BLOG

「データを分析したいが、プログラミングの知識がない」「社内にデータサイエンティストがいないため、分析業務が進まない」などの悩みを抱える企業は少なくありません。

生成AIを使えば、プログラミングの知識がなくても、データの傾向や課題を把握できます。

売上の数字だけでなく、顧客のレビューや問い合わせ内容も分析できるため、これまで見えにくかった現場の声や顧客の本音もわかるようになり、業務効率化や売上向上を実現しやすくなります。

本記事では、生成AIがデータ分析にどう使われているのか、どんなメリットや注意点があるのか、実際の使い方から活用事例まで、具体的にわかりやすく解説します。

💡生成AIで社内データを安全に活用したい企業様へ
Athena Platformは、自社のデータを外部に出さずに生成AIを活用できるAI基盤です。
データ分析業務への活用はもちろん、利用者の制限・利用の記録管理・回答内容のチェックなど、安全な運用に必要な機能をひとつの基盤でまとめて提供します。
自社データを守りながらAI活用を進めたい方は、ぜひAthena Platformの詳細をご覧ください。
⇨Athena Platformについて詳しくはこちら

生成AIにおけるデータ分析とは？

生成AIを使ったデータ分析とは、専門的なコードを書かなくても、確認したい内容を文章で伝えるだけで、AIがデータの傾向や意味を読み取り、わかりやすく説明してくれるものです。

これまでのデータ分析では、集計やグラフを作るためにプログラミングの知識が必要で、専門家に頼るのが一般的でした。

生成AIの場合は、「先月の商品別の売上傾向を教えて」「このアンケートから顧客の不満点を整理して」と日本語で指示するだけで、AIが分析を進めてくれます。

たとえば

• 月別・地域別の売上データから、伸びている商品や落ちているエリアを整理する
• 顧客レビューや問い合わせ内容から、不満や要望をまとめる
• データの変化をもとに、「なぜ売上が落ちているのか」「次に何をすべきか」を提案する

といった分析ができます。

グラフや表でデータを可視化するだけの従来のツールと異なり、生成AIは、データが意味することや次に取るべき行動まで、言葉で説明してくれる点が特徴です。

生成AIでデータ分析を行うメリット

生成AIをデータ分析に活用することで得られるメリットは、作業の手間が減るという点だけではありません。

企業が生成AIをデータ分析に取り入れる理由として挙がることの多い、代表的な3つのメリットを解説します。

• 専門知識がなくても分析ができるようになる
• 非構造化データも分析できる
• 思考のプロセスまで支援してくれる

専門知識がなくても分析が可能になる

生成AIをデータ分析に使う大きな利点は、専門的な知識がなくても分析を進められる点です。

これまでは、データを集計・整理するためにExcelの関数やSQLといった専門スキルが必要になることが多く、分析業務は特定の担当者に集中しがちでした。

しかし、生成AIでデータ分析を実施すれば、ファイルをそのまま貼り付けて「この数字から何がわかる？」と聞くだけで、AIが傾向の説明やグラフの作成まで行ってくれます。

たとえば

• 営業担当者が自分で、顧客ごとにどの商品がよく売れているかを確認する
• 店舗スタッフが売れ筋商品の変化を週ごとにチェックする
• 経営者が月ごとの売上の動きを把握する

などの使い方が、現場で実現できるようになっています。

分析が簡単にできることで、データをもとにした判断が特定の担当者だけでなく組織全体に広がりやすくなります。

非構造化データも分析できる

これまでの分析ツールは、数字や表の形でまとまったデータを扱うことがメインでした。

売上の集計や在庫の推移は得意でも、顧客が書いたレビューや問い合わせメールの内容、SNSの投稿のような非構造化データは、分析の対象にしにくいという課題もありました。

そのため、内容を読んで手作業で分類するしかなく、件数が多くなるほど時間と手間がかかっていました。

生成AIはこうした文章データもそのまま読み込めるため、

• 数百件のレビューを一括で読み込み、よく出てくる不満や評価のポイントをまとめる
• 蓄積された問い合わせ記録を分類し、どの質問が多いかを整理する
• 社内の報告書から、繰り返し出てくる課題のテーマを拾い上げる

といった作業をまとめて進めることができます。

数字だけでは見えにくかった顧客の本音や現場の実態を分析できるようになるため、より実態に合った判断や対策を考えやすくなります。

思考のプロセスまで支援してくれる

生成AIが他のツールと異なるのは、分析したデータをもとに、次にどのような行動を取るべきかを助言してくれる点です。

データ分析で難しいのは、分析結果から「この数字をどう受け止めるか」「どのような改善につなげるか」を考える部分です。

データの分析結果が手元にあっても、何から考えればよいかわからない、というケースは少なくありません。

そこで生成AIを使うと、たとえばスーパーの売上データをもとに「売上を伸ばすために何を改善すべきか」と質問した場合、

• 来店客の中心は主婦層が多く、午前中の来店が多い
• その時間帯に特売品の種類が少ない

といった傾向を読み取ったうえで、

• 主婦層向けの総菜や日用品を午前の特売に加えると商品が売れやすくなる可能性がある
• こうした工夫が顧客満足度の向上にもつながる

という提案までしてくれます。

データを眺めるだけでは気づきにくい次の一手を一緒に考えてくれる点が、生成AIならではの強みといえます。

生成AIで可能なデータ分析業務の例

生成AIが活用できるデータ分析の場面は、特定の業種や部署に限られるわけではありません。ここでは、実際の業務で活用しやすい代表的な5つの分析例を紹介します。

• マーケティング施策の改善
• 商品改善やカスタマーサポートの品質向上
• 売上予測や需要予測
• レポート作成や分析結果の要約
• 異常検知・リスク分析

マーケティング施策の改善

広告やキャンペーンは、過去のデータをもとに効果があった施策を正確に把握できるかどうかが、次の施策の質に大きく影響します。

感覚や経験だけを頼りにしていると、効果の高い施策が再現できなかったり、費用対効果の低い施策を繰り返してしまうことがあります。

生成AIを使えば、大量のキャンペーンデータを短時間で整理し、どの条件で反応が高かったかを把握できます。

• 過去のSNS広告のデータから、クリック率が高かった投稿の共通点をまとめる
• メールマガジンの開封率と、購入につながった件名のパターンを比較分析する
• 季節ごとのキャンペーン効果を振り返り、次回の実施時期や予算配分の参考にする

などの使い方ができます。

根拠のある判断により、広告の費用対効果も少しずつ改善できます。

商品改善やカスタマーサポートの品質向上

顧客の声は集まっていても、量が多くなると内容を把握しきれず、改善につながらないまま終わってしまうことは少なくありません。

生成AIを使えば、商品レビューやアンケートの回答をまとめて読み込み、どんな不満や要望が多く寄せられているのかを整理してくれます。

なんとなくクレームが多いという感覚を、具体的な課題として明らかにできるようになります。

• 商品レビューから、繰り返し指摘されている使いにくい点や改善要望を整理する
• 問い合わせ対応の記録をもとに、対応に時間がかかっているテーマやよくある質問を把握する
• アンケート結果から、満足度が低い層に共通する特徴を絞り込む

といった分析をもとに商品の仕様やサポートの対応方針を見直すことで、顧客満足度の向上につなげやすくなります。

売上予測や需要予測

季節や地域ごとの過去データをもとに、どの時期にどの商品がどれくらい売れるかを事前に見通せるのも、生成AIをデータ分析に活用するメリットのひとつです。

在庫の持ちすぎや品切れは、売上の取り逃しだけでなく余分なコストにもつながります。

これまで経験や勘に頼ることが多かった仕入れの判断も、データをもとにした予測を加えることで精度を上げやすくなります。

• 昨年同時期の売上データと気候やイベント情報を組み合わせて、今年の需要を予測する
• 地域ごとの売れ筋の違いを分析し、店舗ごとの仕入れ量の調整に役立てる
• 特定商品の売上の流れから、販売終了や新商品への切り替えのタイミングを判断する

というような活用が可能です。

予測の精度が上がることで、在庫の無駄を減らしながら必要なときに必要な商品を用意できる体制を整えやすくなります。

レポート作成や分析結果の要約

データを分析したあと、その内容を関係者にわかりやすく伝えるレポートをまとめる作業も、生成AIが得意とする場面のひとつです。

数字の集計はできても、「どこが重要なのか」「次に何をすべきか」を文章としてまとめるのに時間がかかるという担当者は多くいます。

生成AIであれば、分析結果のデータを渡すだけで、要点を整理した報告文や改善提案の文章を自動で作成してくれます。

• 月ごとの売上データをもとに、増えた・減った要因を整理した報告文を作る
• 複数部門のデータをまとめ、経営者向けにわかりやすく要約した資料を生成する
• 分析結果に対して「次に取るべき行動」の提案を文章としてまとめてもらう

といった使い方ができます。

レポート作成にかかる時間を大幅に短くできるだけでなく、担当者によって内容がばらつく問題も抑えやすくなり、報告業務も効率化できます。

異常検知・リスク分析

売上や取引のデータを継続的に確認することで、いつもとは異なる動きをいち早く見つけ、事前に対応できるのも、生成AIを使ったデータ分析の強みです。

膨大なデータを人が目で追うには限界があり、不正な取引を見逃してしまうリスクがあります。

生成AIを使えば、大量のデータの中から普段のパターンと異なる動きを自動で拾い上げることができます。

たとえば

• 取引データから、金額や頻度がいつもと大きく異なる動きを検出する
• 売上や在庫の数字に急な変化があった際に、原因として考えられることを整理する
• データを定期的に確認し、少しずつ進んでいる異常な傾向を早めに把握する

といった活用が可能です。

問題が大きくなってから気づくのではなく、早い段階で手を打てる体制を整えることで、リスクをできるだけ小さく抑えられます。

生成AIの活用に伴うリスクや注意点について詳しく知りたい方は、下記の記事もあわせてご覧ください。

参考：生成AI活用のリスク全体像。開発者・提供者・利用者が注意すべきポイントと対策例

生成AI（ChatGPT）を用いたデータ分析のやり方

ここでは、ChatGPTのデータ分析機能を使った実際の手順を、5つのステップに沿って解説します。

初めて使う方でも手を動かしながら進められるよう、各ステップで意識したいポイントも合わせて説明します。

1. 分析する目的と課題を整理する
2. 分析に使用するデータの準備・前処理
3. ChatGPTにデータを入力する
4. 分析の指示（プロンプト）を入力する
5. 分析結果の考察を提示してもらう

1.分析する目的と課題を整理する

データを用意する前に、まず何を明らかにしたいのかを具体的に言葉にしておくことが大切です。

目的が曖昧なままAIに渡してしまうと、どんな指示を出せばいいかわからなくなり、結果が出てもそれで何がわかったのかを判断しにくくなります。

「売上を分析したい」という漠然とした問いではなく、

• 「先月、売上が落ちた商品はどれか」
• 「どの曜日・時間帯に来客数が集中しているのか」
• 「新規顧客と既存顧客で購買パターンに違いはあるか」

といった形で、知りたいことを一つひとつ明確にしておきましょう。

目的がはっきりしているほど、次のステップでAIへの指示が出しやすくなり、得られる結果の質も上がります。

例えば、今回はアパレルECを題材に、以下を分析目的にします。

————————

「1〜3月の売上推移を把握し、季節変化に伴う売れ筋の変化と、次月の仕入れ・プロモーション方針のヒントを得たい」

————————

2.分析に使用するデータの準備・前処理

目的が決まったら、分析に使うデータを準備します。

ChatGPTにデータを渡す前に内容を整えておくことが、分析の精度に直接影響します。

欠けている項目や入力ミス、同じ内容が重複して登録されているデータが残っていると、AIが正確に読み取れず結果にズレが生じることがあります。渡す前に、

• 空欄や「—」「未入力」などが混在していないか確認する
• 日付や金額の表記が統一されているかチェックする（「2024/1/5」と「2024-01-05」など）
• 同じ商品や顧客が異なる名前で登録されていないか見直す

といった点を確認しておくことが欠かせません。

たとえば、アパレルECの以下の売上データを前処理してみます。

売上金額と販売数は数値を手入力したうえで、以下のプロンプトを、データとともにChatGPTへ入力します。

————————

以下のルールでデータを前処理してください。
月：表記を年月に統一
カテゴリ：表記をカタカナに統一、空白の欄は他のデータを参考に記載
商品名：表記を上から順に始めに出てきた内容に統一
売上金額：表記を「円」がない数値に統一

————————

すると、以下の前処理後の売上データを出力してくれます。

3.ChatGPTにデータを入力する

データの準備ができたら、ChatGPTにファイルをアップロードします。

プロンプト入力欄の左にある「＋」またはクリップのアイコンをクリックするとファイルを添付できます。

CSV・Excel形式であればそのままアップロードするだけで、AIがデータの構造を読み取ってくれます。

アップロード後に「このデータにはどんな情報が入っていますか？」と確認してみると、AIがデータの内容を整理して返してくれるので、次のステップで的確な指示を出す準備ができます。

実際にExcelファイルを添付し、以下のプロンプトを入力します。

すると、以下のようにExcelのデータ内容を読み取ってくれます。

————————

アップロードされたExcelファイルを確認すると、主にアパレルEC（ネットショップ）の売上データが入っています。内容はシンプルで、分析しやすい構造です。

📊 含まれている主な情報

シートには次のような項目があります：

• 月
  → 売上が発生した月（例：2025年1月など）
• カテゴリ
  → 商品の分類（トップス、ボトムス、アウターなど）
• 商品名
  → 個別の商品（Tシャツ、ニット、デニムなど）
• 売上金額
  → その商品の売上（円）
• 販売数
  → 売れた数量

🧾 シート構成

• Sheet1
  → 日付が数値形式（Excel内部のシリアル値）で入っている
• Sheet2
  → 「2025年1月」など、人が読みやすい形式に変換済み

👉 内容自体はほぼ同じで、表記形式だけ違うデータです。

📈 このデータでできること

このデータは実務でも使いやすく、例えば、

• 月ごとの売上推移の分析
• カテゴリ別の売上比較
• 売れ筋商品の特定
• 単価分析（売上金額 ÷ 販売数）

などができます。

————————

4.分析の指示（プロンプト）を入力する

ファイルをアップロードしたら、AIに何を分析してほしいかを言葉で伝えます。指示の具体性が、返ってくる結果の精度を大きく左右します。

曖昧な指示よりも、「月別・商品カテゴリ別の売上推移を表にまとめ、前月と比べて変化が大きかった商品を教えてください」と伝えた方が、実際に使える回答が得られます。

指示を出す際は、

• 分析の軸を具体的に伝える（「月別」「店舗別」「顧客層別」など）
• 結果の見せ方を指定する（「表にまとめて」「グラフで可視化して」など）
• 比較条件があれば合わせて伝える（「昨年同月と比較して」など）

といったポイントを意識しましょう。

一度に複数のことを聞くよりも、段階的に質問を重ねていく方が結果を整理しやすいです。

ここでは、以下のプロンプトを入力します。

すると、以下のように表を出してくれます。

5.分析結果の考察を提示してもらう

分析結果が出たら、数字の確認だけで終わらせず、「この結果から何が読み取れるか」「次にどう動くべきか」まで聞いてみましょう。

たとえば「この結果をもとに、売上改善のために優先的に取り組むべきことを3つ教えてください」と続けて聞くと、数字の先にある行動のヒントまで返してくれます。

AIが出した考え方を足がかりに、自社の状況に合わせて判断を深めていくイメージで活用するのがおすすめです。

ここでは、以下のプロンプトを入力します。

すると、4月からどのようなことに取り組むべきかを、以下のように詳しく整理してくれます。

————————

分析しやすいデータです。この2ヶ月の傾向から見ると、「何を優先すべきか」はかなりはっきりしています。

🎯 ① トップスを“主軸商品”としてさらに強化

理由：毎月売上1位＆安定している

• 1月：322,000円 → 2月：282,000円（依然トップ）
• 他カテゴリより確実に売れる領域

👉 やるべきこと

• 新作投入（春物：薄手ニット・シャツ）
• 広告やSNSでの露出強化
• 人気商品の色違い・サイズ展開を増やす

💡 ポイント：

「売れているものを伸ばす」が最も効率的

🧥 ② アウターの“春向け再設計”で売上復活

理由：2月は売上ゼロ → 季節ミスマッチの可能性大

• 冬アウターは売れないが、ライトアウターなら需要あり

👉 やるべきこと

• 春用アウター（薄手ジャケット・カーディガン）に切り替え
• 「気温別コーデ」などの提案コンテンツ
• 在庫がある冬物はセールで処分

💡 ポイント：

「売れていない＝不要」ではなく、季節適応がズレているだけ

👖 ③ ボトムスは“セット販売”で底上げ

理由：単体では伸びにくい中間ポジション

• トップスより弱いが、完全に弱いわけでもない

👉 やるべきこと

• 「トップス＋ボトムス」のコーデ販売
• セット割引（例：2点で10%OFF）
• 商品ページに着用コーデを強化

💡 ポイント：

ボトムス単体で戦うより、トップスに乗せて売る

————————

ただし、AIの回答が必ずしも正しいとは限りません。

数字に誤りが含まれていないか、提案が会社の状況に合っているかは担当者自身が確認することが大切です。

ChatGPTを使う際の情報漏洩リスクや注意点については、下記の記事で詳しく解説していますので、ぜひ確認してみてください。

参考：ChatGPTで情報漏洩が起こる原因と対策。生成AIの安全な活用方法まで解説

生成AIでデータ分析を行う際のポイント

生成AIを使ったデータ分析は、ツールを使いこなすだけで成果が出るわけではありません。

渡すデータの状態や指示の出し方によって、得られる結果の質は大きく変わります。

ここでは、分析の精度を上げるために意識したい2つのポイントを解説します。

• データのクレンジングで分析精度が変わる
• プロンプトの構築で分析結果の質が変わる

データのクレンジングで分析精度が変わる

生成AIにデータを渡す前に、中身を整えておくことが分析の正確さを大きく左右します。

どれだけ性能の高いAIを使っても、渡すデータに誤りや表記のズレがあると、そのまま分析が進んでしまいます。

たとえば同じ商品が「デニム」と「デニムパンツ」という2つの名前で登録されていると、AIはこれを別の商品として扱い、売上の集計がかみ合わなくなることがあります。

「なぜかデータの合計が合わない」という結果になっても、原因はAIではなくデータ側にあることが多いです。

データを渡す前に確認しておきたいのは、

• 同じ意味のデータが違う名前や表記で登録されていないか（「東京」と「東京都」など）
• 空欄や「—」「未入力」など、値が入っていない行が含まれていないか
• 数値に「¥」や「円」などの文字が混じっていないか
• 日付の書き方が統一されているか（「2025/1/5」と「2025年1月5日」が混在するなど）

といった点です。

完璧に整える必要はありませんが、明らかなズレを直しておくだけで、AIが出す結果の精度が高まりやすくなります。

プロンプトの構築で分析結果の質が変わる

データの状態と同じくらい大切なのが、AIへの指示の出し方です。

同じデータを渡しても、伝え方によって返ってくる結果は大きく変わります。

たとえば「売上データを分析して」という漠然とした指示では、AIは何を知りたいのかを判断しきれず、ざっくりした内容しか返せません。

一方、「地域別・月別の売上推移を表にまとめ、前年同月と比べて伸びている地域と落ちている地域の傾向を教えてください」と伝えると、実際の判断に使いやすい具体的な結果が得られます。

指示を出す際は、

• 何の切り口で見たいかを伝える（「地域別」「商品カテゴリ別」「顧客層別」など）
• 結果をどう使いたいかを添える（「来月の仕入れ計画に役立てたい」など）
• 出力の形を指定する（「表にまとめて」「箇条書きで」「グラフで見せて」など）

といった点を意識しましょう。

また、一度で完璧な指示を出そうとせず、まず大まかに聞いてから「その中で〇〇についてもう少し詳しく教えて」と少しずつ掘り下げていく方が、実際には使いやすいです。

データ分析に活用できる生成AIツール

生成AIを使ったデータ分析には、さまざまなツールが活用されています。

それぞれ得意な分析の種類や連携できる環境が異なるため、自社の業務環境や目的に合ったものを選ぶことが大切です。

ここでは、代表的な5つのツールの特徴を紹介します。

• ChatGPT
• Gemini
• Microsoft 365 Copilot
• Claude
• Amazon Q in QuickSight

ChatGPT

参考：ChatGPT

ChatGPTのいちばんの特徴は、ファイルをそのまま渡してその場で分析まで進められる使いやすさです。

CSVやExcel、PDFを添付すると、AIがデータの内容を読み取り、集計・グラフ化・傾向の説明までまとめて行ってくれます。

AIが自動で計算処理を担ってくれるため、専門的な知識がなくても幅広い分析に対応できます。

特に、

• 売上や顧客データのグラフ化・傾向の把握
• 複数の条件を組み合わせた絞り込み分析
• 分析結果をもとにした改善提案の文章生成

といった場面で活用されており、データ分析を始めるツールとして取り組みやすい点が魅力です。

生成AIを使ったデータ分析に初めて挑戦する場合の入口としても、多くの企業で選ばれています。

Gemini

参考：Gemini

GeminiはGoogleが提供する生成AIで、GoogleスプレッドシートやGoogleドキュメントと直接つなげて使える点が他のツールにはない強みです。

スプレッドシートを開いたまま画面の横からGeminiに話しかけるだけで、その場でデータの集計や傾向の確認ができます。

すでにGoogleのサービスを業務で使っている企業であれば、たとえば

• スプレッドシートのデータを指定して傾向をまとめてもらう
• Gmailやドキュメントの内容と組み合わせて情報を整理してもらう
• 複数のファイルをまたいでデータを集め、一括で分析してもらう

といった使い方が、画面を切り替える手間を抑えながら、普段の業務の流れの中で進められます。

新しいツールを別途用意しなくてよい点も、導入のハードルが低い理由のひとつです。

Microsoft 365 Copilot

参考：Copilot

Microsoft 365 Copilotは、ExcelやTeams、Outlookなど、使い慣れたMicrosoft 365アプリの中でAIを活用できる点が特徴です。

普段からExcelを使っているチームにとっては、画面を切り替えたり新しい操作を覚えたりする手間なく使い始められるのが利点です。

たとえば

• Excelのデータに対して「月別の売上を集計して」と日本語で話しかける
• Power BIなどのBIツールと連携し、グラフやデータの内容を確認する
• 気になる数字の背景や原因をその場で掘り下げる

といった操作を、使い慣れたMicrosoftのツールの中で進めることができます。

Microsoft 365をすでに導入している企業であれば、既存の業務環境と連携しやすい一方、Microsoft 365 Copilotの利用には対象ライセンスや別途契約が必要になる場合があります。

Claude

参考：Claude

Claudeのいちばんの強みは、長い文章や大きなファイルをまとめて渡しても、内容をきちんと把握したうえで分析・要約してくれる点です。

一度に扱える情報量が多く、複数のドキュメントをまとめて渡しても内容をしっかり整理してくれます。

数字の集計よりも文章の読み取りや複雑な内容の整理を得意としており、たとえば

• 長い報告書や議事録をまとめて渡して要点を抽出してもらう
• 蓄積された問い合わせ内容を読み込んでよくある課題を整理してもらう
• 分析結果をもとに、社内共有用のわかりやすい説明文を作ってもらう

といった使い方に向いています。

回答が丁寧で読みやすいため、分析したあとの説明文を整えたいという場面でも活用しやすいツールです。

Amazon Q in QuickSight

参考：Amazon Q in QuickSight

Amazon Q in QuickSightは、AWSのBIサービスであるAmazon QuickSightに組み込まれた生成AI機能です。ダッシュボード上で大量のデータを確認し、自然言語で分析を進めやすい点が特徴です。

すでにAWSを使っている企業であれば、社内のデータベースと接続しやすく、大量のデータを扱うときの速さと安定性に優れています。

たとえば

• 「先月の地域別売上を教えて」と入力するだけでグラフや表を自動で表示させる
• 定期的なレポートを自動で生成して関係者に届ける仕組みを作る
• 複数の部門のデータをまとめて、経営判断に使えるダッシュボードを整える

といった使い方が可能です。

会話しながら進める分析よりも、データを日常的に確認する体制を整えたい企業に向いています。

また、金融・医療・公共機関などセキュリティやコンプライアンス要件に対応しやすいため、セキュリティを重視する企業にとっても選びやすいツールです。

生成AIを活用したデータ分析事例

生成AIを使ったデータ分析は、特定の業種や大企業だけの話ではありません。

実際に生成AIをデータ分析に取り入れ、業務の効率化や意思決定の質向上につなげた企業の事例を3つ紹介します。

• イオングループ
• セガサミーグループ
• TS Imagine

イオングループ

イオングループでは、全国の店長が月に1回、景況感についての感想や来月の見通しをアンケートで回答しています。

その内容を生成AIが自動でまとめ、地域ごとの傾向を一画面で確認できる仕組みを作りました。

アンケートでは、感じたことを自由にコメントとして書くことも可能です。

自由記述の内容も含めて生成AIが整理するため、店長や本社の担当者がすぐに内容を把握できます。

さらに、このアンケートの結果とレジの販売データを重ね合わせると、

• 景況感が上向くと、野菜ジュースの売上が増える
• 景況感が悪化すると、手頃な価格の冷凍食品の売上が増える
• 景況感が上向いてから3カ月後に、美容液などが売れ始める

など、これまで見えにくかった傾向がわかってきました。

数字だけではつかみにくい現場の実感を分析し、傾向として可視化できる点が、この取り組みの特徴です。

出典：AEON TECH HUB

セガサミーグループ

セガサミーグループでは、玩具事業を担うセガフェイブにおいて、2024年5月に生成AIを活用したアンケート分析の仕組みを導入しました。

それまで、アンケートの分析にかかる作業は製品開発全体の約20%を占めており、負担を減らすことが課題でした。

玩具事業のチームには、「動く絵本プロジェクター Dream Switch」などの自社製品に対して、毎回数万件規模のアンケートが届きます。

なかでも自由に書いてもらう欄には、さまざまな意見や感想が集まります。

これを一件ずつ人の手で読んで整理するのは時間がかかるうえ、担当者によって判断にばらつきが出やすい状態でした。

外部に頼むとコストと時間がさらにかかるため、もっと早く・正確に分析できる方法が求められていました。

生成AIを使うことで、顧客の言葉の意味や気持ちをAIが読み取り、自動で整理できるようになり、分析にかかる時間を約80％削減しています。

出典：SEGA

TS Imagine社

TS Imagineのサービスは、500社以上の大手投資会社や運用会社に利用されています。同社には、毎年約10万件もの通知メールが届きます。

これらは、取り扱うデータの変更や更新に関する重要な連絡ですが、内容を確認して適切な担当者に振り分ける必要があり、対応が遅れると顧客向けのサービスに支障が出るリスクもありました。

しかし、この確認作業を人手で行うと、年間4,000時間もかかっていました。

そこで生成AIを活用し、メールの内容を自動で読み取り、重複や不要なものを取り除きながら担当者への割り振りや優先度の設定まで自動化しました。

2023年12月に導入して以来、通知の見落としはゼロになり、現場で実際に効果が出ています。

出典：TSIMAGINE

生成AIでデータ分析をする際の注意点

生成AIをデータ分析に活用することには多くのメリットがありますが、使い方を誤ると正確な判断の妨げになることもあります。

特に押さえておきたい2つの注意点を解説します。

• ハルシネーションへの対処
• セキュリティとガバナンスの構築

ハルシネーションへの対処

文章生成AIは、次に来そうな単語を確率的に予測する仕組みのため、事実ではない情報を正しいかのように自然な文章で出力してしまうことがあります。

これは「ハルシネーション」と呼ばれる現象で、データ分析の場面でも起こり得ます。

たとえば、売上データを分析させたときに、実際には存在しない数字や傾向をもっともらしく説明してしまうことがあります。

分析結果をそのまま信じて意思決定に使ってしまうと、誤った判断につながるリスクがあります。

ハルシネーションのリスクを減らすためには、

• 自社のデータをAIに読み込ませてから回答させる
• 医療・法律・金融など専門性の高い分野では、AIの回答は参考情報にとどめる
• 分析結果は鵜呑みにせず、根拠を確かめる

のような対策が欠かせません。

セキュリティとガバナンスの構築

データ分析に生成AIを使う場合、分析に使うデータの扱い方に注意が必要です。

一般的な生成AIサービスにそのままデータを入力してしまうと、顧客情報や社内の数値データが外部のサーバーに送られることになります。

サービスの設定によっては、入力した内容がAIの学習に使われる可能性もあるため、機密性の高いデータを扱う場合は特に慎重な判断が求められます。

安全にデータ分析を進めるためには、

• 入力するデータをあらかじめ匿名化・加工しておく
• 社内データをそのまま扱う場合は、データが外部に出ない環境でAIを使う

といった対策が必要になります。

社内データを外に出さずに生成AIをデータ分析に活用したい場合は、Athena Platformのような社内で完結するAI基盤を使うことで、セキュリティリスクを抑えながら分析業務を進められます。

詳細を確認したい方はぜひAthena Platformのサービスサイトをご覧ください。

正しい環境で生成AIのデータ分析を業務に活用しよう

ここまで解説したように、生成AIをデータ分析に使うには、結果を鵜呑みにしないことと、社内データを外に出さない環境を整えることが大切です。

ただ、こうした環境を自社だけで一から整えるのは、簡単ではありません。

そこで役立つのが、自社のデータを外部に出さずに生成AIを活用できるAI基盤であるAthena Platformです。

データを社外に出さずに生成AIを動かせるため、大切な情報も安心して分析に使えます。

AIに入力する内容や出力される回答を制限する機能や、いつ・誰が・どんな使い方をしたかを記録して確認できる機能も備えており、社内のルールに合わせた使い方が可能です。

また、複数のサーバーを同時に動かす仕組みにより、万が一トラブルが起きても業務を止めずに使い続けられます。

まずは、自社の課題に合った生成AIによるデータ分析の活用方法から検討してみてはいかがでしょうか。

→Athena Technologiesへのお問い合わせはこちら