「結局Excelに戻る」を、AIはどこまで救えるか

高額な業務システムを導入したはずなのに、気づけば現場は独自のExcelで集計をやり直している——多くの職場で見覚えのある光景ではないでしょうか。この記事では、なぜ現場がExcelに戻ってしまうのかを整理した上で、AIにExcelを読ませて構造化データに変換するというアプローチが、現時点でどこまで実用段階にあるのかを、技術検証中の技術として率直に紹介します。

なぜ現場はExcelに戻ってしまうのか

システムの入力項目は、導入時点で決めた業務パターンを前提に設計されています。しかし現場の実態は、取引先ごとにフォーマットが違ったり、月によって急に必要になる集計軸が変わったりと、あらかじめ決めきれない揺れを常に抱えています。

システム側がこの揺れに対応しきれないと、現場は「システムには最低限の情報だけ入れて、実際の管理はExcelでやる」という運用に流れていきます。列を自由に増減できる、関数一つで独自の集計ができる、フォーマットを取引先ごとに調整できる——Excelの自由度は、システムが失った柔軟性の受け皿になっているのです。

Excelを「なくす」のではなく「読ませる」という発想

従来のIT化は、Excelを排除してシステムに業務を一本化しようとする方向で進められることがほとんどでした。しかし、現場がExcelに求めている自由度そのものは、システムを作り替えても消えません。同じ問題が形を変えて再発するだけです。

そこで検討されているのが、Excelを排除する代わりに、AIにExcelを読ませて構造化データに変換し、システム側に取り込むという発想です。現場は使い慣れたExcelのまま作業を続け、AIがその内容を解釈してシステムが扱える形に変換する——という役割分担です。

技術的にはどこまでできるのか

表の構造が単純なExcel、たとえば1行1レコードで列見出しが明確に並んでいるようなものであれば、AIに読み込ませて列の意味を推測し、JSON形式のデータに変換する精度はすでに実用に近い水準にあります。「単価」「金額」といった列名から、システム側のどの項目に対応するかをAIに推測させる程度の処理は、比較的安定して動きます。

一方で、Excel特有の「人間の目と経験で読み解く」要素が絡むと、精度は急に不安定になります。

セルを結合して見出しをまたがせている
色付きセルに「要確認」「保留中」といった意味を持たせている
マクロや別シートの参照で数値が組み立てられている

たとえば、同じフォーマットのはずの発注書でも、担当者Aは備考欄に「要確認」と書き込み、担当者Bは同じ意味をセルの色だけで表現している、といったケースでは、AIが片方の意図だけを拾って誤読することがあります。これはAIの読解力の問題というより、そもそも人間側も「暗黙のルールを知っている人にしか読めない」形式でExcelを運用している、という根本的な難しさに起因します。

一方で、想定していたより素直に吸収できるケースもあります。担当者によって列の並びが違う、行と列が入れ替わっている（縦横のレイアウトが逆になっている）、注記の書き方が微妙に違う、といった揺れは、AIに読み込ませてみると意外と正しく値を拾えることが多く、この種の「表としての形は崩れているが情報自体は素直に入っている」揺れは、現時点でも実用に近い水準で吸収できています。精度が不安定になりやすいのは、あくまで色や結合セルのような、値そのものに現れない暗黙のルールが絡む場合です。

Excelというファイル形式そのものの制約

暗黙のルールとは別に、Excelというファイル形式自体が抱える制約もあります。

長期間運用されてきたExcelは、シートの数や行数が積み上がってファイル自体が重くなりがちです。ファイルサイズが大きくなるほど、AIに読み込ませる際の処理時間が延びたり、一度に渡せるデータ量の上限に近づいたりします。

もう一つは、マクロや関数による自動化が多いシートほど、精度・トークン消費量の両面で不利になるという点です。セルに入っているのが単純な値ではなく、他のシートを参照する数式やマクロで動的に生成された結果である場合、AIがその値の意味を正しく解釈するには、参照先の数式やロジックまで含めて渡す必要が出てきます。渡す情報量が増えればトークン消費量が跳ね上がってコストが増えるだけでなく、参照関係が複雑なほどAIが意図を取り違えるリスクも高まります。単純な値の羅列であれば軽量かつ高精度に処理できますが、自動化が作り込まれたExcelほど、この種の負担が大きくなる傾向があります。

検証中のアプローチ

こうした課題に対して、いくつかのアプローチを比較検証している段階です。

取引先・書式ごとに読み取りルールをAIに学習させ、テンプレートとして蓄積する
セルの見た目や色といったレイアウト情報ごと画像として渡し、視覚的な文脈も含めて解釈させる
AIの読み取り結果を都度人がレビューし、誤読のパターンを継続的にフィードバックして精度を積み上げる

現実的な使い方

現時点での現実的な位置づけは、「完全自動化」ではなく「一次変換の下書き」です。人がゼロから転記するよりは明らかに速いものの、変換結果をそのままシステムに登録するのではなく、最終チェックを人が行う運用を前提にします。

この前提を置くだけで、精度がまだ不安定な段階でも実務上のメリットは十分に出せます。AIが変換のたたき台を作り、人はゼロからの転記ではなく「確認と修正」だけを行う——この役割分担であれば、現在の技術水準でも導入する価値があります。

まとめ

「Excelに戻ってしまう現場」の背景には、システムが吸収しきれなかった業務の自由度があります。AIにExcelを読ませて構造化データに変換するアプローチは、この自由度を残したまま情報をシステムに取り込む可能性を持っていますが、レイアウトの揺れや暗黙のルールが絡む場面では、まだ研究開発の途上にあります。過度な期待は禁物ですが、「人の確認を前提にした一次変換」という限定的な使い方であれば、現時点でも十分に実用的な効果が見込めます。