ChatGPTで報告書をチェック｜10個のミスを全部見つけられるか検証

仕事で月報や週報、営業報告書を作ったあと、

「数字、間違ってないかな」
「書き方を少し盛りすぎていないかな」
「大事な情報を抜かしていないかな」

と不安になることはありませんか？

今回は、営業部の週次報告書にあえて10個のミスを仕込み、ChatGPTに元データと報告書を渡して、報告書チェックにどこまで使えるのかを検証しました。

結論からいうと、今回仕込んだ10個のミスは10個すべて発見されました。

さらに、こちらが事前にミスとして数えていなかった「根拠が足りない表現」も1件指摘されました。

ただし、これは「ChatGPTならどんな報告書でも100％正確にチェックできる」という意味ではありません。

あくまで、今回のデータと実験条件では10個すべてを発見できたという結果です。

ChatGPTで報告書チェックを実験した条件

今回用意したのは、営業部の週次報告書です。

まず、売上・商談数・受注件数・問い合わせ数などの「正しい元データ」を作成しました。

そのうえで、報告書の中に意図的に10個の問題を入れました。

仕込んだ内容は、単純な数字の間違いだけではありません。

数字や計算のミス
元データを少し盛った記述
大事な情報の抜け
根拠がないまま断定している文章

など、実際の報告書でも起こりそうな内容を混ぜています。

ChatGPTには正解となる10個のミスは見せず、「正しい元データ」と「ミス入りの報告書」だけを渡してチェックしてもらいました。

報告書に仕込んだミスは4種類

チェック内容	仕込んだ件数
数字・計算ミス	5件
元データを盛った記述	2件
重要情報の抜け	2件
根拠のない断定	1件
合計	10件

単純な計算問題だけにしなかった理由は、実務では「数字は合っているけれど、文章の意味が少し変わっている」というミスも起こるからです。

たとえば、「Web広告の新施策を始めて、社内では評判が良かった」という元データに対して、「Web広告経由の問い合わせが増加した」と報告してしまうケースです。

一見すると自然な文章ですが、元データには「問い合わせが増えた」という事実はありません。

今回の実験では、こうした“それっぽいけれど確認できていない記述”もChatGPTが見抜けるのか確認しました。

ChatGPTの報告書チェック結果は10個中10個

チェック内容	発見結果
数字・計算ミス	5 / 5
元データを盛った記述	2 / 2
重要情報の抜け	2 / 2
根拠のない断定	1 / 1
合計	10 / 10

今回仕込んだミスは、すべて指摘されました。

さらに、事前にミスとして数えていなかった文章についても1件指摘がありました。

報告書には、「大きな問題には発展しておらず、顧客対応は概ね順調です。」という文章を入れていました。

しかし、元データにあるのは「クレームが3件あった」という事実だけです。クレームの内容や重大度、対応状況までは書かれていません。

ChatGPTはここについて、「元データだけでは、大きな問題に発展していないことや、顧客対応が順調だったことは判断できない」という趣旨の指摘をしました。

これは、こちらが想定していなかったものの、妥当な指摘でした。

ChatGPTが実際に見つけた報告書のミスを3つ紹介

1. 売上金額の間違い

報告書には、「今週の売上は4,580,000円」と記載していました。

正しい元データは4,850,000円です。

ChatGPTはこの違いを見つけ、正しい金額への修正を提案しました。

これは比較的分かりやすいミスです。数字が多い報告書では、こうした転記ミスの一次チェックに使いやすそうです。

2. Web広告の成果を勝手に広げた文章

元データには、「新しいWeb広告施策を開始。社内評価は良好」とだけ記載していました。

一方、報告書では、「Web広告経由の問い合わせも増加しています。」と書いています。

しかし、元データには問い合わせ増加を示す情報はありません。

ChatGPTは、「社内評価が良かったことと、問い合わせが増えたことは別の話であり、元データからは判断できない」という内容を指摘しました。

今回の実験で特に面白かったのは、この部分です。

完全な作り話ではなく、元データにある事実を少し広げて書いた文章もチェックできました。

3. 「前向きな反応」を「大型契約見込み」に変更

元データでは、「B社と商談を実施。先方の反応は前向き」としています。

報告書では、「大型契約につながる見込みです。」と書き換えました。

「前向きな反応」と「大型契約が見込める」は同じ意味ではありません。

ChatGPTはここも、元データを必要以上に広げて解釈していると判断しました。

営業報告では、こうした“少し良く見せた表現”が入ることもあります。だからこそ、提出前に元データと照合してチェックする使い方には意味がありそうです。

ChatGPTは報告書チェックのどこに使える？

今回の実験結果から見ると、ChatGPTは報告書の「一次チェック役」として使いやすそうです。

営業週報
月次報告書
日報
会議報告
売上レポート
顧客対応レポート

などを上司へ提出する前に、元データと一緒にChatGPTへ渡して確認する方法です。

人間が最初からすべて読み直すよりも、「数字は合っているか」「元データにない内容を書いていないか」「大事な数字を抜かしていないか」といった部分を先にAIで洗い出してから確認した方が、チェックしやすくなる可能性があります。

報告書をチェックするだけでなく、元データからChatGPTに月報そのものを作らせる実験も行っています。

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】

さらに、売上・商談数などの営業データとメモを渡し、ChatGPTに営業週報そのものを作らせる実験も行いました。

ChatGPTで営業週報を作成｜データとメモだけで修正0になるか検証

AIに任せやすい部分と、人間が確認したい部分

今回の実験では、AIに任せやすそうな部分と、人間が最後に確認した方がよい部分も見えてきました。

AIに任せやすそうな部分

数字の照合
単純な計算確認
元データとの食い違い
情報の抜け漏れ
元データにない内容の一次チェック
根拠が弱い文章の洗い出し

人間が確認したい部分

元データそのものが正しいか
その情報が報告書に必要か
会社や部署にとって何が重要か
表現としてどこまで断定してよいか
AIの指摘を実際に修正すべきか

つまり、今回の使い方では、AIが一次チェックをして、人間が最終判断をするという役割分担が現実的だと感じました。

AIが整理や一次チェックを行い、人間が最終確認するという役割分担は、音声から議事録を作成した実験でも確認しています。

56分の音声をAIで議事録化して検証｜文字起こしミスがあっても実用になる？

報告書チェックで実際に使ったプロンプト

今回の実験では、次のような指示をChatGPTに渡しました。

あなたは営業部の週次報告書をチェックする担当者です。

以下の元データと週次報告書を比較して、報告書の中にある問題点をできるだけ漏れなく見つけてください。

確認する内容は、数字の間違い、計算ミス、元データから確認できない内容、元データを必要以上に広げて解釈している内容、重要な情報の抜け、根拠のない断定です。

元データに書かれていないことを推測で補わず、判断できない場合は「判断できない」としてください。

実際に使う場合は、この下に自分の「元データ」と「報告書」を貼り付けます。

たとえば営業週報なら、売上・商談数・受注件数などの元データと、作成済みの週報を一緒に渡します。