AIと考える仕事術 | [第7回]: Excel + GPTで業務効率UP

1. はじめに：あなたの時間は、Excel操作よりも創造的な仕事に使うべきだ

こんにちは。クラウドとAIエンジニアのShizukaです。
皆さんは、毎日の業務でこんな経験はありませんか？

• 毎週月曜の午前中は、前週の売上データを集計したExcelファイルを開き、数字をコピペしてレポート用の形式に整える作業に追われている
• 顧客リストの分類や、フリーテキストで書かれたアンケートの集計・要約に思わずため息が出てしまう
• 「この単純作業、どうにか自動化できないかな？」と思いながらも、VBAマクロを書く気力と時間がない...

これらの定型的で面倒なExcel作業は、現代のAI、特に大型言語モデル（LLM）であるGPTシリーズとPythonを組み合わせることで、驚くほど簡単に自動化できます。

本記事では、OpenAI APIをPythonから呼び出し、Excelデータを処理する実践的なスクリプトの作成方法を、コード例と共に詳しく解説します。理論だけでなく、実際に業務で適用するためのノウハウや落とし穴にも焦点を当てます。

2. 技術概要：なぜ「Excel + OpenAI API + Python」なのか？

この組み合わせが強力な理由を、各技術の観点から説明します。

• Excel: 依然としてビジネスデータの事実上の標準フォーマットです。多くの業務データは最終的にExcel(.xlsx, .csv)として存在します。
• OpenAI API (GPTモデル): 自然言語の理解、生成、分類、要約といった能力をAPI経由で簡単に利用できます。コードを書くだけで、超優秀なアシスタントにデータ処理を任せられるイメージです。
• Python: Excel操作（pandas, openpyxl）とAPI呼び出し（requests）を、両方とも非常に得意とする言語です。豊富なライブラリ群が自動化の強力な武器になります。

この3つを組み合わせることで、非構造化データ（文章など）の処理を含む複雑なExcel作業の自動化が可能になります。これは従来のVBAや関数だけでは実現が難しかった領域です。

3. 実装例：アンケートの自由回答を要約・分類する自動化スクリプト

具体的なユースケースとして、「顧客満足度アンケートの自由回答欄を要約し、感情分析（ポジティブ/ネガティブ）で分類する」スクリプトを作ってみましょう。

環境構築

まずは必要なライブラリをインストールします。

pip install openai pandas openpyxl

サンプルデータ (survey_data.xlsx)

回答日	顧客名	自由回答
2023/10/20	田中一郎	スタッフの対応が親切でとても良かった。商品も問題なし。
2023/10/21	佐藤花子	待ち時間が長すぎる。もう少し待たずに済む方法を考えてほしい。
2023/10/22	鈴木次郎	商品の品質は申し分ないが、包装が少し簡素だったように思う。

実装コード (excel_gpt_automation.py)

import pandas as pd
import openai
from openai import OpenAI
import os
import time

# 1. OpenAI APIキーの設定（環境変数からの読み込みを推奨）
# ターミナルで export OPENAI_API_KEY='your-api-key' を事前に実行しておく
client = OpenAI(api_key=os.getenv("OPENAI_API_KEY"))

# 2. Excelファイルの読み込み
df = pd.read_excel('survey_data.xlsx')

# 3. 感情分析と要約を行う関数の定義
def analyze_sentiment_and_summarize(text):
    """
    OpenAI APIを使ってテキストの感情分析（ポジティブ/ネガティブ）と要約を行う

    Parameters:
    text (str): 分析対象のテキスト

    Returns:
    dict: 感情ラベルと要約文を含む辞書
    """

    # プロンプトの設計が最も重要！
    prompt = f"""
    以下は顧客アンケートの自由回答です。この回答の内容を以下の2つの観点で分析してください。
    1. 感情: 回答の感情が「ポジティブ」「ネガティブ」「ニュートラル」のいずれであるかを判定する。
    2. 要約: 回答の核心を捉えた簡潔な要約文を日本語で作成する（最大30文字程度）。

    回答: {text}

    出力は以下のJSON形式のみでお願いします。余分な説明は一切不要です。
    {{
        "sentiment": "ポジティブ or ネガティブ or ニュートラル",
        "summary": "要約文"
    }}
    """

    try:
        # OpenAI API (Chat Completions)を呼び出し
        response = client.chat.completions.create(
            model="gpt-3.5-turbo-1106",  # コストと性能のバランスが良い
            messages=[
                {"role": "system", "content": "あなたは優秀なアシスタントです。指定された形式のJSONで正確に出力します。"},
                {"role": "user", "content": prompt}
            ],
            temperature=0.0,  # 出力のランダム性をゼロに（毎回同じ結果になる）
            response_format={ "type": "json_object" }  # JSON形式での出力を強制
        )

        # APIレスポンスから内容を取得
        analysis_result = response.choices[0].message.content
        # JSON文字列をPythonの辞書に変換
        import json
        result_dict = json.loads(analysis_result)

        # エラー防止のためのディレイ（無料枠利用時や大量処理時は重要）
        time.sleep(0.1)
        return result_dict

    except Exception as e:
        print(f"Error analyzing text: {text}. Error: {e}")
        return {"sentiment": "Error", "summary": "分析中にエラーが発生しました"}

# 4. DataFrameの各「自由回答」行に対して処理を適用
print("AIでアンケート分析を開始します...")
results = []
for index, row in df.iterrows():
    print(f"Processing row {index + 1}...")
    analysis_result = analyze_sentiment_and_summarize(row['自由回答'])
    results.append(analysis_result)

# 5. 分析結果を新しい列として元のDataFrameに追加
results_df = pd.DataFrame(results)
df_combined = pd.concat([df, results_df], axis=1)

# 6. 結果を新しいExcelファイルに保存
output_filename = 'analyzed_survey_data.xlsx'
df_combined.to_excel(output_filename, index=False)

print(f"分析完了！結果は '{output_filename}' に保存されました。")

実行結果

スクリプト実行後、生成される analyzed_survey_data.xlsx は以下のようになります。

回答日	顧客名	自由回答	sentiment	summary
2023/10/20	田中一郎	スタッフの対応が親切でとても良かった。...	ポジティブ	スタッフの親切な対応と商品に満足
2023/10/21	佐藤花子	待ち時間が長すぎる。もう少し...	ネガティブ	待ち時間の長さへの不満
2023/10/22	鈴木次郎	商品の品質は申し分ないが、...	ニュートラル	品質は良いが包装が簡素

たった数十行のコードで、面倒な文章の読み取りと分類が自動化できました！

4. 実践的なTipsとよくある落とし穴

✅ Tips 1: プロンプト設計は「具体的」に「お願い」する

AIの出力精度はプロンプトで決まります。

• 悪い例: 要約して (曖昧すぎる)
• 良い例: 核心を捉えた簡潔な要約文を日本語で作成する（最大30文字程度） (具体的)
• 出力形式の指定（例: JSON形式）は必須です。プログラムで処理しやすくなります。

✅ Tips 2: コストと速度を制御する

• モデル選択: 高精度なgpt-4ではなく、十分な性能で安価なgpt-3.5-turboをまずは試しましょう。
• Rate Limit (API制限): 無料枠や特定のプランでは1分間の呼び出し回数に制限があります。time.sleep()を入れることで制限を回避できます。
• バッチ処理: 数千行のデータを一気に処理すると失敗した時に面倒です。まずは10行などで試し、小分けに処理するロジックを組みましょう。

❌ よくある落とし穴 1: APIキーの秘匿

APIキーは絶対にコードに直接書き込んではいけません。

# 悪い例
client = OpenAI(api_key="sk-...your-key...")

# 良い例 (環境変数から読み込み)
import os
client = OpenAI(api_key=os.getenv("OPENAI_API_KEY"))

❌ よくある落とし穴 2: 構造化出力の失敗

response_format={ "type": "json_object" }を指定しても、プロンプトでJSON形式で出力するよう指示しないと、場合によっては失敗します。両方で指定するのが確実です。

5. 応用：アイデア次第で無限に広がる自動化の可能性

この基本形を応用すれば、様々な業務を自動化できます。

• 多言語対応アンケートの自動翻訳＆分析: プロンプトに「要約を英語で出力してください」と追加するだけ。
• 商品レビューからのキーワード抽出: 「このレビューから商品の特徴キーワードを5つ抽出し、カンマ区切りで出力」と指示。
• 請求書データの不備チェック: 請求書の明細と規約をAIに読ませ、書式や計算の不備がないか検証させる。
• SNS投稿の自動下書き作成: 今週の売上データを要約し、その数字を元にSNS投稿の文案を自動生成する。

6. 結論

优点 (メリット)

• 圧倒的な効率化: 単純作業から解放され、本来の創造的な業務に集中できる。
• 高い精度と柔軟性: ルールベースのプログラムでは難しかった、ニュアンスのある文章の処理が可能。
• 比較的簡単な実装: Pythonの基礎知識があれば、短期間で実用的なツールが作成できる。

缺点 (デメリット) / 注意点

• コスト発生: OpenAI APIの利用には料金がかかります（ただしgpt-3.5-turboは極めて安価）。
• ** hallucinations (幻覚)**: ごく稀に事実と異なる内容を生成する可能性があるため、重要な判断が伴う処理では人のチェックが必要です。
• データ秘匿性: 機密性の極めて高いデータを送信する場合は、APIではなく自前のモデルを検討する必要があります。

未来展望: 本記事で紹介した「既存のデータ（Excel） × AI」という組み合わせは、今後あらゆる職場で当たり前になるでしょう。GPTやOSSのLLM（Llama 3など）はより安価・高性能に進化し、ローカルPCで動作するツールも増えてきます。

まずは小さな業務からでいいので、AIを「働く仲間」として加えてみてはいかがでしょうか。あなたの業務効率は、想像以上に向上するはずです。

ぜひ、最初の一歩を踏み出してみてください。