Excel作業のAI自動化はどこまで可能か｜工場で消えない転記業務

Copilotを導入したのに現場のExcelは減らない——タイの日系工場でよく聞く話である。Excel作業のAI自動化は2026年に入って確実に進んだが、実際に効くのは集計や数式といった「加工」の部分で、日報から在庫表へ、在庫表から管理表へと打ち直す転記の工数はほとんど動かない。本稿ではExcel作業を3層5類型に分解し、AIで足りる範囲と、つなぎ込みが必要になる範囲の境界を、自社で判定できる形に整理する。

Excel作業のAI自動化とは何を指すのか — 入力層・加工層・共有層の3層モデル

「Excel作業を自動化したい」という要望は、社内で議論を始めると必ず噛み合わなくなる。管理部門長が思い浮かべているのは月次の集計と資料化であり、工場長が思い浮かべているのは現場スタッフが毎朝まとまった時間をかけている打ち込みであり、情シス兼務者が思い浮かべているのはファイルの散在とバージョン違いだからである。同じ「Excel作業」という言葉が、3つの別々の問題を指している。

この噛み合わなさを解くには、Excel作業を層に分けて考えるのが早い。工場で使われているExcelの仕事は、次の3層に整理できる。

3層モデルの定義

3層に分けて見ると、Excel作業の議論でよく起きる混乱の理由が分かる。加工層と共有層はホワイトカラーの仕事に見えるので、経営層の目に触れやすい。一方、入力層は現場作業に埋もれているので、工数として集計されることがほとんどない。だが工場のExcel総工数を実際に棚卸しすると、入力層が最も分厚いケースが多い。1人あたりの時間は短くても、人数と回数が桁違いだからである。

層ごとにボトルネックの性質が違う

3つの層は、詰まる理由がそれぞれ違う。

加工層が詰まるのは、主に「作れる人が限られている」からである。VLOOKUPとピボットとマクロを組める人が工場にごく限られた人数しかおらず、その人が休むと月次が止まる。関数が壊れても直せる人がいない。これは属人化の問題であり、スキルの問題である。

共有層が詰まるのは、「フォーマットが多い」からである。工場内で見る表、本社に出す表、監査で出す表、客先に出す表がすべて違い、同じ数字を4回別の形に整える。これは要求の問題であり、調整の問題である。

入力層が詰まるのは、「元のデータが機械可読な形で存在しない」からである。現場の作業実績は紙かホワイトボードか口頭にあり、それをキーボードで打ち込む工程が必ず入る。これはスキルでも調整でもなく、データの発生構造の問題である。

この違いが決定的に重要である。スキルの問題と調整の問題は、AIが得意とする領域に近い。だがデータの発生構造の問題は、AIをExcelに入れても構造そのものは変わらない。

「Excelがつらい」の正体を層で切り分ける

現場から上がってくる不満を層に振り分けると、打ち手が変わる。次の表は、よく聞く言葉を層に対応させたものである。

言葉だけを聞いて「Excelを自動化するAIを入れよう」と決めると、加工層のツールを買って入力層の不満に応えることになる。これが「Copilotを入れたのに現場のExcelが減らない」の最も多いパターンである。

2026年時点でAIがExcelにできること — Copilot in Excel と Claude for Excel の現在地

まず現在地を確認しておく。2026年のExcel×AIは、数年前の「関数を教えてくれるチャットボット」とは別物になっている。

Copilot in Excel：反復作業を「型」として持たせられるようになった

Microsoft 365 Copilot は2026年6月に、Copilot in Excel 向けの機能をまとめて提供開始した。実務に効くのは次の3つである。

ひとつめは「スキル」で、繰り返し行うワークフローを再利用可能な指示としてパッケージ化できる。毎月同じ手順で同じ集計をしている工場にとっては、その手順自体を登録して呼び出せるということを意味する。ふたつめは「パーソナライゼーション」で、書式・命名規則・数式・ピボット・レポートスタイルのガイダンスをブック全体に一貫して適用できる。みっつめは「ブック ルール シート」で、.Rules という専用シートにそのブック固有の構造・書式・命名・数式の規則を記録しておくと、編集者全員が同じガイダンスに従える。

3つめは地味に見えるが、複数の担当者が同じ管理表を触る工場では効きやすい。従来、ブックのローカルルール（この列は必ず半角、日付はYYYY-MM-DD、品番は前ゼロ付き、といった暗黙の決まり）は前任者の頭の中にしかなく、引き継ぎのたびに崩れていた。それをブックに埋め込めるようになった。

加えて、Copilot in Excel は編集時に Work IQ がメール・会議記録・チャット・ファイルから関連コンテキストを自動的に取り込む。Plan モードと Python のサポートもある。Microsoft 365 Copilot 全体としても、2026年初頭以降、Anthropic の Claude との統合や、Researcher / Analyst / Word・Excel・PowerPoint Agent といった専門エージェントの実用化が進んでおり、「チャットボットとして使う」段階から「AIと協働する」段階に移行しているとされる。

Claude for Excel：ブック全体の依存関係を読む

Anthropic の Claude for Excel は2025年10月にベータ公開され、2026年5月に一般提供（GA）となった。Excelのサイドバーに常駐し、ブック全体を理解したうえで、複数タブにまたがる数式の依存関係やセル参照構造を把握して、セル単位の分析・操作・提案を行う。財務モデルの構築、データ分析、レポート作成をExcel内で完結できる位置づけで、Proプランでも利用可能とされている。

工場の実務で刺さるのは「複数タブにまたがる数式の依存関係を把握する」部分である。長く使われている生産管理Excelは、たいてい多数のシートが相互参照している。どのセルを直すとどこが壊れるのかが分からないから誰も触らない、という凍結状態になっているブックは珍しくない。依存関係を読める相手がいるだけで、この凍結は解きやすくなる。

2つのツールの位置づけの違い

どちらが優れているかという比較にはあまり意味がない。それよりも重要なのは、両者の強みがいずれも加工層と共有層に集中しているという事実である。ワークフローの型化も、ブック全体の規則適用も、依存関係の把握も、対象は「すでにExcelの中に入っているデータ」である。

共通して「できないこと」

2026年時点のExcel×AIに共通する限界は、次の一点に集約できる。AIはブックの中にあるものしか読めない。ブックの中に無いものは作れない。

現場の作業実績が紙のチェックシートにあり、その紙がキャビネットに入っている限り、どれだけ賢いAIをExcelに常駐させても、そのデータは出てこない。設備の稼働実績がPLCの中にあり、ネットワークに出ていない限り、Excelから見えることはない。この壁は性能の問題ではなく、経路の問題である。性能が上がっても経路は生えない。

工場のExcel作業を5類型に分解する（転記・集計・判断・報告・共有）

3層モデルは考え方の整理には有効だが、工数を測るには粗い。実際に自社のExcel工数を棚卸しするときは、次の5類型に分けると数えやすい。

5類型の定義

この5類型は、先ほどの3層と次のように対応する。①が入力層、②③が加工層、④⑤が共有層である。

自社のExcel工数を棚卸しする手順

議論を具体化するために、次の手順で一度棚卸しをすることを勧めたい。特別なツールは要らず、短時間で着手できる。

1. 工場で日常的に使われているExcelファイルを、部門ごとに列挙する。ファイル名と保管場所を書き出すだけでよい
2. 各ファイルについて、「誰が」「いつ」「何分かけて」触っているかを担当者に聞き取る
3. その作業を①〜⑤のどれかに分類する。1ファイルで複数類型にまたがる場合は分けて数える
4. 類型ごとに「人数 × 回数 × 分」を足し上げる
5. 最後に、①転記に分類された作業について「元データはどこにあるか」を1行で書き添える

5番目が本稿の核心にあたる。ここで「紙」「口頭」「ホワイトボード」「別システムの画面」と書かれた行が、AIをExcelに入れても消えない作業である。

棚卸しをすると、たいていの工場で次のような傾向が出る。件数で言えば②集計と④報告が目立つが、延べ時間で言えば①転記が最大になる。理由は単純で、集計と報告は月に数回で担当者も限られるのに対し、転記は毎日、複数人、複数拠点で発生するからである。

棚卸しでよく見つかる「二重入力」の典型

棚卸しの過程で必ず見つかるのが、同じ数字を2回以上打っている箇所である。タイの日系工場でよく出てくるのは、次のようなループである。

システム化の効果が高いのは「毎日使う」「ミスが損失に直結する」「二重入力が多い」領域であり、製造業では在庫・工程・請求関連が優先になりやすいとされる。上の表がまさにその領域と重なっていることが分かる。

AIで消える4類型と、消えない1類型

棚卸しした5類型に、2026年時点のExcel×AIを当てはめるとどうなるか。結論から書くと、②③④⑤は大きく削れる余地があり、①はほとんど動かない。

②集計・③判断補助：加工層は素直に効く

集計は、AIが最も確実に効く領域である。データがすでにブックの中にあり、やることが計算だからである。Copilot in Excel の「スキル」に毎月の集計手順を登録しておけば、次月は同じ指示を呼び出すだけで済む。Claude for Excel であれば、既存の集計ブックの数式依存関係を読ませたうえで、壊れている参照や重複計算を洗い出させることができる。

ここで生まれる効果は「時間短縮」だけではない。属人化の解消のほうが実務的には大きいと考えられる。集計手順がブックのルールとして記録されていれば、担当者が異動しても月次が止まりにくくなる。タイ拠点のように駐在員の交代周期がある組織では、この効果は無視できない。

判断補助のほうは、AIの得意分野に近いが、注意が要る。異常値の抽出や遅延工程の洗い出しはAIに任せやすい一方、「その異常値が本当に問題なのか」の判定には現場の文脈が要る。ここを丸投げすると、AIが出した警告が現場で無視されるようになり、結局誰も見なくなる。

現実的には、AIに出させるのは候補のリストまでにして、判断そのものは人が持つ設計が安定しやすい。Work IQ のように社内のメールや会議記録から文脈を拾える仕組みは、この弱点を部分的に補うと考えられる。

④報告・⑤共有：出力側はまとまって削れる

報告は、加工層と共有層のあいだにある。集計済みの数字を、決まったフォーマットに整え、文章とグラフにする作業である。ここはAIで大きく削れる。特に、同じ数字を社内向け・本社向け・客先向けの3種類に整え直しているような工場では、整形の手数がまとまって減る可能性が高い。

多言語が絡む拠点では効果がさらに大きい。タイ語で書かれた現場の記録を日本語の本社報告に、英語の客先報告に、という展開はAIが得意とする領域である。

共有のほうは、AIそのものよりも仕組みの問題が大きい。最新版がどれか分からない、上書きで消えた、という問題はAIでは解けない。ただし、報告文のドラフト作成や、更新差分の要約といった周辺作業は削れる。

①転記：ほとんど動かない

そして転記である。ここが本稿の主題であり、AIをExcelに入れても最も動かない領域である。理由は次章で詳しく扱う。

類型別の見取り図

この表の読み方はひとつである。②〜⑤の「前提」はExcelの中で整えられるが、①の前提だけはExcelの外にある。

なぜ転記だけAIで消えないのか — 「元データが無い」問題

転記が消えない理由は、突き詰めると一文で書ける。転記の元になるデータが、そもそもデジタルで存在していないか、存在していても別のシステムに閉じているからである。

AIは、無いデータを作れない。この当たり前の事実が、Excel自動化の議論では驚くほど頻繁に見落とされる。

パターン1：発生源が紙・口頭・記憶にある

最も多いのがこれである。現場の作業実績、設備の停止理由、受入品の外観チェック結果、こういった情報の第一の記録媒体が紙のチェックシートやホワイトボード、あるいは班長の記憶になっている。

この状態では、Excelに入れる作業＝人がキーボードを叩く作業がどうしても発生する。AIをExcel側に置いても、AIの視界には紙が映らない。

打ち手はAI-OCRである。紙をスキャンして読み取り、構造化データにする。実際、生成AI／OCRで画像やPDFを読み取り、その先の登録をRPAが担う組み合わせは広がっている。ただしAI-OCRにも前提があり、帳票の様式が安定していること、手書き文字の質が一定以上であること、読み取り誤りを検証する経路があることが要る。この領域の選定基準はAI-OCRの比較記事で整理しているので、紙が主因の工場はそちらを先に見たほうが早い。

より根本的な打ち手は、発生源そのものをデジタル化することである。現場にタブレットや端末を置き、紙に書く代わりに直接入力してもらう。あるいは設備から実績を直接取る。紙を経由しなければ、読み取る必要も、転記する必要もない。

パターン2：デジタルだが別システムに閉じている

2番目に多いのがこれである。データはデジタルで存在している。会計システムの中に、生産管理システムの中に、勤怠システムの中に、あるいは設備のコントローラの中にある。だがそれらが互いにつながっておらず、人が画面を見ながらExcelに打ち直している。

この状態は、外から見ると「デジタル化済み」に見えるので、経営層には問題が見えにくい。だが現場では、システムAの画面を開き、数字を読み、Excelに打ち、システムBにも打つ、という作業が毎日続いている。

打ち手は接続である。API、CSVの自動連携、中間データベース、RPAによる画面操作の自動化など、手段は複数ある。RPAソリューションサービスの総市場は2024年度実績999億円、2025年度見込1,114億円、2026年度予測1,242億円と伸びており、生成AIとの連携で、生成AIが要約・分類・文案作成などの柔軟な処理を、RPAがその前後のデータ取得・登録・通知・転記といった定型処理を担う組み合わせが広がっている。つまりRPAは生成AIに置き換えられたのではなく、生成AIの手足として役割を変えながら残っている。

パターン3：デジタルだが構造化されていない

3番目は見落とされやすいパターンである。データはExcelの中にある。しかし表として壊れている。結合セルが多用され、1行に複数の意味が入り、ヘッダが2段になっており、同じ品番が「A-100」「A100」「a-100」と揺れている。

この状態では、AIに集計を頼んでも正しい答えが返らない。返らない理由がAIの性能ではなく入力データの構造にあるため、モデルを変えても改善しない。そして現場では「AIは使えない」という評価が定着する。

打ち手は表の正規化である。1行1レコード、1セル1値、ヘッダは1段、コード体系を統一する。地味だが、ここを直さずに先へ進むと、後続の投資がすべて効かなくなる。

3パターンの見分け方と「AIで足りるか」の判定基準

読者が自社で判定できるように、境界線を表にする。以下の問いに「はい」が多いほど、Excel×AIだけで足りる可能性が高い。

右側の項目が3つ以上該当する場合、AIツールの導入だけでは体感が変わらない可能性が高い。これはExcel管理の典型的な限界——手入力によるミス、関数の破損、複数人同時編集の困難、リアルタイムな在庫把握ができない、特定PCへのファイル依存による属人化、同時編集時の上書き保存による情報消失とバージョン管理の混乱、件数増加に伴うファイルの肥大化——として古くから指摘されてきた症状群と一致する。

重要なのは、これを「Excelをやめろ」という話として受け取らないことである。加工層と共有層では、Excelは依然として強力であり、AIとの相性も良い。問題は、入力層の器としてExcelを使い続けることにある。

タイ拠点で追加で効く3つの制約 — 多言語・情報統制／PDPA・現地スタッフの定着

ここまでは日本国内の工場にも当てはまる話である。タイ（およびASEAN）の拠点では、これに3つの制約が上乗せされる。

制約1：多言語が転記を増やす

タイの工場では、現場の記録がタイ語、社内の管理表が日本語または英語、客先提出が英語または日本語、という三層構造になっていることが多い。この構造自体が転記を生む。タイ語で書かれた日報を読んで、日本語の管理表に入れ直す作業は、翻訳と転記が同時に発生している。

ここには良い面と悪い面がある。良い面は、翻訳部分はAIが非常に得意だということである。悪い面は、翻訳が入ることで「人が読んで打ち直す」工程が正当化されやすく、システム化の議論が先送りされやすいことである。

打ち手としては、入力インターフェース側を多言語対応にして、記録は1回だけ・表示は言語ごとに切り替える形に寄せるのが筋である。同じデータを言語ごとに別ファイルで持つと、更新が二重三重になり、どれが正しいのか分からなくなる。

制約2：情報統制とPDPA

AIにExcelを触らせるということは、そのブックの中身がAIサービスの処理対象になるということである。工場のExcelには、原価、取引先名、単価、歩留まり、そして従業員の氏名や勤怠といった個人データが含まれることが多い。

タイには個人データ保護法（PDPA）があり、個人データの取り扱いには目的の明示と適法な根拠が求められる。加えて、日本本社側の情報管理規程、客先との秘密保持契約、拠点独自の運用ルールが重なる。「どのデータをどのAIサービスに渡してよいか」を先に決めておかないと、現場が個別判断でツールを使い始め、あとから統制が効かなくなる。

実務としては、次の3つを最低限決めておきたい。第一に、扱うデータの区分（公開可・社内限り・機密・個人データ）。第二に、区分ごとに使ってよいAIサービスとプラン。第三に、違反時の対応と相談窓口。この整理は生成AI利用規程の記事で具体的な条文構成まで扱っているので、まだ規程が無い拠点はそちらを先に整えたほうが安全である。

なお、統制を厳しくしすぎると現場が使わなくなり、緩すぎると事故が起きる。実際に運用が回っている拠点では、「原価と個人データを含むブックは指定環境でのみ」「それ以外は通常業務で自由に」といった二段構えにしているケースが多い。

制約3：現地スタッフの定着と人材確保

タイでは人件費が上昇傾向にあり、優秀な現地スタッフの確保が難しくなっている。この状況は、Excel運用にとって二重の意味を持つ。

ひとつは、属人化のリスクが上がるということである。Excelの管理表を作り込んだスタッフが辞めると、そのブックは誰も触れないブラックボックスになる。もうひとつは、人手による転記を前提とした運用のコストが上がり続けるということである。人を増やして回す前提が成り立ちにくくなる。

一方で、環境面には追い風もある。タイの2026年第1四半期のデジタル産業向け投資申請額は前年同期の2.4倍となっており、BOIはデータセンター・クラウド・AI開発などへの投資を誘致し、最大13年の法人税免除措置を用意している。デジタル領域への投資環境そのものは整いつつあると言える。

費用と進め方 — 3ステップと投資順序

ここまでの整理を踏まえると、進め方の順序が見えてくる。重要なのは、投資の順序を間違えないことである。

ステップ1：加工層をAIに渡す（すぐ着手できる）

最初にやるべきは、②集計・③判断補助・④報告をAIに渡すことである。ここは元データがすでにブックの中にあるため、追加のシステム投資なしに着手できる。

具体的には、毎月繰り返している集計手順をCopilot in Excel の「スキル」として登録する、ブックの命名規則と書式規則を .Rules シートに記録する、複雑化した既存ブックの数式依存関係をClaude for Excelに読ませて整理する、といった作業になる。

このステップの価値は、時間短縮そのものよりも「AIに任せられる範囲の実感が社内に生まれること」にある。実感がないまま次のステップの投資判断をすると、稟議が通らない。

ステップ2：発生源をデジタル化する

次に、①転記の元データを機械可読にする。棚卸しで「紙」「口頭」と書かれた行が対象である。

やり方は状況によって分かれる。帳票が安定していればAI-OCRで読み取る。現場での入力に切り替えられるなら端末を置く。設備から実績が取れるならネットワーク経由で直接拾う。どれを選ぶかは、対象業務の頻度と、ミスが損失に直結するかどうかで決めるとよい。優先順位をつけるなら、製造業では在庫・工程・請求関連が上位に来やすい。

このステップは現場の運用変更を伴うため、一度に全部やろうとすると失敗しやすい。1業務・1ラインから始めて、動くことを見せてから広げる進め方が現実的である。この進め方の具体はスモールスタートでのシステム導入で扱っている。

ステップ3：系と系をつなぐ

最後に、別々のシステムに閉じているデータをつなぐ。API連携、中間データベース、RPAによる橋渡しなどである。ここまで来ると、同じ数字を2回打つ場面が構造的に消えていく。

つないだ先でAIに加工させると、ステップ1で得た効果が本来の規模で効き始める。ここまで含めて自律的に処理させる構想がある場合は、AIエージェント導入の記事で権限設計や適用範囲の考え方を整理している。

投資順序と費用の考え方

3つめが本稿の冒頭で挙げた典型的な失敗である。そして4つめは、意外に多い。「システム同士をつなぎましょう」という提案に乗ったものの、肝心の実績データが紙のままだったため、つないだ先に何も流れてこないというケースである。

費用の考え方。 金額はツール構成と規模で大きく変わるため一律には言えないが、費用構造は次の3つに分解して考えると見通しが立つ。

ステップ1はライセンス費用が中心で、導入費用は小さい。ステップ2・3は導入費用の比重が上がる。だからこそ、ステップ1で効果の実感を作ってから、ステップ2・3の予算を取りに行く順序が現実的である。

判断チェックリスト。 自社が今どのステップにいるかは、次の問いで判定できる。

「いいえ」が最初に出た行が、次に着手すべき場所である。

よくある質問（FAQ）

Excel作業のAI自動化はどこまでできますか？

すでにExcelブックの中にあるデータを対象とした集計・分析・数式作成・レポート整形は、2026年時点で大きく削れる領域である。一方、ブックの外にあるデータ——紙の日報、口頭の連絡、別システムの画面——をExcelに入れる転記作業は、Excel側にAIを置いても変わらない。境界線は「元データがブックの中にあるかどうか」に引かれると考えるのが分かりやすい。

Copilot in Excel と Claude for Excel はどちらを選ぶべきですか？

用途が違うため、どちらが上という比較にはあまり意味がない。すでにMicrosoft 365を全社導入していて、社内のメールや会議記録の文脈も含めて扱いたいならCopilot in Excel が自然である。複雑化した既存ブックの構造を読み解きたい、複数タブにまたがる数式の依存関係を把握したいという用途ならClaude for Excel が向く。なお Microsoft 365 Copilot 自体も Anthropic の Claude との統合が進んでおり、二者択一の構図は今後さらに緩んでいくと考えられる。判断に迷う場合は、自社のExcel工数のうち「分析寄り」と「整形・共有寄り」のどちらが多いかで決めるとよい。

転記作業の自動化にRPAは今も必要ですか？

必要になるケースは残っている。RPAソリューションサービスの総市場は2024年度実績999億円、2025年度見込1,114億円、2026年度予測1,242億円と拡大が見込まれており、生成AIに置き換えられて消えたわけではない。役割が変わったと見るのが正確で、生成AIが要約・分類・文案作成といった柔軟な処理を担い、RPAがその前後のデータ取得・登録・通知・転記といった定型処理を担う組み合わせが広がっている。画像やPDFを生成AI／OCRで読み取り、RPAが業務システムへ転記する形で、従来自動化しにくかった業務にも適用範囲が広がっている。連携インターフェースを持たない古い業務システムが残っている拠点では、当面RPAが現実的な選択肢であり続けると考えられる。

Excel管理の限界はどう判断すればよいですか？

症状で判断できる。手入力によるミスが頻発する、関数が壊れて直せる人がいない、複数人での同時編集ができない、リアルタイムな在庫把握ができない、特定のPCにファイルが依存して属人化している、同時編集時の上書き保存で情報が消えバージョン管理が混乱している、件数増加でファイルが肥大化して開くだけで数分かかる——これらは典型的な限界の兆候として指摘されてきたものである。

このうち複数が同時に出ている場合、Excelの使い方の工夫では戻りにくい段階に入っている可能性が高い。特に「リアルタイムな在庫把握ができない」と「同時編集での情報消失」が出ている場合は、入力層の器をExcel以外に移す検討を始めたほうがよいと考えられる。

タイ拠点でAIにExcelを触らせるとき情報漏洩は大丈夫ですか？

ツール側の仕様よりも先に、自社のルールを決めることを勧めたい。工場のExcelには原価、取引先、単価、そして従業員の氏名や勤怠といった個人データが入っていることが多く、タイのPDPA、日本本社の情報管理規程、客先との秘密保持契約が同時にかかる。

実務的には、データを区分（公開可・社内限り・機密・個人データ）に分け、区分ごとに使ってよいサービスとプランを定め、相談窓口を決めておく形が運用しやすい。ルールが無いまま現場が個別に使い始めると、あとから統制するのが難しくなる。規程の作り方は生成AI利用規程の記事で扱っている。

費用はどれくらいかかりますか？

構成と規模によって大きく変わるため一律の金額は示せないが、費用は「ライセンス費用」「導入・設定費用」「運用費用」の3つに分けて見積もると比較しやすい。加工層をAIに渡す段階（ステップ1）はライセンス費用が中心で、追加のシステム投資をほとんど伴わない。Claude for Excel はProプランでも利用可能とされており、まず小さく試すことは難しくない。

一方、発生源のデジタル化（ステップ2）とシステム間の接続（ステップ3）は、対象業務の数と帳票の複雑さ、拠点数に応じて導入費用の比重が上がる。ステップ1で効果の実感を作ってからステップ2・3の予算を取りに行く順序が、稟議の通しやすさの面でも現実的である。

まとめ

Excel作業のAI自動化を検討するときは、まずExcel作業を入力層・加工層・共有層の3層と、転記・集計・判断補助・報告・共有の5類型に分解することを勧めたい。2026年のCopilot in Excel と Claude for Excel は、加工層と共有層——集計・分析・数式・レポート整形——で確かな効果が期待できる。ここは追加のシステム投資なしに着手でき、属人化の解消という副次効果も大きい。

一方、工場のExcel工数で最も分厚い入力層＝転記は、Excel側にAIを置いても消えない。AIはブックの中にあるものしか読めず、無いデータは作れないからである。転記が消えない原因は、元データが紙・口頭にあるか、別システムに閉じているか、Excel内にあっても構造が壊れているかの3つに整理できる。したがって打ち手は、①加工層をAIに渡す、②発生源をデジタル化する、③系と系をつなぐ、という順序になる。この順序を飛ばすと、「AIを入れたのに現場のExcelが減らない」という結論に至りやすい。

タイ拠点ではさらに、多言語・PDPAを含む情報統制・人材確保という3つの制約が上乗せされる。いずれもAI導入の可否を左右するというより、設計の前提として先に整理しておくべき項目である。

自社のExcel作業のうち、どこまでがAIツールだけで足り、どこからシステム側のつなぎ込みが必要になるのか——この切り分けは、棚卸しさえできれば社内でも判断できる。ただし、他拠点でどう分かれたかの事例があると判断は早くなる。TOMAS TECHはタイ・ASEANの日系製造業向けに生産管理・エネルギー管理システムを手がけており、切り分けの相談だけでも承っている。現状のExcel運用を整理したい段階でも構わないので、必要があればお問い合わせからご連絡いただきたい。

参考情報

• What’s new in Microsoft 365 Copilot: June 2026（Windows Blog 日本語）
• Microsoft 365 Copilotの現在地（ビジネス+IT）
• Claude for Excel とは（notAI）
• Claude in Excel の解説（INNOTEX）
• Excel管理の限界とシームレスな業務フロー（トーテック産業）
• Excel工程管理の限界（SMART GO）
• Excel管理の限界と脱却タイミング（mactism）
• RPAソリューションサービス市場調査（ミック経済研究所）
• RPAと生成AIの連携（日立ソリューションズ）
• タイの投資奨励制度・BOI（JETRO）
• タイのデジタル産業投資動向（バンコク週報）