本文へスキップ
表示言語: 日本語
監査 / Signal

AI業務に組み込まれた表計算: データ型、数式、責任はどこで失われるか

AIと接続した表計算には、データ型、数式、バージョンの確認が必要です。気づかれにくい誤りを見つけ、結果を安全に書き込むルールを決める方法を見ます。

記事の言語: 日本語

Aeneiaのイラスト: 女性が大きなレンズを通して建築模型を見ている。
目次

商品コード00417が自動処理を通ると417になって戻ってきます。表は整い、要約も専門的に聞こえますが、倉庫システムにはその商品がありません。この架空の例では、AIが何かを作り出す必要すらありませんでした。途中でデータ型が変わっただけです。社内のブックに結果を書き込む前に、元のセルから書き出し、モデル、受け取り側のプログラムによる読み取りまで、情報の経路全体を確認します。

最も重要な試験は、単に答えが意味をなすかどうかではありません。正しい結果が正しいレコードに届き、意味を保ち、計算や人が後から加えた修正を上書きしなかったかを尋ねます。チャットの回答を手で貼り付ける場合も、Excelを開かずに連携が動く場合も同じです。一見ただのファイルに見えるスプレッドシートも、業務プロセスの重要な一部です。

ブックが実際に担う役割を明らかにする

まず一つの流れを選びます。例えば、見積もりの問い合わせに分類を付ける作業です。行の出所、修正する人、AIが読むもの、結果を使う人を記録します。会社全体を説明する必要はありません。一つの流れを正しく再構成する方が、XLSX拡張子のファイルをすべて並べるより多くのことを示します。

スプレッドシートの役割を三つに分けます。原資料を保管する、値を計算する、結果を提示するという役割です。一つのブックが三つとも担うこともありますが、それぞれ異なる確認が必要です。表示範囲を要約しても原資料を検証したことにはなりません。説明を正しく分類しても、隣の列の数式が正しいとは限りません。

この説明を企業の業務自動化監査に含めると役立ちます。監査の範囲は企業の業務自動化監査に関する記事 (ポーランド語)でも扱っています。社員が今も目立たないところで行っている作業が見えます。コードの空白を取り除く、単位を補う、「緊急」が分類ではなくコメントだと見分ける、といった仕事です。ルールがファイル作成者の頭の中にあるままでは、自動化が適切に引き継ぐことはできません。ファイルと連携それぞれの責任者を明記し、スプレッドシートとの連携もAIツールの棚卸しに加えます。棚卸しの進め方はAIツールの棚卸しに関する記事 (ポーランド語)に紹介されています。データの配置が変わったりブックが移動されたりしたとき、依存するプロセスを見つけやすくなります。

数字が文字列である場合も、空欄が情報である場合もある

案件番号は、数字だけで構成されているからといって数量になるわけではありません。顧客番号二つを足して優良顧客を作ることはないでしょう。各列に許される型、意味、単位、欠損を表す方法を定めます。結果がJSONを通るなら、AIが生成したデータの構造と意味の確認でも、この区別を維持します。構文が正しくても、識別子や単位の意味は決まりません。この違いはJSONの構造と意味を確認する記事 (ポーランド語)でも説明しています。

Microsoftは、Excelが先頭のゼロを削除したり長い数字列を変換したりする場合があり、数値を最大15桁の有効数字の精度で扱うと説明しています。識別子は読み込み時から文字列として保存する必要があるかもしれません。後から表示形式を変えても、失われたデータは戻りません。これらは先頭のゼロと長い番号を保持する手順に示された具体的な制限です。

テスト用に架空のレコードをいくつか用意します。先頭にゼロがあるコード、長い識別子、カンマを含む名前、負の値、空欄、小数区切りにカンマを使った数値です。実データとまったく同じ経路を通します。見た目だけでなく、次のシステムが読み取った値も確認します。

空欄の意味も別途合意します。期限がないことは「未定」「該当なし」「原資料に記載なし」のいずれかかもしれません。自動的にゼロや今日の日付を入れると違いが消えます。モデルが判断できないなら、無理に整えず不確実性を結果に残すべきです。

数式と最後の計算結果は別物

セルに2400と表示されていても、プロセスが取得するのは数式のテキスト、保存された値、最後に再計算された結果のいずれかかもしれません。該当する書き出しツールと連携の動作を確認します。ブックを読む方法がどれも同じ資料を返すとは考えないでください。

手計算で結果を確かめられる簡単な数式を選びます。一つの入力を変えて通常の流れを実行し、モデルが受け取るデータと表を比べます。次に範囲末尾に追加した行と、数式が定数に置き換わったセルを確認します。後者は同じ仲間のように見えても、ずっと前から計算に参加していないかもしれません。

Excelには、不整合な数式や抜けたセルなどを検出するルールがあります。無視された警告は、リセットするまで後の確認で再表示されないことも文書で説明されています。数式エラーの検出は技術的な補助です。会社が正しい料率や範囲の定義を使っているかは判断しません。

そのため、意味の確認は計算の責任者による確認で補います。表がAIによる営業提案書の作成にデータを供給するなら、単位、丸め、一回限りの項目と継続項目の分離も確かめます。提案書に使う元の値についてはAIによる営業提案書の監査に関する記事 (ポーランド語)で詳しく扱っています。きれいな合計だけでは、何を足したのか分かりません。

行には位置に依存しない識別情報が必要

「38行目に結果を書く」は、並べ替え、項目の削除、同時編集が起きるまでしか通用しません。各レコードには安定した識別子が必要です。書き込み時に連携はその識別子を探し、引き続き期待した版のデータを扱っているか確認しなければなりません。

AIが説明を読む間に社員がその説明を修正する状況を試します。古い説明の結果が、新しい説明の結果を気づかれずに上書きしてはいけません。利用者が何を比較し次にどうすべきか分かる同時編集の競合メッセージを計画します。その案内の作り方については同時編集の競合警告に関する記事 (ポーランド語)を参照できます。書き込みを止め、該当レコードの再処理を求めることが合理的な対応になる場合があります。ルールはスクリプトの中だけでなく、運用担当者にも見える必要があります。

表にモデルが付けたラベルがあるなら、別途メッセージ分類の試験を行うと役立ちます。付与された分類を確認する方法はメッセージ分類のテストに関する記事 (ポーランド語)で説明しています。分類の正しさと、正しいレコードに付いたかを別々に評価します。他人の案件に付いた正しいラベルも誤りです。

書き込みは指定した項目に制限する

分類を追加する連携に、ブック全体を作り直す権限は必要ありません。対象ファイル、シート、範囲、許可する列を示します。誰がスキーマを変更できるかも決めます。「状態」という見出しが「段階」に変わったからといって、どの列に書くかを創造的に推測してはいけません。

AI連携の権限確認では、書き込みを実行するアカウントとアクセスを取り消す方法を調べます。連携のアクセス範囲はAI連携の権限に関する記事 (ポーランド語)で別に扱っています。分析用に資料を読む権限と、結果を承認する権限を分けます。セルの保護やファイルの整理は役立ちますが、流れ全体のアクセス管理の代わりにはなりません。

モデルには仕事に必要な範囲だけを渡します。AI利用前のデータ最小化には、利用者が普段見落とす追加タブ、コメント、列も含まれます。リクエストとともに送られるデータはAI利用前のデータ最小化に関する記事 (ポーランド語)で扱っています。画面に見えているものから推測せず、実際の要求で連携が送った範囲を確認します。

Aeneiaのコンセプト写真

コピーで受け入れ確認し、復旧計画を用意する

期待する結果を記した管理下の試験ファイルを用意します。並べ替え、フィルター、空行、新しい列、一つのレコードの誤りを含めます。一件の誤りで全体を止めるのか、正常な項目を先へ進めながらその一件だけ確認に回すのかを決めます。

処理前後の比較を残します。「40行を更新しました」というメッセージだけでは変更範囲は分かりません。確認者は新しい値、損なわれていない数式、飛ばされたレコードを確認する必要があります。これらの試験をAI品質の回帰テストに加え、モデル、テンプレート、連携の変更後に実行できるようにします。AI品質の回帰テストに関する記事 (ポーランド語)も参考になります。

エラー後の復旧も合意します。古いコピー全体を戻すと、他の人が後から行った正しい作業まで消すことがあります。より安全な修正には、実際に変更されたレコードの一覧と現在の状態の確認が必要になることがよくあります。取り消しの範囲も書き込みと同じだけ正確でなければなりません。

モデルが必要な行をすべて受け取ったかを見る

フィルター後の画面には十一項目が見えていても、連携はシート全体、または指定した範囲だけを読んでいるかもしれません。実際に確認します。表示中のレコード、フィルターで隠れたレコード、別タブのレコードを一つずつ印を付けて用意します。それぞれについて質問し、モデルに渡した資料を見ます。回答に言及がないだけでは、そのレコードを読まなかった証拠にはなりません。

表の境界も決めます。下に追加した項目は、人には同じ一覧の一部に見えても書き出し範囲の外にあるかもしれません。見出しの移動、セルの結合、タイトル行の追加はデータの解釈を変えることがあります。プロセスは一致しない配置を認識して読み込みを止め、最初に見つけた文字列を見出しとして扱わないようにするべきです。

受け入れ試験では三つの数を比べます。分析する予定だったレコード、実際に送信されたレコード、結果のあるレコードです。違いをすべて説明します。すべてが誤りとは限らず、合意済みの除外ルールから生じるものもあります。ただし、ルールは明示され、除外された項目を見つけられる必要があります。

大きなデータ集合については、該当する連携の制限を確認します。ツールが添付ファイルを受け付けたからといって、全体を読んだと考えないでください。試験を識別できる部分に分け、入力と結果の双方に存在するか確かめます。技術的な制限は、完全であるかのように見せる短縮分析ではなく、明確なメッセージとして示すべきです。

管理されたデータ契約を通して構造を変える

ブックの所有者はファイルを改善できますが、自動化には動作に関わる変更を知らせる必要があります。必須フィールド名、型、許される値、配置のバージョン識別子というデータ契約を簡潔に記します。大きな文書である必要はありません。外見だけの変更と、再度の受け入れ確認が必要な変更を区別できることが重要です。

「期限」列が予定期限と確定期限に分かれるとします。古いフィールドを使う連携が、名前が似ているという理由で新しい列の一方を選んではいけません。意味についての判断、対応付けの更新、試験の繰り返しが必要です。そうしなければ、チームは表を改善したのに、モデルは使い方を悪くしてしまうかもしれません。

架空のデータだけを含む、基準となる小さな検証用コピーを用意します。配置を変更した後、実際の運用に入る前にこのコピーでテストします。ファイルを変える人は、どこで結果を確認し、誰が連携の準備完了を確認するかを知る必要があります。互換性のない版への対応も決めます。その読み込みを止め、所有者に知らせ、確認のためにファイルを残すといった方法です。

分かりやすく名前を付けた版は、後で誤りを再構成する助けになります。一日に何度もファイルが変わったなら、「月曜日の表」という記録では不十分かもしれません。会社の必要に応じて入力とプロセス設定の識別情報を残し、内容全体を不必要に何度もコピーすることは避けます。

ブックを別の人に引き渡す試験をする

自動化の作成に関わっていない権限のある社員に、コピーを使って作業してもらいます。正しいファイルを見つけ、分析を実行し、結果を確認し、あらかじめ用意した誤りを一つ解決してもらいます。列の意味を尋ねたり作成者を探したりする場所を観察します。これは手順を改善する手掛かりであり、社員を評価する理由ではありません。

意図的に編集の競合を起こします。処理中に一つのレコードの説明を変えます。確認者には、結果が書き込まれなかった理由と次に取るべき行動が分かるようにします。要約から一件がただ消えるなら、もっと明確なメッセージが必要です。書き込み権限がない場合やファイルを利用できない場合も同様に確認します。

最後に、作成者のチャットを開かずに結果を説明してもらいます。分類はどこから来たのか、誰が承認したのか、空欄は何を意味するのか。答えるのに推測が必要なら、説明や実行履歴を補います。表計算が複雑なシステムにならなくても、理解できる業務ルールを持つことはできます。

受け入れ確認の最後に、自動で動く範囲、確認が必要な部分、どの変更後に試験を繰り返すかを短く決めます。ファイルが開き続けるという理由だけで用途が徐々に広がるのを防ぐ助けになります。安定して開くことはブックのありがたい特徴ですが、プロセスを信頼できるかの基準としては控えめです。

手順では、提案と、その後の仕事に採用された値の境界も示します。モデルの結果用と、確認者の判断用に別々の欄を設けることができます。後から見る人が、分類が承認済みかどうかを色だけで判断せずに済みます。色は役立つ合図ですが、判断を記録しておく係としては頼りありません。

回答を手でコピーするときも、連携と同じ試験を行います。フィルターをかけた画面に列全体を貼り付けたり、既存の数式の上に貼り付けたりすることもデータの変更です。作業者は許可された範囲を知り、変更されたレコードの一覧を確認する必要があります。マウスに手を置いたからといって行がずれる危険はなくなりません。

文書には正しい例を一つと、典型的な競合一つおよびその際のプロセスの対応を残します。新しい担当者が、考えられるすべての障害を学ばなくても仕事を再構成する助けになります。実際に誰かが試験で実行した短い手順は、まだ誰も確認していない長い説明より価値があります。

スプレッドシートが社内自動化の重要な一部なら、Aeneia Auditのサービスで、そのプロセスの確認について相談できます。

Aeneia / Aeneia編集部

編集部による記事です。本文中に出典へのリンクがあります。

Aeneiaについて

ご一緒したブランド

  • L’Oréal
  • Garnier
  • Netflix
  • Carrefour
  • Warner Bros. Discovery
  • Biedronka
  • HBO Max
  • Wolt
  • Żabka
  • COSRX
  • 在ポーランド中国大使館
  • Mixa
Aeneia / Initium

知識から決断へ

整理したい課題をお聞かせください。どこから始めるかを一緒に決めます。

Aeneiaに問い合わせる

パートナーのソリューションを活用しています

  • Google
  • OpenAI
  • Microsoft
  • Stripe
  • Anthropic
  • Linear