ModelMonkey Logo
データ分析

Google Sheetsの人工知能（AI）をFP&Aで活用する方法

ModelMonkey2026年7月25日読了約 1 分

AIはアナリストの作業時間を短縮するために使うべきであり、モデルの統制そのものを置き換えるものではありません。

2026年7月時点では、Google Sheets内でGeminiの各種機能を利用できます。また、サードパーティーのAIアシスタントには、より広範囲のセルを読み書きできるものもあります。どの方法が適しているかは、数式の提案、説明文の作成、再現可能なデータ処理、連携タブをまたぐ変更のうち、何を必要としているかによって決まります。

Google Sheetsの人工知能はFP&Aで何ができるのか

Google SheetsのGeminiサイドバーでは、数式や表の作成、スプレッドシート内容の要約、グラフの生成、データに関する質問への回答が可能です。Googleの公式ドキュメントでも、Geminiを使ってSheets内で「数式、表、グラフなどを作成」できると説明されています（Google Workspaceヘルプ）。

これは、実際のFP&A業務でも十分に活用できます。

たとえば四半期の取締役会資料で、売上高が予算28億円に対して29億円、粗利益率が計画40.1%に対して38.5%、採用計画の見直しによって資金余力が27か月から18か月へ短縮した、といった説明が必要だとします。AIを使えば、アナリストが白紙のコメント欄を前に悩むよりも早く、説明文の初稿を作成できます。

ただし、説明に必要な関連データをAIが確認していなければ、品質は大きく低下します。売上高が予算を1億円上回った一方、低利益率の商品が売上増加をけん引したため、限界利益率が160ベーシスポイント悪化したケースを考えてみましょう。

P&Lタブだけを参照した要約では、「売上が計画を上回り、好調な四半期だった」と結論づける可能性があります。しかし、これは分析とは呼べません。通貨表示された数値を材料に文章を補完しているだけです。

業務別に見るGoogle Sheetsの人工知能の選び方

アプローチ適したFP&A業務複数タブの認識主な弱点
Sheets内のGemini数式の初稿、要約、グラフ、表の作成利用可能なコンテキストに依存選択範囲外のモデルロジックを見落とす可能性がある
AIカスタム関数行単位の分類、テキストからの情報抽出低い再計算コストがかかり、出力が安定しない場合がある
Apps ScriptとAIサービス定期実行する、要件が明確なワークフロー明示的に実装すれば高いスクリプトを保守する担当者が必要
スプレッドシート全体を認識するサイドバー型AIタブ横断分析、元データ取得、統制された書き込み高いレビューと照合は引き続き必要

単発の数式作成や短い差異コメントであれば、まずGeminiを試すのが合理的です。

AIカスタム関数は、8,000件の経費摘要を勘定科目に分類するような、繰り返し発生するテキスト処理に向いています。ただし、その結果は確定済みの会計処理ではなく、あくまで「仕訳候補」や「マッピング案」として扱う必要があります。

Apps Scriptは、処理内容を明確に定義できるほど業務が安定している場合に適しています。たとえば、銀行団向けDCF資料の入力データを毎週月曜日に更新する処理は実装可能です。一方、「モデル全体を確認して、おかしな箇所を直してください」という依頼には向きません。後者を任せると、分析_最終版_v2のようなタブが3つ増える結果になりかねません。

スプレッドシート全体を認識するAIエージェントは、複数タブをまたぐ分析を行い、その結果をモデル内へ書き戻す必要がある場合に力を発揮します。たとえばModelMonkeyでは、連携された範囲を確認し、次のような具体的な依頼を処理できます。

P&LからSKU明細までを追跡し、粗利益率が計画を160ベーシスポイント下回った要因を単価・数量・製品構成に分解してください。その後、ブリッジ分析を取締役会資料!H18:K26へ書き込んでください。既存の数式は維持し、説明できない差額が400万円を超える場合はフラグを付けてください。

これは、一般的な粗利益率ブリッジのテンプレートを作らせることとは本質的に異なります。

人工知能は複数タブのGoogle Sheetsモデルを理解できるのか

関連するタブ構成、数式、前提条件、参照元範囲が与えられている場合に限り、理解できます。モデル全体に関する質問へ、アクティブなセル範囲だけを基に正確に回答することは困難です。

P&Lタブと前提条件タブをまたいで四半期売上を計算する、次の数式を考えてみましょう。

=SUMIFS(
  'P&L'!C:C,
  'P&L'!B:B, ">=" & Assumptions!$B$3,
  'P&L'!B:B, "<=" & Assumptions!$B$4
)

この数式は構文上正しくても、財務的には誤っている可能性があります。

P&L!C:Cの売上高が千円単位で記録されているかもしれません。Assumptions!B3:B4には実績期間ではなく予測対象の四半期が設定されている可能性もあります。また、別の繰延収益スケジュールで売上計上された6,300万円が、参照元データから漏れているかもしれません。

より確実なAIレビューでは、次の順序で依存関係をたどります。

  1. 出力を確認する。 対象となる指標、期間、単位、現在の値を特定します。

  2. 入力元を追跡する。 数式と、参照されているすべてのタブを確認します。名前付き範囲や中間計算表も対象です。

  3. 結果を照合する。 計算結果をP&L、キャッシュフロー計算書、コントロール合計と比較します。

  4. 例外を説明する。 実際の事業差異と、マッピング、計上時期、符号、単位によるエラーを切り分けます。

重要なのは、コンテキストの量とモデルへの理解度は同じではないという点です。AIに50,000セルを与えても、回答への自信が増すだけで、正確性が向上するとは限りません。

スプレッドシート全体を一括でプロンプトへ渡すより、依存関係を起点に確認するほうが、多くの場合は有効です。これは、財務アナリストが実際にたどる監査証跡と同じ流れだからです。

Google Sheetsの人工知能はどこで失敗するのか

最初の失敗パターンは、確認範囲が暗黙のうちに狭くなることです。AIは表示中の範囲しか分析していないにもかかわらず、スプレッドシート全体を確認したかのような文章を出力することがあります。

これは、利益剰余金、借入金残高、支払利息が別々のスケジュールで管理されている財務三表モデルでは特に危険です。

2つ目は、もっともらしい数式への置き換えです。AIが壊れた参照式を修正した結果、数値は表示されるようになっても、業務上のルールが変わってしまうことがあります。

顧客コホート分析において、初回請求日を基準にするモデルと契約締結日を基準にするモデルは同じではありません。どちらの数式もエラーを出さず、全行に値が入ったとしても、分析結果の意味は異なります。

3つ目は、分類結果の非決定性です。同じ取引先を更新のたびに別のカテゴリへ分類すると、元の取引データに変更がなくても、SKU別の限界利益が変動します。

承認済みのマッピングは参照テーブルに固定し、AIによる分類は新規の例外項目に限定してください。これにより、月次決算のたびに分類結果が変わる事態を防げます。

データ規模にも明確な制約があります。Googleによると、1つのスプレッドシートには「最大1,000万セル、または18,278列」を含めることができます（Google Driveヘルプ）。

Sheets APIにも、プロジェクト単位で1分あたり300件、ユーザー単位で1分あたり60件という読み取りリクエストの上限があります。また、処理時間が180秒を超えたリクエストはタイムアウトします（Google Sheets APIの利用制限）。

これらの制約は、大規模な事業管理モデルでAIを使えないという意味ではありません。対象範囲を絞って確認し、読み取りをまとめて実行し、結果を必要最小限の範囲へ書き込むべきだということです。

12個のタブにある10列全体を何度もスキャンする方法は、AIの有無にかかわらず効率的なワークフローではありません。

FP&AはGoogle SheetsのAI出力をどう検証すべきか

AIの出力は必ず、次のいずれかとして扱ってください。

  • 初稿
  • 変更案
  • 参照元を明示した分析結果

これらの区分を曖昧にしてはいけません。

採用ペースを変数とする資金繰りの感応度分析であれば、AIの出力には、変更した前提条件を明記する必要があります。たとえば、14名の採用を2か月前倒し、1人あたりの月間総人件費を186万円、期首現預金を10.2億円、最低現預金残高を1.8億円とします。そのうえで、期末現預金をキャッシュフロータブと照合します。

DCFでは、AIがレバードキャッシュフローではなくFCFFを使用しているか、WACCを一貫して適用しているか、14.2倍のEBITDAマルチプルを正しい年度に適用しているかを確認します。

どれほど見栄えのよい企業価値レンジが出力されても、本来5期間で割り引くべきターミナルバリューを4期間で割り引いていれば、その結果に意味はありません。

SKU別の限界利益では、ランキングを見る前に、売上高と変動費の合計をP&Lへ突合してください。明細テーブルの売上高が6.3億円で、P&Lが6.24億円なら、600万円の差額には明確な理由が必要です。重要性基準を超える差異に対して、「端数処理」は十分な説明になりません。

統制は、あえて地味なままにしておくべきです。必要なのは、次のような基本的なチェックです。

  • 参照元と出力の突合
  • 貸借一致の確認
  • 正負符号の確認
  • 円・千円・百万円などの単位確認
  • 対象期間の確認
  • 予測列間における数式の一貫性確認

取締役会資料をCFOのレビューに耐えられるものにするのは、こうした地道な統制です。

Google Sheetsの人工知能は財務モデルに安全か

安全性は、AIモデルの名称よりも、アクセス権限、データの取り扱い、書き込み統制によって決まります。

AIツールを接続する前に、次の点を確認してください。

  • スプレッドシート内のどの情報を読み取るのか
  • データのコピーを保存するのか
  • 入力データや生成データがどれくらいの期間保持されるのか
  • 書き込み前にユーザーの承認が必要か
  • 変更前後の差分を確認できるか

Googleは、Workspaceユーザーが利用できるGemini機能は、契約エディションや管理者設定によって異なると説明しています（Google Workspaceヘルプ）。

FP&Aのファイルに、従業員別給与、顧客別単価、M&A検討資料、金融機関向け資料が含まれている企業では、特に重要な確認事項です。

実務的な運用ルールでは、数式の下書きのような低リスク業務と、従業員単位の報酬分析のような機密性の高い業務を分けます。また、数式、名前付き範囲、タブ構成、過年度実績を変更する場合は、必ず事前確認を求めるべきです。

36列分の予測数値を、差分表示なしで上書きできるAIアシスタントには、過剰な権限が与えられています。

まとめ：財務モデルのどこにAIを組み込むべきか

Google Sheetsの人工知能が得意なのは、下書き、検索、分類、説明です。取締役会向けコメント、元データのクレンジング、数式の修正、定例分析といった機械的な作業を大幅に短縮できます。

一方、最終数値の責任までAIに委ねるべきではありません。前提条件を明示し、タブ間の依存関係を可視化し、重要な結論はすべてモデルの元データへ突合してください。

最後に小数点の位置を確定する責任は、これからもFP&Aにあります。

ModelMonkeyのプランを選ぶ