AIしごとラボ

「面倒な作業はAIに頼めば一瞬」——この言葉、実測してみると 半分ホント、半分ウソ でした。 CSVファイル1,000個(合計50,000行)を1つのExcelに結合する作業を、手段を一切指定せず「依頼文だけ」でAIエージェントに丸投げしたところ、 実測で127秒(2分7秒) 。しかも結果は行数・金額合計まで原本と完全一致し、AIは出力の検証まで自分でやってから報告してきました。ここまでがホントの部分です。 一方でウソの部分。この「丸投げ」ができるのは有料のエージェント型AIの話で、 無料のChatGPT(Web版)は仕様上、1メッセージに添付できるファイルが20個まで 。1,000個の丸投げは、そもそも受付の時点で成立しません。そして最速はAIですらなく、 一度作ったスクリプトの使い回しで平均27.15秒 でした。 この記事では、実測した2つのテストの中身と、実測できない部分(ChatGPTのWeb版)は「仕様からの計算」であることを明示した上で、結局どう使い分ければいいのかまで書きます。 検証の条件(先に全部開示します) データ : 前回記事 と同一仕様で再生成したダミー売上CSV。sales_0001.csv〜sales_1000.csvの1,000個、各50行・合計50,000行。列は日付/商品名/数量/単価/金額の5列(UTF-8 BOM付き)、金額=数量×単価。乱数シード固定(シード42)で、生成条件を毎回同じに揃えています 場所 : OneDrive同期の影響を避けるため、ローカルのTempフォルダ(OneDrive外) テストA(AI丸投げ) : このプロジェクトの文脈を何も持たない、別プロセスの素のAIエージェント(Claude Code)に、事務職風の依頼文だけを渡す。「CSVファイルが1,000個入っています。全部まとめて1つのExcelファイルにして保存してください。どの行がどのファイル由来か後で分かるようにも」(要旨)。 手段のヒントは一切なし テストB(スクリプト準備済み) : 前回記事に載せたスクリプトと同一処理を3回実行 実行順とキャッシュ状態 : A→Bの順で実施。つまり テストBは、Aが1,000ファイルを読んだ後の「キャッシュが温まった状態」 での計測です。Aはデータ生成直後の実行でした。この条件差はBに有利...

月別の12シート(合計2,400行)に分かれたExcelの売上表を、Pythonで1枚のシートに結合したところ、3回実測の平均で4.737秒でした。一番遅かった1回目でも6.494秒で、コピペ1回でスクリプトを用意すれば、あとは実行するだけで毎回数秒で終わります。 この記事では、実際に使ったスクリプトの全文と使い方、3回分の実測結果、つまずきやすいポイントまで、すべて手元で検証した内容だけを書きます。 背景:月別シートの手作業集計はつらい 「1月」「2月」…「12月」とシートが月別に分かれたブックは、月次の入力には便利ですが、年間集計をしようとした瞬間に困ります。ピボットテーブル(ドラッグ操作で集計表を作るExcelの機能)は基本的に1枚の表を元データにするため、まず12シートを1枚にまとめる作業が必要になるからです。 手作業でやる場合は「シートを開く→データ範囲を選択→コピー→まとめシートの末尾に貼り付け」を12回繰り返すことになります。1シートあたり1〜2分かかるとすれば全体で12〜24分程度(この時間は実測ではなく推定です)。しかも貼り付け位置のずれや、どの月まで貼ったか分からなくなるといったミスが起きやすい作業です。毎月・毎年発生するなら、自動化の価値は十分あります。 検証環境とデータ内容 実測に使った環境とデータは次のとおりです。 OS: Windows 11 Pro(ビルド 10.0.26200) Python: 3.12.10(venv環境) pandas: 3.0.5 / openpyxl: 3.1.5 入力ファイル: 売上_2025.xlsx(シート「1月」〜「12月」の12枚、各200行、合計2,400行) 列構成: 日付/商品名/数量/単価/金額の5列 データ内容: 日本語の文房具20品目からランダム生成(乱数シード44で固定)、日付は各月の範囲内 なお、OneDrive同期フォルダ内で実行すると同期処理が計測に影響する可能性があるため、実行はローカルのTempフォルダ配下で行いました。 スクリプト全文と使い方 以下が実測に使ったスクリプトの全文です。時間計測のために3回実行するようにしていますが、実務ではこのまま実行して問題ありません(結果のファイルは同じものが上書きされるだけです)。 # -*- codi...

CSVファイル1,000個(合計50,000行)を1つのExcelファイルに結合したところ、3回実測の平均は59.45秒でした。前回検証した100個(平均3.8秒)の「ちょうど10倍の38秒」にはならず、平均同士の比較では約15.6倍(59.45÷3.8)という結果です。 ただし中身を見ると話は単純ではありません。最も遅かった1回目は104.37秒、最速の2回目は32.31秒と大きな差があり、その理由も工程別の実測から見えてきました。この記事では、使ったスクリプトの全文、3回分の実測結果と前回との比較、つまずきやすいポイントまで、手元で検証した内容だけを書きます。 前回のおさらい:100個なら平均3.8秒だった 前回の記事では、CSVファイル100個(合計5,000行)を1つのExcelに結合して、同じPCで3回実測しました。結果は1回目6.2秒/2回目3.4秒/3回目1.9秒で、平均3.8秒。「コピペ1回でスクリプトを用意すれば、あとは数秒」という結論でした。 そこで今回の問いはこうです。 ファイル数を10倍の1,000個(行数も10倍の50,000行)にしたら、時間も10倍の約38秒(3.8秒×10の単純計算)で済むのか? 「データ量に比例して時間が延びるだけなら怖くない」のか、それとも「量が増えると別の壁が出てくる」のか。実測で確かめました。 検証環境とデータ内容 実測に使った環境とデータは次のとおりです。 OS: Windows 11 Pro(ビルド 10.0.26200) Python: 3.12.10(venv環境) pandas: 3.0.5 / openpyxl: 3.1.5 入力ファイル: CSVファイル1,000個(sales_0001.csv〜sales_1000.csv)、合計50,000行(1ファイルあたり50行) 列構成: 日付/商品名/数量/単価/金額の5列 データ内容: 文房具の売上ダミーデータ 前回と 同じ なのは、PC・列構成・「読み込み→結合→Excel保存」というスクリプトの流れです。 変えた のはファイル数(100個→1,000個)と合計行数(5,000行→50,000行)だけです。 なお、入力CSVはローカルのTempフォルダ(OneDrive同期の対象外)に置いて実行しました。OneDr...

結論からお伝えします。CSVファイル100個(合計5,000行)を1つのExcelファイルにまとめる作業を、Python(無料で使えるプログラミング言語)のスクリプトで実測したところ、3回の平均で3.8秒でした。手作業でコピペした場合の想定時間を「1ファイルあたり30秒」として計算すると約50分(あくまで推定です)なので、うまくいけば大幅な時間短縮が期待できる結果です。 この記事では、実際に使ったスクリプトの全文と、3回計測した生の数字、そしてつまずきやすいポイントまで、再現に必要な情報をすべて公開します。 背景: 毎月の「CSVコピペ結合」がつらい 日ごと・部署ごとに分かれた売上CSVを、月末に1つのExcelにまとめる。こうした作業を手作業でやると、「ファイルを開く→全選択→コピー→貼り付け→閉じる」を延々と繰り返すことになります。 仮に1ファイルあたり30秒かかるとすると、100ファイルで約50分。 この時間は実測していない推定値 ですが、件数が増えるほど負担が増え、貼り付け先の行がずれる・1ファイル飛ばすといったミスも起きやすくなります。そこで「Pythonに任せたら実際何秒で終わるのか」を計測してみました。 検証環境(2026年8月11日実施) 再現条件として、検証に使った環境を明記します。 OS: Windows 11 Pro(ビルド 10.0.26200) Python: 3.12.10 ライブラリ: pandas 3.0.5 / openpyxl 3.1.5(pandasは表データ処理、openpyxlはExcel書き出しに使う部品です) テストデータ: ダミーの売上データ100ファイル×各50行(合計5,000行) (sales_001.csv〜sales_100.csv)。列は「日付・商品名・数量・単価・金額」の5列で、文字コードはUTF-8(BOM付き)。実在の売上データではなく、検証用に自動生成した文房具の売上風データです 出力: 結合時に「元ファイル名」の列を追加するため、出来上がるExcelは6列×5,000行(+見出し1行)になります 手順: コピペで動くスクリプト全文 1. ライブラリのインストール(初回のみ) コマンドプロンプト(Windowsの黒い画面)で次を実行します。 pip install ...

  「AIしごとラボ」は、生成AI(文章や表などを自動で作ってくれるAIのこと)や自動化ツールを 実際に手を動かして試し、その結果を数字と手順つきで公開する ブログです。カタログ的な紹介記事ではなく、「本当に動いたのか」「どれくらい時間が短縮できたのか」という一次情報だけを積み上げていきます。 このブログで扱う3つのテーマ 仕事の効率化に直結する、次の3本柱で記事を書いていきます。いずれも読者として想定しているのは「プログラミング経験のない、普通の会社員・フリーランスの方」です。 1. 生成AIの実務活用(プロンプト実例・業務テンプレート) ChatGPTやGeminiなどの生成AIを、メール作成・議事録の要約・資料の下書きといった日常業務でどう使うかを検証します。「こう聞くとうまくいく」という指示文(プロンプトと呼びます)を、実際に試した入力と出力のセットで紹介します。そのままコピーして使える業務テンプレートも作っていきます。 2. AI×スプレッドシート/GAS自動化 Googleスプレッドシートには、AIを呼び出せる機能や、GAS(Google Apps Script。スプレッドシートを自動で動かすための仕組み)があります。「コピペするだけで動く」状態まで作り込んだものを、動作確認済みの手順つきで公開します。表の集計や定型作業の自動化が中心です。 3. AI×Python日常自動化(非エンジニア向け) Python(無料で使える人気のプログラミング言語)を使った、ファイル整理やデータ集計などの小さな自動化を扱います。コードはAIに書かせて、人間は「動くか確かめて使うだけ」というスタイルです。専門知識ゼロの方でも再現できるよう、環境の準備からつまずきポイントまで省略せずに書きます。 検証ポリシー — このブログの約束 情報の信頼性を守るため、すべての記事で次の4つを守ります。 実際に動かして測る : 紹介するツールや手順は、必ず自分で実行します。かかった時間や成功・失敗の結果など、測れるものは数字で示します。 再現条件を必ず書く : 使ったツールのバージョン、日付、前提となる設定を明記します。読者が同じ手順をたどれば、同じ結果に近づけることを目指します。 やっていない検証は書かない : 試していないことを「試した」とは書きませ...