ChatGPTでデータ整理を自動化｜中小企業の現場で実際に使えるプロンプト集

中小企業の事務作業のうち、想像以上に時間を取っているのが「データ整理」だ。名刺アプリから書き出した連絡先、メール署名から集めた顧客情報、フォーマットの違う発注メール、議事録の中に散らばっている顧客の要望——これらを毎月Excelに整える作業に、僕が見てきた会社では平均月5〜8時間かかっている。

業務効率化に特化したエンジニアとして自社でAI顧問サービスを運営している立場から言うと、この作業はChatGPTで8割削減できる。実際にやってみると、月8時間かかっていた整理作業が、月1〜1.5時間に減るのが普通だ。

この記事では、

• ChatGPTがデータ整理で得意なこと/苦手なこと
• 中小企業の現場で本当に使えるプロンプト集（10個）
• データ整理を社内に定着させる手順
• 個人情報を扱うときの注意点

を整理する。コピペで使えるプロンプトを多めに入れたので、読みながら自社のデータで試してほしい。読了まで12分。

1. ChatGPTがデータ整理で得意なこと、苦手なこと

中小企業の事務担当が日々やっている「データ整理」は、ChatGPTでほぼ自動化できる。ただし得意・不得意があるので、最初に押さえておく。

ChatGPTのデータ整理 得意度マップ

つまり、「テキストを整える」のはChatGPTが最強だが、「数字を計算する」のはExcelの方が確実。役割分担を理解して使うのがコツだ。

Claude や Gemini との使い分け

データ整理は ChatGPT 以外のAIでも可能。それぞれの得意領域を整理する。

詳しい違いは「ChatGPT・Claude・Geminiの違いと中小企業での使い分け」で整理している。

2. 中小企業の現場で実際に使えるプロンプト集10選

ここから、僕が自社で実際に使っているプロンプトを10個紹介する。コピペしてそのまま使える。

プロンプト1: 名刺・連絡先データの整理

名刺アプリから書き出したCSVや、メール署名から集めた連絡先テキストを、Excelに貼り付けられる形に整理する。

以下のテキストから連絡先情報を抽出し、Excelに貼り付けられる形式（タブ区切り）で出力してください。

【出力形式（ヘッダー行）】
会社名[TAB]部署名[TAB]氏名[TAB]役職[TAB]メールアドレス[TAB]電話番号[TAB]備考

【テキスト】
（名刺・署名等のテキストをここに複数貼り付ける）

注意:
- 不明な項目は「不明」と記入
- 同一人物の情報が複数あれば、最新の情報で統合
- メールドメインから会社名が推測できる場合は補完してよい（その場合は備考に「ドメインから推測」と記入）

プロンプト2: 発注メールから注文情報の抽出

フォーマットの違う発注メールを、統一フォーマットで Excel に出力する。

以下の複数の発注メールから注文情報を抽出し、タブ区切りで出力してください。

【出力形式】
受注日[TAB]顧客名[TAB]商品名[TAB]数量[TAB]単価[TAB]合計金額[TAB]納期[TAB]備考

【発注メール】
（複数の発注メールテキストをここに）

注意:
- 単価が不明なら「要確認」
- 日付は YYYY/MM/DD 形式に統一
- 数量と単価から合計が計算できる場合は補完（その旨を備考に明記）

プロンプト3: 議事録から顧客の要望・課題を抽出

複数の打ち合わせメモから、特定の情報をリスト化する。

以下の打ち合わせメモから、顧客が言及した「課題・不満・要望」を抽出し、タブ区切りで出力してください。

【出力形式】
打ち合わせ日[TAB]顧客名[TAB]内容種別（課題/不満/要望）[TAB]具体内容[TAB]緊急度

緊急度の判断基準:
- 高: 「今すぐ何とかしたい」「困っている」「予算化したい」
- 中: 「できればなんとかしたい」「検討したい」
- 低: 「将来的には考えたい」「今は緊急ではないが」

【議事録】
（複数の議事録テキストをここに）

プロンプト4: 表記ゆれの統一

同じ会社名・商品名が複数の表記で入っているリストを統一する。

以下のリストには同じ企業名が複数の表記で含まれています。表記ゆれを統一してください。

統一の基準:
- 「株式会社」あり/なしは最も多く出現する表記に統一
- 半角・全角の混在は半角に統一
- 明らかな誤字（「○○会杜」→「○○会社」等）は修正

【元のリスト】
（社名リスト）

出力:
1. 修正後のリスト
2. 変更箇所一覧（元の表記→修正後の表記）

プロンプト5: 顧客リストのABC分析

売上データから取引額の上位顧客を分類する。

以下の顧客別売上データを、ABC分析（パレートの法則）で分類してください。

【データ】
顧客名[TAB]年間売上額
（データを貼り付け）

出力:
- A群: 売上の70%を占める上位顧客
- B群: 次の20%を占める顧客
- C群: 残り10%の顧客
各群の取引先数と合計売上を併記

プロンプト6: 議事録の要約

長い議事録を、経営者向けの要点に圧縮する。

以下の議事録を、経営者向けに400字以内で要約してください。

【出力形式】
1. 議論された主要論点（箇条書き、3〜5個）
2. 決定事項（箇条書き）
3. 次回までのアクションアイテム（担当者・期限付き）

【議事録】
（議事録全文）

議事録AIツールについては「AI議事録ツール比較5選｜中小企業が選ぶときのポイントと無料プランの実態」でも整理している（既存記事の例として）。

プロンプト7: 問い合わせメールのカテゴリ分類

複数の問い合わせメールを、対応カテゴリ別に分類する。

以下の問い合わせメールを、以下のカテゴリに分類してください。

カテゴリ:
- 製品の使い方
- 料金・契約
- 不具合・障害報告
- 機能リクエスト
- 営業・新規問い合わせ
- その他

【出力形式】
メール件名[TAB]カテゴリ[TAB]緊急度（高/中/低）[TAB]推奨対応

【メール】
（メールテキスト）

プロンプト8: 重複データの検出

似ているが微妙に違う顧客データを検出する。

以下の顧客リストから、同一人物・同一企業の可能性があるデータを抽出してください。

判定基準:
- メールアドレスのドメインが同じ
- 電話番号が同じまたは類似
- 会社名が酷似（株式会社の有無・半角全角・表記ゆれ等）
- 氏名と会社名の組み合わせが類似

【リスト】
（顧客データ）

出力:
- 重複の可能性があるペア
- 重複と判断した根拠
- どちらを残すべきかの推奨（情報の新しさ・完全性で判断）

プロンプト9: 日報からKPIを抽出

複数の営業日報から、KPIに関わる数字を抽出する。

以下の営業日報から、以下のKPI数値を抽出してください。

KPI:
- 商談数
- アポ取得数
- 提案書送付数
- 受注数
- 受注金額（円）

【出力形式】
日付[TAB]担当者[TAB]商談数[TAB]アポ数[TAB]提案数[TAB]受注数[TAB]受注金額

【日報】
（日報テキスト）

プロンプト10: メールから請求情報の抽出

請求書類のメールから経理データを抽出する。

以下のメールから経理処理に必要な情報を抽出してください。

【出力形式】
請求日[TAB]請求先[TAB]金額（税込）[TAB]税率[TAB]支払期限[TAB]振込先[TAB]備考

【メール】
（請求メール）

注意: 金額が複数ある場合は税込総額のみ抽出。日付は YYYY/MM/DD 形式。

3. データ整理を社内に定着させる4ステップ

プロンプトを知るだけでは社内で活用されない。実際に定着させるには段階を踏む必要がある。

Step 1: 最も時間がかかっているデータ整理業務を1つ選ぶ（1週目）

社内の事務作業の中で、月3時間以上かかっているデータ整理業務をリストアップ。最初は1つに絞る。

例:

• 月次の新規顧客リスト整理（4時間/月）
• 発注メールから注文一覧作成（6時間/月）
• 営業日報から月次KPI集計（5時間/月）

Step 2: ChatGPT Plus を契約し、上記のプロンプトを社内マニュアルに保存（2週目）

ChatGPT Plus（月3,000円）を契約。本記事のプロンプトを社内のナレッジベース（Notion・Googleドキュメント等）に保存。

Step 3: 担当者が1ヶ月試して、プロンプトを自社用にチューニング（3〜6週目）

担当者が実際に使ってみて、出力フォーマットや判定基準を自社の文脈に合わせて修正していく。1ヶ月で精度が大幅に上がる。

Step 4: 横展開、他のデータ整理業務にも適用（7週目〜）

最初の1業務でうまくいったら、他のデータ整理業務にも展開。3〜6ヶ月で社内のデータ整理工数が大幅に減る。

進め方の詳細は「中小企業のAI導入｜最初の3ヶ月で何をすべきか」で整理している。

4. ChatGPTでデータ整理する時の注意点

便利だが、注意すべき点もある。

注意1: 個人情報・機密情報の取り扱い

顧客の氏名・連絡先・取引金額などはプライバシーに関わる。

• ChatGPT Plus は学習に使われない設定がデフォルト
• ChatGPT Team / Business / Enterprise はさらに厳格な管理
• それでも社外秘の財務データは慎重に
• 「○○株式会社→A社」等に置き換えてから入力するのが安全

注意2: 大量データは分割

ChatGPTには1度に入力できるテキスト量に上限がある。

• 一度に処理できるのは100〜200行程度が現実的
• 数千件のデータは複数回に分けて処理し、最後にExcelで統合
• 分割処理しても、各回の精度は安定している

注意3: 出力結果を必ず確認する

ChatGPTは「それらしい出力」をする。入力データが曖昧な場合、誤って抽出することがある。

• 出力データをExcelに貼り付ける前に、サンプル10件は目視チェック
• 数字（金額・電話番号）は特に間違いやすいので確認必須
• 「不明」「要確認」と書かれている項目は人間が確認

注意4: 業務マニュアル化を忘れない

担当者がChatGPTでデータ整理できるようになったら、その手順をマニュアル化する。担当者が変わっても運用が続くようにする。

属人化を防ぐ方法は「属人化を解消する方法｜「あの人しか分からない」をなくす手順」で詳しく書いている。

注意5: ChatGPTでの整理に向かない業務

• 厳密な計算（売上集計など）→ Excelの関数の方が確実
• 顧客個別の機微な判断（クレーム対応の優先順位等）→ 人間の判断
• 法的に正確性が必要な書類（契約書・申請書等）→ 専門家のチェック必須

5. 費用対効果と導入判断

月3,000円のChatGPT Plusで、データ整理業務がどれだけ削減できるか整理する。

時給換算で人件費 数万円〜十数万円相当の作業を、月3,000円で削減できる計算だ。月額AIサービスの採算ラインは「月額AIサービスの採算ライン｜中小企業がペイするかどうかの判断基準」で詳しく書いている。

ただし、注意したいのは「導入したけど誰も使わなかった」失敗パターン。「AI導入の失敗事例から見る経営者の判断ミス5パターン」を読んで対策しておくと、無駄な投資にならない。

6. FAQ

Q1. ChatGPT Plus の無料版で十分？

A. データ整理だけなら無料版でも可能。ただし、長文の入力上限・処理速度・GPT-4の利用回数を考えると、月3,000円のPlusの方が圧倒的に楽。

Q2. データを貼り付ける時、機密情報をマスクする必要は？

A. ChatGPT Plus（学習されない設定）なら基本的にそのまま使ってよい。ただし、上場企業の決算情報・契約の機密条項などは念のため伏字推奨。

Q3. CSVファイルをそのままアップロードできる？

A. ChatGPT Plus の「Advanced Data Analysis」機能ならCSV・Excelファイルを直接アップロード可能。テキストでコピペするより速い。

Q4. 自社の事務担当が使えるレベル？

A. プロンプトをコピペして「データを貼り付ける」だけ。Excel操作ができる事務担当なら、1〜2時間の研修で運用できる。

Q5. 何件くらいから ChatGPT 活用が見合う？

A. 月に100件以上のデータ整理が発生する業務は、確実に見合う。月10件程度なら手作業の方が早いこともある。

7. まとめ

ChatGPTのデータ整理活用は、月3,000円で月10〜16時間の作業を削減できる、最もROIの高いAI活用領域の一つだ。

• 得意領域: テキスト整理、フォーマット統一、項目抽出
• 苦手領域: 大量データの一括処理、厳密な計算
• 最初の1本: 月3時間以上かかっているデータ整理業務を選ぶ
• 定着のコツ: プロンプトを社内マニュアル化、担当者が変わっても運用できる状態を作る

業務効率化エンジニアとして自社で実際に回している立場から言うと、データ整理ほど早く効果が出るAI活用領域はない。月3時間の作業が30分に減るのが普通だ。

「うちのデータはバラバラだからAIには使えない」と思っている経営者ほど、効果が大きい。まず1業務から試してみてほしい。

導入の進め方や、自社の業務に合わせたプロンプト設計に困った場合は、AI顧問サービスでの相談も選択肢の一つだ。

関連記事

• ChatGPT・Claude・Geminiの違いと中小企業での使い分け
• 中小企業のAI導入｜最初の3ヶ月で何をすべきか
• 属人化を解消する方法｜「あの人しか分からない」をなくす手順
• 月額AIサービスの採算ライン｜中小企業がペイするかどうかの判断基準
• AI導入の失敗事例から見る経営者の判断ミス5パターン

この記事を書いた人: 野原琉海（株式会社ラズリ代表）。業務効率化に特化したエンジニアとして、自社でAI顧問サービスを運営。