AIデータ分析入門｜AIに集計・可視化をやらせて検算するデータ分析の基本

集計に半日かけて、できたのはグラフ1枚。報告の場で「で、結局どの層が動いたの？」と上司に返されて、答えに詰まる——心当たりはないでしょうか。アンケート結果や問い合わせ一覧、施策別の数値。手元に表データはあるのに、関数やピボットに手こずって「とりあえず眺める」で止まり、本題に入れないまま時間だけが過ぎていきます。

ここで発想を変えます。集計そのものは、AIアシスタントに任せられます。表データを渡して「年代別に満足度の平均を出して」と言葉で頼めば、集計もグラフ化も返ってきます。ただし、返ってきた数字をそのまま信じるのは危険です。生成AIは、事実に基づかない誤った情報をもっともらしく作り出すこと（ハルシネーション）があり、集計や計算でも、もっともらしく間違えることがあります（出典：総務省「令和6年版 情報通信白書」）。

だから本講座が伝えたいのは、たった一つです。AIデータ分析とは、AIに集計を“速くやらせる”ことではなく、目的と軸を言葉にして実行させ、返ってきた数値を原データで検算して、自分の責任で引き取ること。実行はAI、検算と判断は自分です。覚えて帰る型は「目的と軸を言葉にする → AIに集計・グラフ化させる → 原データで検算して引き取る」。一言でいえば、集計はAIに、検算は自分に、です。

この講座では、AIに集計・可視化を「やらせて検算する」実践だけに絞ります。どの軸で切り、どのグラフで見せるかという分析の進め方そのものはデータ分析の進め方が、AIへの一般的な頼み方はChatGPTの基本的な使い方が、出た数値の統計的な読み方は統計の基礎が、それぞれ正本です。本講座はそこには踏み込みません。題材は通して、ある企画担当者が「アンケート回答の表（年代・満足度・自由記述の列）をAIに渡し、年代別に満足度の平均を集計し、棒グラフにして、件数の合計を検算してから報告に使う」場面を追いかけます。終えるころには、AIに集計・可視化を指示でき、出た結果を原データで検算でき、任せる作業と自分が確認すべき箇所を切り分けて説明できるようになります。

AIにデータ分析を任せるとは何か——できること・任せ方の地図

手元の表をAIに渡すと、言葉の指示で集計・グラフ化が返る

まず「何ができるか」を体感から押さえます。表計算ソフトのファイルをAIアシスタントにアップロードすると、言葉の指示で集計やグラフ化を実行させられます。たとえばGeminiでは、スプレッドシートをもとにデータを分析して傾向を出したり、グラフを作成したりでき、「この表の傾向を特定して」「X軸に日付、Y軸に合計が表示されるグラフを作成して」といったプロンプトで動かせます（出典：Google「Gemini in Google スプレッドシートを活用する」）。Claudeでも、CSVやXLSXなどの表データファイルをアップロードして扱えます（XLSXの利用にはコード実行とファイル作成の有効化が必要です。出典：Anthropic「Upload files to Claude」）。ChatGPTなど他のAIアシスタントでも、表データを渡して集計やグラフ化を頼む使い方ができます。

ここで覚えておきたいのは、これらが裏で「コードを書いて実行している」点です。Geminiの画面には「出力の生成に使用されたコードを表示」という操作があり、Claudeも前述のとおりコード実行の仕組みを使います（出典：同上）。つまりAIは、文章を“それっぽく書く”のとは別の経路で、あなたの代わりに集計の計算を機械的に走らせてくれます。共通例でいえば、アンケートの表を渡して「年代別に満足度の平均を出して」と頼むと、年代ごとの平均が並んだ表が返ってくる。半日かけていた集計が、一文の指示で形になる——この“頼めば返る”体験が出発点です。

任せられるのは平均だけではありません。合計、件数、最大・最小、さらに「年代×満足度」のように2つの軸を掛け合わせて数えるクロス集計まで、言葉で頼めます。Geminiのヘルプにも、ピボットテーブルの作成や条件付き書式の適用といった操作を依頼できることが挙げられています（出典：Google「Gemini in Google スプレッドシートを活用する」）。手作業なら関数やピボットの設定に手こずる作業を、AIが肩代わりしてくれるわけです。だからこそ、本講座は「作業をAIにやらせる」ところに重心を置きます。

なお、各製品で扱えるファイル形式やサイズの上限、無料・有料で使える機能の違いは製品や時期によって変わります。本講座では特定の数値や仕様には踏み込みません。最新の対応状況は、お使いのAIアシスタントの公式ヘルプで確認してください。

AIは集計を取り違える——だから「実行はAI・検算は自分」

便利な一方で、決定的な注意点があります。生成AIは、事実に基づかない誤った情報をもっともらしく生成することがあり、これをハルシネーション（幻覚）と呼びます。技術的な対策では完全には抑えられないため、生成AIを使うときは、出力した答えが正しいかどうかを利用者が確認することが望ましい——これは総務省が情報通信白書で明確に述べている公的な見解です（出典：総務省「令和6年版 情報通信白書」）。

文章だけでなく、集計や計算でも同じことが起こりえます。一見もっともらしい平均値や件数が返ってきても、それが原データと合っている保証はありません。だからこそ、本講座の基本姿勢は「実行はAI、検算は自分」です。AIに計算を走らせるのは任せてよい。けれど、その数字が正しいかを確かめる役は、最後まで自分が持ち続けます。

任せ方の地図——集計・可視化・要約に「検算は自分」を添える

任せられる作業を地図にすると、大きく3つです。1つ目は集計（合計・平均・件数や、年代×満足度のように2つの軸を掛け合わせるクロス集計）。2つ目は可視化（表やグラフにする）。3つ目は要約（自由記述のざっくりした傾向をつかむ）。この3つは、いずれもAIに頼めます。ただし、どれにも「数字の正しさは自分が検算する」を必ずセットにします。

この3つに共通するのは、AIが返すのは「下書き」だという感覚です。集計の下書き、グラフの下書き、要約の下書き。下書きである以上、そのまま提出はしません。原データと突き合わせて、合っていることを確かめてから清書する——その清書の役が、自分の持ち場です。

つまずきは2つ。1つは、返ってきた数字をそのまま信じて報告に貼ること。もう1つは逆に、間違えられるのが怖くて何も任せられないこと。どちらも原因は同じで、「任せる範囲」と「確認する箇所」を先に決めていないからです。任せるところと確かめるところを分けてしまえば、AIは怖くも万能でもなくなります。なお、そもそも「どの軸で切り、どのグラフで見せるか」という分析の進め方の型はデータ分析の進め方が正本です。本講座は、その型をAIに実行させる側に立ちます。

この章の確認（演習）

自分の手元にある表データを1つ思い浮かべてください（例：アンケート結果、問い合わせ一覧）。そのデータについて、「AIに任せたい集計」を1つと、「自分が確かめたい箇所」を1つ、書き出してみましょう。任せることと確かめることを言葉で分けられれば、この章のゴールは達成です。

目的と軸を言葉にしてAIに集計を指示する

AIは“察してくれない”——具体的に指定するほど使える結果が返る

頼めば返るとはいえ、頼み方で結果は大きく変わります。AIは、あなたの頭の中の目的を察してはくれません。実際、AIアシスタントの公式ヘルプに載っている指示例も、「X軸に日付、Y軸に合計が表示されるグラフを作成して」「税引き後の支給金に対する経費の割合を示すグラフを作成して」のように、何を・どの軸で・どう集計して見せるかを具体的に書き込んだ形になっています（出典：Google「Gemini in Google スプレッドシートを活用する」）。逆に「このデータでいい感じに分析して」と丸投げすると、的外れな集計が返りやすくなります。

同じ表を渡しても、「満足度を見て」と頼むのと、「年代別に満足度の平均を、回答件数を添えて表で出して」と頼むのとでは、返ってくるものがまるで違います。前者はAIが勝手に切り口を選び、こちらの判断したいことに届かないことがある。後者は、判断に使える形でそのまま返ってきます。指示が具体的なほど、AIの“当てずっぽう”の余地が減るのです。

目的・軸・集計方法・出力形式の4点を一度に指定する

そこで、集計を頼むときの実務的な目安として、次の4点を一度に渡すことをおすすめします。これは外部の決まった作法ではなく、上の具体例から本講座が整理した目安です。

• 目的：何を判断したいか（例：若い層の満足度が低いか知りたい）
• 軸：どの列で分けるか（例：年代別に）
• 集計方法：合計・平均・件数のどれか（例：満足度の平均と回答件数を）
• 出力形式：どんな形で返すか（例：年代を行にした表で）

共通例なら、こう書きます。「（目的）若い層の満足度が低いか知りたい。（軸）年代別に。（方法）満足度の平均と回答件数を。（形式）年代を行にした表で出して」。手順にすると、①目的を一文にする ②分ける軸（列）を決める ③合計・平均・件数のどれかを選ぶ ④表で・何項目で返すか形を指定する ⑤足りなければ「件数も足して」と追い指示する、の5ステップです。

つまずきは、丸投げに加えてもう一つ。軸を言わないことです。「満足度を集計して」だけでは、年代別なのか性別なのか地域別なのかが定まらず、頼むたびに違う集計が返ってブレます。軸を一語添えるだけで、結果は安定します。

逆にいえば、一度で完璧な指示を書こうと身構える必要はありません。まず4点を入れた指示を投げ、返ってきた結果を見て「件数も足して」「60代以上は1つにまとめて」と追い指示で詰めていけば十分です。大事なのは、最初に目的と軸という“背骨”を言葉にしておくこと。背骨さえ決まっていれば、枝葉はやり取りの中で整えられます。なお、役割や条件を伝えるプロンプトの一般的な作法はChatGPTの基本的な使い方や生成AIを仕事で使うが正本です。本章は、集計に限った指定の仕方だけに絞っています。

この章の確認（演習）

共通例のアンケート表（年代・満足度・自由記述）に対して、目的・軸・集計方法・出力形式の4点をすべて入れた集計指示文を、1つ書いてみてください。書いた指示文を読み返し、4点のどれかが抜けていないかを自分でチェックできれば合格です。

集計結果をグラフにして検算する

見せ方を指定してグラフ化させる

集計ができたら、次は見せ方です。AIアシスタントは、グラフの種類を指定して可視化させられます。Geminiでは「折れ線グラフを作成して」のように種別を指定でき、生成後にグラフの種類やラベルを編集することもできます（出典：Google「Gemini アプリでファイルをアップロードして分析する」「Gemini in Google スプレッドシートを活用する」）。共通例なら「年代別の満足度平均を棒グラフにして」と頼みます。

どの場面でどのグラフを選ぶか——たとえば時系列の変化なら折れ線、量の比較なら棒、といった見せ方の選び方そのものは、本講座の範囲を超えます。グラフの使い分けや、平均・中央値・外れ値といった数値の読み方は、データ分析の進め方と統計の基礎が正本です。本章は「AIに見せ方を指定して出させ、その結果を検算する」手続きに絞ります。

返ってきた数値を鵜呑みにせず、件数と合計を原データと突き合わせる

ここが本講座の山場です。きれいなグラフが返ってくると、つい安心してそのまま報告に貼りたくなります。ですが、前章で確認したとおり、AIは集計や計算でももっともらしく間違えることがあります（出典：総務省「令和6年版 情報通信白書」）。出力が正しいかは、利用者が原データと突き合わせて確かめる——これが検算です。

検算は、最低でも次の3点を見ます。1つ目は合計の一致。各年代の回答件数を足したものが、原データの回答総数と一致するか。ここがズレていたら、どこかが抜けているか二重に数えられています。2つ目は空欄・欠損の有無。満足度が空欄の回答が黙って除外されていないか、母数が変わっていないか。3つ目は母数の妥当性。ある年代の平均が極端に高い（または低い）なら、その年代の件数が極端に少なくないか、外れ値や入力ミスが混じっていないかを疑います。怪しいときは、AIに「年代ごとの件数と内訳も一緒に出して」と追加で頼み、自分の目で確かめます。

手順にすると、①目的に合う見せ方を指定してグラフ化させる ②各区分の件数の合計が原データの総数と合うか確かめる ③空欄・重複が混じっていないか確かめる ④代表値が極端なら母数（件数）と外れ値を疑い、内訳を出させて確認する、の4ステップ。たった3点でも、検算を通したかどうかで、報告に出す数字の重みはまるで変わります。

共通例で具体的にやってみましょう。アンケートの回答総数が（例）312件だったとします。AIが返した棒グラフの裏側で、各年代の件数を足すと「20代80＋30代95＋40代70＋50代45＋60代12＝302」。回答総数の312と10件ズレています。この10件はどこへ消えたのか——年代が空欄の回答が黙って除外されたのかもしれませんし、集計から漏れた区分があるのかもしれません。この時点で「合計が合わない」と気づけたなら、検算は仕事をしています。気づかずに貼っていたら、「全回答の傾向」のつもりで実は一部だけを語る報告になっていました。数字を疑うのではなく、合計と母数という“動かない事実”に照らして確かめる。これが検算の正体です。

この章の確認（演習）

共通例で、AIに「年代別の満足度平均」の棒グラフを出させたと仮定します。これを受け取る前の“検算チェック”を、3項目で書き出してください。具体的には、(1)各年代の件数の合計と原データの回答総数が一致するか、(2)満足度が空欄の回答が除外されていないか、(3)平均が極端な年代の母数（件数）は妥当か。この3つを自分の言葉でチェックリストにできれば、検算の型が身についています。

安全に任せる——機密データの扱いと、結果の引き取り方

渡してよいデータと渡してはいけないデータを分ける——個人情報は渡す前に最小化

集計をAIに任せるとき、見落としてはいけないのが「何を渡すか」です。生成AIの利用では、個人情報や機密情報をプロンプトとして入力すると、その出力などを通じて情報が流出するリスクがある、と総務省が指摘しています（出典：総務省「令和6年版 情報通信白書」）。さらに個人情報保護委員会は、入力した情報を提供者がAIの精度向上のために学習データとして利用する場合があり、個人データを入力すると提供者に提供したことになると注意喚起しています。利用にあたっては、特定された利用目的の達成に必要な範囲内で個人情報を扱うなど、個人情報保護法の規律に従う必要があるとしています（出典：個人情報保護委員会「生成AIサービスの利用に関する注意喚起」）。

実務では、これを「渡す前の最小化」に落とし込みます。共通例のアンケートに氏名やメールアドレスが含まれているなら、集計に使わない列は渡す前に外します。年代別の満足度を出すのに、個人を特定できる列は要りません。手順は、①渡す前に不要な個人情報の列を外す（最小化）②社内のデータ取り扱いルールに沿っているかを確認する、の2点を集計の前に必ず通します。なお、入力した情報が学習に使われるかどうかは製品や設定で変わります。最新の取り扱いは各サービスの公式説明と社内ルールで確認してください。機密の扱いを含む生成AIの一般的な使い方は生成AIを仕事で使うが正本で、本章はデータを集計させるときに限った注意に絞っています。

集計結果を報告に使う最終責任は自分にある

もう一つ、引き取り方の話です。AIに集計させても、その結果を報告に使う最終責任は自分にあります。「AIがそう出したから」は通りません。総務省も、ハルシネーションがあるため、生成AIの出力した答えが正しいかどうかを利用者が確認することが望ましいとしています（出典：総務省「令和6年版 情報通信白書」）。確認まで含めて、利用する側の仕事だということです。

そこで、前章の検算を通したうえで、報告のときには「何件のデータを・どの軸で・どう集計したか」を一文で添えられる状態にしておきます。たとえば「20〜60代の回答312件（例）を年代別に集計し、満足度の平均を出した」と言えれば、数字の出どころを自分の言葉で説明できています。逆に、出どころを言えないまま「AIの分析では」と報告するのは、出力を鵜呑みにした状態です。上司から「その平均、何件中の平均？」と問われて答えに詰まるなら、まだ引き取れていません。手順は、③集計結果は前章の検算を通す ④報告では「何件・どの軸・どの集計か」を一文で添える、の2点。これで、任せる作業（集計の実行）と、自分が持つ責任（データの選別・検算・説明）が、はっきり分かれます。AIに任せるほど、この「自分の持ち場」を明確にしておくことが効いてきます。

この章の確認（演習）

共通例のアンケート表（年代・満足度・自由記述に加え、氏名・メールが含まれるとします）について、「AIに渡す前に外すべき列」を挙げてください。そのうえで、報告に添える一文（何件のデータを・どの軸で・どう集計したか）を1つ書いてみましょう。外す列を選べて、出どころを一文で言えれば、安全に任せる準備ができています。