Excel名寄せ・表記ゆれをAIで解決する対応表の作り方
約12分で読めます
Excelで名寄せ作業をしていて、「株式会社」と「（株）」の違いだけで何十件も手直しした経験はありませんか？表記ゆれの対応は地味に時間を奪う作業です。この記事では、AIを使った対応表の作り方を具体的なプロンプト例とともに紹介します。
Excelの名寄せ・表記ゆれ、なぜこんなに手間がかかるのか
顧客リストや取引先データを整理しようとしたとき、最初に立ちはだかるのが「表記ゆれ」の壁ではないでしょうか。
「同じ会社なのに、なぜこんなにバラバラなんだ…」と画面を見つめた経験がある方は多いのではないかと思います。
課題① ゆれのパターンが多すぎて把握しきれない
表記ゆれには大きく3種類あります。
- 法人格の表記: 株式会社・（株）・㈱・KABUSHIKI KAISHA
- スペースの有無: 「山田 太郎」と「山田太郎」
- 全角・半角の混在: 「ABC」と「ＡＢＣ」、「東京都1丁目」と「東京都１丁目」
問題は、これらが複合的に絡み合うことです。法人格のゆれ×スペースのゆれ×全角半角のゆれが重なると、パターンは一気に増えます。手作業でひとつひとつ確認していると、見落としが必ず発生します。
課題② 「どれが正しい表記か」の判断基準が属人的になる
表記ゆれを発見しても、「どちらに統一するか」の判断がブレることがあります。営業担当者Aさんは登記上の正式名称に統一したいと思っていて、担当者Bさんは普段使いの略称でいいと考えている、というケースはよくあることです。
判断基準が人によって違うと、対応表を作っても後から「やっぱり変えたい」という修正が発生しやすくなります。
課題③ 対応表を作っても運用が続かない
一度表記ゆれを整理しても、新しいデータが入ってくるたびに同じ作業が繰り返されます。「前回作った対応表、どこに保存したっけ」「あの対応表、最新版はどれ？」という状況になりがちです。
対応表が属人化・散在化すると、作業のたびにゼロから始める羽目になります。
課題ごとにAIをどう使うか
正直なところ、AIは「全部自動で名寄せしてくれる魔法のツール」ではありません。ただ、上記3つの課題に対して、AIをうまく組み合わせると作業の質と速度が変わる可能性があります。
H3: 課題①「ゆれパターンの洗い出し」にAIを使う
まず、AIに「このデータにはどんな表記ゆれが潜んでいるか」を考えさせます。
自分では気づかないパターンを列挙してもらうことで、抜け漏れを減らせる可能性があります。
プロンプト基本形（コピーして使えます）
以下の会社名リストに含まれる表記ゆれのパターンを分析し、
種類別に整理してください。
【会社名リスト】
（ここにExcelからコピーしたデータを貼り付ける）
出力形式：
- ゆれの種類（例：法人格、スペース、全角半角 等）
- 該当するデータの例
- 統一候補の表記
このプロンプトをChatGPTやCopilotに投げると、パターンの分類と統一候補を一覧で返してくれます。ただし、AIが提案する「統一候補」が必ずしも正しいとは限らないため、最終判断は必ず人間が行うことが重要です。
H3: 課題②「統一基準の言語化」にAIを使う
次に、判断基準を文書化する作業にAIを活用します。口頭でなんとなく決まっていたルールを、AIに整理してもらうイメージです。
プロンプト基本形
以下の条件をもとに、会社名の表記統一ルールを
箇条書きで作成してください。
条件：
- 正式名称は登記上の名称を優先する
- 法人格は「株式会社」と全角で統一する
- スペースは名前の間に入れない
- 英字は半角に統一する
ルールに例外が生じそうな場合は、その例外パターンも
一緒に書き出してください。
このプロンプトで出力されたルール文書を、チームで共有する「名寄せ基準書」として使えます。属人化の解消に役立つかもしれません。
H3: 課題③「対応表の自動生成と更新」にAIを使う
最後は、実際の対応表（変換前→変換後の一覧）をAIに作らせるステップです。
ExcelのデータをCSVやテキストで貼り付け、先ほど決めた統一ルールを一緒に渡すと、変換前・変換後の対応表を出力してくれます。この対応表をExcelのVLOOKUPやPower QueryのReplace機能に流し込むことで、半自動的な名寄せが実現できる可能性があります。
応用的な使い方（業種別の法人格パターン対応や、住所の正規化など）については、noteで詳しく公開しています。
手作業とAIを挟んだ場合のBefore/After
同じ名寄せ作業を、手作業とAI活用でどう進めるかを比較してみます。
手作業の流れ（Before）
- Excelデータを目視で確認し、ゆれていそうな列をスクロールして探す
- フィルター機能で似た表記を並べ、ひとつひとつ目視で照合する
- 「これは同じ会社か？」の判断を担当者が個別に行う
- 手動で正しい表記に書き換える（コピー&ペースト）
- 作業漏れがないか再度目視チェックする
- 次回のデータ更新時に同じ作業を繰り返す
手作業の場合、データ件数が増えるほど確認工数が比例して増え、作業全体が数時間〜半日程度になることも珍しくないかもしれません。
AIを挟んだ流れ（After）
- ExcelデータをCSVやテキストに変換してAIに貼り付ける
- ゆれパターンの洗い出しプロンプトを実行し、AIが分類案を出力する
- 出力結果を確認し、統一ルールに合わない提案を人間が修正する
- 対応表（変換前→変換後）をAIが生成する
- 対応表をExcelのPower QueryまたはVLOOKUPに適用して一括変換する
- 対応表をファイルとして保存し、次回更新時に再利用する
AIを挟んだ場合、ゆれパターンの洗い出しと対応表の初期生成がまとめて行えるため、確認・修正の工数に集中できる可能性があります。特にデータ件数が多い場合は、差が出やすいかもしれません。ただし、AIの出力には誤りが含まれることがあるため、確認ステップを省略するとかえって手間が増えることもあります。
名寄せ・表記ゆれ対応でよくある失敗パターン
意外な落とし穴だったのが、「AIに任せれば完璧」という前提で進めてしまうケースです。以下の表を参考に、事前に対策を立てておくと安心です。
| 症状 | 原因 | 直し方 |
|---|---|---|
| AIが「別会社」を「同じ会社」と誤って統一してしまう | 会社名が似ているが実際は別法人（例：山田商事と山田商会） | プロンプトに「完全一致のみ統一する」「類似名称は候補として出すだけにする」と明示する |
| 出力された対応表に変換前データが重複している | 入力データに同一表記が複数行あり、AIがそれをすべて列挙した | Excelで重複削除してからAIに渡す |
| 指示が曖昧で「一般的な表記ゆれ例」が返ってくるだけ | プロンプトに実データを貼り付けていない | 実際のデータを貼り付け、「このデータに限定して分析してください」と明記する |
| 法人格の変換が不完全で「㈱」だけ残ってしまう | AIが特殊文字（機種依存文字）を認識できていない | 事前にExcelのSUBSTITUTE関数で機種依存文字を置換してからAIに渡す |
よくある質問
AIに貼り付けるデータの件数に上限はありますか？
ChatGPTやCopilotには一度に処理できるテキスト量の上限があります。数百件程度であれば問題なく処理できることが多いですが、数千件を超える場合は分割して渡す方が安全です。また、個人情報を含むデータをAIに貼り付ける際は、社内のセキュリティポリシーを必ず確認してください。クラウド型AIへの個人情報入力を禁止している組織もあります。
ExcelのPower QueryとAIはどう組み合わせればいいですか？
AIで作成した対応表（変換前・変換後の2列）をExcelに貼り付け、Power QueryのマージまたはREPLACE処理に使う流れが比較的シンプルです。対応表をテーブルとして定義しておくと、次回データ更新時にクエリを更新するだけで再利用できる可能性があります。
ChatGPTとCopilot、名寄せ作業にはどちらが向いていますか？
どちらも基本的な表記ゆれ分析には対応できます。Microsoft 365を使っている環境であれば、ExcelデータをそのままCopilotに渡せる場面があるため、操作のスムーズさという点でCopilotが使いやすいと感じる方もいるかもしれません。一方、プロンプトの自由度という観点ではChatGPTが柔軟に使えることが多いです。最新の機能・料金は各公式サイトをご確認ください。
AIが生成した対応表はそのまま使っても大丈夫ですか？
そのまま使うのは避けた方が安全です。AIは文脈や業界固有の知識を持っていないため、「山田商事株式会社」と「山田商事（株）」を同一とみなす一方で、「山田物産株式会社」と「山田物産（株）」の判断を誤るケースもあります。AIの出力はあくまで「たたき台」として、担当者が内容を確認・修正してから使うことを前提にするのが現実的です。
住所の表記ゆれ（丁目・番地の書き方など）にも同じ方法は使えますか？
使えますが、難易度は上がります。住所の場合、「一丁目1番1号」「1-1-1」「１－１－１」など表記パターンがさらに多様で、郵便番号との整合性確認も必要になることがあります。住所の正規化については、AIだけでなく国土交通省の住所データや郵便番号データとの照合も組み合わせると精度が上がる可能性があります。
まとめ・次のステップ
Excelの名寄せ・表記ゆれ対応は、「ゆれパターンの洗い出し」「統一基準の言語化」「対応表の生成と再利用」という3つの課題に分解すると、AIをどこに使うかが見えやすくなります。
大切なのは、AIを「全自動の名寄せツール」として使うのではなく、「人間の確認コストを下げるための下書き生成ツール」として使う視点です。AIの出力を鵜呑みにせず、最終チェックを人間が行う前提を崩さないことが、失敗を防ぐうえで重要だと感じます。
まず試してほしいアクション： 手元にある顧客リストや取引先データから50〜100件を抜き出し、この記事で紹介したプロンプト基本形に貼り付けて実行してみてください。AIがどんなゆれパターンを拾ってくるかを確認するだけでも、作業の全体像が見えやすくなるはずです。
Excel×AI業務効率化プロンプト集|関数・集計・グラフ・エラー対処・マクロをnoteで公開中
本記事では基本的なプロンプト例を紹介しましたが、
noteでは業種別・シーン別に使い分けできるテンプレート集を公開しています。
コピペしてすぐ使える完全版です。