数字の入った資料づくりは、「集計・計算」と「見せ方の設計」の2つに分けて考えると一気にラクになります。表・グラフ・図解のうち、どう見せるかはAIの得意分野。一方で数字そのものが合っているかは、最後まで人が確かめる仕事です。この役割分担さえ守れば、Excelやスプレッドシートと格闘する時間を大きく減らせます。
FIG.1 生データ →（見せ方をAIが設計）→ 人が検算 → 完成資料。数字の正しさは必ず人の関門を通す
01いまのAIは「実際に計算して、グラフまで描く」
2026年時点の主要ツールは、ただ文章で答えるだけではありません。表計算ファイルを直接アップロードすると、内部でプログラム（多くはPython）を動かして集計・グラフ化まで自動で行います。代表的な選択肢は次の通りです（料金や機能は頻繁に変わるため、利用前に各社の公式ページで確認してください）。
ChatGPT
「高度なデータ分析（旧Code Interpreter）」。CSV / Excel / PDF を読み込み、Pythonで集計しグラフを生成。結果をスライドやファイルに書き出すこともできる。
Claude
分析ツールとArtifacts（横の専用パネル）で、対話しながら編集できるグラフやダッシュボードを表示。Excelファイルの生成にも対応。
Copilot / Gemini
Excel・Googleスプレッドシートに組み込み。データに合うグラフ種別を提案し、シート内に直接挿入。普段使う表計算の中で完結する。
つまり、手元の集計表をそのまま渡して「この売上データから月次推移のグラフを作って」と頼める時代です。ただし便利になったぶん、出てきた数字を鵜呑みにしやすいという落とし穴も生まれました。だからこそ後述する「検算」が欠かせません。
023つの成果物：表・グラフ・図解の違い
「資料を作って」と漠然と頼むより、どの形で見せたいかを指定したほうが結果が安定します。3つの違いを押さえておきましょう。
| 向いていること | 代表的な形 |
|---|---|
| 正確な数値を並べて比較する | 表（集計表・クロス集計） |
| 傾向・大小・割合をひと目で示す | グラフ（折れ線・棒・円など） |
| 関係性や流れ・分類を整理する | 図解（フロー図・マトリクス） |
数字の正確さが命なら表、変化や差を訴えたいならグラフ、「何と何がどうつながるか」を説明したいなら図解、と使い分けます。迷ったら、AIに「この主張を一番伝えやすい見せ方は表・グラフ・図解のどれ？理由も」と相談してから作り始めると失敗が減ります。
03表を設計させる
表づくりでAIが得意なのは、バラバラなデータをどう束ねて見せるかの「設計」です。生データ（個人情報・社外秘を除く）を貼って、目的を伝えます。
添付の販売記録から、「商品カテゴリ × 月」のクロス集計表を作りたい。行にカテゴリ、列に月、セルに売上合計を入れる構成案を示し、合計行・合計列も付けて。元データのどの列を使ったかも明記して。
ポイントは「どの列をどう使ったか」を必ず言わせること。これがあると、後で人が元データと突き合わせて検算しやすくなります。「金額が合わない」という事故の多くは、AIが列を取り違えたり、空欄や重複行の扱いを勝手に決めたことが原因です。
04グラフの種別を相談する
グラフは種別の選択を間違えると、正しい数字でも誤解を生みます。データの性質に合った形をAIと相談しましょう。代表的な対応関係は次の通りです。
| 見せたいもの | 向くグラフ |
|---|---|
| 時間に沿った変化・推移 | 折れ線グラフ |
| 項目どうしの大小の比較 | 棒グラフ |
| 全体に占める割合（数項目まで） | 円グラフ・帯グラフ |
| 2つの数値の関係・分布 | 散布図 |
FIG.2 同じ数字でも、目的に合う形を選ぶと伝わり方が変わる
頼み方の例:
このデータで「四半期ごとの売上の伸び」を見せたい。最適なグラフ種別と、その理由を教えて。あわせて、誤解を招きやすい見せ方（避けるべき軸の設定など）も指摘して。
05図解の構成案を出させる
図解（フロー図やマトリクス）は、数字ではなく関係性を整理するためのもの。AIには、まずテキストで構造を出させてから清書に進むと、手戻りが減ります。
次の内容（貼付）を、3要素のフロー図と、2軸のマトリクスで表すなら、それぞれどう配置するか案を。まずテキストで「箱の中身」と「矢印・軸のラベル」を示して。
テキストで構造が固まれば、その指示をそのままスライドツールや作図ツールに渡せます。いきなり画像を作らせると修正が大変ですが、構造→清書の順なら、文言だけ直して何度でも作り直せます。
06表計算の「式の考え方」を相談する
Excelやスプレッドシートの関数で詰まったときも、AIは強い味方です。ただしセル番地まで丸投げするより、「考え方」を聞くほうが安全です。
やりたい集計を言葉で説明する
「条件に合う行だけ合計したい」「重複を除いて件数を数えたい」など、日本語で目的を伝える。
関数の選び方と式の組み立てを聞く
どの関数が向くか、引数に何を入れるかの考え方を確認。自分のシートのどこを指すかは自分で当てはめる。
小さなデータで動作を確かめる
数行のサンプルで期待通りの値が出るか試してから、本番データに広げる。
式そのものを生成させても構いませんが、範囲指定のズレ（1行多い/少ない）や絶対参照・相対参照の取り違えはAIでも起こります。だからこそ最後は次の「検算」です。
07数字は必ず人が検算する
これが本記事で最も大切な原則です。AIの数値処理は、もっともらしく見えても間違うことがあります（存在しない値をそれらしく埋める、いわゆるハルシネーション含む）。完成前に、人が一次データに立ち返って確かめます。
「見せ方の設計」はAIに任せてよい。だが「数字の正しさ」は人が握る。
FIG.3 AIの集計を一次データや別計算と突き合わせ、一致したものだけを資料に載せる
検算のコツは、全部を見直すのではなく勘所だけ確かめること。次の数か所を押さえれば、多くの誤りを捕まえられます。
- 合計・総数：表の合計が元データの件数・金額と一致するか（最も事故が多い）
- 最大・最小：突出した値が現実にあり得る範囲か（桁ズレ・単位違いの発見）
- 抜け・重複：空欄や重複行をAIがどう扱ったか（黙って除外していないか）
- 割合の足し算：円グラフの構成比が合計100%になるか
Pitfalls to Avoid
「正しい数字」でも、見せ方で嘘になる
検算を通った数字でも、グラフの作り方しだいで誤解を生みます。とくに軸の操作はAI任せにせず、人が最終判断しましょう。差が実際より大きく/小さく見える典型例を知っておくと防げます。
FIG.4 同じデータでも、縦軸の基点をどこに置くかで「差」の印象は大きく変わる
原則として棒グラフの縦軸はゼロから始めます。途中から始めると小さな差が劇的に見え、読み手をミスリードします。AIに「差を強調して」と頼むと軸をいじってくることがあるので、出力された軸の範囲は必ず確認しましょう。誇張は一時的に説得力を生んでも、後で信頼を失うコストのほうが大きいです。
08機密データの扱い
業務データには、個人情報や社外秘が含まれがちです。AIに渡す前に、次を徹底します。
- 個人情報の除去・匿名化：氏名・連絡先・口座番号などは削るか仮名・ID化してから投入する
- サンプル化：構造を相談したいだけなら、ダミーの数行で十分。全件を渡す必要はない
- 利用範囲の確認：会社が認めたツール・プランか、入力データが学習に使われない設定かを事前に確認する（設定や規約は変わるため公式情報で）
「集計の式の考え方」や「グラフ種別の相談」なら、実データを丸ごと渡さなくても成立します。渡す情報は最小限にが安全の基本です。
09まとめ
データ資料づくりは、「見せ方の設計はAI、数字の正しさは人」という分担に尽きます。表・グラフ・図解の特性を踏まえて見せ方を相談し、AIに集計やグラフ化を任せる。そのうえで、合計・最大最小・抜け重複といった勘所を人が検算し、軸の操作などの誇張を排する。この流れを習慣にすれば、資料の質とスピードを両立できます。まずは手元の小さな集計表を1つ選び、「この主張に合う見せ方は？」とAIに相談するところから始めてみてください。
