の数字をまとめる | 表計算で集計する | 集計と要約をさせる | 異常値の判断 |
| 複数の表を1つにまとめる | コピーして貼る | 突き合わせて結合させる | 重複と欠損の判断 |
| データの誤りを直す | 目で見て直す | おかしいものを出させて直す | 正しい値の判断 |
「一部だけAI化する」の意味
手順を決めてから、下ごしらえや下書きの部分だけをAIに渡す業務です。全部を任せると、人が見るべきところが抜けます。
| 業務 | 移しやすさ | 任せ方 | 向かない場合 |
|---|---|---|---|
| 表の数字を別の表に写す | 手順を決めてから移す | 手順ごと移す | 写す件数が少ない場合 |
| 売上の数字をまとめる | 手順を決めてから移す | 手順ごと移す | 集計の型が固まっている場合 |
| 複数の表を1つにまとめる | 手順を決めてから移す | 手順ごと移す | 表が2つまでの場合 |
| データの誤りを直す | 手順を決めてから移す | 手順ごと移す | 件数が少ない場合 |
移す前の確認
全部に印が付くまで、移さないでください。
移す手順
表の数字を別の表に写すを例にした4段の手順です。ほかの業務も同じ順で進めます。
1. いまのやり方を1回測る
「画面を見ながら手で入力」に何分かかり、何回やり直したかを残します。移したあとと比べる材料になります。
2. 人に残る仕事を切り出す
「一致しなかったものの確認」はAIに任せません。誰がいつやるかを先に決め、手順に書き込みます。
3. 1件だけ移して比べる
「読み取らせて突き合わせる」の形で1件だけ通します。「桁や単位を取り違えたまま通る」が起きないかを、ここで確かめます。
4. 続けるか戻すかを決める
記録を見て決めます。戻すときは「元の表を残しておけば、いつでも照合できる」。戻せる状態を残したまま広げてください。
移さなくてよい業務を先に外す
当てはまるものは、無理に移さなくて構いません。
業務ごとの移し方
表の数字を別の表に写す
いま：画面を見ながら手で入力 → 移したあと：読み取らせて突き合わせる
- 人に残る仕事：一致しなかったものの確認
- よくあるつまずき：桁や単位を取り違えたまま通る
- 戻し方：元の表を残しておけば、いつでも照合できる
- 向かない場合：写す件数が少ない場合
売上の数字をまとめる
いま：表計算で集計する → 移したあと：集計と要約をさせる
- 人に残る仕事：異常値の判断
- よくあるつまずき：前月と比べて変な数字が出ても、そのまま要約される
- 戻し方：元データを残せば、集計はやり直せる
- 向かない場合：集計の型が固まっている場合
複数の表を1つにまとめる
いま：コピーして貼る → 移したあと：突き合わせて結合させる
- 人に残る仕事：重複と欠損の判断
- よくあるつまずき：キーの表記ゆれで、同じものが別に数えられる
- 戻し方：元の表を全部残す
- 向かない場合：表が2つまでの場合
データの誤りを直す
いま：目で見て直す → 移したあと：おかしいものを出させて直す
- 人に残る仕事：正しい値の判断
- よくあるつまずき：形式の誤りだけが出て、値そのものの誤りは残る
- 戻し方：直す前のデータを残す
- 向かない場合：件数が少ない場合
AIに渡す最初の指示
「移したあと」のやり方で、AIに最初に渡す指示です。人に残る仕事はAIにやらせず、印を付けて返させます。
これから「表の数字を別の表に写す」を手伝ってもらいます。 いままでは「画面を見ながら手で入力」でしていましたが、「読み取らせて突き合わせる」に変えます。 【材料】［ここに貼る］ 【出す形】［表／箇条書き／文章。長さ］ 【守ること】 ・「一致しなかったものの確認」はAIの側で決めず、該当する箇所に［人が確認］と印を付ける ・材料にないことは書かず「材料にない」と書く ・桁や単位を取り違えたまま通ることがないよう、迷う箇所は質問を返す
［ ］［ ］を自分の材料に置き換えてください。
これから「売上の数字をまとめる」を手伝ってもらいます。 いままでは「表計算で集計する」でしていましたが、「集計と要約をさせる」に変えます。 【材料】［ここに貼る］ 【出す形】［表／箇条書き／文章。長さ］ 【守ること】 ・「異常値の判断」はAIの側で決めず、該当する箇所に［人が確認］と印を付ける ・材料にないことは書かず「材料にない」と書く ・前月と比べて変な数字が出ても、そのまま要約されることがないよう、迷う箇所は質問を返す
［ ］［ ］を自分の材料に置き換えてください。
これから「複数の表を1つにまとめる」を手伝ってもらいます。 いままでは「コピーして貼る」でしていましたが、「突き合わせて結合させる」に変えます。 【材料】［ここに貼る］ 【出す形】［表／箇条書き／文章。長さ］ 【守ること】 ・「重複と欠損の判断」はAIの側で決めず、該当する箇所に［人が確認］と印を付ける ・材料にないことは書かず「材料にない」と書く ・キーの表記ゆれで、同じものが別に数えられることがないよう、迷う箇所は質問を返す
［ ］［ ］を自分の材料に置き換えてください。
これから「データの誤りを直す」を手伝ってもらいます。 いままでは「目で見て直す」でしていましたが、「おかしいものを出させて直す」に変えます。 【材料】［ここに貼る］ 【出す形】［表／箇条書き／文章。長さ］ 【守ること】 ・「正しい値の判断」はAIの側で決めず、該当する箇所に［人が確認］と印を付ける ・材料にないことは書かず「材料にない」と書く ・形式の誤りだけが出て、値そのものの誤りは残ることがないよう、迷う箇所は質問を返す
［ ］［ ］を自分の材料に置き換えてください。
効果を測る
移す前と後で、同じ1件を比べます。
【業務】［ ］
【いま】かかった時間［ ］分／やり直し［ ］回
【移したあと】かかった時間［ ］分／やり直し［ ］回
【人に残った仕事】［ ］分
【出てきたもの】そのまま使えた／直した（直した箇所［ ］）
【起きたつまずき】［ ］
【判断】続ける／やめる／もう1件
【やめるときの戻し方】［ ］人に残る仕事の担当を決める
AIに移しても、人に残る仕事は消えません。担当を書いて共有しておくと、抜け落ちを防げます。
【部署】［ ］ 【見直す日】［ ］ ・表の数字を別の表に写す：一致しなかったものの確認 → 担当［ ］／いつ［ ］ ・売上の数字をまとめる：異常値の判断 → 担当［ ］／いつ［ ］ ・複数の表を1つにまとめる：重複と欠損の判断 → 担当［ ］／いつ［ ］ ・データの誤りを直す：正しい値の判断 → 担当［ ］／いつ［ ］ 【困ったときの相談先】［ ］
社内に説明する
【試した業務】表の数字を別の表に写す・売上の数字をまとめる・複数の表を1つにまとめるほか 【判定】一部だけAI化する（当サイトの判定を参考） 【試した結果】時間［ ］分→［ ］分／やり直し［ ］回→［ ］回 【人に残す仕事と担当】［ ］ 【続けるかどうか】［ ］ 【費用】［使ったモデルと月の目安］
データ・集計の業務に要る機能と、合うモデル
データ・集計の業務で効くのはファイルをそのまま渡せることです。表やPDFを貼り付け直さずに渡せると、転記の誤りが減ります。掲載76件のうち、この条件に合うのは33件でした。
| 候補 | なぜ候補か | 一度に読める量 | 入力100万 |
|---|---|---|---|
| GPT-6 Luna Pro | 単価がいちばん安い | 1,050,000 | $0.1 |
| Grok 4.20 Multi-Agent | 一度に読める量がいちばん多い | 2,000,000 | $1.25 |
| Mistral Medium 3.5 | 別の提供元で、単価が中くらい | 262,144 | $1.5 |
GPT-6 Luna Pro（単価がいちばん安い）
OpenAIのモデルです。入力100万トークン$0.1（目安15円）。件数が多い作業ほど差が出ます。渡せる入力はファイル・画像・文字。
Grok 4.20 Multi-Agent（一度に読める量がいちばん多い）
xAIのモデルです。2,000,000トークン（原稿用紙でおよそ3,571枚）。資料を分けずに渡せます。渡せる入力は文字・画像・ファイル。
Mistral Medium 3.5（別の提供元で、単価が中くらい）
Mistral AIのモデルです。Mistral AIのモデルで、入力100万トークン$1.5。1社に寄せないための比べ先になります。渡せる入力は文字・画像・ファイル。
並べているのは公表されている仕様と単価だけで、出来の良し悪しの順位ではありません。同じ材料で1回ずつ試して、自分の作業で比べてください。
費用の目安を計算する
APIの料金は、読ませた量と書かせた量の両方にかかります。単価から3つの使い方の費用を出しました（入力・出力の量は当サイトの目安、1ドル150円）。
| モデル | メールの下書き1,000通 | 会議の要約100本 | 問い合わせの一次返信5,000件 |
|---|---|---|---|
| GPT-6 Luna Pro | $0.7（105円） | $0.25（38円） | $1.75（263円） |
| GPT-6 Luna | $0.7（105円） | $0.25（38円） | $1.75（263円） |
| GPT-5.6 Luna Pro | $1.6（240円） | $0.54（81円） | $4（600円） |
| GPT-5.6 Luna | $1.6（240円） | $0.54（81円） | $4（600円） |
| Gemini 3.1 Flash Lite | $2（300円） | $0.675（101円） | $5（750円） |
| Gemini 3.5 Flash Lite | $3.1（465円） | $0.95（143円） | $7.75（1,163円） |
| Nova 2 Lite | $3.1（465円） | $0.95（143円） | $7.75（1,163円） |
| Devstral 2 2512 | $2.8（420円） | $1（150円） | $7（1,050円） |
| Gemini 3.8 Flash | $5.25（788円） | $1.875（281円） | $13.125（1,969円） |
| Gemini 3.7 Flash | $5.25（788円） | $1.875（281円） | $13.125（1,969円） |
件数と1件の長さを入れると、月の費用の目安が出ます。
【1件の入力】［ ］トークン（日本語は1字およそ1〜1.5トークン） 【1件の出力】［ ］トークン 【月の件数】［ ］件 入力の費用 ＝ 1件の入力 × 月の件数 ÷ 1,000,000 × 入力の単価 出力の費用 ＝ 1件の出力 × 月の件数 ÷ 1,000,000 × 出力の単価 月の費用 ＝ 入力の費用 ＋ 出力の費用（ドル）× 為替
ファイルをそのまま渡せるモデル33件
| モデル（提供元） | 一度に読める量 | 100万トークン 入力／出力 |
|---|---|---|
| GPT-6 Luna Pro（OpenAI） | 1,050,000 | $0.1／$0.5 |
| GPT-6 Luna（OpenAI） | 1,050,000 | $0.1／$0.5 |
| GPT-5.6 Luna Pro（OpenAI） | 1,050,000 | $0.2／$1.2 |
| GPT-5.6 Luna（OpenAI） | 1,050,000 | $0.2／$1.2 |
| Gemini 3.1 Flash Lite（Google） | 1,048,576 | $0.25／$1.5 |
| Gemini 3.5 Flash Lite（Google） | 1,048,576 | $0.3／$2.5 |
| Nova 2 Lite（Amazon） | 1,000,000 | $0.3／$2.5 |
| Devstral 2 2512（Mistral AI） | 262,144 | $0.4／$2 |
| Gemini 3.8 Flash（Google） | 1,048,576 | $0.75／$3.75 |
| Gemini 3.7 Flash（Google） | 1,048,576 | $0.75／$3.75 |
| Gemini 3.6 Flash（Google） | 1,048,576 | $0.75／$3.75 |
| Grok Build 0.1（xAI） | 256,000 | $1／$2 |
| Grok 4.20 Multi-Agent（xAI） | 2,000,000 | $1.25／$2.5 |
| Grok 4.3（xAI） | 1,000,000 | $1.25／$2.5 |
| Gemini 3.5 Flash（Google） | 1,048,576 | $1.5／$9 |
| Mistral Medium 3.5（Mistral AI） | 262,144 | $1.5／$7.5 |
| Grok 4.7（xAI） | 500,000 | $1.6／$4.8 |
| GPT-6 Sol Pro（OpenAI） | 1,050,000 | $2／$10 |
| GPT-6 Sol（OpenAI） | 1,050,000 | $2／$10 |
| GPT-5.6 Terra Pro（OpenAI） | 1,050,000 | $2／$12 |
ほかに13件あります（入力の単価が高い順に省略）。
データ・集計の業務で、合うモデルが一度に読める量
やりたいことに要るおおよその量と、この中のモデルのうち一度に読めるものの数です。足りないモデルでは、資料を分けて渡すことになります。
| やりたいこと | 要るおおよその量 | 一度に読めるモデル |
|---|---|---|
| メール1通を書かせる | 1,000トークン | 33件／33件 |
| A4の資料1枚を読ませる | 2,000トークン | 33件／33件 |
| 1時間の会議の文字起こしを要約 | 15,000トークン | 33件／33件 |
| 契約書1通を読ませる | 20,000トークン | 33件／33件 |
| 本1冊を読ませる | 150,000トークン | 33件／33件 |
| 社内規程一式（本5冊ほど） | 750,000トークン | 27件／33件 |
モデルを使う前に決めること
試す前に、情シスや上長と決めておくことです。
この記事で使っている言葉
コンテキスト（一度に読める量）
1回のやり取りで渡せる文章の長さです。足りないと、前に渡したところを忘れます。大きいほど長い資料を分けずに渡せますが、読ませた分だけ費用もかかります。
トークン
AIが文章を数える単位です。日本語はおおむね1字が1〜1.5トークン。料金も読める量も、このトークンで数えます。
入力の単価・出力の単価
100万トークンあたりの米ドルです。読ませた量に入力の単価、書かせた量に出力の単価がかかります。出力のほうが高いのが普通です。
仕様はhttps://openrouter.ai/api/v1/modelsから2026-09-25に取ったものです。OpenRouter が各提供元から集めて公開している仕様です。単価は100万トークンあたりの米ドル。ベンチマークの点数や順位は含みません。
データ・集計のほかの業務
数字の異常を見つける
判定は「判断は人に残す」。いまは表を見て気づく、移したあとは条件から外れるものを出させる。人に残るのは原因の特定。数字の異常を見つける
売上の予測を立てる
判定は「判断は人に残す」。いまは実績から自分で読む、移したあとは傾向から案を出させる。人に残るのは事情の反映。売上の予測を立てる
集計の定義を揃える
判定は「判断は人に残す」。いまは関係者で決める、移したあとは既存の集計から定義を抜き出させる。人に残るのは正しい定義の決定。集計の定義を揃える
データ・集計のほかの判定
よくある質問
全部まとめて移したほうが早くありませんか？
比べる相手がいなくなるので、効果を説明できなくなります。1件ずつ移して、測ってから広げてください。
どのモデルがいちばん良いですか？
当サイトは点数や順位を持っていません。上の候補を同じ材料で試し、自分の作業で正しさと直す手間を比べて決めてください。
人に残る仕事は、いずれAIに任せられますか？
この4件の「人に残る仕事」は、間違えたときの影響が大きいか、判断の材料がAIに渡らないものです。任せるかどうかは、移したあとの記録を見てから決めます。
次にやること
- 1件選ぶ
上の表から、いちばん手間のかかっている業務を1件選びます。
表の数字を別の表に写す - いまのやり方を測る
移す前の1回を測っておかないと、効果を説明できません。 - 合うモデルを2つ試す
候補から2つ選び、同じ材料で比べます。