SESSION 04 / 45min / ハンズオン主体
SI業務 × M365 Copilot
実践ユースケース
間接業務・開発業務の両部門向けに、CSV添付・VBA生成・障害調査・処理概要生成まで実際に手を動かして体験します。SI業務の運用保守フェーズに直結するユースケースを網羅します。
間接業務・開発業務の両部門向けに、CSV添付・VBA生成・障害調査・処理概要生成まで実際に手を動かして体験します。SI業務の運用保守フェーズに直結するユースケースを網羅します。
| ブロック | 内容 | 対象 | 目安 |
|---|---|---|---|
| 4-1 | 表データ×生成AI入門（CSV添付・欠損値処理） | 間接業務 | 15分 |
| 4-2 | Copilot in Excel（要約・欠損値処理・VBA生成） | 間接業務 | 10分 |
| 4-3 | 開発フェーズ（コード生成・レビュー・テスト・バグ修正） | 開発業務 | 10分 |
| 4-4 | 運用保守（障害調査・ログ解析・引継ぎ資料・処理概要生成） | 開発業務 | 10分 |
Excel（.xlsx）をそのまま添付すると複数シート・結合セル・装飾行がノイズになり、AIの読み取り精度が下がる。CSVは「1シート・1テーブル・値のみ」のフラット形式なので、AIへの情報伝達効率が最も高い。
Copilot in Excelはシンプルな行・列構造のデータで最も認識精度が高い。
出典: Frequently asked questions about Copilot in Excel
下のボタンからCSVを直接ダウンロードするか、OneDriveのExcelからCSVエクスポートして準備する。
空白セル（欠損値）は「未入力」や「未定」などのテキストに置換してから保存すること。空白のままだとAIが「データが不完全なため確認が必要です」と回答し精度が下がる。
「+コンテンツを追加」ボタン選択またはドラッグ&ドロップで添付可能。最大20ファイル・1ファイルあたり50MBまで。アップロードしたファイルはOneDrive for Businessに自動保存される。
出典: Add content to Copilot Chat prompts - Microsoft Support
欠損値があると以下のような注記が返ってきやすい:
前処理で欠損値を「未定」に置換してから投入すると、注記なしに全行を処理した回答が返ってきます。前処理1分で回答の質が変わることを実感してください。
AIの回答精度は「何を渡すか」で8割決まる。プロンプトの言葉を磨く前に、渡すデータを整える習慣が先。これがコンテキストエンジニアリングの本質。
Block 4-1で使った案件進捗管理表（欠損あり版）を、今度はブラウザ版Excelで開いてCopilot in Excelに処理させます。データの要約、欠損値の自動補完、VBAコード生成の3ステップをデモで確認しましょう。
| 案件ID | セル | 欠損していた列 | 補完した値 |
|---|---|---|---|
| P-2025-008 | G9 | 売上見込み（万円） | 1,499万円（平均値） |
| P-2025-022 | G23 | 売上見込み（万円） | 1,499万円（平均値） |
| P-2025-013 | E14 | 完了予定日 | 2026/03/27（平均値） |
| P-2025-019 | E20 | 完了予定日 | 2026/03/27（平均値） |
| P-2025-027 | E28 | 完了予定日 | 2026/03/27（平均値） |
完了予定日に「平均値」を入れるのは業務的には不適切な場合もあります。Copilotの自動補完はあくまで起点。「未定」や「要確認」に手動で書き換える判断は人間が行います。AIの出力を鵜呑みにしない習慣がここで身につきます。
VBAだけでなく、セル数式もCopilotに依頼できます。
Session 03 の GitHub Copilot に加えて、M365 Copilotチャットでのコード関連ユースケースを確認します。コードを書く以外の場面でもAIを活用できます。
要件定義書の一部をそのままプロンプトに使うのが効率的。仕様の粒度を上げるほど手直し量が減る。
チームレビューを「設計・意図の議論」に集中させるために、AIによる事前チェックを習慣化する。
「作るのは面倒、でもないと困る」典型的な後回し作業。Copilotに投げると雛型が3分で揃う。
エラーメッセージ・スタックトレース・発生状況を一緒に渡すと仮説が即座に返ってくる。
「コードはあるが仕様書がない」という運用保守の現場に、生成AIを直接活用できる場面が複数あります。障害調査・ログ解析・引継ぎ資料生成・処理概要の自動ドキュメント化まで、実際のプロンプト例を見ていきます。
ログ・エラー・状況を一つのプロンプトにまとめて投げると、原因仮説と調査手順が即返ってくる。AIの仮説は起点。本番ログとの照合は人間が行う。
大量ログをCSVに変換してCopilotチャットに添付します。Block 4-1で覚えたCSV添付の操作がそのまま活かせます。
仕様書のないシステムの保守引継ぎ作業で特に効果が大きい。既存コードを読み込ませて処理概要をドキュメント化する用途に向いている。
言語を問わず使える。Java、Python、シェルスクリプトなど、コードを丸ごと貼り付ければ処理概要が返ってくる。仕様書がないコードの理解コストを大幅に下げられる。
改修後に設計書の変更箇所だけを更新したい場合:
全セッションを通じて使える3つのプロンプトの型。セミナー後の実践でそのままコピーして使える。
役割を明示すると回答の視点・語彙・詳細度が変わる。制約で出力形式をコントロール。
複雑な依頼を1回で全部頼まない。ステップを分けると精度が上がり、意図のズレを早期に発見できる。
「プロンプトを磨く前にデータを整える」。AIへの入力品質が出力品質を決める。CSVの前処理・欠損値の処理・不要な行の削除、この3つの習慣だけで回答精度が大きく変わる。
