生成AIが読みやすいExcelシートの作り方｜作業効率を上げる前に揃える5つのこと

Excelを使うとデータ整形や関数計算、グラフ化、要約・分析など、細かな作業を実行することができますが、その分時間がかかります。生成AIを正しく使い作業効率を上げることが可能なのでしょうか

生成AIにとって、読みやすい形式があると聞いたが、Excelの資料やグラフ、表などは、AIにとって読みやすい形式なのでしょうか

同じ表を渡す際に、形式を変えただけで生成AIの正答率は、16ポイント変わります。

例えば、同一の従業員データ1,000件を11種類の形式でGPT-4.1-nanoに読ませ、1,000問で正答率を比べた検証があります。キーと値を並べたMarkdown形式が60.7%で最も高く、CSVは44.3%でした（Which Table Format Do LLMs Understand Best?（Improving Agents、2025年9月））。プロンプトの巧拙ではなく、貼り方の違いだけでこれだけの差が出ます。

「Excelの集計を生成AIに任せたいが、答えが合わない」「そもそも社内の表を貼ってよいのか分からない」。この2つは、情報システム部門や管理部門からよくいただく相談です。スパイクスタジオは研修と伴走支援で、企業の現場データを生成AIに載せる作業を続けてきました。

この記事では、次の3つに答えます。たとえば：

• なぜ、そのままのExcelだとAIが読み違えるのか
• 自動化を始める前に、最低限どこを揃えればよいのか
• 整えたデータを、そのまま貼ってよいのか。ダメなのはどれか

なぜ「そのままのExcel」だとAIが読み違えるのか

驚きの原因は3つに集約されます。いずれもAIの性能ではなく、「渡す形式」の問題です。

• 渡す形式そのもので正答率が変わる
• 実は人が読みやすい書式は、機械には読みにくい
• ファイル形式によっては、そもそも中身が渡っていない場合がある

①渡す形式そのもので正答率が変わる

冒頭の検証では、キーと値を並べたMarkdown形式が60.7%（95%信頼区間57.6〜63.7%）、CSVが44.3%（同41.2〜47.4%）でした。同じデータ、同じ質問、同じモデルでの比較です。

ただし、精度とトークンは交換関係にあります。同じ1,000件で、Markdownのキー・値形式は52,104トークン、CSVは19,524トークンでした。約2.7倍です。長い表をすべて高精度な形式で渡すと、コンテキストを使い切ります。

査読を経た研究でも傾向は同じです。表の構造理解を測るSUCベンチマークでは、HTML形式に形式の説明と役割指定を組み合わせた条件が、7タスク平均65.43%で最も高い結果になりました（Table Meets LLM（Microsoft Research Asia ほか、ACM WSDM 2024））。

共通しているのは、区切り文字だけの形式より、どのセルが何を指すかを言葉で示す形式のほうが読み違いが減るという点です。

②人が読みやすい書式は、機械には読みにくい

英国政府のオープンデータ data.gov.uk に公開された28,752件のスプレッドシートを分析した調査では、結合セル・タイトル行・空白行といった「人が読みやすくするための工夫」が、そのまま機械可読性を下げる要因として整理されています（Register Dynamics「Spreadsheets are for humans or machines. Not both!」）。

Microsoftの公式ドキュメントも、結合または分割されたセルがあると、支援技術で表をたどることが「非常に困難、あるいは不可能になる」と明記しています（Accessibility best practices with Excel spreadsheets）。機械は人間の目と違い、セルの位置を数えながら読み進めるためです。

データ整形の古典であるTidy Dataは、1つの変数を1列に、1つの観測を1行に、1種類の観測単位を1つの表に、という3原則を示しました（Hadley Wickham、Journal of Statistical Software）。生成AIに渡す表も、この形に近いほど誤りが減ります。

③ファイル形式によっては、そもそも中身が渡っていない

Anthropicの公式ドキュメントは、.xlsx や .docx といったバイナリ形式をそのまま文書として渡すことはできず、テキストかPDFへの変換が必要だと明記しています。あわせて、PDFはページごとに画像としても処理されるため、文字が小さく表や図の多い資料は、ページ数の上限に達する前にコンテキストを使い切る場合があるとしています（PDF support｜Claude Platform Docs）。

Microsoftの研究チームは、スプレッドシートを構造ごと圧縮して渡す手法を発表し、必要なトークンを96%削減（平均圧縮率25倍）、表の検出では従来の最良モデルを12.3%上回るF1スコア78.9%を達成したと報告しています（SpreadsheetLLM（Microsoft、2024年7月））。裏を返せば、素のスプレッドシートはそれだけ読み取りに不要な情報を抱えているということです。

自動化を始める前に揃える5つ

ここからは手順です。社内のファイルをすべて作り直す必要はありません。AIに渡すシートだけ、次の5つを揃えます。

①1シート1表にする

1枚のシートに集計表と明細と注記が同居していると、AIはどこからどこまでが1つの表なのか判断できません。表は1シートに1つだけ置き、タイトル・注記・凡例は別のシートに移します。

実践ポイント：セルA1を表の左上の見出しにします。表の上に空白行やタイトル行がない状態を作るだけで、読み取りが安定します。

②結合セルを解除し、ヘッダーを1行にする

「2026年度」の下に「上期」「下期」が並ぶ2段のヘッダーは、人には分かりやすく、機械には読めません。結合を解除し、「2026年度上期」「2026年度下期」のように1行のヘッダーへ展開します。

実践ポイント：結合を解除すると空欄が残ります。空欄は上の値で埋めてください。空欄のままだと、AIは直前の行の続きなのか、別のデータなのかを判断できません。

③1行1レコードの縦持ちに直す

月ごとに列が増えていく横持ちの表は、列見出しに「4月」「5月」という値が入っている状態です。これを「日付」「部門」「金額」の3列にして、1行1件の縦持ちに直します。行数は増えますが、集計も抽出も正確になります。

実践ポイント：迷ったら「この列の見出しは、項目の名前か、それとも値か」を確認します。値であれば、縦持ちに直す合図です。

④単位・日付・表記を1列1形式に揃える

「1,000」「1000円」「1千円」が同じ列に混ざると、AIは数値として扱えません。単位は列見出しに書き（例：金額（円））、セルには数字だけを入れます。日付は 2026-04-01 の形に統一します。

実践ポイント：会社名や商品名の表記ゆれは、渡す前に1つへ寄せます。「株式会社〇〇」と「（株）〇〇」が混ざると、同じ取引先が別々に数えられます。名寄せをAIに任せると、そこから先の集計がすべてずれます。

⑤貼るときはMarkdown表かキー:値の形式にする

整えたら、Excelの画面のままではなくテキストとして貼ります。列が5つ程度までならMarkdownの表、項目が多く1件ごとの内容が濃いなら、キーと値を1行ずつ並べる形式が読み違いを減らします。数式は値に変換してから貼ってください。

実践ポイント：件数が多いときは、精度とトークンの交換関係を思い出します。長い一覧はCSVで渡し、判断の難しい少数の行だけキー:値形式で渡す、という使い分けが現実的です。

ドキュメントも同じ｜リッチテキストよりMarkdownが読まれる

これはExcelに限った話ではありません。社内の資料をAIに読ませるときも、体裁が凝っているほど中身が伝わりにくくなります。目安は次のとおりです。

• そのまま読ませやすい：.md、.txt、.csv。見出しと本文の関係が文字として表れる
• 変換が要る：.xlsx、.docx。テキストかPDFに直してから渡す
• 注意が要る：PDF。ページを画像としても処理するため、図表が密な資料ほどコンテキストを消費する

Wordで文字を大きくした見出しは、見た目が大きいだけで「見出しである」という情報を持たない場合があります。Markdownの「#」は、それ自体が見出しだと宣言しています。AIに読ませる前提の資料は、装飾ではなく記号で構造を示すほうが確実です。

整えたデータを、そのまま貼っていいか

ここからが後半です。読める形に整えることと、外部のAIに渡してよいかは別の問題です。AIに関する漏洩事故には2つの型があります。利用者が渡してしまう型と、サービス側から漏れる型です。

①利用者が渡してしまう型｜サムスン電子（2023年）

韓国のサムスン電子は、2023年3月11日から、半導体とディスプレイを扱うデバイスソリューション部門で生成AIの業務利用を認めました。その後、社内のエンジニアが社外秘のソースコードをChatGPTにアップロードしていたことが判明します。同社は2023年5月1日から、会社が支給する端末での生成AIの利用を禁止しました（TechCrunch、2023年5月2日／Forbes、2023年5月2日）。利用を認めてから禁止までは、2か月足らずでした。

コードの誤りを直させる、資料を要約させる。どちらも業務としては自然な使い方です。禁止に至った原因は使い方ではなく、渡してよい情報の線引きが決まっていなかったことにあります。

②サービス側から漏れる型｜OpenAI（2023年）

2023年3月20日、ChatGPTで他人の情報が見える不具合が起きました。OpenAIの公式発表によると、利用していたRedisクライアントのバグが原因で、ChatGPT Plus会員の1.2%について、氏名・メールアドレス・請求先住所・クレジットカードの種類と下4桁・有効期限が、他の利用者に表示された可能性があります（OpenAI公式ブログ、2023年3月24日）。

この型は、利用者がどれだけ気をつけていても防げません。入力しなければ漏れない、という原則が効いてくるのはここです。

入力してよいデータ・ダメなデータ

線引きは2段階で考えます。まず、外に出た時点で取り返しがつかないものを外します。

• 渡さない：個人情報（氏名・連絡先・口座）、未公表の数字、取引先名と単価の組み合わせ、認証情報、契約書の原文
• 条件つきで渡す：取引先名を記号に置き換えた明細、公開済みの実績値、社外提出済みの資料
• そのまま渡してよい：一般公開されている統計、自社サイトで公開している情報、自分で作った架空のサンプル

次に、精度を落とさずに隠す方法です。列の見出しは残し、値だけを置き換えます。AIが処理に使うのは列の構造と数値の関係であって、取引先の実名ではありません。「株式会社〇〇」を「取引先A」に、社員名を「社員001」に置き換えても、集計や分析の手順は変わりません。

実践ポイント：置き換えるのは名前・住所・連絡先といった識別子だけにします。金額や数量を丸めると、分析の結果そのものが変わります。対応表はExcel側に残し、AIには渡しません。元に戻すのは手元での作業です。

学習に使われるかは、プランで決まる

入力したデータが学習に使われるかどうかは、サービス名ではなく契約しているプランで決まります。2026年8月時点の各社の公式記述は次のとおりです。

サービス・プラン	既定で学習に使われるか	公式の記述
ChatGPT（個人向け）	使われる	設定でオプトアウトできる（OpenAIヘルプセンター）
ChatGPT Business / Enterprise / API	使われない	ビジネス利用の入出力は既定で学習に使わないと明記（同上）
Microsoft Copilot（旧 Microsoft 365 Copilot）	使われない	プロンプト・応答・Microsoft Graph経由のデータを基盤モデルの学習に使わないと明記（Microsoft Learn、2026年8月18日更新）
Gemini（個人向け）	使われる場合がある	一部が人によるレビュー対象。活動は既定18か月で自動削除（Gemini Apps Privacy Hub、2026年8月10日更新）。職場・学校のアカウントは別扱いで、Google Workspace 版は個人向けと扱いが異なる
Claude（Free / Pro / Max）	許可を選んだ場合のみ	利用者が許可を選んだ場合に限り学習に使う（Anthropic Privacy Center）。商用版（Claude for Work・API）は既定で学習に使わないと明記

個人向けのプランを業務で使っている場合は、設定を確認しないまま社内データを貼らないでください。Googleは公式ヘルプで、レビュー担当者に見られたくない機密情報は入力しないよう明記しています。

【対策】明日からできる進め方

展示会来場者への自主調査では、生成AIの導入率は87%、効率化を実感した人は91%だった一方、満足度は30.5%にとどまりました（スパイクスタジオ調べ、DXPO 2026、n=312）。導入したのに満足に至らない差の多くは、モデルの選定ではなく、渡すデータの整理で生まれています。

研修受講者のべ1万人への支援でも、うまくいかないという相談の多くは、プロンプトの書き方ではなく、渡した資料の形に原因がありました（2024〜2026年の研修・演習での添削記録より）。やることは3つです。

1. 渡すシートを1枚決めて、そこだけ整える

全社のファイルを直そうとすると始まりません。毎月必ず使う集計を1つ選び、そのシートだけ前半の5つを適用します。1枚で効果が出れば、同じ形を横に広げられます。

実践ポイント：他社がどの業務から着手したかはDX推進による業務効率化事例15選にまとめています。

2. 入力してよい情報の線引きを、2つだけ先に決める

規程を作り込むより、まず「個人情報」と「未公表の数字」の2つを入力禁止と決めるほうが早く回ります。項目が増えるほど現場は覚えられず、結局は各自の判断になります。

実践ポイント：禁止だけを配ると、目の届かないところで使われます。「この2つを外せば使ってよい」という許可の形で伝えます。

3. プランの設定を、管理部門で1回だけ確認する

学習利用の既定はプランごとに違います。上の表を使って、自社で使っているサービスがどれに当たるかを確認してください。個人向けプランが業務で使われている場合は、法人向けへの切り替えか、オプトアウトの設定が必要です。

実践ポイント：確認と周知は情報システム部門だけでは完結しません。誰が何に使っているかを把握する仕組みまで含めた設計は、DX人材育成の課題と成功のコツで整理しています。

スパイクスタジオの支援事例

三井住友DSアセットマネジメント様では、全社基礎研修に加えて、事務部門で伴走型のDX支援研修を実施しました。手作業による非効率と業務の属人化が出発点で、現場の担当者が自分の業務から課題を出す形で進めています（導入事例／担当者インタビュー）。

データの整え方は、座学では身につきません。研修の場で自分の手元のファイルを題材にすると、その日のうちに1枚が直ります。

データを整えるところから相談したい方へ

生成AIの成果は、モデルの新しさよりも、渡すデータの形で決まります。スパイクスタジオでは次の支援をしています。

• AI人材育成：使う側・作る側・基盤層の三層に分けた研修です。教育・統制・データ整備をセットで設計します
• BPRコンサルティング：AIを前提に業務プロセスを組み替えます。どの帳票をどう作り替えるかまで設計します

「どの表から手を付ければよいか分からない」という段階で構いません。いまお使いのファイルを見ながら、整理の順番と社内ルールの決め方を一緒に整理します。お問い合わせからご相談ください。