表計算は、いまや AI がセルの中に入ってくる時代になりました。「日本語で書けば数式ができる」だけでなく、Excel や Google スプレッドシートには AI を呼び出す関数そのものが追加され、要約・分類・抽出を表の上で完結できます。本ガイドは、関数生成・データ分析・自動化の 3 領域を、2026 年時点で実際に使えるツールと注意点とともに、初めての人にも分かるよう整理します。
FIG.1 AI は「セルの中」「チャット分析」「自動化」の3つの層から表計算に入ってくる
01関数生成：まず「日本語 → 数式」から
いちばん手前にある使い方は、やりたいことを日本語で書いて AI に数式を作らせることです。数式名を覚えていなくても始められます。たとえば次のように頼みます。
A 列に名前、B 列に数値があります。別シートの一覧 D:E から、名前が一致する行のメールアドレスを取りたい。
これで VLOOKUP / XLOOKUP / INDEX+MATCH といった候補が式の形で返ってきます。さらに 2026 年の Excel には Formula AI が入り、入力中に数式を自動補完したり、自然言語の説明から数式を組み立てたりできるようになっています。とはいえ、生成された式はそのまま信用せず必ず検算するのが大前提です（後述）。用途に応じた関数の使い分けは次の通り。
- XLOOKUP：左右どちらにも検索でき、見つからない時の値（
#N/A回避）も指定できる。新しめの環境ではこれが基本。 - VLOOKUP：左から右への定番。古い資料・互換性重視の現場でまだ多い。
- INDEX / MATCH：列の挿入に強く、複数条件にも応用しやすい柔軟な組み合わせ。
- SUMIFS / COUNTIFS：複数条件での合計・件数集計。
- FILTER / UNIQUE：条件抽出・重複除去を「動的配列」で（結果が自動で複数セルに広がる）。
- QUERY（スプレッドシート）：SQL に近い書き方で抽出・集計ができる。
02AI が「関数そのもの」になった
2026 年の大きな変化は、AI を呼び出す数式が標準機能として加わったことです。プロンプトとセル参照を渡すと、その場で AI が結果を返し、表の中で計算と地続きに扱えます。
FIG.2 AI 関数 ＝ セルのプロンプト＋参照範囲をモデルに渡し、結果がそのまま表に展開される
| Excel：COPILOT 関数 | スプレッドシート：AI 関数 |
|---|---|
=COPILOT("要約して", A2:A50) のように書く | =AI("要約して", A2:A50)（=GEMINI(...) も同じ） |
| 要約・分類・リスト/表生成。結果は複数セルに展開 | テキスト生成・分類・感情分析・項目抽出 |
| 呼び出し回数に上限（例：10 分で 100 回、1 時間で 300 回） | Workspace の対象プランで利用。提供範囲は順次拡大 |
| Microsoft 365 Copilot（有料）が前提 | Gemini を含む Workspace プランが前提 |
典型的な使い道は、アンケートの自由記述や問い合わせ内容をカテゴリ分けする、長い説明文を一言で要約する、ばらばらの文章から会社名や金額だけ抜き出すといった「人が読んで判断していた作業」を列単位でこなすことです。数値計算そのものより、文章まわりの整理が得意分野だと考えると当たりをつけやすくなります。なお具体的な関数名・上限・対応プランは更新が速いので、使う前に公式ヘルプで最新を確認してください。
03データ分析：表を「会話」で読み解く
関数の外に出て、データ全体を自然言語で分析させる方法もあります。「先月比で売上が落ちた商品は？」と聞けば、AI が集計やグラフ化まで引き受けます。代表的な選択肢を整理します。
表計算アプリ内蔵
Excel の Copilot、スプレッドシートの Gemini サイドバー。傾向・相関・外れ値の指摘やグラフ生成を、そのファイルの中で完結できる。
汎用 AI のコード実行
ChatGPT の高度なデータ分析（旧 Code Interpreter）、Claude の分析機能。ファイルを上げて Python で集計・可視化させる。
分析特化ツール
Julius AI などは CSV/Excel を上げて対話分析。生成した Python/SQL とグラフを返す。料金プランは変動するため公式確認を。
2026 年は表計算アプリ自身の分析力が大きく伸びました。スプレッドシートの Gemini は相関・外れ値の発見やヒートマップ生成に対応し、複雑な表を自律的に操作するベンチマークでも実用的な水準に達しています。Excel 側も「エージェントモード」で、指示に沿って表を直接編集しながら作業を進められます。
分析を頼むときのプロンプト例
添付の売上 CSV を分析してください。
1. 月次の売上推移
2. 売上トップ 10 商品
3. 顧客セグメント別の分布
4. 外れ値（異常に大きい/小さい値）
5. 来月のおおまかな見通し（参考値として）
それぞれグラフ付きで、根拠も簡単に添えてください。
注意点
- 機密データは API/クラウドを通る：個人情報や顧客リストは、法人向けプラン（後述）か、社内方針で許可された範囲だけで扱う。
- 大規模データは取りこぼしがある：数十万行を丸ごと貼り付けると、途中省略やトークン超過が起きやすい。サンプリングや事前集計で渡す。
- 統計的な推論は人が検証する：相関や予測は「それらしい説明」を返せてしまう。結論は必ず人がチェックする。
04Claude for Excel：表の中で動くエージェント
分析の延長として、2026 年は表計算アプリにそのまま組み込むエージェント型のアドインも実用段階に入りました。代表例が Claude for Excel です（2026 年 1 月に有料プランで広く利用可能に）。複数タブの複雑なブックを読み、計算の根拠をセル単位で示しながら、数式の依存関係を崩さずに値や前提条件を更新できるのが特徴です。並べ替え・フィルタ、ピボットテーブルやグラフの編集、条件付き書式といった Excel 本来の操作も AI 側から直接行えます。
これからの表計算 AI は「式を提案する」段階から、表そのものを操作するエージェントへ進んでいる。
同種の組み込みは Microsoft 365 Copilot（Excel/Word/PowerPoint の Agent モード）にもあり、選択は「自分が普段使っているプラットフォームに合わせる」のが現実的です。いずれも変更内容は人が承認・確認する前提で使うのが安全です。
05自動化：定型業務を手放す
同じ作業を毎週繰り返しているなら、AI にスクリプトやフローを書かせて自動化できます。コードが書けなくても、やりたいことを説明すれば下書きが手に入ります。
Apps Script（スプレッドシート）
「毎週月曜 9 時に、進捗一覧シートの要点を Slack に投稿する」と頼めば、定期実行つきのコードが生成される。メール送信や外部 API 連携も同様。
VBA（Excel）
古い VBA も AI が書ける。既存マクロの解読・修正にも強く、レガシーな業務ファイルの保守で重宝する。
ノーコードのフロー
Power Automate や Zapier などのフロー作成も、プロンプトから設定の下書きを出させて土台にできる。
生成されたコードは必ずテスト用のコピーで動かすこと。いきなり本番ファイルや本番送信につなぐと、間違ったセル範囲・誤送信・無限ループなどの事故になりやすいからです。最小権限・要承認を基本に、まず小さく動かして確かめます。
06業務シナリオで組み合わせる
ここまでの 3 領域は、単独よりつなげて使うと効果が出ます。代表的な型を 3 つ。
- 請求書の集計：請求書 PDF をテキスト抽出ツールで CSV 化 → 表計算に取り込み → AI 関数や分析で「重複検出」「金額集計」→ 結果を Looker Studio / Power BI などの BI に連携。
- 顧客分析：CRM のエクスポートをスプレッドシートへ → AI でセグメント分けや離脱の兆候を抽出 → 結果を別シートに戻して施策の元データにする。
- 週次レポート：数値を表で集計 → Apps Script で自動取得＋ AI 要約 → メール配信。月曜の朝に会議資料が出来ている状態を作る。
07よくある失敗と回避策
| つまずき | 回避策 |
|---|---|
| AI が自信満々に間違った数式を出す | 小さなサンプルで検算。手計算や既知の正解と突き合わせてから全体へ適用 |
| 大量データを貼り付けてトークン超過 | 事前集計・サンプリング、または AI 関数/ファイルアップロードで範囲を渡す |
| 機密の顧客リストを個人向けプランで処理 | 法人プランや許可された環境のみ。マスキングしてから渡す |
#N/A など数式エラーの意味を理解せず使う | 「一致なし」を表すサインと理解し、XLOOKUP の代替値や IFERROR で扱う |
| 全部を関数で組んで動作が重い | 集計はピボットテーブルや動的配列を併用して軽くする |
Security & Compliance
一番のリスクは「機密データの渡し方」
表計算には、顧客名簿・売上・人事情報といった外に出せないデータが集まりがちです。AI に渡すと、その内容がクラウドのモデルを通ることになります。だからこそ、何を・どのプランで・どこまで渡してよいかを先に決めておくことが、機能の使いこなし以上に大切です。
FIG.3 機密データは「マスキング」「法人プラン」の関門を通してから AI に渡す
実務での基本は次の通り。個人情報・機密は法人向けプラン（学習に使わない契約のもの）で扱う。渡す前に不要な個人情報はマスキングする。そして社内ガイドラインに「表計算データを AI に渡してよい範囲」を明文化しておく。重要な操作は承認制・最小権限にし、AI の出力は一次情報で裏取りする——この姿勢があれば、便利さと安全を両立できます。
08まとめ
表計算 × AI は、関数生成 → データ分析 → 自動化の順に手を広げると無理がありません。2026 年は AI がセルの中の関数になり、さらに表を直接操作するエージェントへと進化しました。一方で、生成物は必ず検算し、機密データの扱いには線を引く——この 2 点さえ守れば、日次・週次の定型作業は大きく軽くなります。まずは「いつも手でやっている集計」をひとつ選び、AI に下書きさせて検算するところから始めましょう。
