散らばったデータをAIで整理する｜名寄せと分類
「同じ取引先なのに表記がバラバラで集計できない」「経費の科目仕分けに毎月半日かかる」。少人数で経理や総務を回していると、データそのものよりも、データを整える作業に時間を奪われがちです。表記ゆれの統一や重複の除去、カテゴリ分けといった地味な手作業は、生成AIが得意とする領域でもあります。この記事では、散らばったデータを名寄せ・分類で整える進め方を、専門知識がなくても実践できる手順に落とし込んで紹介します。
名寄せと分類でつまずく場面
まず、自分たちのどこに時間がかかっているのかを把握しておくと、AIに任せる範囲を決めやすくなります。よくあるのは次のような場面です。
- 同じ会社が「株式会社○○」「(株)○○」「○○株式会社」と複数の表記で登録されている
- 顧客リストとメール配信リストで重複が起き、二重に案内してしまう
- 経費明細の摘要欄から、勘定科目や費用区分を毎回手で判断している
- 問い合わせ履歴が「内容」ではなく「届いた順」でしか並んでおらず、傾向が見えない
これらは「揺れを揃える(名寄せ)」と「意味でまとめる(分類)」の二つに整理できます。どちらもルールを言葉で説明しやすい作業なので、AIに指示を出しやすいのが特徴です。
放置するとどのくらい時間がかかるのか
「表記ゆれ」は地味に見えて、積み重なると大きな損失になります。たとえば取引先数が200社、名称の揺れが全体の15%に及んでいると仮定します。請求書照合や送付先確認のたびに一件あたり30秒余分にかかるだけで、月に処理する件数が1,000件あれば年間で75時間超が消えます。時給換算すれば数十万円規模のコストです。
経費仕分けも同様です。3人チームで毎月の経費精算を処理する場合、科目の判断と入力確認に1件あたり平均2分かかるとすると、月200件で約7時間。それが半分に短縮できれば、月3〜4時間が他の業務に回せます。こうした「今すぐ命に関わらないが確実にコストになっている作業」こそ、AIの出番です。
名寄せと分類の違いを整理する
混同しやすいので、簡単に区別しておきます。
- 名寄せ: 同一の実体（会社・人・商品など）を指す複数のレコードを一つに統合する作業。表記ゆれの解消、重複除去が中心。
- 分類: バラバラなテキストや数値に「どのカテゴリか」を付与する作業。勘定科目の振り分け、問い合わせ種別の付与などが典型。
どちらも「判断基準をはっきり言葉にできる」ことが成功の鍵です。「なんとなく同じに見える」では人でも難しく、AIはさらに迷います。反対に「法人格を除いた文字列が一致すれば同一企業とみなす」のように基準を明文化できれば、AIは驚くほど安定した結果を返します。
AIに任せる前の下ごしらえ
いきなり全データを投げるより、少し準備したほうが結果が安定します。
- 対象と目的を一文で決める 「請求書発行のために取引先名の表記を統一したい」のように、ゴールを先に言語化します。
- 小さく試す 全件ではなく、まず数十件をコピーして試します。精度の傾向を見てから範囲を広げると、やり直しが減ります。
- 判断基準を渡す 分類なら「交通費・会議費・消耗品費のいずれかに振り分ける」と選択肢を明示し、迷う場合の扱い(例: 不明は『要確認』)も伝えます。
- 個人情報の扱いを確認する 顧客の氏名や連絡先を含む場合、社内ルールや利用するサービスの規約に沿っているかを先に確かめます。
下ごしらえの段階で「何をもって正解とするか」を決めておくと、後の確認作業がぐっと楽になります。
データをそのまま渡す前にやるべき3つのこと
1. 列名を英語や記号から日本語に直す
「col_A」「code01」のような列名は、AIが何のデータかを判断する妨げになります。「取引先名」「摘要」「金額」のように意味が伝わる名前にしておくだけで、指示の精度が上がります。表計算ソフトなら数分で済む作業です。
2. 空白行・結合セルを除去する
Excelで横断集計のために使っていた結合セルや、見た目の区切りとして入れた空白行は、貼り付け時に余計なノイズになります。事前に「形式を選択して貼り付け(値のみ)」でフラットにしておくと、AIへの貼り付けがスムーズです。
3. 件数を確認してトークン量を見積もる
生成AIのチャットには一度に送れる情報量の上限があります。目安として、1行あたり30〜50文字のテキストなら数百行を一括で処理できます。それを超える場合は100〜200件ずつに分けて処理し、後で結果を結合するやり方が安全です。
個人情報を含む場合の判断フロー
顧客名や連絡先が含まれるリストを外部サービスに送るのはリスクがあります。次の順序で確認してください。
- 氏名・住所・電話番号・メールアドレスが含まれるか確認する
- 含まれる場合、利用するAIサービスがデータを学習に使わない設定になっているかを規約で確認する
- 社内のITポリシーや情報セキュリティ規程に抵触しないかを確認する
- 不安があれば、個人情報部分を「顧客A」「顧客B」に置き換えてから処理し、後から元データと突き合わせる
匿名化してから処理するのは手間に見えますが、この一手間が事故を防ぎます。実際には会社名・金額・摘要のみのリストであれば個人情報を含まないケースが多く、その場合は通常通り処理できます。
実際の進め方の例
取引先名の名寄せを例にすると、流れはシンプルです。表計算ソフトの名称列をそのまま貼り付け、「以下の取引先名を、同じ会社が同じ表記になるよう統一してください。法人格の表記は『株式会社』に揃え、揺れがあるものは代表表記と元の表記を並べて出してください」と依頼します。元の表記を残してもらうのがポイントで、後から照合できるため安心して反映できます。
経費の分類なら、摘要欄のテキストを渡して「次の科目のいずれかに分類し、判断に迷うものは理由を添えて『要確認』としてください」と指示します。AIが自信を持てないものだけ人が見ればよく、全件チェックより負担が下がります。
問い合わせ内容の分類も同様で、自由記述を「料金・操作方法・不具合・その他」のような区分にまとめてもらえば、月次でどの相談が多いかを把握でき、FAQ整備の優先順位づけに使えます。
ケース1: 5人の販売チームが抱える取引先リストの名寄せ
地方の卸売業者（従業員12名）でのケースです。5人の営業担当がそれぞれ独自にスプレッドシートで顧客管理をしていたため、統合すると同じ会社が最大4種類の表記で存在していました。合計600件のレコードのうち、実際の取引先は380社。220件が重複または揺れでした。
AIに「同じ会社と判断したものを代表名でまとめ、元の表記を隣の列に残してください」と依頼したところ、約15分で処理が完了しました。人手での照合を試みたときは2日かかっていた作業です。精度確認で目視したところ、誤統合（別会社を同一扱い）は3件。全体の0.8%に留まり、人が確認すべき「要確認」フラグが付いていたものを見直して修正しました。
ケース2: 経費精算の科目仕分けを月次処理から脱却させる
月末に経理担当1名が200〜300件の経費明細を仕分けしていた製造業の例（従業員20名）です。摘要欄の記述が「タクシー」「ランチ」「コンビニ 電池」のように自由記述で、科目との対応を毎回判断していました。
処理前に「交通費・接待交際費・消耗品費・通信費・その他」の5科目と、各科目に典型的に含まれるキーワードをAIへの指示文に添えました。その結果、250件のうち230件（92%）が自動分類され、残り20件は「要確認」として出力されました。担当者が確認した20件のうち15件はAIの判断が正しく、修正が必要だったのは5件（全体の2%）でした。月次処理にかかっていた約5時間が1時間強に短縮されています。
ケース3: 問い合わせ履歴を傾向分析に使う
SaaS系サービス会社（従業員8名）で、メール問い合わせ500件分を月ごとに種別分類したいというニーズでした。「機能の使い方」「料金・契約」「不具合報告」「解約・休止」「その他」の5区分をあらかじめ決め、件名と本文の最初の100文字を渡す形式にしました。
月次で集計すると、問い合わせの38%が「機能の使い方」に集中していることが判明。それまで体感では「不具合が多い」と思われていた認識を覆す結果でした。この分析を基にFAQページを整備したところ、翌月の同種問い合わせが17%減少しました。
精度を保つための注意点
便利な反面、丸投げは禁物です。次の点は人が責任を持って確認します。
- 金額や請求に直結するデータは必ず目視する 名寄せの誤統合は、別会社を一つにまとめてしまう事故につながります。
- 「要確認」を仕組みに組み込む AIが迷ったものを可視化し、人が最終判断する流れにしておくと、誤りが紛れ込みにくくなります。
- 同じ指示文を使い回す うまくいった指示は保存し、次回も同じ基準で処理します。基準が毎回ぶれないことが、整ったデータを保つ近道です。
- 元データを残す 整理後だけでなく、加工前のデータも保管しておけば、間違いに気づいたときにやり直せます。
よくある失敗パターンと対策
失敗1: 指示が曖昧すぎて結果がブレる
「取引先名を整理してください」だけでは、AIは何を「整理」と解釈するかを自分で決めてしまいます。「法人格を正式表記（株式会社・有限会社）に統一し、前株・後株を元の表記に合わせてください」のように操作の内容と基準を具体的に書くと、結果が安定します。うまくいった指示文はテンプレートとして保存しておきましょう。
失敗2: 一度に大量のデータを渡してしまう
数千件のデータを一度に貼り付けると、処理が途中で止まったり、後半の精度が落ちたりすることがあります。100〜200件単位で処理してから結合するほうが、結果の品質を均一に保てます。分割する際は、ヘッダー行（列名の行）を毎回先頭に入れ直すことを忘れずに。
失敗3: 結果を全件信用して元データを捨てる
AIの分類が正しくても、仕分けの基準自体が業務実態と合っていないケースがあります。最初の処理後は「この分類を1か月使ってみる」という試用期間を設け、明らかに違和感がある件は都度メモしておくと、次回の指示文の改善に役立ちます。
失敗4: 担当者が変わるたびに指示文が変わる
「前任者がどうやっていたかわからない」状態になると、精度が安定しません。AIへの指示文、処理結果の確認基準、元データの保管場所をチームの共有フォルダにまとめておく「処理マニュアル1枚」を用意するだけで、引き継ぎの手間が大幅に減ります。
精度の目安と許容できる誤り率を先に決める
「精度100%でなければ使えない」と考えると、AIは使いにくいツールに見えてしまいます。実際には、目的によって許容できる誤り率は異なります。
- 請求書の宛名照合: 誤り率0.5%未満を目指し、全件目視確認を組み合わせる
- 経費科目の仕分け（仮分類）: 誤り率3〜5%程度でも、人の確認コストが削減できれば十分
- 問い合わせ傾向の分析: 誤り率10%以下であれば傾向の把握には使える
「どこに使うか」によって許容レベルが変わります。使い始める前に「この用途では何%以内の誤りなら受け入れられるか」を決めておくと、確認工数の設計がしやすくなります。
よくある質問
Q. AIに渡せるデータの量に制限はありますか？
チャット形式でAIに直接貼り付ける場合、一度に処理できる量はおおむね数百行程度が現実的な上限です（サービスによって異なります）。それを超える場合は100〜200件ずつに分割して処理し、結果を結合してください。APIやExcelアドインを使うと大量データの自動処理にも対応できますが、まずはチャット形式の小規模処理から始めて感触をつかむのが近道です。
Q. 名寄せの結果、異なる会社を同一とみなす「誤統合」が心配です。防ぐ方法は？
二つの対策が有効です。一つは「元の表記を必ず隣の列に残す」よう指示することで、目視確認しやすくなります。もう一つは「会社名が完全に一致しない場合は統合せず、代わりに『類似』フラグを立てて並べて出す」と依頼することです。統合の判断を人に委ねる設計にすれば、事故を防げます。特に金額が大きい取引先や、社名が似ている競合他社が顧客にいる場合は、AIに自動統合させず候補提示にとどめるのが安全です。
Q. 一度整えたデータが、また数か月でバラバラになってしまいます。どうすれば？
データが乱れる原因は多くの場合「入力時のルールがない」ことです。整理した後のタイミングで「入力規則」を決め、スプレッドシートのプルダウン選択や入力値の制限機能を使うと、ゆれの再発を防げます。また「四半期に一度、名寄せ処理を実施する日を決める」のように定期メンテナンスをカレンダーに入れておく方法も効果的です。完全にゆれをなくすのは難しくても、許容範囲内に収めるサイクルを作ることが現実的な対策です。
まとめ
散らばったデータの整理は、ルールが言葉で説明できる作業ほどAIと相性が良い領域です。小さく試し、判断基準を渡し、迷ったものは人が確認する。この流れを定着させるだけで、毎月の集計や名寄せにかけていた時間を着実に減らせます。社内業務をAIに任せる「FLEX」のような仕組みを使えば、こうした名寄せや分類を日々の流れの中に組み込むこともできます。まずは手元の一覧を一つ、整えるところから始めてみてください。
Flex AIWAYは、一般社団法人AIWAYが運営するAIWAY Groupの一員として、業務自動化・AI活用に関する情報を発信しています。運営元の理念や活動については、一般社団法人AIWAYの公式サイトをあわせてご覧ください。