4時間が3分になるまで――AIとスクリプトの最適な分け方

オープニング：ヒアリングから問題発見へ

業務改善の進め方として、現場担当者からのヒアリングは重要です。「何か出してください」と言っても、「これ以上ないです」で終わってしまう。
しかし、表面的な要望だけでは出てこない。むしろ愚痴の奥に、理想とするもの、何かを妨げているものが浮かび上がってくる。
一つ出てきたのは、企業間の受発注などに使っているEDIの画面に入力したデータを、社内で使える形に再加工する作業のこと。この作業だけで、約4時間かかっていた。

発見：実はダウンロード機能があった

画面を見ていると、「検索してダウンロード」という項目があり、そのままダウンロードできた。担当者もこの機能に気がついていなかった。
ダウンロードされたデータを預かり分析すると、いろいろな工夫がされたCSVデータであった。
「よし、これなら行ける」と確信し、最終出力に持っていくにはどうすれば良いか、思考が始まる。

AI の登場：「提案」をもらう、決めるのは自分

ここで生成AIの登場です。この会社で使用が許されているのはGemini。やりたいことを文章にして、実現できる手段を提案してもらう。
なぜ「提案」か？
AIのアイデアをそのまま受け取るのではなく、最終的に手段を決めるのは自分だと明示するため。あくまでも決めるのは自分。ここは譲らない。

試行錯誤：AI だけではうまくいかない

提案してきた内容でやってみる。
CSVをスプレッドシートに読み込み、AIが作ったスクリプトを貼り付け、実行してみる。
「うーん、何かおかしい」
演算が入る部分や文字列の処理がうまくいかない。AIに考えさせると、一気に出力まで持っていこうとする。かみ合っていない。

戦略転換：人間が構造を決める

ここは自分の経験から、中間ファイルを作って、演算や文字列操作を関数で実行し、その結果を出力シートに貼り付けるように指示する。ファイルにシートを作成し、新しいスクリプトを実行する。
できた。40点。
おおむね流れは合っているが、データが出力に反映されていない個所がたくさんある。
ここで重要なのは、AIが「完璧な答え」を出したのではなく、「人間が構造を考える」という部分だ。

配置テーブルの作成：仕様を可視化する

ここで配置テーブルを作った。元データのどの部分を中間ファイルの何処に配置するか、そのデータを出力ファイルのどのセルに入れるか、を定義した。
データ変換の仕様をテーブル化したということだ。
例えば、AIに「全部いい感じに変換して」と指示するのではなく、

という対応関係を表にした。
AIに曖昧な仕事をさせるのではなく、人間が構造を定義して、AIにはその構造をコードにしてもらう。
スクリプトとデータ、テーブルのにらめっこ。AIにも指示文を調整して、スクリプトを再生成。できた。

テスト実行と本番投入

2件のテストデータがうまく出力された。
確認後、本番データを投入して実行。約50件のシートを生成。

Before / After ：4時間が3分に

Before

• 約4時間

• 人間がデータを手作業で加工

• 確認

• 納品

After

• CSV

• スクリプト実行

• 約50シート生成

• 目視で確認

• 約3分

約4時間が約3分。作業時間は約80分の1になった。
ここで重要なのは、「目視で確認」を絶対に残すということ。
自動化の記事では「自動化したから全部OK」という書き方になりがちだが、今回は

という形が、業務改善として非常に現実的だ。自動化は人間の確認を排除しない。むしろ確認の価値が上がる。
無事納品となった。

AI と人間とスクリプトの役割分担

この記事で読者に理解してもらいたいのは、「AIに全部やらせる」のではなく、それぞれの役割分担だ。
≡ 人間
業務を理解する。問題点を発見する。処理の構造を考える。中間データを設計する。配置テーブルを決める。最終判断する。
≡ 生成AI
処理方法を提案する。スクリプトを作成する。エラーや不足部分を修正する。構造化を支援する。
≡ スクリプト
データを取得し、加工し、計算を実行する。約50シートを生成し、結果を配置する。必要なときに同じ処理を実行する。
AIに毎回データを渡して処理させるのではなく、一度AIの力を借りて処理方法をスクリプトに落とし込む。その後は、データが変わってもスクリプトを実行するだけだ。
AI → 一度だけ設計
スクリプト → 繰り返し実行
このメリットが大きい。AIを毎回呼び出す必要はない。一度作った仕組みを何度でも使える。

今回わかったこと：AI 活用の3つの原則

この業務改善から得た気づきは、3つに整理される。
1. AIは「答えを出す道具」ではなく「設計を磨く道具」にもなる
AIが完璧な答えを出すことは少ない。だが、提案を受けて、人間が構造を考え直すプロセスの中で、AIは非常に価値がある。AIが間違えたから失敗ではなく、そこから学べるのがAIとの仕事だ。
2. 人間は「何をどう処理するか」を決める
AIに曖昧な指示をしても、曖昧な結果しか返ってこない。「このデータはここ、このデータはここ」と構造を定義するのは人間の仕事。その構造をコードにするのがAIとスクリプトの仕事。
3. 繰り返し作業はAIではなくスクリプトに任せる
一度設計したら、毎日のデータ処理はスクリプトに任せる。AIに毎回頼むほうが遅い。

結論：仕組みを作ること

AIに仕事をさせるのではなく、AIを使って「仕事の仕組み」を作る。
AIにすべてをやらせる必要はない。一度AIの力を借りて仕組みを作り、その後はスクリプトに仕事を任せる。
これが今回、実感したAIと自動化の使い分けだった。
AIを使うこと自体が目的ではない。AIを使って、人間が本来やるべき仕事に時間を戻すことが目的なのだ。次の現場でも、この使い分けを試してみたい。

ここまで読んでいただき、ありがとうございます。
もし、この記事に出てきたような
「業務をもっと効率化したい」
「AIを使ってみたいけれど、どこから始めればいいかわからない」
「自動化したいけれど、自社の業務にどう当てはめればいいかわからない」
そんな悩みをお持ちでしたら、一度お話ししてみませんか。

初回相談は無料です。
「こんなことでも相談していいのかな？」という段階でも大丈夫です。

もっと気軽に。
フォロー・スキ・コメントをいただけると、次の記事を書く励みになります。

カネミツ・ソリューションズ合同会社
代表社員 熊井光文
会社HP：AI×コンサルティング事業 
Im Mate両面ディスプレイ型 AI 自動翻訳機
#生成AI #業務改善 #DX #GoogleAppsScript #AI活用 #中小企業