報告書をAIで自動作成する方法｜Excel・DBデータから文章を生成

「毎月同じような報告書を作っている」

「Excelの数字を確認して、コメントを書く作業に時間がかかる」

「売上や問い合わせ件数から月次レポートを自動生成したい」

「データ集計からGoogle Docsへの報告書作成まで自動化できないか」

このような業務は、生成AIを組み合わせることで効率化できます。

例えば毎月、

Excelを開く
↓
売上を確認
↓
前月と比較
↓
問い合わせ件数を確認
↓
数値の変化を分析
↓
コメントを書く
↓
Word・Google Docsへまとめる
↓
上司へ共有

という作業をしている場合です。

これを、

Excel・Google Sheets・DB
↓
数値を自動集計
↓
生成AI
↓
分析コメント生成
↓
報告書作成
↓
Google Docs・PDF等へ出力
↓
担当者確認
↓
共有

という流れにできます。

ポイントは、AIにすべての計算を任せるのではなく、数値計算と文章生成を分けることです。

Google Apps ScriptはGoogle Sheetsの読み書きや時間指定の自動実行に対応しており、Google Docs APIではプログラムから文書を作成・更新できます。そのため、スプレッドシートの数値を取得し、AIで文章化してDocsへ出力するといった仕組みを構築できます。

この記事では、報告書をAIで自動作成する仕組み、Excel・Google Sheets・DBとの連携方法、システム構成、導入手順、注意点まで解説します。

報告書のAI自動作成とは

報告書のAI自動作成とは、

業務データ
↓
集計
↓
生成AI
↓
文章化
↓
報告書

という仕組みです。

例えば月次営業報告なら、

売上
商談数
受注数
問い合わせ数
CVR
前月比
前年比

などを取得します。

そのデータをAIへ渡し、

今月の売上は520万円で、
前月比12％増となりました。

問い合わせ件数は前月比30％増加しましたが、
成約率は18％から15％へ低下しています。

来月は問い合わせ増加を受注につなげるため、
初回対応から商談化までのプロセス改善が課題です。

といった文章を作成します。

人が毎月ゼロからコメントを書く必要がなくなります。

AIで自動化しやすい報告書

定期的に同じ形式で作る報告書は特に自動化しやすくなります。

例えば、

報告書	利用データ
月次売上報告	売上・予算・前年比
営業報告	商談・受注・失注
問い合わせ報告	件数・分類・対応時間
在庫報告	在庫数・入出庫・欠品
広告レポート	広告費・CV・CPA
プロジェクト報告	進捗・課題・タスク
経営レポート	売上・利益・主要KPI
システム運用報告	障害・問い合わせ・稼働状況

特に、

毎週
毎月
毎四半期

のように定期的に発生する報告書は、削減効果を出しやすくなります。

報告書自動化は4つの処理に分ける

システムを考えるときは、次の4段階に分けます。

1．データ取得

2．数値集計

3．AIによる文章生成

4．文書作成・共有

それぞれ使用する技術が異なります。

1．報告書の元データを取得する

まず必要なのが報告書の元になるデータです。

例えば、

Excel

Google Sheets

PostgreSQL

MySQL

CRM

販売管理システム

Google Analytics

広告管理システム

などです。

重要なのは、

AIが直接すべてを探す

構成にしないことです。

例えば売上報告なら、

販売DB
↓
売上データ取得

問い合わせ報告なら、

問い合わせDB
↓
件数・カテゴリ取得

と、正しいデータソースから取得します。

2．計算はAIではなくプログラムで行う

報告書自動化で非常に重要です。

例えば、

売上
前月比
前年比
平均単価
CVR

を計算するとします。

これを生成AIへ、

このデータから前月比を計算してください

と依頼することもできます。

しかし、正確な計算が必要な部分は、

Excel数式

SQL

Python

JavaScript

BIツール

などで計算する方が安定します。

例えば、

売上：
5,200,000円

前月：
4,650,000円

前月比：
+11.8％

まで計算してからAIへ渡します。

AIには、

この数字から
経営報告用のコメントを作って

と依頼します。

AIとプログラムの役割を分ける

例えば、

売上合計
→ SQL

前月比
→ プログラム

成約率
→ プログラム

数値の意味を説明
→ AI

改善ポイントを書く
→ AI

文章を読みやすく整える
→ AI

です。

つまり、

「数字を作るのはプログラム、数字を説明するのはAI」

と考えると分かりやすくなります。

3．集計データをAIへ渡す

例えば次のデータを用意します。

対象月：
2026年7月

売上：
5,200,000円

前月売上：
4,650,000円

問い合わせ：
180件

前月問い合わせ：
140件

商談：
42件

成約：
12件

前月成約：
11件

さらにプログラムで、

売上前月比：
+11.8％

問い合わせ前月比：
+28.6％

成約率：
28.6％

を計算します。

この状態で生成AIへ渡します。

AIには「何を書くか」を指定する

単に、

報告書を作ってください

と依頼すると、出力が毎回変わる可能性があります。

そこで、

1．全体概要

2．良かった点

3．悪化した点

4．考えられる要因

5．来月確認すべき事項

など、構成を固定します。

例えば、

以下の業績データから月次報告を作成してください。

・数値は変更しない
・与えられていない事実を作らない
・要因が断定できない場合は「可能性」と表現する
・500文字以内

【構成】
1. 全体概要
2. 主な変化
3. 課題
4. 次月の確認事項

とします。

AIに原因を断定させない

例えば、

売上が20％減少

したとします。

AIが勝手に、

競合他社の値下げによって
売上が減少しました。

と書いてはいけません。

元データにその根拠がなければ、

売上は前月比20％減少しています。

原因は現在のデータだけでは特定できないため、
商談数・失注理由・顧客単価などを追加確認する必要があります。

とする方が適切です。

そのためプロンプトにも、

データから判断できない原因を
断定しない

というルールを入れます。

4．AI出力を構造化する

報告書をシステムから扱う場合は、

AIが文章を自由生成

するより、

JSON

などの構造化形式で返す方法があります。

例えば、

{
  "summary": "売上は前月比11.8％増加しました。",
  "positive_points": [
    "問い合わせ件数が28.6％増加"
  ],
  "issues": [
    "問い合わせ増加に対して成約数の伸びが小さい"
  ],
  "next_actions": [
    "問い合わせから商談への転換率を確認"
  ]
}

とします。

OpenAI APIのStructured Outputsのように、開発者が定義したJSON Schemaに合わせてモデル出力を構造化する仕組みも提供されています。報告書生成後のシステム連携では、このように出力形式を固定すると扱いやすくなります。

その後、

summary
↓
概要

positive_points
↓
成果

issues
↓
課題

として報告書へ配置します。

Excelから報告書をAIで自動作成する

例えばExcelに、

月	売上	問い合わせ	成約
6月	465万円	140	11
7月	520万円	180	12

というデータがあるとします。

PythonなどでExcelを読み込み、

Excel
↓
Python
↓
前月比計算
↓
生成AI
↓
報告書

とできます。

ExcelでAIを使う場合のポイント

Excelには、

セル結合

複数の表

空白行

色だけでステータス管理

など、人間向けのレイアウトが多くあります。

自動処理するなら、

1行
=
1レコード

になるよう整理すると扱いやすくなります。

例えば、

date
sales
inquiries
contracts

と列を明確にします。

Google Sheetsから報告書を自動作成する

Google Workspaceを利用している企業なら比較的導入しやすい構成です。

例えば、

Google Sheets
↓
Apps Script
↓
生成AI API
↓
Google Docs
↓
メール共有

とします。

Google Apps ScriptではSheetsをプログラムから読み書きでき、時間指定トリガーなどを使った自動処理も可能です。Google Docs APIでは文書の作成・編集ができます。

毎月1日に自動生成する

例えば、

毎月1日 8:00
↓
Apps Script実行
↓
先月データ取得
↓
KPI計算
↓
生成AI
↓
報告書作成
↓
Google Docs保存

という処理です。

担当者が出勤した時点で、

7月月次レポート

が作成されている状態にできます。

Google Docsのテンプレートを使う

毎回ゼロから文書を作る必要はありません。

例えば、

月次報告書テンプレート

を作ります。

内容は、

# 2026年7月 月次報告

## 1．主要KPI

{{KPI_TABLE}}

## 2．総括

{{SUMMARY}}

## 3．成果

{{POSITIVE}}

## 4．課題

{{ISSUES}}

## 5．次月対応

{{NEXT_ACTIONS}}

とします。

システムから、

{{SUMMARY}}

などをAI生成結果へ置換します。

Google Docs APIでは文書の作成・更新が可能なため、このようなテンプレートベースの自動生成にも利用できます。

データベースから報告書を自動生成する

Web・業務システムなら、DBから直接データを取得できます。

例えばPostgreSQLに、

orders
customers
inquiries
products

などがあるとします。

構成は、

PostgreSQL
↓
SQL
↓
KPI集計
↓
Python・TypeScript
↓
生成AI API
↓
報告書

です。

SQLで数字を確定してからAIへ渡す

例えば、

売上合計

新規顧客数

受注数

問い合わせ数

をSQLで集計します。

AIには集計済みの数字だけを渡します。

これにより、

AIがDB全体を自由に解釈

するよりも、数値の正確性を保ちやすくなります。

月次営業報告を自動作成する例

例えば営業部で、

売上
商談数
受注数
失注数
見込み案件

を管理しているとします。

毎月、

CRM
↓
データ取得
↓
KPI計算
↓
AI
↓
営業月報

とします。

AI出力例：

7月は売上520万円となり、
前月比11.8％増加しました。

問い合わせ件数も28.6％増加しており、
新規案件の流入は改善しています。

一方で、問い合わせ件数の増加に対して
受注数の伸びは限定的です。

8月は問い合わせから商談、
商談から受注までの転換率を
それぞれ確認する必要があります。

問い合わせ対応報告を自動作成する例

例えば、

問い合わせ：
850件

前月：
720件

平均初回返信：
3.2時間

前月：
4.8時間

未処理：
22件

というデータなら、

問い合わせ件数は前月比18.1％増加しました。

一方、平均初回返信時間は
4.8時間から3.2時間へ短縮しており、
問い合わせ増加に対して対応速度は改善しています。

未処理22件については、
問い合わせ種別と担当部署を確認する必要があります。

のように文章化できます。

在庫報告を自動作成する例

例えば、

総SKU：
1,200

欠品：
18

過剰在庫：
42

30日以上動きなし：
85

という情報から、

全1,200SKUのうち18SKUで欠品が発生しています。

また、85SKUは30日以上出庫実績がないため、
滞留在庫として確認が必要です。

特に在庫金額の大きい商品から
仕入れ数量の見直しを検討します。

と文章化できます。

ただし、

仕入れ数量を減らすべき

とAIだけで確定せず、担当者の判断材料として利用します。

広告レポートをAIで自動作成する

Google広告などでは、

広告費

クリック

CV

CPA

CTR

CVR

など、多数の数字があります。

通常プログラムで数値を取得・計算し、

AI
↓
変化を文章化

します。

例えば、

広告費：
30万円 → 35万円

CV：
20件 → 30件

CPA：
15,000円 → 11,667円

なら、

広告費は前月比16.7％増加しましたが、
コンバージョン数は50％増加しています。

その結果、CPAは15,000円から
約11,700円まで改善しました。

と説明できます。

AIに異常値を見つけさせる前に数値判定する

例えば、

売上が前月比30％以上減少

したらアラートするとします。

この条件はAIではなく、

if change_rate <= -30%

という通常プログラムで判定します。

その後AIに、

売上が30％以上減少しました。
関連KPIを踏まえて確認すべきポイントを整理してください。

と依頼します。

つまり、

異常判定
→ プログラム

説明・整理
→ AI

です。

AIで複数KPIの関係を説明する

生成AIが有効なのは、複数の数字を文章としてまとめる部分です。

例えば、

アクセス：
+30％

問い合わせ：
+20％

商談：
+5％

受注：
-10％

なら、

Webサイトへの流入と問い合わせは増加していますが、
商談数の伸びは限定的で、受注数は減少しています。

集客よりも、
問い合わせ後の商談化・受注プロセスに
課題が存在する可能性があります。

と整理できます。

ただし、

原因

と、

データから推測できる可能性

は区別します。

AI報告書にグラフを入れる

報告書には文章だけでなく、

売上推移

問い合わせ推移

部署別件数

などのグラフも有効です。

グラフ自体は、

Excel

Google Sheets

Python

BIツール

などで作成します。

例えば、

DB
↓
集計
├─ グラフ
└─ AI文章
↓
報告書

とします。

AIにグラフ画像だけを渡して数字を推測させるより、可能であれば元の数値データも使う方が安定します。

報告書作成後の共有まで自動化する

報告書を作って終わりではありません。

例えば、

報告書生成
↓
Google Drive保存
↓
Slack通知
↓
メール送信

まで自動化できます。

毎月、

報告書を作る
↓
PDFにする
↓
メールを書く
↓
添付
↓
送信

という作業も削減できます。

人による承認を入れる

重要な経営報告なら、

AI
↓
報告書案
↓
担当者確認
↓
承認
↓
共有

とします。

AIに完全自動配信させる必要はありません。

特に、

経営数値

顧客向けレポート

契約関連

公表資料

などは確認工程を残します。

報告書AIのシステム構成例

例えばGoogle Workspace中心なら、

Google Sheets
↓
Apps Script
↓
KPI計算
↓
生成AI API
↓
Google Docs
↓
担当者確認
↓
メール・Chat

です。

Webシステムなら、

PostgreSQL
↓
バックエンド
↓
SQL集計
↓
生成AI API
↓
報告書データ
↓
Web画面
↓
PDF

などが考えられます。

AI報告書のテンプレートを固定する

例えば、

## 総括

## 主要KPI

## 前月からの変化

## 良かった点

## 課題

## 原因として確認すべき事項

## 次月アクション

とします。

毎月同じ構成にすると比較しやすくなります。

報告書自動化の導入手順

STEP1．現在の報告書作成時間を測る

例えば、

データ収集：
30分

集計：
30分

コメント：
60分

資料作成：
30分

合計：
150分

とします。

STEP2．報告書で使うデータを整理する

例えば、

売上
問い合わせ
商談
受注

です。

STEP3．データの正しい取得元を決める

売上
→ 販売DB

問い合わせ
→ CRM

広告
→ 広告API

などです。

STEP4．数値計算を自動化する

SQL、Excel、Pythonなどで、

合計

平均

前月比

前年比

CVR

を計算します。

STEP5．AIへ文章化させる

集計結果から、

総括
変化
課題
確認事項

を生成します。

STEP6．過去の報告書と比較する

例えば過去3〜6か月分を使って、

人が作った文章
vs
AI生成

を確認します。

STEP7．Google Docs・PDFなどへ出力する

既存テンプレートへ差し込みます。

STEP8．人が確認する

数字・事実・表現を確認します。

STEP9．定期実行する

毎週・毎月など、報告周期に合わせて自動実行します。

報告書AIの費用対効果

例えば社員10人がそれぞれ、

月次報告書：
毎月2時間

使っているとします。

会社全体では、

10人 × 2時間

=
月20時間

です。

AI自動化後、

確認：
30分／人

になれば、

10人 × 0.5時間

=
月5時間

です。

削減時間は、

月15時間

です。

仮に1時間3,000円相当として試算すると、

15時間 × 3,000円

=
月45,000円相当

年間では、

54万円相当

です。

報告書の数・対象者が多い企業ほど効果も大きくなります。

報告書AIのKPI

例えば、

KPI	内容
作成時間	導入前後の作業時間
修正時間	AI出力を直す時間
数値誤り	数字の誤記件数
採用率	AI文章を利用できた割合
作成遅延	報告書提出遅延
API費用	報告書1本あたりのAI費用

特に、

AIが何文字書いたか

ではなく、

人の作業が何分減ったか

を見ることが重要です。

報告書AIで注意したいポイント

AIに計算を任せすぎない

正確な数字はプログラム・DB側で計算します。

AIに存在しない原因を書かせない

根拠がない場合は、

追加確認が必要

と出力させます。

数字をAIに書き換えさせない

入力したKPIをそのまま使うよう指示します。

自動配信しすぎない

重要な報告書は人が確認します。

元データが間違っていないか確認する

AIの性能が高くても、元データが間違っていれば報告書も間違います。

報告書AI自動作成でよくある失敗

Excelを丸ごとAIへ渡す

必要なデータだけ抽出して渡します。

全計算をAIに依頼する

SQL・数式・プログラムを使い分けます。

毎月出力形式が変わる

テンプレートを固定します。

原因分析までAIに断定させる

事実と推測を分けます。

完全自動化から始める

まず、

AIが報告書案
↓
人が確認

から始めます。

報告書作成時間を測らない

費用対効果が分からなくなります。

報告書AIに関するよくある質問

ExcelからAIで報告書を作れますか？

可能です。

ExcelのデータをPythonなどで読み取り、必要なKPIを集計したうえで生成AIへ渡す方法があります。

Googleスプレッドシートから自動生成できますか？

可能です。

Apps ScriptでSheetsのデータを読み、AI APIと連携し、結果をGoogle Docsへ出力する構成などがあります。Apps ScriptはGoogle Workspace製品間の自動処理と時間指定トリガーに対応しています。

毎月自動で報告書を作れますか？

可能です。

月次バッチやApps Scriptの時間トリガーなどで定期実行します。

AIにグラフも作らせられますか？

可能ですが、数値データからExcel・Sheets・Pythonなどでグラフを作成する方が安定するケースがあります。

文章説明をAIに任せる構成がおすすめです。

AIが数字を間違えることはありますか？

あります。

そのため、数字はDB・Excel・プログラムで計算し、AIには計算済みデータを渡す設計が重要です。

PDFの報告書も自動生成できますか？

可能です。

HTMLやテンプレートからPDFを生成する方法や、Google Docs等で文書を作成した後にPDF化する方法があります。

hiro-dev-labのAI報告書・業務自動化支援

hiro-dev-labでは、既存の業務データと生成AIを組み合わせた報告書・レポート自動化を支援しています。

例えば、

Excelからのデータ取得
Google Sheetsとの連携
PostgreSQLなどDBとの連携
KPIの自動集計
AIによる報告コメント生成
Google Docsへの自動出力
PDFレポート生成
OpenAI APIなどを利用した文章生成
Google Apps Scriptによる定期実行
n8nによるワークフロー自動化
Python・TypeScriptによる業務システム開発

などを検討できます。

例えば、

現在

Excel確認
↓
担当者が集計
↓
担当者が文章作成
↓
Wordへ転記
↓
メール共有

という業務を、

Excel・DB
↓
自動集計
↓
AI
↓
報告書案
↓
担当者確認
↓
Google Docs・PDF
↓
共有

へ変更できます。

報告書AIは「数字をAIに計算させない」ことが重要

AIによる報告書自動作成で重要なのは、

AIに全部任せる

ことではありません。

基本構成は、

業務システム
↓
正しいデータ取得
↓
プログラムで集計
↓
AIで文章化
↓
人が確認
↓
報告書として共有

です。

特に、

売上

金額

件数

前年比

前月比

CVR

などはプログラムで確定します。

AIには、

数字の意味を説明する

変化を整理する

課題候補を提示する

読みやすい文章にする

部分を担当させます。

導入する場合は、

1．現在の報告書作成時間を測る

2．必要なKPIを決める

3．正しいデータソースを決める

4．数値集計を自動化する

5．報告書テンプレートを決める

6．AIで文章を生成する

7．過去データで精度を確認する

8．人による確認工程を入れる

9．Docs・PDFなどへ出力する

10．定期実行・共有まで自動化する

という流れがおすすめです。

「毎月Excelから報告書を作る作業をなくしたい」

「Google Sheetsの数字から月次レポートを自動生成したい」

「業務システムのDBから定例報告書を作りたい」

「集計からPDF・Google Docsへの出力まで自動化したい」

このような段階からでも、お気軽にお問い合わせください。

AI報告書・業務自動化について相談する