ChatGPTで経営データを分析する前に｜KPI定義・権限・検収の10列

ChatGPTを使って、営業会議の数字をまとめる、経営ダッシュボードを作る、変化の原因を調べる。こうした活用は、生成AIを単なる文章作成から経営判断へ進める有力なテーマです。OpenAIの公式ユースケースにも、更新され続けるダッシュボード、事業レビュー、経営報告資料、重要指標の原因分析といったデータ活用が掲載されています。

しかし、生成AIへ業務データを渡せるようになったことと、経営判断に使える数字が出ることは別です。「売上」は受注額か売上計上額か。「有効商談」は初回面談か、予算と決裁者を確認した案件か。「粗利」は標準原価か実際原価か。部署ごとに定義が違えば、AIは矛盾した数字を速く整形するだけです。

さらに、ワークスペースで機能を利用できる権限、プラグインや接続機能を使える権限、接続先サービスの権限は別々です。OpenAIの公式資料も、プラグインを利用可能にしただけでは接続先のファイル・記録・操作への権限を付与しないこと、要求は適用されるすべての境界を通る必要があることを説明しています。「ChatGPT側で許可したから安全」「接続先が閲覧専用だから誰にも見えない」という一段だけの確認では足りません。

本記事の結論は明快です。導入前に作るべきものは、KPI辞書10列、役割とデータ源の権限表、正解データを使った受入試験です。ツールのデモより先にこの三点を用意すれば、30日間の小さな実証で、経営会議に使えるか、追加整備が必要か、見送るべきかを判定できます。

重要な確認：本記事は「データプラグイン提供開始」を断定しない

2026年9月11日時点でOpenAIの公式「ChatGPT Learn」を確認したところ、データ分析・ダッシュボード・経営報告のユースケース、プラグイン制御、ワークスペース権限、ChatGPT Workの実行境界は確認できました。一方、本記事で採用する公式ドキュメントの範囲では、「データプラグイン」という独立名称の提供開始日、対象プラン、対象地域、価格、対応データ源を確定できませんでした。

そのため、本記事は「9月10日に全社向けデータプラグインが提供開始された」などとは記載しません。画面や契約で利用可能な機能は、プラン、ワークスペース設定、段階的な展開で変わり得ます。実際の導入時は自社管理画面と最新の公式資料で確認してください。ここでは、特定機能の有無に左右されない経営データ分析の導入条件を扱います。

この区別は細かい注意書きではありません。提供条件を確認せずに役員会へ導入提案を出すと、承認後に「自社プランでは使えない」「接続したいデータ源に対応していない」「管理者が許可できない」と判明し、PoCが止まります。機能紹介と導入設計を分けることが、最初の失敗回避です。

結論：AIに数字を読ませる前に、人間が定義と責任者を固定する

AI分析プロジェクトの最初の成果物をダッシュボードにすると、画面の見栄えが評価軸になります。最初の成果物は、数字の意味と責任を固定する一枚にしてください。具体的には、指標名、経営判断、定義式、分子、分母、対象・除外、更新時点、正本データ、責任者、検算方法の10列です。

この10列が埋まらない指標は、AIへ渡しても経営会議では使えません。反対に、10列が揃えば、ChatGPTに限らず、表計算、既存の分析ツール、社内システムでも同じ定義を使えます。特定製品へロックインされにくい投資になります。

経営者が承認すべきは、次の三つです。

1. 今回の分析で変える意思決定は何か。
2. その意思決定に必要な指標の定義と正本は何か。
3. 誰がどのデータまで利用でき、出力を誰が検収するか。

「全社データをつないで、AIに示唆を出してもらう」は目的として広すぎます。例えば「週次営業会議で、失注の兆候がある案件を見つけ、翌週の同行支援を決める」まで狭めます。意思決定が一つなら、必要な指標、データ源、権限、正解例も小さくできます。

KPI辞書の10列

以下を一指標一行で作ります。最初から全社の指標を網羅せず、今回の意思決定に必要な5〜10指標に絞ってください。

「売上」も一行では済まない場合があります。速報の受注額、会計上の売上、入金済み金額を分け、会議の目的に合う指標を選びます。名称に「売上」とだけ書くと、営業は受注、経理は計上、社長は入金を想定し、同じグラフを見て違う会話をします。

指標定義はAIが提案できますが、承認は業務責任者が行います。AIに定義まで委ねると、一般的には妥当でも、自社の契約、会計処理、営業段階に合わない計算になる可能性があります。AIは不明な列を質問として返し、人間が決めた内容を辞書へ反映する役割に置きます。

データの在庫と用語定義を整える具体策は、AI中心の業務設計を始める前のチェックリストも参考になります。全社基盤を先に作るのではなく、重要な意思決定から必要データへ遡るのが、中小企業には現実的です。

権限は「ChatGPT・接続機能・接続先」の三段ではなく、五つの境界で見る

OpenAIの公式資料では、ワークスペース、ローカル実行、クラウド実行、プラグイン、接続先システムなどの制御境界が分かれています。プラグインが利用可能でも、接続先サービスで認証した利用者が持つ権限を超えてデータを読めるわけではありません。一方で、接続先で広い権限を持つ管理者が接続すれば、必要以上のデータが分析対象になる可能性があります。

経営データ分析では、少なくとも次の五層を一行ずつ確認します。

一番多い判断ミスは、「閲覧専用だから安全」というものです。閲覧だけでも、全顧客、全従業員、全仕入原価を一人の利用者が横断できれば、業務上必要な範囲を超えます。また、元データを変更できなくても、分析結果を広い共有先へ保存できれば情報は拡散します。入力権限と出力権限を別々に設計してください。

もう一つは、役職名だけで権限を決めることです。「部長だから全社売上を見られる」ではなく、実行する意思決定ごとに、営業案件、個人情報、原価、給与などの列・行を分けます。まずテスト用アカウントで、見えてよいデータが見え、見えてはいけないデータが検索・集計・引用されないことを試します。

外部へAI開発を委託するときの権限・成果物の確認観点は、AI開発の発注で起きる失敗14項目でも解説しています。製品が違っても、「元システムの過剰共有がAI導入で可視化される」という構造は共通します。

AIが出した数字を検収する12項目

グラフが表示されたことを完成条件にせず、正解が分かる固定データで受入試験をします。次の12項目を、合格、条件付き、失格で記録してください。

1. KPI辞書と同じ定義式で再計算できる。
2. 対象期間の開始・終了と時刻帯が明示される。
3. 取消、重複、テストデータなどの除外が反映される。
4. 件数、金額、割合の単位が混在しない。
5. 欠損値をゼロとして扱ったのか、除外したのか分かる。
6. 為替、税、値引き、原価配賦の条件が明記される。
7. グラフから元表・対象レコードへ戻れる。
8. 出典の表名、項目名、取得時点が残る。
9. 権限外の部署、顧客、個人情報を返さない。
10. 同じ入力と条件で再実行したとき、重要数値が一致する。
11. 異常値の理由を「推測」と「データで確認した事実」に分ける。
12. 人間の責任者が承認し、次の行動と結果を記録できる。

許容差は指標ごとに決めます。会計売上は原則一致が必要でも、文章から商談温度を分類する指標は完全一致しないかもしれません。その場合は、100件の正解例に対する見逃し・誤検知、誤りが事業へ与える損失を決めます。「精度90%」ではなく、「重大な解約兆候の見逃しを5%以下にする」のように、意思決定へつながる条件にします。

AI導入でよくある誤りは、平均精度が高いことを理由に本番へ進めることです。重要顧客だけを誤分類する、金額の大きい案件で通貨を誤る、アクセスしてはいけない人事データを引用するなら、平均値が良くても失格です。重大度の高い失敗を別枠で0件条件にします。

「原因分析」の文章を事実として受け取らない

生成AIは、売上減少と広告費、商談数、季節性などを結び付け、もっともらしい説明を作れます。しかし、相関があることと原因であることは別です。原因分析の出力は、次の四段に分けます。

1. 観測事実: 元データで確認できる増減、差、時点。
2. 計算結果: 定義と式から再計算できる指標。
3. 仮説: 複数の事実を説明し得る候補。
4. 検証行動: 顧客ヒアリング、案件確認、追加集計など、仮説を確かめる次の手順。

経営会議へ出す資料では、各主張にこの区分を付けます。「価格改定が失注増の原因」は、案件理由や比較群を確認していなければ仮説です。「価格改定後の対象群で失注率が8ポイント上がった」は、定義と計算が正しければ観測・計算結果です。言い切りの強さを証拠へ合わせます。

AIに求めるのは、唯一の正解を断定することではなく、確認すべき仮説を漏れなく並べ、検証順を提案することです。経営者は、仮説を採用した結果の責任をAIやベンダーへ預けられません。

30日PoCは「ダッシュボード完成」ではなく判断1件で終える

1〜5日目：意思決定と正解を固定する

• 対象会議と意思決定を一つ選ぶ。
• 使う指標を5〜10個に絞り、KPI辞書10列を埋める。
• 過去の一期間を選び、人間が正解データを作る。
• 利用者、検収者、データ責任者、管理者を分ける。
• 個人情報、機密、不要列を除いた検証用データを用意する。

ここで辞書が埋まらない場合、ツール接続を延期します。止めることは失敗ではありません。指標定義を整えた時点で、既存会議の数字の食い違いを減らす成果が残ります。

6〜15日目：最小権限で接続・分析する

• テスト用アカウントと限定データ源で接続する。
• 見えてよいデータ、見えてはいけないデータを試す。
• 正解データから表、グラフ、差異説明を作る。
• 12項目の受入試験を行い、誤りを記録する。
• 実行時間、人手時間、再作業時間を測る。

機能の利用可能性、管理者制御、接続先はこの段階までに自社環境で確認します。契約前の説明資料だけを根拠にせず、実際の管理画面とテスト用IDで確かめます。

16〜25日目：実際の会議で人間と比較する

• 従来手順とAI支援手順で同じ報告を作る。
• 数字の一致、作業時間、修正回数、意思決定までの時間を比較する。
• AIの仮説から実行した確認行動と結果を残す。
• 誤りが出たときの停止、訂正、再共有手順を試す。
• 出力の保存先と閲覧者を監査する。

削減時間だけで評価しないでください。作成が3時間短縮しても、役員が数字を信用できず会議が1時間延びれば利益は増えません。「資料作成時間」「確認・修正時間」「意思決定時間」「誤判断の重大度」を分けて測ります。

26〜30日目：継続、条件付き継続、停止を決める

継続条件は、重要数値が許容差内、重大な権限違反が0件、出典へ戻れる、担当者不在でも再実行できる、月間便益が運用費を上回る、の五つです。条件付き継続なら、辞書、データ品質、権限のどれを何日までに直すか決めます。停止なら、学びとKPI辞書を残し、製品費だけを止めます。

PoCが本番化しない典型的な理由は、試作品を作る人と運用する人が違い、更新責任が決まっていないことです。PoCを本番化する前の経営判断で、費用、利用、品質、責任を四半期レビューへ組み込む方法を確認できます。

投資対効果は「削減時間×人件費」だけで計算しない

月次の便益は、資料作成の削減時間、会議の短縮、判断の前倒し、見逃し回避で分けます。費用は、利用料、接続・開発、データ整備、権限改修、検収、教育、監視、訂正対応を含めます。特に最初の数か月は、辞書とデータ品質の整備費用が大きくなります。

簡易式は「月間便益 − 月間運用費 − 月割りした初期整備費」です。ただし、失注兆候を早く見つけた利益をすべてAIの効果と数えるのは危険です。AIの提案を受けて行った行動、比較対象、結果を記録し、貢献が確認できる範囲だけを便益に入れます。

利益につながる使い方は、報告資料を綺麗にすることではなく、意思決定と現場行動を早めることです。週次会議で同行支援を一週間早め、受注確率が変わった。粗利悪化を月末より二週間早く見つけ、追加発注を止めた。このように行動と金額を結びます。

ベンダーへ渡す発注条件

AI分析を外部へ依頼するときは、次を提案依頼書と検収条件へ入れます。

• 対象となる意思決定、会議、責任者。
• KPI辞書10列と、定義変更の承認手順。
• 接続するデータ源、対象項目、除外項目、更新頻度。
• 五つの権限境界と、テスト用アカウントの条件。
• 正解データ、許容差、重大失敗0件の項目。
• 出典表示、再計算、訂正、再共有の手順。
• 入力・出力データの保存場所、保存期間、削除方法。
• 接続解除、契約終了、担当者退職時の権限失効。
• 月次費用と、件数・容量・利用者増加時の追加費用。
• 本番移行、停止、別製品へ移行する際の成果物返却。

「AIが自動で分析します」「自然言語でダッシュボードを作れます」という機能説明は、発注条件ではありません。自社の正解データで何件中何件が一致し、誰の権限でどこまで見え、誤りをどう訂正するかが契約上の成果物です。

業務知識を整理せず自動化へ進む失敗は、AI支援の前にナレッジベースを整える方法にも共通します。データ分析では、手順書の代わりにKPI辞書が業務知識の中心になります。

GXOのAI導入準備度診断

ChatGPTを含む生成AIで経営データを分析したいが、どの業務から始めるか、何を接続してよいか、ベンダー提案をどう判定するかが決まっていない企業は、GXOのAI導入準備度診断を利用できます。

診断では、経営判断を一つ選び、KPI辞書10列、データ在庫、五つの権限境界、正解データ、12項目の受入条件を整理します。目的は特定機能の購入を勧めることではなく、30日で継続・改善・停止を判断できるPoCへ狭めることです。利用機能が自社プランで提供されていない、接続先の権限を絞れない、正解データを作れない場合も、その時点で分かれば余計な開発費を避けられます。

よくある質問

Q. データプラグインは2026年9月10日に提供開始されたのですか。 A. 本記事で採用した2026年9月11日時点の公式ChatGPT Learn資料では、独立した「データプラグイン」の提供開始日、対象プラン、価格、対応データ源を確定できませんでした。そのため提供開始を断定していません。自社の管理画面と最新の公式情報で確認してください。

Q. ChatGPT Workなら社内データをすべて安全に接続できますか。 A. 一律には言えません。公式資料でも、利用可能な機能と制御はプラン、ワークスペース設定、実行場所、ツール、接続先権限で変わるとされています。必要最小限のテスト用データとアカウントから始め、五つの境界を確認してください。

Q. KPI辞書はAIに全部作らせてもよいですか。 A. たたき台の作成や未記入項目の質問には使えますが、最終定義は業務責任者が承認します。自社固有の売上計上、商談段階、原価配賦、除外条件をAIが推測したまま経営指標にしないでください。

Q. データは匿名化すれば権限表は不要ですか。 A. 不要にはなりません。匿名化後でも、営業秘密、原価、未公表業績、少数集団からの再識別などのリスクがあります。元データ、加工データ、出力のそれぞれについて、利用者と共有範囲を決めます。

Q. 30日で本番化できますか。 A. 30日は全社展開の期限ではなく、意思決定一件について継続可否を判定する期間です。データ定義や権限に欠陥があれば、本番化を急がず、条件付き継続または停止を選びます。

この記事の確認範囲

本記事は2026年9月11日に、OpenAIの公式ChatGPT Learnにあるデータ分析関連ユースケース、プラグイン制御、ワークスペース権限、ChatGPT Work概要を確認して執筆しました。公式資料から、ダッシュボード・事業レビュー・経営報告・原因分析のユースケース、プラグイン利用可能性と接続先権限が別制御であること、利用可能な制御がプラン・設定・実行境界に依存することを確認しています。

一方、確認した公式資料では「データプラグイン」という独立名称の提供開始日、対象プラン、対象地域、価格、対応データ源を確定できなかったため、それらを本記事の事実として採用していません。KPI辞書、権限表、受入試験、30日PoCは、公式資料の制御境界とユースケースをもとにGXOが中小企業向けに再構成した導入方法です。製品仕様は変わり得るため、契約・導入時に最新の公式資料と自社管理画面を再確認してください。

参考資料

• データ分析・評価・連携のユースケース（OpenAI ChatGPT Learn）
• プラグイン制御（OpenAI ChatGPT Learn）
• Roles and workspace permissions（OpenAI ChatGPT Learn）
• ChatGPT Work Overview（OpenAI ChatGPT Learn）
• What's new（OpenAI ChatGPT Learn）