調べる・まとめる
調べる・まとめるでAIへ移しやすい業務
- 業務
- 2件
- 判定
- AIへ移しやすい
- 合うモデル
- 44件
調べる・まとめるの業務のうち、当サイトの判定が「AIへ移しやすい」のものを2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 |
|---|---|---|---|
| 資料の要約を作る | 全部読んで自分でまとめる | AIに要点を出させて確かめる | 重要度の判断 |
| 調べた内容を人に説明する | 自分でまとめて話す | 構成を出させて中身を入れる | 相手に合わせた深さ |
「AIへ移しやすい」の意味
まず1件だけ試して、結果を見てから広げてよい業務です。間違っても取り返しがつき、元に戻す手段も残せます。
| 業務 | 移しやすさ | 任せ方 | 向かない場合 |
|---|---|---|---|
| 資料の要約を作る | まず1件試せる | 下書きを任せる | 資料が短い場合 |
| 調べた内容を人に説明する | まず1件試せる | 下書きを任せる | 相手が1人の場合 |
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
資料の要約を作るを例にした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
「全部読んで自分でまとめる」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
「重要度の判断」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
「AIに要点を出させて確かめる」の形で1件だけ通します。「元の資料に書いていないことが混ざる」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「元資料の場所を必ず併記すれば、その場で確かめられる」。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
資料の要約を作る
いま：全部読んで自分でまとめる → 移したあと：AIに要点を出させて確かめる
- 人に残る仕事：重要度の判断
- よくあるつまずき：元の資料に書いていないことが混ざる
- 戻し方：元資料の場所を必ず併記すれば、その場で確かめられる
- 向かない場合：資料が短い場合
調べた内容を人に説明する
いま：自分でまとめて話す → 移したあと：構成を出させて中身を入れる
- 人に残る仕事：相手に合わせた深さ
- よくあるつまずき：網羅的だが、相手の知りたいことに答えていない
- 戻し方：自分のまとめを残す
- 向かない場合：相手が1人の場合
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「資料の要約を作る」を手伝ってもらいます。 いままでは「全部読んで自分でまとめる」でしていましたが、「AIに要点を出させて確かめる」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】 ・「重要度の判断」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 ・元の資料に書いていないことが混ざることがないよう、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「調べた内容を人に説明する」を手伝ってもらいます。 いままでは「自分でまとめて話す」でしていましたが、「構成を出させて中身を入れる」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】 ・「相手に合わせた深さ」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 ・網羅的だが、相手の知りたいことに答えていないことがないよう、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】［ ］ ・資料の要約を作る：重要度の判断 → 担当［ ］／いつ［ ］ ・調べた内容を人に説明する：相手に合わせた深さ → 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】資料の要約を作る・調べた内容を人に説明する 【判定】AIへ移しやすい（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］
調べる・まとめるの業務に要る機能と、合うモデル
調べる・まとめるの業務で効くのは長い資料を一度に読めることです。複数の資料をまとめて読ませるので、一度に渡せる量が足りないと前の資料を忘れます。掲載76件のうち、この条件に合うのは44件でした。
| 候補 | なぜ候補か | 一度に読める量 | 入力100万 |
|---|---|---|---|
| DeepSeek V4 Flash 0731 | 単価がいちばん安い | 1,310,720 | $0.03 |
| Grok 4.20 Multi-Agent | 一度に読める量がいちばん多い | 2,000,000 | $1.25 |
| GPT-6 Sol Pro | 別の提供元で、単価が中くらい | 1,050,000 | $2 |
DeepSeek V4 Flash 0731（単価がいちばん安い）
DeepSeekのモデルです。入力100万トークン$0.03（目安5円）。件数が多い作業ほど差が出ます。渡せる入力は文字。
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。
GPT-6 Sol Pro（別の提供元で、単価が中くらい）
OpenAIのモデルです。OpenAIのモデルで、入力100万トークン$2。1社に寄せないための比べ先になります。渡せる入力はファイル・画像・文字。
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 |
|---|---|---|---|
| DeepSeek V4 Flash 0731 | $0.38（57円） | $0.109（16円） | $0.95（143円） |
| DeepSeek V4 Flash 0423 | $0.196（29円） | $0.093（14円） | $0.49（74円） |
| Llama 4 Scout | $0.5（75円） | $0.21（32円） | $1.25（188円） |
| 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） |
| DeepSeek V4.1 Flash | $0.9（135円） | $0.345（52円） | $2.25（338円） |
| Qwen3.8 Omni Flash | $0.77（116円） | $0.319（48円） | $1.925（289円） |
| Qwen3.8 Flash | $0.77（116円） | $0.319（48円） | $1.925（289円） |
| Llama 4 Maverick | $1.029（154円） | $0.413（62円） | $2.573（386円） |
| GPT-5.6 Luna Pro | $1.6（240円） | $0.54（81円） | $4（600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
長い資料を一度に読めるモデル44件
| モデル（提供元） | 一度に読める量 | 100万トークン 入力／出力 |
|---|---|---|
| DeepSeek V4 Flash 0731（DeepSeek） | 1,310,720 | $0.03／$0.32 |
| DeepSeek V4 Flash 0423（DeepSeek） | 1,048,576 | $0.049／$0.098 |
| Llama 4 Scout（Meta） | 1,310,720 | $0.1／$0.3 |
| GPT-6 Luna Pro（OpenAI） | 1,050,000 | $0.1／$0.5 |
| GPT-6 Luna（OpenAI） | 1,050,000 | $0.1／$0.5 |
| DeepSeek V4.1 Flash（DeepSeek） | 1,048,576 | $0.15／$0.6 |
| Qwen3.8 Omni Flash（Alibaba（Qwen）） | 1,000,000 | $0.15／$0.47 |
| Qwen3.8 Flash（Alibaba（Qwen）） | 1,000,000 | $0.15／$0.47 |
| Llama 4 Maverick（Meta） | 1,048,576 | $0.188／$0.653 |
| 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 |
| GLM 5.3 FlashX（Z.ai） | 1,048,576 | $0.37／$1.25 |
| Qwen3.8 27B（Alibaba（Qwen）） | 1,000,000 | $0.42／$3 |
| DeepSeek V4 Pro 0813（DeepSeek） | 1,048,576 | $0.462／$1.386 |
| 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 |
ほかに24件あります（入力の単価が高い順に省略）。
調べる・まとめるの業務で、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 | 44件／44件 |
| A4の資料1枚を読ませる | 2,000トークン | 44件／44件 |
| 1時間の会議の文字起こしを要約 | 15,000トークン | 44件／44件 |
| 契約書1通を読ませる | 20,000トークン | 44件／44件 |
| 本1冊を読ませる | 150,000トークン | 44件／44件 |
| 社内規程一式（本5冊ほど） | 750,000トークン | 44件／44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。
調べる・まとめるのほかの業務
競合の動きを調べる
判定は「一部だけAI化する」。いまは検索して自分で読む、移したあとはAIに集めさせて自分で読む。人に残るのは情報の真偽の確認。競合の動きを調べる
アンケートの自由記述を読む
判定は「一部だけAI化する」。いまは全部読んで分類する、移したあとは分類させて自分で確かめる。人に残るのは少数意見の拾い上げ。アンケートの自由記述を読む
古い資料から必要な部分を探す
判定は「一部だけAI化する」。いまは開いて目で探す、移したあとは検索させて該当箇所を出させる。人に残るのは文脈の確認。古い資料から必要な部分を探す
一次情報にたどり着く
判定は「判断は人に残す」。いまは検索して原典を探す、移したあとは候補を出させて自分で確かめる。人に残るのは出典の真偽。一次情報にたどり着く
専門的な内容を理解する
判定は「一部だけAI化する」。いまは資料を読み込む、移したあとはかみ砕かせて原文で確かめる。人に残るのは正確さの担保。専門的な内容を理解する
調べる・まとめるのほかの判定
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2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。
資料の要約を作る - 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。