
AIを人間の部下や秘書に置き換えて使う
Claude codeを試しに使ってみました。
久しぶりの投稿です。ここ1週間でClaude codeを試しに使ってみました。
ここ1年ほどで、Excel Power Pivotを独学で学んで、SAP S4/HANAから受注、注残、売上データを抽出して、前年同期比や今期予算比といったKPIをビジュアル化してみました。
ダッシュボード作成スピードは爆速
ひな型を作るのに、Geminiに相談してはDAX関数の修正を行い、1ヶ月半くらいで完成に至りました。
しかし、同じようなダッシュボードを、サンプルデータをClaude codeへ添付して依頼したら、無料の容量を超えて生じたアイドルタイムを除くと、15分以内で完成しました。
これは! スゴいなぁと感心しました。
凄いけど、数字、間違ってない?
ところが、あれっ?
よくよく達成率などを見てみると、なんと前年比でプラスになっているYTD売上の表示がマイナスになっています。これは間違いで修正を求めたところ、Claude codeから下記回答でした。
Claude code回答
「原因判明です。 JavaScriptのytdSP計算が、実績のある8ヶ月だけでなく全12ヶ月のsales_pyを合計していました。未来月(Jun〜Sep)のFY25実績(途中省略)も加算されていたため○○○になっていました。今すぐに修正します。」
サンプルデータのダッシュボード

AIといえども、間違いや嘘があり、AIの回答を鵜吞みにせず、間違いを指摘できるのが人間なのだと思いました。組織でマネジメントとして長年働いてきましたが、部下の間違いを指摘することも良くあり、自分もまた上司から間違いを指摘されてきました。
AIは、ホワイトカラーの一般社員の置き換えになっていく
そう考えると、実務を爆速で行ってくれるAIは、ホワイトカラーの一般社員の置き換えになっていくのは避けられず、あとは時間の問題です。しかし、AIが行った成果の検証を行えるのは、今の私が出来ることであり、ホワイトカラーで生き残る人間の仕事がここなのかもしれません。
しかし、AIは学習を継続すると間違いを起こさなくなるか、間違いを指摘できるAIが生まれるのも時間の問題かもしれないです。
スピード感を持ってAIを使いこなしていけば、生き残れるのでは?
この経験から、スピード感を持ってAIを使いこなしていくことが、ホワイトカラーの付加価値を落とさず、生き残るために必要なことだと感じました。
そして、今努めている会社と同様に、中小企業の場合、AIに投げるデータそのものがゴミだらけの会社が多いのでは、と思います。このゴミだらけのデータを、ダッシュボード化するのにどうクレンジングするかは、AIには難しいところです。出てきた数字を俯瞰してみることで、違和感があるところを見つけてその理由を推測する部分で自分の強みを活かしていけると思います。
この事例としては、納期別の注残の売上見込みの数値に違和感を覚えたことがあります。SAP S4/HANAの注残データをモニタリングから取った際に、SDの項番別の数量に対して、そのSD総売上額が抽出されるため、Net ValueをOrder Quantityで按分した売上額に修正が必要な点は、Geminiに相談して判明したことでした。
今後、2027年問題としてSAP S4/HANAへ移行する企業が増える傾向で、このような経験で今後、貢献できるのではないかと思います。