ChatGPTで月報作成を実験｜3分10秒で完成・数値ミス0件【プロンプト公開】

毎月やってくる月報作成。

売上や契約件数を確認して、前月や目標と比較し、成果と課題を整理して文章にする。月報そのものは重要ですが、毎月同じような作業に時間を取られている人も多いのではないでしょうか。

そこで今回は、ChatGPTを使うと月報作成をどこまで短縮できるのか実際に試してみました。

結論：今回の実験では36分から3分10秒まで短縮

手作業の比較用ベンチマーク	36分00秒
ChatGPT利用	3分10秒
短縮時間	32分50秒
時間削減率	約91.2％
数値ミス	0件
存在しない事実	0件
根拠のない推測	0件
人間による修正	3箇所

今回設定した手作業ベンチマークと比較すると、作業時間は約91.2％短縮されました。

ただし、ChatGPTが作った月報をそのまま提出できたわけではありません。数字や事実には問題がなかったものの、情報の抜けや来月のアクションをより具体的にするための修正が3箇所必要でした。

今回の実験条件

今回の実験では、営業部門の架空データを使って月報を作成しました。

月報の構成は以下の5項目です。

今月の総括
KPI実績
今月の成果
課題・改善点
来月のアクション

上司が3分程度で内容を把握できるように、500〜700字程度の月報を完成形としています。

手作業側は36分を比較用ベンチマークとして設定

作業	想定時間
元データ・業務メモ確認	5分
前月・目標との比較	7分
成果・課題の整理	7分
月報本文の作成	12分
数字・文章の確認	5分
合計	36分

今回、筆者自身がExcelを使った月報作成に慣れていないため、人間側については実測ではなく、作業工程を分解して比較用ベンチマークを設定しました。

そのため、「約91.2％短縮」は人間が実際に36分かかったという意味ではありません。今回設定した36分の比較用ベンチマークと、ChatGPTを使って実際に計測した3分10秒を比較した結果です。

ChatGPTに渡したデータ

今回使用した月報データには、以下の情報を含めました。

・売上
・契約件数
・新規顧客数
・商談回数
・苦情件数
・担当者別売上
・延期案件
・今月発生した問題
・来月に向けた対応事項

例えば8月の売上は1,160万円で、目標に対して190万円未達。

契約は45件、新規顧客は21社で、ともに目標未達でした。

一方で商談は160回となり、目標を5回上回っています。

苦情については6件発生し、設定した上限を2件超えました。

こうした数字と業務メモをChatGPTに渡し、月報を作成させました。

実際に使用したプロンプト

あなたは中小企業の営業部門を担当する管理職です。

添付した実験用データを分析し、社内提出用の月次報告書を作成してください。

【目的】
上司が3分程度で、
・今月何が起きたか
・目標に対してどうだったか
・成果は何か
・課題は何か
・来月何をするのか
を理解できる月報にしてください。

【構成】
1. 今月の総括
2. KPI実績
3. 今月の成果
4. 課題・改善点
5. 来月のアクション

【文章条件】
・500〜700字程度
・です・ます調
・最初に結論を書く
・重要な数値を具体的に記載する
・前月比、目標比を比較する
・冗長な説明を避ける
・管理職が読みやすい文章にする

【重要ルール】
・添付データに存在しない事実を推測しない
・原因が確認できない場合は断定しない
・数字を勝手に変更しない
・事実と推測を区別する
・判断できない内容は「要確認」とする

月報作成後に、使用した数値が元データと一致しているか自己チェックしてください。

完成まで3分10秒

実験では、ChatGPTにデータを渡してから、月報の生成、内容確認、精度チェックまで含めて時間を計測しました。

結果は、3分10秒でした。

比較用ベンチマーク36分との差は32分50秒で、計算上の時間削減率は**約91.2％**です。

単純にAIが文章を生成した時間だけではなく、内容を確認する工程も含めています。

数値ミスは0件だった

月報完成後、元データとの照合を行いました。

確認したのは、数値不一致、存在しない事実、根拠のない因果関係、推測、抜け漏れです。

今回の結果では、売上、契約、新規顧客、商談、苦情、担当者別売上などの数値はすべて元データと一致していました。

延期案件についても、売上に含めるべきではない金額を勝手に加算するといったミスはありませんでした。

また、根拠のない原因を作ったり、元データに存在しない出来事を事実として書いたりする問題も確認されませんでした。

それでも3箇所は人間の修正が必要だった

1. 苦情6件のうち2件の説明が抜けていた

ChatGPTは「Eの返信遅れ、Dの納期説明不足が各2件」と記載していました。
この内容自体は正確ですが、苦情は合計6件なので、残り2件について触れられていませんでした。
元データではB・Cが各1件でしたが、苦情内容までは分からない状態だったため、「B・Cの苦情内容は要確認」と補足した方が報告書として正確です。

2. 契約・新規顧客の未達に対するアクションが弱かった

契約件数と新規顧客数は目標を下回っていましたが、ChatGPTが作成した来月のアクションでは、この未達に対する具体的な確認行動が十分に書かれていませんでした。
そこで、「管理職が未達要因を担当者別に確認し、追加施策を決める」といった具体的な行動を追加する余地がありました。

3. 誰が改善状況を確認するのかが曖昧だった

ChatGPTは「週次で進捗を報告する」「返信時間・苦情件数・解決状況を記録する」といった施策を提示しました。
方向性自体は問題ありませんが、「誰が確認し、次の改善につなげるのか」が曖昧でした。
そこで、「管理職が毎週確認し、未解決案件と対応遅延への対策を決める」とすると、実行可能性が高まります。

今回分かったChatGPTの強み

今回の実験では、ChatGPTは特に「数字の整理」「月報の構造化」「前月比や目標比の文章化」に強さを感じました。
複数の数値や業務メモを整理し、「総括」「成果」「課題」「来月のアクション」に分けて文章化する作業は短時間で完了しました。
毎月同じ形式で報告書を作る業務とは、かなり相性が良さそうです。

一方で人間が見るべきポイント

今回の修正3箇所を見ると、ChatGPTが苦手だったのは「数字の正しさ」よりも、「報告書として十分か」という判断でした。
数字が合っていても、情報が抜けていないか、未達に対する行動が十分か、誰が確認するのかまで考えると、人間の判断が必要です。
そのため、月報作成では「AIに下書きと整理を任せ、人間が最終編集を行う」という役割分担が現実的だと感じました。