‹ ブック一覧へ戻る
こんにちは!!もりもりです!!

今回は【Excel×AI協働の極意】をお届けします!!

【Excel】AI協働時代の活用ガイドブック

📚 本ガイドブックは、AIと人間の協働におけるExcel活用について、AIの視点からその特性、課題、そして最適な使い方を解説するために設計されています。Markdown時代においてもExcelが必要となる場面で、AIとの連携を最大化し、開発効率と品質を向上させるためのノウハウをご紹介します。

目次

  1. AIから見たExcelの特性と課題
  2. ExcelがAIにとって困難な理由
  3. AIが取りこぼすExcelシートの具体例
  4. AIと協働するためのExcelシート設計ルール
  5. AIのExcel入出力能力と限界
  6. AIがExcelを読み書きする仕組みと将来展望（markItDown含む）
  7. ExcelのDrawing図形・フロー説明図とAI
  8. PowerPoint vs Excel：図形扱いの比較
  9. 仕様書にExcelを混ぜる場合の注意点
  10. Excelが不適切な場合のAI向け代替案
  11. よくある質問とトラブルシューティング

AIから見たExcelの特性と課題

AIの目にExcelはどのように映るのか

人間がExcelを開いたとき、目に入るのは色分けされたセル、太字のヘッダー、きれいに整列した数値です。それらが一瞬で「売上集計表だ」「進捗管理シートだ」と理解できます。

AIにとってExcelは、まったく異なる景色として見えています。

AIがExcelを受け取る際、実際には「値のテキスト列」として認識されます。.xlsxファイルはZIP形式のアーカイブであり、内部にXMLが格納されています。そのXMLを解釈したとき、AIには次のような情報として届きます。


行1: ["売上報告", "", "", ""]
行2: ["", "4月", "5月", "6月"]
行3: ["東京", "100", "150", ""]
行4: ["大阪", "80", "90", ""]
この時点で、人間が「当たり前」と感じている情報のほとんどが消えています。

つまりAIにとってExcelは、「視覚的意味が剥ぎ取られた、行と列の値の羅列」です。人間が「一目でわかる」ために施した工夫のほとんどが、AIには届きません。これがExcel取り扱いの根本的な難しさです。

AI視点でのExcelの特性

特性 / 特徴AIからの認識課題
セルベース構造二次元配列として認識可能マージされたセルは配列構造を破壊する
書式設定視覚的情報として認識書式とデータの分離が困難
数式と関数計算ロジックとして認識循環参照や複雑な依存関係の解析が難しい
グラフと図形オブジェクトとして認識位置関係とデータの関連付けが曖昧
複数シート階層構造として認識シート間の参照関係の追跡が複雑

主な使用用途

ExcelがAIにとって困難な理由

構造の曖昧性

人間はExcelを見た瞬間に「この部分がヘッダーで、ここからデータ」と直感的に理解できます。しかし、AIにとってこれは極めて困難な推論タスクです。

#### 具体的な課題

  1. 空白セルの意味解釈
- データの欠如？区切り？装飾？ - AIは文脈から意図を推測する必要あり
  1. マージされたセル
- 論理的な構造を破壊 - 配列処理が不能になる
  1. 書式による意味付け
- 太字＝重要？色分け＝分類？ - AIは視覚的意図を解釈できない

データ型の不一致

Excelは緩やかな型付けを特徴としますが、AIは厳格な型付けを前提として動作します。

問題Excelでの挙動AIへの影響
数値と文字列001 → 1 として保存先頭ゼロが消失し、コード・番号としての意味が失われる
日付形式多様な表示形式解析エラーの原因
特殊文字自動変換データの改ざん

補足：先頭ゼロ問題について

001や007のような番号をExcelに入力すると、Excelは自動的に数値の1や7として保存します。AIがこのデータを受け取ると、それが「コード番号」なのか「単なる整数」なのか判断できません。コード・番号を扱う列は、Excelのセル書式を「文字列」に設定するか、列名に「_code」「_id」を付けてAIへ意図を伝えることが重要です。

計算の複雑性

Excelの数式はセル参照と相対・絶対位置に依存しますが、AIはこれを静的なテキストとしてしか認識できません。


=SUM(A2:A10)
=VLOOKUP(B2,Sheet2!A:D,4,FALSE)
=IF(C2>100,"高評価","標準")
これらの数式をAIが正しく解釈するには、セルの位置関係、シート構造、データ型などを完全に理解している必要があります。

AIには見えないExcel要素

人間は普段意識しませんが、以下の情報はExcelをテキストとして渡した場合にAIには一切届きません。現場で特に問題になりやすい要素として押さえておいてください。

要素内容AIへの影響
セルのコメント・メモセルに付与した注記値として渡さない限り完全に消える
名前付き範囲=SUM(売上範囲) のような定義名定義の実体が見えず、数式の意味が不明になる
条件付き書式のルール「値が0以下なら赤」等の設定条件も色の意味もAIには届かない
データ入力規則ドロップダウンリスト等の入力制約許可値の範囲がAIには見えない
非表示行・列折りたたんで隠している行・列表示されていないだけで値は存在するが見落としやすい
シートの非表示非表示シートへの参照参照先が見えずに数式の意味を誤解する
図形・テキストボックスセル外に浮かぶ図形テキスト付き図形のテキストは通常消える

AIが取りこぼすExcelシートの具体例

ケース1：マージセル多用のレポート

#### 問題のあるシート例



売上報告
4月
東京
-----
100
150
```

#### AIの認識と問題点
json

{

"error": "セル構造が破壊されています",

"issues": [

"「売上報告」のマージ範囲が不明",

"「4月」「5月」「6月」の位置関係が曖昧",

"データ行とヘッダーの対応が不能"

]

}


#### 改善案
地域月売上
東京4月100
東京5月150
大阪4月80
大阪5月90
福岡4月120
福岡5月110


ケース2：書式に依存した分類


#### 問題のある例


    
  
  • 赤字のセル＝重要項目
    • 
  
  • 背景色が黄色＝注意事項
    • 
  
  • 太字＝見出し
    • 



#### AIの認識
json

{

"data": ["重要項目", "注意事項", "見出し"],

"formatting": {

"red_text": "意味不明",

"yellow_bg": "意味不明",

"bold": "意味不明"

}

}


#### 改善案
項目重要度分類内容
A項目高注意詳細内容
B項目中通常詳細内容


ケース3：複雑な数式と参照


#### 問題のある例
excel

=IF(VLOOKUP(A2,Sheet2!$A$1:$D$100,3,FALSE)>100,

INDEX(Sheet2!$A$1:$D$100,MATCH(A2,Sheet2!$A$1:$A$100,0),4)&"（超過）",

"基準内")


#### AIの解析困難点


    
  
  1. 複数の関数がネストされている
    2. 
  
  2. シート間参照がある
    3. 
  
  3. 相対・絶対参照が混在している
    4. 
  
  4. 条件分岐と文字列結合が組み合わさっている
    5. 



#### 改善案


    
  
  1. 計算ロジックを別シートに分離
    2. 
  
  2. 計算過程を段階的に示す
    3. 
  
  3. 計算結果を直接入力する（AI処理の場合）
    4. 




ケース4：非表示行・列による情報の欠落


#### 問題のある例

管理上の都合で列を非表示にしているシートをAIに渡す場合、AIの目には「飛んだ列」や「空白のようなギャップ」に見えます。特に非表示列に重要な分類コードや管理IDが入っている場合、AIはその存在自体を知らないまま処理します。

#### 改善案

AIに渡す前にすべての行・列を表示状態に戻すか、非表示要素が存在することをプロンプトで明示する。


ケース5：セルコメントに記載した重要情報


#### 問題のある例
セルB5の値: "山田太郎"

セルB5のコメント: "2024年4月より鈴木花子に引継ぎ予定"


人間には吹き出しで見えるコメントが、AIには値「山田太郎」しか届きません。引継ぎ予定などの重要な文脈がAIに完全に見えなくなります。

#### 改善案

コメントに記載している重要情報は、専用の列（例：備考列）として値として書き出す。






AIと協働するためのExcelシート設計ルール



基本原則


「AIにとって機械的に読み取り可能な構造」を最優先すること


設計ルール一覧



ルール内容理由対応例
1. マージセル禁止セルの結合を一切使用しない配列構造の維持ヘッダーは単一セルに
2. テーブル形式厳守常に行と列の明確なテーブル構造機械的な認識最初の行はヘッダーのみ
3. データ型統一列ごとにデータ型を統一型推論の安定化日付はYYYY/MM/DD形式
4. 空白セルの排除不要な空白を入れない意味の曖昧性排除データなしなら「なし」
5. 識別子の付与各行に一意のIDを付与データの追跡性ID-001, ID-002
6. 単一シート原則1シート=1テーブルを原則構造の単純化関連データは別シート
7. 数式の最小化AI処理対象は数式なしを推奨計算ロジックの分離計算結果を直接入力
8. ヘッダーの標準化英数字、アンダースコアのみ使用プログラムでの利用user_name, created_date
9. コメント・メモの禁止重要情報をセルコメントに記載しないAIに届かない備考列として値で書く
10. 名前付き範囲の説明明示名前付き範囲を使う場合は定義を別シートで文書化参照の意味が不明になる名前定義シートに一覧化
11. 非表示行・列の禁止AIに渡すシートは全行・全列を表示欠落情報の防止渡す前に「すべて表示」
12. 先頭ゼロを持つ値の扱いコード・番号列はセル書式を「文字列」に設定先頭ゼロの消失防止001→文字列として保持


具体的な設計例


#### 良い例
task_idtask_nameassigneeprioritystatuscreated_datedue_date
T001データベース設計山田太郎HighIn Progress2026/05/012026/05/15
T002API開発鈴木花子MediumNot Started2026/05/022026/05/20
T003フロント実装佐藤一郎LowCompleted2026/04/202026/05/01

#### 悪い例
タスク管理表
データベース設計
API開発


検証チェックリスト



    
  
  • [ ] セルのマージが一つもない
    • 
  
  • [ ] 最初の行が純粋なヘッダーになっている
    • 
  
  • [ ] 各列のデータ型が統一されている
    • 
  
  • [ ] 空白行が存在しない
    • 
  
  • [ ] 各行に一意の識別子がある
    • 
  
  • [ ] 日本語ヘッダーに別名（英語）がある
    • 
  
  • [ ] 数式が使用されていない（AI処理の場合）
    • 
  
  • [ ] セルのコメント・メモに重要情報が入っていない
    • 
  
  • [ ] 非表示の行・列がない
    • 
  
  • [ ] 先頭ゼロを持つコード列が文字列形式で保持されている
    • 








AIのExcel入出力能力と限界



Excelの渡し方によって処理精度は大きく変わる


AIにExcelデータを渡す方法は複数あり、渡し方によってAIが認識できる情報量が大幅に異なります。これはExcel活用において最も現場で見落とされやすい点の一つです。


渡し方AIが認識できる情報書式情報推奨度
.xlsxファイルを直接添付値・数式・一部の構造限定的（ツールによる）🌟🌟🌟
.csvに変換して添付値のみ（テキスト）なし🌟🌟🌟🌟🌟
セルの値をテキストにコピーペースト値のみ（タブ区切りテキスト）なし🌟🌟🌟🌟
スクリーンショットを添付視覚的な表の内容（OCR相当）見た目のみ🌟🌟

推奨は.csv変換です。書式が完全に取り除かれる代わりに、AIが「純粋な値の集合」として最も安定して処理できます。.xlsxをそのまま渡すと、ツールによっては書式情報が混入したテキストが生成され、解析精度が落ちることがあります。




AIが入力できるExcelシート


#### 対応可能な形式




形式特徴AIの処理能力
単純テーブル行列構造のみ✅ 高精度
数値データ統一された数値✅ 高精度
テキストデータ標準テキスト✅ 高精度
日付データ標準形式✅ 中〜高精度
IDコード半角英数字✅ 高精度

#### 入力の限界




形式限界の理由回避策
マージセル構造破壊使用しない
複雑な数式解析不能計算結果を入力
画像埋め込み値として届かない別ファイル管理
複数シート参照関係追跡困難単一シート化
セルコメントテキスト変換時に消える備考列として値化
名前付き範囲定義の実体が見えない定義を文書化する

#### AI入力のベストプラクティス
python

AIによるExcel入力の理想形

data = [

{"id": "P001", "name": "プロジェクトA", "status": "進行中", "progress": 75},

{"id": "P002", "name": "プロジェクトB", "status": "完了", "progress": 100},

{"id": "P003", "name": "プロジェクトC", "status": "未着手", "progress": 0}

]

この構造ならExcelに変換可能



AIが出力できるExcelシート


#### 生成可能な内容


内容特徴品質レベル
テーブルデータ構造化データ🌟🌟🌟🌟🌟
基本書式設定太字、色付け🌟🌟🌟
簡単な数式SUM, AVERAGE等🌟🌟🌟
VBAコード（テキスト）コードとして生成🌟🌟🌟🌟
グラフ作成基本的なチャート🌟🌟
複雑なレイアウト複雑な配置❌

#### AI出力の限界




    
  
  1. 視覚的デザイン
    2. 


   - 美しいレイアウトの作成は苦手
   - 色配合、フォント選定のセンスがない


    
  
  1. 複雑な数式
    2. 


   - ネストした関数の生成は不正確になりがち
   - エラー処理が不十分


    
  
  1. VBAのExcelファイルへの直接埋め込み
    2. 


   - AIはVBAコードそのものをテキストとして生成・提案することは得意
   - ただし、openpyxl等のライブラリはVBAの埋め込みに制約があり、.xlsm形式での書き込みには追加の対応が必要
   - 「VBAコードを書いてもらう」のはAIが得意。「VBAをExcelファイルに自動埋め込みする」のは困難、という区別が重要


    
  
  1. 動的なインタラクティブ機能
    2. 


   - ピボットテーブルの自動生成精度は低い
   - スライサー・タイムライン等の動的UI要素は作れない

#### AI出力のベストプラクティス

AIに期待する出力の理想形

  1. データは完璧なテーブル形式
  2. 書式は最小限（太字、背景色程度）
  3. 数式は単純なもの（SUM/AVERAGE等）のみ
  4. VBAが必要な場合はコードをテキストで生成させ、人間がExcelに貼り付ける
  5. 複雑なレイアウト・デザインは人間が担当






AIがExcelを読み書きする仕組みと将来展望



AIはExcelの「読み書き」を自分でやっているのか？


この問いに対する答えは「ほぼNoであり、ツールや変換層が担っている」です。

AIの本体（LLMと呼ばれる言語モデル）は、本質的にはテキストを受け取りテキストを返すエンジンです。ExcelのバイナリやXMLをネイティブに解釈する機能は、AIそのものには組み込まれていません。Excelを扱えているように見える場面では、必ずその前後に「変換ツール」や「実行環境」が介在しています。

これを理解しておくと、「なぜAIはこのExcelを読み違えたのか」「なぜ出力したExcelが崩れたのか」という問題の原因を正確に把握できるようになります。






Excelの読み込み（入力）の仕組み


#### .xlsxファイルの内部構造

.xlsxファイルは見た目はExcel専用形式ですが、実体はZIPアーカイブです。解凍すると複数のXMLファイルが入っています。
book.xlsx（ZIP）

├── xl/

│ ├── workbook.xml ← ブック全体の定義

│ ├── worksheets/

│ │ ├── sheet1.xml ← シート1のセルデータ

│ │ └── sheet2.xml ← シート2のセルデータ

│ ├── drawings/

│ │ └── drawing1.xml ← 図形・Drawing オブジェクト

│ ├── charts/

│ │ └── chart1.xml ← グラフデータ

│ └── sharedStrings.xml ← 文字列の共有プール

└── [Content_Types].xml


セルの値はこのXMLに格納されており、ここから値を読み出すことがExcel処理の起点になります。

#### 入力経路と変換フロー

AIがExcelを「読む」経路は主に3パターンがあり、それぞれ精度と見えている情報が異なります。
mermaid

flowchart TD

XL[.xlsxファイル / スクリーンショット / テキスト貼り付け]

XL --> R1["① .xlsx直接添付\n（Claude.aiやAPIのファイルツール）"]

XL --> R2["② .csvに変換して渡す"]

XL --> R3["③ セル範囲をコピーしてテキスト貼り付け"]

XL --> R4["④ スクリーンショット画像を添付"]

R1 --> P1["ツールがXMLを解析\n値・一部の書式を抽出"]

R2 --> P2["値のみのプレーンテキストとして届く"]

R3 --> P3["タブ区切りテキストとして届く\n書式・図形はすべて消える"]

R4 --> P4["Visionモデルが画像として解釈\n（OCR相当）"]

P1 --> AI[AIが受け取るテキスト]

P2 --> AI

P3 --> AI

P4 --> AI

AI --> LLM["LLM（言語モデル）が\n文章・データとして処理"]



経路AIに届く情報図形・書式安定性
①.xlsx直接添付値・数式・一部構造△ ツール依存中
②.csv変換値のみ✗ なし高
③テキスト貼り付け値のみ（タブ区切り）✗ なし中〜高
④スクリーンショット視覚的な表・図◎ 見た目は届く低〜中

#### ⑤ markItDown：ExcelをMarkdownに変換する



上記の経路に加え、実用上とりわけ有益なアプローチとして markItDown があります。これはMicrosoft が開発・公開しているオープンソースのPythonライブラリで、ExcelをはじめWord・PowerPoint・PDF・HTMLなど多様なファイル形式をMarkdownテキストに一括変換することができます。
GitHub: https://github.com/microsoft/markitdown


Excelに対しては、各シートのテーブルをMarkdownテーブル形式に変換して出力します。変換後のテキストはAIが最も安定して処理できる形式のひとつであり、「.csv変換」に近い精度でセルの値を届けつつ、複数シートをまとめて1つのMarkdownファイルに出力できるという利点があります。
bash

インストール

pip install markitdown
python

基本的な使い方

from markitdown import MarkItDown

md = MarkItDown()

result = md.convert("data.xlsx")

print(result.text_content)


出力例：
markdown

Sheet1

担当者タスク期限ステータス
山田太郎設計2026/05/15完了
鈴木花子開発2026/05/30進行中
佐藤一郎テスト2026/06/10未着手

Sheet2

項目値
プロジェクト名システム刷新
予算5000000

このMarkdownをそのままAIのプロンプトに貼り付けることで、最も損失の少ない形でExcelの内容をAIに渡すことができます。

##### markItDownの特徴と注意点


項目内容
開発元Microsoft（オープンソース）
対応フォーマット.xlsx / .docx / .pptx / .pdf / .html / 画像 / 音声 など
Excelへの対応各シートのテーブルをMarkdownテーブルに変換
複数シート✅ シートごとに見出しを付けて出力
書式情報✗ 変換されない（値のみ）
Drawing図形✗ 変換されない（消える）
数式計算結果の値のみ出力（数式そのものは出力されない）
ライセンスMIT License




ポイント：CSV変換との違い


CSVはシートを1枚ずつ個別ファイルにしか変換できませんが、markItDownは複数シートを1ファイルにまとめてMarkdown化できます。また、Word・PowerPoint・PDFにも対応しているため、「仕様書群をまとめてMarkdown化してAIに渡す」というワークフローにも活用できます。









Excelへの書き出し（出力）の仕組み


AIが「Excelを出力する」場面も、実態はAIがテキスト（コードまたはデータ）を生成し、ツールがExcelに変換するという構造です。
mermaid

flowchart TD

U[ユーザーの依頼\n「この表をExcelにして」]

U --> AI2[LLMがデータ・コードをテキストで生成]

AI2 --> O1["① CSVテキストを生成\n→ 人間またはスクリプトがExcel変換"]

AI2 --> O2["② Pythonコードを生成\n（openpyxl / xlsxwriter）"]

AI2 --> O3["③ Code Execution環境で\nコードを実行して.xlsxを生成"]

AI2 --> O4["④ VBAコードをテキストで生成\n→ 人間がExcelに貼り付け・実行"]

O1 --> XLO[".xlsxファイル"]

O2 --> XLO

O3 --> XLO

O4 --> XLO



出力方法AIが生成するもの変換の担い手書式の品質
CSVテキスト生成テキスト人間・スクリプト最小限
Pythonコード生成.pyスクリプト人間が実行コード次第
Code Execution実行.xlsxファイルAI実行環境中程度
VBAコード生成.vbテキスト人間がExcelで実行高（Excelネイティブ）

#### 主要なExcel操作ライブラリ



AIがExcel出力コードを生成する際に使用する代表的なライブラリは以下のとおりです。




ライブラリ特徴得意な用途備考
openpyxl読み書き両対応既存ファイルの編集・読み込み書式・スタイルも制御可
xlsxwriter書き出し専用新規ファイル生成・グラフ作成既存ファイルの読み込み不可
pandasデータ処理中心大量データの変換・集計Excel入出力はopenpyxlを内部利用
pywin32Excelアプリ操作VBA相当の自動操作Windows + Excelインストール必須
markItDown読み取り・Markdown変換ExcelをAI向けMarkdownに変換Microsoft製・複数シート対応






AIに「実装されている」機能と「ツールで補う」機能の境界


この区別は実務で非常に重要です。
┌─────────────────────────────────────────────┐

│ AI（LLM）本体 │

│ ✅ テキスト・数値データの理解と生成 │

│ ✅ 表構造（Markdown/CSV/JSON等）の読み書き │

│ ✅ 数式ロジックの説明・生成（テキストとして） │

│ ✅ VBAコードの生成（テキストとして） │

│ ✅ Excelシートの設計アドバイス │

└─────────────────────────────────────────────┘

↑ここまでAI本体が担う

┌─────────────────────────────────────────────┐

│ ツール・実行環境が補う領域 │

│ 🔧 .xlsxファイルの解析・生成 │

│ 🔧 書式・スタイルの適用 │

│ 🔧 グラフオブジェクトの生成 │

│ 🔧 VBAのExcelへの埋め込み・実行 │

│ 🔧 マクロの実行 │

│ 🔧 Drawing図形の配置・抽出 │

└─────────────────────────────────────────────┘

↑ここはツールに依存する







今後の見通し：ExcelとAIの統合はどこへ向かうか


現時点での課題（書式の消失・図形の取りこぼし等）は、技術的には改善可能なものがほとんどです。実際、この領域での進化は急速に進んでいます。

#### 現在進んでいる統合


    
  
  • Microsoft Copilot for Excel：Excelアプリに直接AIが統合され、自然言語でのデータ集計・グラフ生成・数式提案が可能になっています。これはAIがExcelのネイティブAPIと直接通信しているため、変換ロスが大幅に減少します。
    • 
  
  • MCP（Model Context Protocol）：AIエージェントが外部ツールをAPIとして呼び出す標準規格が整備されつつあり、ExcelをMCPサーバー越しに操作するアーキテクチャが現実的になりつつあります。
    • 
  
  • マルチモーダルAIの精度向上：スクリーンショットや画像からの表・図形の読み取り精度が向上しており、視覚的なExcelシートをAIが直接「見て理解する」精度は年々上がっています。
    • 



#### 普遍的に変わらない制約

一方で、以下の制約は技術の進化によっても本質的には変わらない性質のものです。


制約理由見通し
書式による意味付けの曖昧性人間の「暗黙の了解」に依存する変わらない
マージセルの構造的な問題テーブル構造を根本的に壊す設計変わらない
コメントへの重要情報の記載人間側の習慣の問題変わらない
複数ファイルにまたがる仕様断絶ファイル分割という設計上の問題変わらない

結論として、ツールや統合環境の整備によって「渡し方の手間」や「書式の再現性」は今後大幅に改善される見込みです。しかし「シートの設計が人間にとって読みやすいが機械には読みにくい」という根本的な問題は、Excelの構造そのものを変えない限り解消されません。本ガイドブックで解説したシート設計ルールは、ツールがいくら進化してもその価値を失いません。








ExcelのDrawing図形・フロー説明図とAI



Excelの「Drawing層」とは何か


Excelのシートには、実は2つの独立した層が重なっています。
┌──────────────────────────────────────┐

│ Drawing層（図形・矢印・テキストボックス・グラフ等） ←フロートしている

├──────────────────────────────────────┤

│ セル層（値・数式・書式） ←格子状の表

└──────────────────────────────────────┘


セル層はXML内のsheet1.xmlに格納されますが、Drawing層は完全に別のXMLファイル（drawing1.xml）に格納されています。そしてこのDrawing層には、セルの「行・列」という座標系とは別に、EMU（English Metric Unit）という単位の絶対座標で図形が配置されています。

人間がExcelで図形を動かしているとき、その図形はセルに入っているのではなく、セルの上空に浮いているオブジェクトです。これがAIにとって最大の難関になります。






AIからExcelのDrawing図形はどう見えるか


#### テキストとして渡した場合（コピー＆ペースト・CSV変換）
AIが受け取るもの：

行1: ["担当者", "タスク", "期限"]

行2: ["山田", "設計", "5/15"]

行3: ["鈴木", "開発", "5/30"]

（フローチャートの矢印も、説明の吹き出しも、

組織図の四角形も、すべて完全に消えている）


Drawing層はセル値のエクスポートに含まれないため、テキストとして渡した時点でDrawing図形はすべて消滅します。

#### .xlsxファイルを直接添付した場合

ツールがXMLを解析する場合でも、drawing1.xmlの読み取りと意味解釈は非常に困難です。
xml















← EMU座標

← サイズ



← 図形の種類





承認待ち






AIがこのXMLから読み取れるのは「テキスト（承認待ち）」と「座標の数値」だけです。この四角形が他の図形とどのような論理的関係にあるか（矢印でつながっているのか、上位・下位関係なのか）は判断できません。

#### スクリーンショットを渡した場合

Visionモデルが画像として読み取るため、見た目は届きます。ただし、精度と限界は以下のとおりです。
✅ 読み取れるもの：

- 図形内のテキスト - 矢印の向き（おおよそ） - フローの流れ（単純なもの） ⚠️ 不安定なもの：

- 複雑に入り組んだ矢印の接続先 - 図形の重なり・Z順序 - 小さいテキストや細かい吹き出し ❌ 読み取れないもの：

- 図形とセルデータの論理的な関連付け - コネクタ矢印の「始点・終点セル」の特定 - 条件分岐の意味（菱形＝分岐という解釈は推測に依存） 






Drawing図形の種類別・AIの扱いづらさマトリックス



図形の種類よくある用途テキスト渡しxlsx添付スクショ対処法
単独テキストボックス補足説明・注記❌ 消える△ テキストのみ✅ 読める備考列に値として書く
単独の四角形工程・状態表示❌ 消える△ テキストのみ✅ 読めるセルのテキストとして代替
矢印コネクタ処理の流れ❌ 消える❌ 意味不明△ 向きは分かるMermaidに置き換える
フローチャート（複合）業務フロー❌ 消える❌ 断片的△ 単純なもののみMermaidに置き換える
吹き出し強調・説明❌ 消える△ テキストのみ✅ 読める備考列または脚注に
組織図（SmartArt）階層表現❌ 消える❌ 構造不明△ 単純なもののみJSONまたはMarkdownリストに
画像の埋め込み写真・ロゴ❌ 消える❌ 消える✅ 見える別ファイルで管理
グラフ（Chartオブジェクト）データ可視化❌ 消える△ 元データは読める✅ 見える元データをセルに確保する






現場でよく起きる「取りこぼし」の具体例


#### ケース：フローチャートが入ったExcel仕様書



仕様書にセル表と一緒にフローチャートが描かれているケースは非常に多いです。
【人間が見ているシート】

[開始] → [入力チェック] → 分岐

├─ OK → [DB保存] → [完了]

└─ NG → [エラー表示] → [戻る]

下のセルには：

| 処理ID | 処理名 | 担当 |

| P001 | 入力チェック | 山田 |

| P002 | DB保存 | 鈴木 |
【AIが受け取るもの（テキスト渡しの場合）】

| 処理ID | 処理名 | 担当 |

| P001 | 入力チェック | 山田 |

| P002 | DB保存 | 鈴木 |

（フローチャートは完全消滅。

分岐条件も、処理の順序も、AIには届いていない）


AIはセルの表データのみを受け取り、「入力チェックとDB保存がどういう順序・条件でつながっているか」は一切分かりません。この状態でAIに「この仕様からコードを生成して」と依頼しても、フロー部分は推測に頼ることになります。






ExcelのDrawing図形に対する推奨対応方針


#### 原則：図形はExcelで描かない

AIとの協働を前提とするなら、ExcelのDrawing図形は使わないというのが最もシンプルな答えです。
mermaid

flowchart TD

Q{この図の主目的は何か？}

Q --> A1["データと連動した\nグラフ・チャート"]

Q --> A2["フロー・手順・関係性\nの説明図"]

Q --> A3["補足テキスト・注記"]

A1 --> R1["Excelのグラフ機能を使う\n（元データをセルで管理）"]

A2 --> R2["Mermaid図に置き換える\n（テキストベースで管理）"]

A3 --> R3["セルの「備考」列に\nテキストとして書く"]


#### やむを得ずExcelにDrawing図形を使う場合の対処


    
  
  1. 図形内のテキストを必ずセルにも記録する
    2. 


   図形が消えてもセルにテキストが残るよう、テキストの二重管理を行う。


    
  
  1. フロー図は別途Markdownか画像で補完する
    2. 


   Excelシートの近くにMarkdownファイルでMermaid図を用意し、AIには両方渡す。


    
  
  1. AIに渡す際はスクリーンショットを付ける
    2. 


   .xlsxファイルに加え、図形が含まれるシートのスクリーンショットを添付することで、Visionモデルが図形の内容を補完できる可能性が高まる。


    
  
  1. 図形の意味をコメント列に言語化する
    2. 


   「このシートのフローは：開始→入力チェック（OK時DB保存・NG時エラー表示）→完了」という文章をセルのどこかに書いておく。






PowerPoint vs Excel：図形扱いの比較



基本的な違い



項目PowerPointExcelAIからの評価
図形の目的プレゼンテーションデータ補助PowerPointが直感的
配置自由度高い（任意座標）低い（セル基準）PowerPointが優秀
データ連携なし強いExcelが優秀
テキスト処理テキストボックス内テキストセル内テキスト両方とも可
AIの認識性構造化しやすい曖昧PowerPointが若干有利




「袋文字」について補足


「袋文字」とは文字の外周にアウトラインを付ける装飾技法であり、PowerPointのテキスト処理の一般的な説明とは別の概念です。PowerPointにおけるテキストの基本的な入れ物はテキストボックスであり、AIはテキストボックス内のテキストをXML経由で抽出できます。





AI視点での使い分け


#### PowerPointが適している場面




    
  
  • 純粋な図形配置：フローチャート、組織図
    • 
  
  • プレゼンテーション：スライド作成
    • 
  
  • 自由なレイアウト：デザイン性の高い図
    • 



#### Excelが適している場面




    
  
  • データとの連携：グラフ、データ可視化
    • 
  
  • 構造化された配置：ガントチャート
    • 
  
  • 計算が必要な図：数値を伴う図表
    • 




具体的な比較例


#### ガントチャートの作成



Excelでの作成
excel

タスク開始日終了日進捗
設計5/15/7100%
開発5/85/2060%
テスト5/215/250%

PowerPointでの作成

    
  
  • 図形を自由に配置
    • 
  
  • テキストボックスで説明
    • 
  
  • 視覚的に分かりやすい
    • 



#### AIからの評価

「PowerPointの方が図形としてのガントチャートを作成するには直感的ですが、Excelの方がデータとしてのガントチャートを管理するには適しています。AIとの協働を考えるなら、用途に応じて使い分けるのが最適です。」


PowerPoint・Excel図形のAI処理能力比較



操作PowerPointExcel備考
テキスト抽出✅ 高精度✅ 高精度（セル内）図形内テキストは両方とも取れる
図形の種類判定✅ 可能△ 困難ExcelはセルとオブジェクトのMix
図の位置関係✅ 可能❌ 困難Excelはセル基準で座標が曖昧
データとの紐付け❌ なし✅ 可能チャート等はデータと連動
Mermaidへの変換✅ 容易△ 困難フローチャートはPPTXから起こしやすい






仕様書にExcelを混ぜる場合の注意点



基本的な問題点


仕様書はテキストベースの構造化ドキュメントですが、Excelは視覚的・計算的なツールです。この本質的な違いが多くの問題を引き起こします。




具体的な注意点


#### 1. バージョン管理の複雑化
仕様書_v1.0.md

仕様書_v1.0.xlsx ← 別ファイルになる

仕様書_v1.1.md

仕様書_v1.1.xlsx ← 同期が必要


問題点：

    
  
  • ファイルの同期が漏れる
    • 
  
  • 更新履歴の追跡が困難
    • 
  
  • Gitでの差分管理が不能（.xlsxはバイナリファイルのため、Gitで差分が見えない）
    • 



#### 2. 検索・参照の困難

テキスト仕様書の場合：
bash

grep "ユーザー認証" *.md


Excel混在の場合：

    
  
  • Excel内のテキストは通常の検索ツールでは検索不能
    • 
  
  • マクロやスクリプトが必要になる
    • 



#### 3. 変換・出力の問題

PDF出力時：

    
  
  • Excel部分が画像になる
    • 
  
  • テキストコピーが不能
    • 
  
  • アクセシビリティが低下
    • 



#### 4. AI処理の限界

AIが処理できない要素：

    
  
  • Excel内のロジック
    • 
  
  • セル間の関係性
    • 
  
  • 動的な計算結果
    • 



#### 5. ファイルフォーマットの断絶問題（重要）

仕様書がMarkdownとExcelに分かれると、AIが仕様全体を一度に読むことが難しくなります。AIは「Markdownに書いてあることとExcelに書いてあることを横断的に理解する」処理が苦手です。

例えば、Markdownに「画面仕様は別紙Excel参照」と書いてあっても、AIはそのExcelを自動的に開いて読むわけではありません。仕様書をAIに処理させる場面（仕様の要約、テストケース生成、コード生成など）では、情報がどこか一か所にまとまっていることが前提になります。


回避策とベストプラクティス


#### 1. Excelの使用を最小化
悪い例：

仕様書に詳細な設計表をExcelで埋め込む

良い例：

設計表は別ファイルとして管理

仕様書には参照情報のみ記載


#### 2. Markdownテーブルへの変換

Excelの内容をMarkdownテーブルに変換：
markdown

機能ID機能名優先度担当
F001ユーザー登録高山田
F002ログイン高鈴木

#### 3. 代替フォーマットの検討


    
  
  • CSV形式：テキストベースで管理
    • 
  
  • JSON形式：構造化データとして管理
    • 
  
  • Markdownテーブル：仕様書と統合
    • 



#### 4. ハイブリッドアプローチ
仕様書（Markdown）

├── 基本仕様：テキストで記載

├── データ仕様：CSV/JSONで参照

└── Excel参考：別ファイルとして添付（人間向けの補足資料として位置付け）







Excelが不適切な場合のAI向け代替案



代替案の選択基準



要件推奨代替案理由
単純なデータ入力Markdownテーブルテキストベース、Git管理可能
構造化データJSON/YAMLプログラムとの親和性
大量データCSV軽量、汎用性高い
複雑な関係性Mermaid図視覚化、テキストベース
計算・分析Pythonスクリプト再現性、自動化


具体的な代替案


#### 1. Markdownテーブル



元のExcel：
タスク担当期限状態
設計山田5/15完了
開発鈴木5/30進行中

Markdown：
markdown

タスク担当期限状態
設計山田5/15完了
開発鈴木5/30進行中

メリット：

    
  
  • テキストエディタで編集可能
    • 
  
  • Gitで差分管理できる
    • 
  
  • AIが完全に理解可能
    • 



#### 2. JSON形式

元のExcel：
複雑なデータ構造を持つ場合

JSON：
json

{

"project": {

"name": "システム開発",

"tasks": [

{

"id": "T001",

"name": "設計",

"assignee": "山田",

"due_date": "2026-05-15",

"status": "completed",

"dependencies": []

},

{

"id": "T002",

"name": "開発",

"assignee": "鈴木",

"due_date": "2026-05-30",

"status": "in_progress",

"dependencies": ["T001"]

}

]

}

}


メリット：

    
  
  • 階層構造を表現可能
    • 
  
  • プログラムでの処理が容易
    • 
  
  • スキーマ定義が可能
    • 



#### 3. Mermaid図

元のExcel：
プロセスフローや組織図

Mermaid：
mermaid

graph TD

A[要件定義] --> B[設計]

B --> C[開発]

C --> D[テスト]

D --> E[リリース]

B --> F[レビュー]

F --> C


メリット：

    
  
  • テキストベースの図表
    • 
  
  • バージョン管理可能
    • 
  
  • AIが生成・理解可能
    • 



#### 4. Pythonスクリプト

元のExcel：
複雑な計算や分析

Python：
python

import pandas as pd

import matplotlib.pyplot as plt

データ読み込み

data = pd.read_csv('data.csv')

計算処理

result = data.groupby('category').sum()

可視化

result.plot(kind='bar')

plt.savefig('output.png')


メリット：

    
  
  • 再現性が高い
    • 
  
  • 自動化可能
    • 
  
  • AIが生成・修正可能
    • 




移行戦略


#### 段階的アプローチ


    
  
  1. 現状分析：Excelの使用目的を特定
    2. 
  
  2. 代替案選定：要件に合った形式を選択
    3. 
  
  3. データ変換：既存データを新形式に変換
    4. 
  
  4. プロセス変更：作業フローを更新
    5. 
  
  5. 検証：AIとの協働をテスト
    6. 








よくある質問とトラブルシューティング



Q1. AIにExcelデータを正しく読み取らせるにはどうすればよいですか？


A. 以下の点を順に確認してください：


    
  
  1. セルのマージを解除する
    2. 


   - 全ての結合セルを解除
   - データを単一セルに再配置


    
  
  1. テーブル構造を整える
    2. 


   - 最初の行をヘッダーに統一
   - 空白行を削除


    
  
  1. データ型を統一する
    2. 


   - 日付はYYYY/MM/DD形式
   - 数値は数値としてフォーマット


    
  
  1. 渡す形式を選ぶ
    2. 


   - 安定性が高い順：CSV > テキスト貼り付け > .xlsx直接添付


    
  
  1. 検証用コマンド
    2.
python

Pythonでの検証例

import pandas as pd

df = pd.read_excel('data.xlsx')

print(df.info()) # データ型確認

print(df.isnull().sum()) # 欠損値確認



Q2. AIにExcelを出力させると、書式が崩れてしまいます。


A. AIのExcel出力には限界があります。以下の対策を推奨します：

対策1：テンプレートの使用
python

import openpyxl

import pandas as pd

既存テンプレートを読み込み、データシートだけ書き換える

wb = openpyxl.load_workbook('template.xlsx')

ws = wb.active

データ行を書き込む（ヘッダー行はテンプレートのまま残す）

for i, row in enumerate(data, start=2):

ws.cell(row=i, column=1, value=row["id"])

ws.cell(row=i, column=2, value=row["name"])

wb.save('output.xlsx')


対策2：書式設定の分離

    
  
  • データ入力はAIに担当
    • 
  
  • 書式設定は人間が後から実施
    • 



対策3：最小限の書式指定
python

基本的な書式のみAIに指定

import pandas as pd

df = pd.DataFrame(data)

with pd.ExcelWriter('output.xlsx', engine='xlsxwriter') as writer:

df.to_excel(writer, index=False, sheet_name='Sheet1')

worksheet = writer.sheets['Sheet1']

worksheet.set_column('A:Z', 15) # 列幅のみ設定



Q3. 複雑なExcelファイルをAI-friendlyに変換するコツは？


A. 以下の手順で段階的に変換してください：

ステップ1：構造の簡素化
excel

変換前（複雑）

Q1売上Q2売上
4月5月
東京大阪

変換後（単純）

地域月四半期売上
東京4月Q1100
大阪4月Q180
福岡4月Q1120

ステップ2：データの正規化

    
  
  • 重複を排除
    • 
  
  • 欠損値を補完
    • 
  
  • データ型を統一
    • 



ステップ3：メタデータの追加
excel

列名データ型説明必須
地域文字列拠点名はい
月日付対象月はい
売上数値売上金額（円）はい


Q4. ExcelとMarkdownのどちらを選ぶべきか迷っています。


A. 以下の判断基準で選択してください：


条件Excel推奨Markdown推奨
データ量1000行以上100行未満
更新頻度高頻度かつ非エンジニア操作エンジニアが管理
計算必要性必要不要
協働人数非エンジニアが多い場合エンジニア中心チーム
バージョン管理不要必要
AI連携限定的高い




「協働人数が多い = Excel」は誤解


Excelは複数人が同時に編集すると競合が発生しやすく（Microsoft 365のリアルタイム共同編集機能を使わない場合）、ファイルのロックや上書き問題が起きます。エンジニアチームで複数人が同じ仕様を管理する場合は、Markdown＋Gitの方が差分・競合管理において明確に優れています。




判断フローチャート：
開始

↓

計算が必要か？ → はい → Excel

↓ いいえ

データ量が1000行以上？ → はい → CSV/Excel

↓ いいえ

バージョン管理が必要？ → はい → Markdown

↓ いいえ

エンジニア以外が頻繁に編集？ → はい → Excel

↓ いいえ

どちらでも可（Markdown推奨）



Q5. 既存のExcelファイルをAIが処理できる形式に変換したいです。


A. 以下のPythonスクリプトで自動変換できます：
python

import pandas as pd

import re

def normalize_excel(input_file, output_file):

# Excelファイル読み込み

df = pd.read_excel(input_file)

# 前処理

# 1. マージセルを解除（Excelを開いて手動で実行が必要、または openpyxl で対応）

# 2. 空白行を削除

df = df.dropna(how='all')

# 3. 列名の正規化（日本語を含む列名をアンダースコア区切りに変換）

df.columns = [re.sub(r'[^\w]', '_', str(col)) for col in df.columns]

# 4. 日付列の検出と変換

for col in df.columns:

if df[col].dtype == 'object':

if 'date' in col.lower() or '日' in col or '月' in col:

df[col] = pd.to_datetime(df[col], errors='coerce')

# 5. 欠損値の処理（空文字に統一）

df = df.fillna('')

# 6. CSV出力（AIへの渡し方として最も安定）

csv_file = output_file.replace('.xlsx', '.csv')

df.to_csv(csv_file, index=False, encoding='utf-8-sig')

print(f"CSV変換完了: {csv_file}")

# 7. Excel出力（必要な場合）

df.to_excel(output_file, index=False)

print(f"Excel変換完了: {output_file}")

使用例

normalize_excel('original.xlsx', 'normalized.xlsx')



Q6. AIとの協働において、Excelのどの機能を使うべきですか？


A. AI協働でのExcel使用推奨度：


機能推奨度理由代替案
基本的なデータ入力🌟🌟🌟🌟🌟AIも人間も理解容易なし
ソート・フィルター🌟🌟🌟簡単な操作ならOKPython/Pandas
ピボットテーブル🌟🌟AI生成は困難集計スクリプト
複雑な数式🌟AI理解が困難計算プログラム
VBAコードの生成🌟🌟🌟🌟AIはコードを書ける（貼り付けは人間）Pythonスクリプト
VBAのファイル自動埋め込み❌ツール制約が大きいPythonスクリプト
グラフ作成🌟🌟簡単なものなら可能可視化ライブラリ
データ検証🌟🌟🌟ルールベースならOK入力チェックプログラム

推奨アプローチ：


「Excelはデータの入力・閲覧に限定し、処理・加工はAIやプログラムに任せる」








まとめ


本ガイドブックでは、AI協働時代におけるExcel活用について、AIの視点からの特性理解から実践的な使い分けまでを解説しました。




最初の一歩：5分でできるExcel改善


既存のExcelファイルをAI-friendlyにする最小限のステップ：
  1. マージセルをすべて解除する（手動）
  2. 最初の行をヘッダーに統一する
  3. 空白行を削除する
  4. データ型を統一する
  5. AIに渡す前にCSVとして書き出す
```

このたった5つのステップで、AIによるExcel処理の精度は劇的に向上します。

AI協働時代のExcel活用のメリット

今後の展望

ExcelはAIとの協働により進化を続けるツールです。本ガイドブックで示した原則を守ることで、Excelの利便性を維持しつつ、AIとの連携を最大化することができます。

参考リンク一覧

リンク詳細
Microsoft Excel 公式サイトExcelの基本情報
Pandas ドキュメントPythonでのExcel処理
OpenPyXL ドキュメントExcelファイル操作ライブラリ
XlsxWriter ドキュメントExcel書き出しライブラリ
Mermaid 公式サイトテキストベースの図表作成
更新日時：2026年05月13日

本ガイドブックは、AIと人間の協働を最大化するための実践的な知識を提供することを目指しています。

更新日時：2026 年 05 月 14 日

本ガイドブックは、AIと人間の協働を最大化するための実践的な知識を提供することを目指しています。

それではまた次の記事でお会いしましょう!!