この記事の読み方（読み始める前に）
この記事は、以下の構造で書かれています。
- サンプル公開部分（ココナラ商品説明欄で読める範囲）：章1（困りごと7つ・前提）／章2の見出し／章2-1「月次の売上分析と本部報告書が週末に持ち越される」のフルセット（困りごと描写・Before/After・試せる最初の30分・プロンプト1つ）
- 購入後に読める範囲：章2-2以降の19例（数値・分析残り4例／人事・育成5例／コミュニケーション5例／戦略・意思決定5例）と、各例ごとのプロンプト19個＋章6の全20プロンプト一覧、よくある質問・補足
サンプル部分だけで、章2-1の例については「自分の現場で試せる完成形」が手に入る設計です。残り19例があなたの困りごとと交わるかどうか、サンプル部分を読んでから決めてください。
章1. 「金曜の23時、報告書はまだ白紙」──この記事が応える困りごと
1-1. この記事が一緒に動かす困りごと7つ
中小企業のマネージャーの仕事は、毎日「考える仕事」の連続です。そのなかで、特に重く、毎回ゼロから考えるのが消耗する場面が7つあります。次のどれかに心当たりがあるなら、この記事はあなたの困りごとの一部に応えられる可能性があります。
困りごと1：月次の売上分析と本部報告書が、毎月週末に持ち越されている
平日は店舗運営で手一杯で、報告書は週末に書く。書き始めると原因仮説が2〜3個で止まり、検証方法を考える前に時間が溶ける。家族から「また持ち帰り？」と言われる回が増えている。
困りごと2：1on1で部下が「特に問題ないです」しか言わない
30分とって座っても、15分で終わる回が続いている。「最近どう？」「順調？」「悩みある？」の3つで質問の手が尽きる。本人が言いたくない何かがあるのか、関係性が悪いのか、自分の質問が悪いのか、判断材料がない。
困りごと3：クレーム対応のたびに「あのとき何て返せばよかった」を引きずる
その場で考えて返した一言が、後から「もう少し別の言い方があったはず」と頭に残る。スタッフごとに対応がブレて、追加クレームに繋がる月もある。新人には「過去のケースで覚えて」と言うしかない。
困りごと4：新人指導で「同じことを毎回話す」のがしんどい
新人ごとに最初の1ヶ月で教えることはほぼ同じ。でも台本がないから、毎回ゼロから話している。「これ書き起こせば渡せるのに」と何度も思っているが、書き起こす時間がない。
困りごと5：朝礼のネタが3週目から尽きる
月初は話したいことがあるが、3週目から「先週も似たこと話したな」と気づく。同じ話を別の言い方で繰り返している自覚があり、スタッフの目の向きが少しずつ変わってきている。
困りごと6：数字を見ても、何から手を付ければいいのか迷う
売上、客数、客単価、リピート率。数字は揃っているが、「どれが本当の原因か」を分解する作業に時間がかかる。KPIを月次・週次に落とす段階で、何度も書き直している。
困りごと7：新人店長や部下の意思決定を「やめなさい」と言わずに変えたい
「来月のキャンペーンは値引きで集客」と即決された企画。違う方向に向かわせたいが、直接「ダメ」と言うと関係が悪くなる。本人に気づかせたいが、その質問の作り方がわからない。
このどれかが「あ、これ自分の話だ」と感じるなら、この記事の20の実用例の中に、あなたの今日の困りごとを動かす入り口があると思います。
書いてある例は店舗運営の現場が中心ですが、本質は業種をまたぐ困りごとです。例えば：
- 月次報告書を週末に持ち越す → 士業の月次顧問報告、コンサルのプロジェクト進捗報告、本部勤務の定期報告でも同じ
- 1on1の本音が出ない → 1on1制度がある会社、部下を持つ士業・コンサル、フリーランスのチーム内対話でも同じ
- クレーム対応 → 顧客接点のある仕事全般（士業の顧客対応、コンサルのクライアント対応、個人事業主のクライアントワーク）
- 新人指導 → 後輩・パートナー・外注先の最初の慣らし
- 朝礼ネタ → 定例ミーティングの議題、社内SNSの投稿
- 数字を分解する → 月次収支の分析、四半期の振り返り
- 部下の意思決定を変える → 上司・顧客・同僚との合意形成
各章の例は店舗の場面で描かれていますが、自分の業務に置き換えて読むことで、同じプロンプトが応用できます。
決めるのはあなたですが、サンプル部分の章2-1（月次報告書）だけで「この記事の粒度」がわかる設計になっています。先にサンプル部分を読んで、それから残りを読むか決めてください。
1-2. 書き手のこと（最小限）
店舗運営側に20年以上居て、それなりに評価される結果も残してきました。業界も社名も伏せて書いていますが、現場で起きていることは普遍的なはずです。
数年前、生成AIに触れて「これは現場で使える」と直感しました。最初は半信半疑で ChatGPT に1on1の質問を考えさせ、出てきた質問を実際に使ってみたら、部下が「初めて言葉にできた」と話し始めた。それが入口でした。
そこから副業で個人開発をしながら、現場とAIの両方を行き来する立場にいます。エンジニアはAIに強いが、店舗の朝礼に立ったことがない。現場のマネージャーは朝礼には立つが、AIに触れていない。その隙間に立てる人間として、現場で動く形に翻訳することを意識しました。
1-3. この記事で持ち帰れるもの
- 明日から試せる20の業務AI活用例（数値・人事・コミュニケーション・戦略の4カテゴリ）
- 現場に合わせて書き換えられる20のプロンプト（コピペして変数を埋めるだけ）
- AIを業務に入れるときの注意点（情報の機密性、出力の扱い、導入順序）
20年分の現場経験を、生成AIで動かしやすい形に翻訳した内容です。1つでも「今日試したい」例があれば、この記事の役割は果たせています。
1-4. 5,500円分の価値が出る目安
- 月次報告書の作成が1回90分短縮できれば、1〜2ヶ月で記事代の元が取れる
- 1on1の準備が1回20分短縮できれば、月3回の1on1で同じく回収できる
ただし、短縮時間そのものより「考えるエネルギーが減る」ことのほうが、実際の負担軽減としては大きいと感じています。週末に持ち越していた作業が平日に収まる。それだけで土曜日の朝の空気が変わる、そういう種類の変化です。
特に元が取りやすい3例
20例のうち、月次で繰り返し発生する業務に紐づく3例が、特に元が取りやすい例です。控えめに見積もっています。
- 月次の売上分析と本部報告書（章2-1）：毎月90分の短縮で、年間18時間が手元に戻る
- 1on1で本音が出ない（章3-1）：1回20分の準備短縮。月3回×部下5人＝月15回の1on1で、年間60時間
- クレーム対応のシミュレーション（章4-3）：1件あたりの消耗時間削減と、追加クレーム発生の抑制
この3例だけで、年間80時間前後が手元に戻る計算になります（部下の人数や業務量で前後します）。月90分の短縮が1例でも達成できれば、約2〜3ヶ月で記事代を回収できる計算です。
これらはあくまで目安です。あなたの現場で本当に時間が短縮されるかは、試してみないとわかりません。試してみる価値があるかどうか、決めるのはあなたです。
1-5. 読む前の前提3つ
前提1：AIの出力は鵜呑みにしない。最終判断は人間が下す
20年やってきて思うのですが、業務判断には言葉にできない文脈が混ざります。AIはその文脈の一部までは拾えるが、全部は拾えない。判断の補助として使う、というスタンスで読んでください。
前提2：扱う情報の機密性を確認してから入れる
顧客の個人情報、契約金額、社内未公開の人事情報は、無料版のAIに入れない方が安全です。法人向けの契約版や、ローカルで動くAIを選ぶ判断は別途必要になります。
判断に迷ったときの「無料版AIに入れない情報チェックリスト」を置いておきます。
- 顧客の氏名・住所・電話番号・メールアドレス・生年月日
- 取引先との契約金額、見積もり書、請求書の具体金額
- スタッフの人事評価、給与額、勤怠記録の個人特定情報
- 社内未公開の施策、新商品の発売前情報、来期の経営計画
- 仕入先の取引条件、原価情報
プロンプトを使うときは「実名→A、B、C」「金額→ボカした表現や前年比%」「店舗名→店舗X」のように匿名化してから入れる運用を推奨します。匿名化のひと手間で、安心して試せる範囲が広がります。
前提3：書いてあるプロンプトは私の現場で動いたもの。あなたの現場で同じように動くとは限らない
最初は小さく試してから、業務に組み込む順序で進めてください。一気に全部試そうとすると、合わない部分が混ざって全体が嫌になる可能性があります。
この記事は2026年5月時点の内容です。AIツールの仕様は半年単位で動くので、半年後に読み返したら少し古くなっているかもしれません。半年後に改訂版を出す予定です。
1-6. この記事が向いていない人（先にお伝えしておきます）
買ってから「思っていた内容と違った」となるのは、お互いの時間を無駄にします。先に、この記事が向いていない人を3パターン挙げておきます。
- AIで業務を完全自動化したい人：この記事は「人間の判断を補助する道具としてのAI」を扱います。スタッフ管理を全部AIに任せたい、報告書を完全自動生成したい、という用途には合いません
- 高度な分析ツールや特殊なAIモデルを期待する人：本文で扱うのはChatGPT無料版・有料版で動くプロンプトです。社内データ連携や独自モデルの構築は範囲外です
- すぐに圧倒的な成果を求める人：1つ試して1on1の対話が変わるなど、変化は静かに起こります。「導入1週間で売上2倍」のような派手な変化は期待しないでください
逆に、この記事が向いている人は次の3パターンです。
- 業務の「考える時間」を少しでも減らして、判断や対話に時間を回したい人
- AIに触れたことはあるが、業務でどう使うかの具体例がほしい人
- 自分の現場に合わせて型を作り直す前提で、ベースの型を探している人
決めるのはあなたですが、向いていない3パターンに自分が当てはまると感じたら、無理に購入しなくて大丈夫です。
## 章2. 数値・分析系のAI活用 5例
数値を見る業務は、慣れていれば早いですが、慣れていない人にとっては苦痛です。AIは「慣れていない人」のスピードを底上げする道具として機能します。
この章で扱う5つの困りごと：
- 2-1. 月次の売上分析と本部報告書が、毎月週末に持ち越される ← この記事のサンプル部分で完全公開
- 2-2. 監査前にどこから手を付けるか迷う（購入後）
- 2-3. 棚卸し・発注のミスが見えないパターンを持つ（購入後）
- 2-4. 競合店リサーチのフレームから書き起こせない（購入後）
- 2-5. 目標未達の原因を一面だけで決めつけがち（購入後）
2-1. 月次の売上分析と本部報告書が、毎月週末に持ち越される【サンプル公開・フルセット】
この困りごと、こんな場面で起きていませんか
月初。本部から「先月の売上分析と本部報告書を金曜までに」と依頼が来る。
月曜から木曜は店舗運営で手一杯。日中はオペレーション、夜は採用面接、合間にスタッフの相談。気づくと金曜の朝で、報告書はまだ白紙。
木曜の夜、店を閉めて事務所に戻り、データを開く。前月比5%減。原因を考える。「競合店が開店したから」「天候が悪かったから」。2つで止まる。検証方法を考える前に23時を回る。
家族からのLINEが入る。「夕飯どうする？」。返事を打つ気力もない。
結局、土曜の朝に持ち越して、午前中いっぱい使って書く。家族との週末の予定が削れる。これが、月の半分くらいの頻度で発生している。
そして書き終わった報告書を本部に出すと、「もう少し深い分析を」とフィードバックが返ってくる。深くしたいが、考える時間がない。
この困りごとは、店舗マネージャーだけのものではありません。士業の月次顧問報告、コンサルのプロジェクト進捗報告、本部勤務の上司への定期報告、個人事業主の月次振り返り。形は違っても、「決まったタイミングで、データを整理して、分析所感をまとめて、誰かに出す」業務がある人なら、ほぼ同じ消耗が発生しているはずです。
Before（AI導入前の現場）
- 月次の着地計算と原因分析、レポート提出まで毎月2時間以上使う
- 月の半分は週末に作業が食い込む
- 原因仮説は2〜3個で止まり、書き出す前に消耗する
- 「本当はもっと深い原因がある」と感じながら提出している
- 本部から「もう少し深く」と返ってくる回が、年に3〜4回ある
- 自分が深い分析を諦めた回数 = 「現場の声を本部に届けることを諦めた」回数
After（AI導入後に起きたこと）
ChatGPT（無料版）に売上情報を伝えます。
期間: 2026年4月
売上: 前年比5%減
客数: 前年比2%減
客単価: 前年比3%減
大きな変化があった項目:
- 近隣に競合店が4月中旬に開店
- 雨天日数が前年より3日多い
- スタッフ1名が退職、月後半は2名体制に
「原因仮説を5つ、それぞれの検証方法を1つずつ」と依頼します。
AIの出力（抜粋）：
- 仮説1：競合店の影響で新規客が減少
検証方法：曜日別の客数を競合開店前後で比較。週末の落ち込みが平日より大きければ仮説支持
- 仮説2：天候要因による外出客の減少
検証方法：雨天日と晴天日の客数を分けて集計。雨天日の落ち込みが大きければ部分的に天候要因
- 仮説3：スタッフ減員による接客機会の減少
検証方法：月後半のレジ前接客時間を月前半と比較。接客時間の減少が顕著なら仮説支持
- 仮説4：既存客のリピート間隔が伸びた
検証方法：会員データの来店間隔を3ヶ月前と比較
- 仮説5：客単価の落ち込みが特定カテゴリで発生
検証方法：商品カテゴリ別売上を前年同月と比較。特定カテゴリで顕著なら需要変化を疑う
自分で考えると2、3個で止まるところを、5個出してくれる。検証する仮説を選ぶ判断は自分でしますが、選択肢を増やす段階でAIは便利です。
そして、それぞれの仮説に「予想される検証結果」も追加で出させると、報告書の骨子が同時にできあがります。
実際にこれを使い始めて、2時間が30〜40分になりました。週末作業はなくなりました。
土曜の朝、家族とゆっくり朝食を食べられる週が増えました。これが一番の変化です。
そして、本部から「もう少し深く」と返ってくる回数が、年に3〜4回 → 年に1回に減りました。仮説の数が増えると、検証対象の選び方も精度が上がる副次効果があります。
完成した報告書のサンプル（参考イメージ）
AIの仮説出力を骨子に、自分の言葉で書き直した結果、こんな形の報告書になります。
■ 売上状況サマリー（2026年4月）
売上は前年比5%減（客数2%減、客単価3%減）。
■ 原因分析（5つの仮説を検証した結果）
1. 競合店開店の影響（仮説支持）
週末の客数落ち込みが平日の2倍。新規層が競合に流れた可能性。
2. 天候要因（部分的に仮説支持）
雨天日の客数落ち込みが晴天日より15%大きい。
3. スタッフ減員の影響（仮説否定）
月後半の接客時間に有意な変化なし。
4. リピート間隔の伸び（仮説支持）
既存客の来店間隔が前年同月比で平均3日伸びていた。
5. カテゴリ別売上の偏り（要追加調査）
特定カテゴリの集計が来週まで揃わず、5月レポートで再検証。
■ 改善策（来月の打ち手）
- 競合差別化軸の整理を5月後半に着手
- リピート促進施策として、3ヶ月未来店客へのDM送付を試行
- 雨天日のテイクアウト訴求を強化
■ 来月の重点KPI
リピート率（前月比+1pt）
このサンプルは、AIの仮説5つ → 検証 → 改善策、の流れがそのまま骨子になっていることを示しています。書く時間は約30〜40分。読み手にも「ちゃんと分析した」と伝わる構造です。
この変化の本質
「仮説を出す」と「仮説を検証する」は別の作業です。AIは仮説出しが得意で、人間は検証の判断が得意。役割分担を意識すると、両方の質が上がります。
そして大事なのは、AIが出した仮説をそのまま使わないこと。5つ出させて、自分が「自店の現状から見て、これは検証する価値がある」と感じた2〜3個を選びます。選ぶ判断は自分にしかできない。AIは「選択肢を増やす」ところまでしかやらない、というスタンスです。
この変化が、なぜ週末の自由時間に直結するのか
報告書の負担の8割は「構成を考える」と「書き始める」で発生します。
「データを見る → 仮説を考える → 検証する → 構成を組む → 書く」の5段階のうち、AIに「仮説を出す」と「構成の骨子を作る」を任せると、残るのは「検証の判断」と「自分の言葉に直す」だけになります。
検証の判断は10分、自分の言葉に直すのは20分。合計30〜40分で報告書が仕上がる。
平日の夜23時の作業が、平日の夜20時に終わる。土曜の朝の作業が、平日に収まる。
数字の効果より、「家族の時間が戻ってきた」ことのほうが大きい。これは20年やってきての実感です。
試せる最初の30分（今日の業務終わりに）
1. 直近月の売上情報を5〜7行でまとめる（売上・客数・客単価・前年比・大きな変化）
2. ChatGPT（無料版でOK）を開く
3. このあとに載せるプロンプト1をコピペして変数を埋める
4. 出てきた5つの仮説のうち、自分が考えていなかった視点を2つ選ぶ
5. その2つを次の本部報告書に含める
これだけで30分以内に終わります。次の報告書から、骨子の組み立てが変わります。
プロンプト1：売上分析の骨子（仮説5つ＋検証方法）
以下の売上情報から、原因仮説を5つと、それぞれの検証方法を
1つずつ提案してください。
売上情報:
期間: {年月}
売上: {実績値・前年比}
客数: {実績値・前年比}
客単価: {実績値・前年比}
大きな変化があった項目:
{箇条書きで3-5項目}
それぞれの仮説について、検証結果が「仮説支持」になる場合と
「仮説否定」になる場合の両方を1行ずつ示してください。
決めるのはあなた
このプロンプトをあなたの今月の報告書に使うか、別の場面に使うか、それとも今は使わずに別の例を読むか。決めるのはあなたです。
「ここで一度試してから先を読む」のも、いい使い方だと思います。実際に1回試してから残りを読むと、他の19例の見え方が変わります。「自分の現場で動いた感覚」を1つ持ったうえで読むほうが、応用しやすい。
それでも今読み進めたい方は、ここから先の19例を購入後にご覧いただけます。
【ここから先は購入後に読めます】
この記事の読み方（読み始める前に）
この記事は、以下の構造で書かれています。
- サンプル公開部分（ココナラ商品説明欄で読める範囲）：章1（困りごと7つ・前提）／章2の見出し／章2-1「月次の売上分析と本部報告書が週末に持ち越される」のフルセット（困りごと描写・Before/After・試せる最初の30分・プロンプト1つ）
- 購入後に読める範囲：章2-2以降の19例（数値・分析残り4例／人事・育成5例／コミュニケーション5例／戦略・意思決定5例）と、各例ごとのプロンプト19個＋章6の全20プロンプト一覧、よくある質問・補足
サンプル部分だけで、章2-1の例については「自分の現場で試せる完成形」が手に入る設計です。残り19例があなたの困りごとと交わるかどうか、サンプル部分を読んでから決めてください。
章1. 「金曜の23時、報告書はまだ白紙」──この記事が応える困りごと
1-1. この記事が一緒に動かす困りごと7つ
中小企業のマネージャーの仕事は、毎日「考える仕事」の連続です。そのなかで、特に重く、毎回ゼロから考えるのが消耗する場面が7つあります。次のどれかに心当たりがあるなら、この記事はあなたの困りごとの一部に応えられる可能性があります。
困りごと1：月次の売上分析と本部報告書が、毎月週末に持ち越されている
平日は店舗運営で手一杯で、報告書は週末に書く。書き始めると原因仮説が2〜3個で止まり、検証方法を考える前に時間が溶ける。家族から「また持ち帰り？」と言われる回が増えている。
困りごと2：1on1で部下が「特に問題ないです」しか言わない
30分とって座っても、15分で終わる回が続いている。「最近どう？」「順調？」「悩みある？」の3つで質問の手が尽きる。本人が言いたくない何かがあるのか、関係性が悪いのか、自分の質問が悪いのか、判断材料がない。
困りごと3：クレーム対応のたびに「あのとき何て返せばよかった」を引きずる
その場で考えて返した一言が、後から「もう少し別の言い方があったはず」と頭に残る。スタッフごとに対応がブレて、追加クレームに繋がる月もある。新人には「過去のケースで覚えて」と言うしかない。
困りごと4：新人指導で「同じことを毎回話す」のがしんどい
新人ごとに最初の1ヶ月で教えることはほぼ同じ。でも台本がないから、毎回ゼロから話している。「これ書き起こせば渡せるのに」と何度も思っているが、書き起こす時間がない。
困りごと5：朝礼のネタが3週目から尽きる
月初は話したいことがあるが、3週目から「先週も似たこと話したな」と気づく。同じ話を別の言い方で繰り返している自覚があり、スタッフの目の向きが少しずつ変わってきている。
困りごと6：数字を見ても、何から手を付ければいいのか迷う
売上、客数、客単価、リピート率。数字は揃っているが、「どれが本当の原因か」を分解する作業に時間がかかる。KPIを月次・週次に落とす段階で、何度も書き直している。
困りごと7：新人店長や部下の意思決定を「やめなさい」と言わずに変えたい
「来月のキャンペーンは値引きで集客」と即決された企画。違う方向に向かわせたいが、直接「ダメ」と言うと関係が悪くなる。本人に気づかせたいが、その質問の作り方がわからない。
このどれかが「あ、これ自分の話だ」と感じるなら、この記事の20の実用例の中に、あなたの今日の困りごとを動かす入り口があると思います。
書いてある例は店舗運営の現場が中心ですが、本質は業種をまたぐ困りごとです。例えば：
- 月次報告書を週末に持ち越す → 士業の月次顧問報告、コンサルのプロジェクト進捗報告、本部勤務の定期報告でも同じ
- 1on1の本音が出ない → 1on1制度がある会社、部下を持つ士業・コンサル、フリーランスのチーム内対話でも同じ
- クレーム対応 → 顧客接点のある仕事全般（士業の顧客対応、コンサルのクライアント対応、個人事業主のクライアントワーク）
- 新人指導 → 後輩・パートナー・外注先の最初の慣らし
- 朝礼ネタ → 定例ミーティングの議題、社内SNSの投稿
- 数字を分解する → 月次収支の分析、四半期の振り返り
- 部下の意思決定を変える → 上司・顧客・同僚との合意形成
各章の例は店舗の場面で描かれていますが、自分の業務に置き換えて読むことで、同じプロンプトが応用できます。
決めるのはあなたですが、サンプル部分の章2-1（月次報告書）だけで「この記事の粒度」がわかる設計になっています。先にサンプル部分を読んで、それから残りを読むか決めてください。
1-2. 書き手のこと（最小限）
店舗運営側に20年以上居て、それなりに評価される結果も残してきました。業界も社名も伏せて書いていますが、現場で起きていることは普遍的なはずです。
数年前、生成AIに触れて「これは現場で使える」と直感しました。最初は半信半疑で ChatGPT に1on1の質問を考えさせ、出てきた質問を実際に使ってみたら、部下が「初めて言葉にできた」と話し始めた。それが入口でした。
そこから副業で個人開発をしながら、現場とAIの両方を行き来する立場にいます。エンジニアはAIに強いが、店舗の朝礼に立ったことがない。現場のマネージャーは朝礼には立つが、AIに触れていない。その隙間に立てる人間として、現場で動く形に翻訳することを意識しました。
1-3. この記事で持ち帰れるもの
- 明日から試せる20の業務AI活用例（数値・人事・コミュニケーション・戦略の4カテゴリ）
- 現場に合わせて書き換えられる20のプロンプト（コピペして変数を埋めるだけ）
- AIを業務に入れるときの注意点（情報の機密性、出力の扱い、導入順序）
20年分の現場経験を、生成AIで動かしやすい形に翻訳した内容です。1つでも「今日試したい」例があれば、この記事の役割は果たせています。
1-4. 5,500円分の価値が出る目安
- 月次報告書の作成が1回90分短縮できれば、1〜2ヶ月で記事代の元が取れる
- 1on1の準備が1回20分短縮できれば、月3回の1on1で同じく回収できる
ただし、短縮時間そのものより「考えるエネルギーが減る」ことのほうが、実際の負担軽減としては大きいと感じています。週末に持ち越していた作業が平日に収まる。それだけで土曜日の朝の空気が変わる、そういう種類の変化です。
特に元が取りやすい3例
20例のうち、月次で繰り返し発生する業務に紐づく3例が、特に元が取りやすい例です。控えめに見積もっています。
- 月次の売上分析と本部報告書（章2-1）：毎月90分の短縮で、年間18時間が手元に戻る
- 1on1で本音が出ない（章3-1）：1回20分の準備短縮。月3回×部下5人＝月15回の1on1で、年間60時間
- クレーム対応のシミュレーション（章4-3）：1件あたりの消耗時間削減と、追加クレーム発生の抑制
この3例だけで、年間80時間前後が手元に戻る計算になります（部下の人数や業務量で前後します）。月90分の短縮が1例でも達成できれば、約2〜3ヶ月で記事代を回収できる計算です。
これらはあくまで目安です。あなたの現場で本当に時間が短縮されるかは、試してみないとわかりません。試してみる価値があるかどうか、決めるのはあなたです。
1-5. 読む前の前提3つ
前提1：AIの出力は鵜呑みにしない。最終判断は人間が下す
20年やってきて思うのですが、業務判断には言葉にできない文脈が混ざります。AIはその文脈の一部までは拾えるが、全部は拾えない。判断の補助として使う、というスタンスで読んでください。
前提2：扱う情報の機密性を確認してから入れる
顧客の個人情報、契約金額、社内未公開の人事情報は、無料版のAIに入れない方が安全です。法人向けの契約版や、ローカルで動くAIを選ぶ判断は別途必要になります。
判断に迷ったときの「無料版AIに入れない情報チェックリスト」を置いておきます。
- 顧客の氏名・住所・電話番号・メールアドレス・生年月日
- 取引先との契約金額、見積もり書、請求書の具体金額
- スタッフの人事評価、給与額、勤怠記録の個人特定情報
- 社内未公開の施策、新商品の発売前情報、来期の経営計画
- 仕入先の取引条件、原価情報
プロンプトを使うときは「実名→A、B、C」「金額→ボカした表現や前年比%」「店舗名→店舗X」のように匿名化してから入れる運用を推奨します。匿名化のひと手間で、安心して試せる範囲が広がります。
前提3：書いてあるプロンプトは私の現場で動いたもの。あなたの現場で同じように動くとは限らない
最初は小さく試してから、業務に組み込む順序で進めてください。一気に全部試そうとすると、合わない部分が混ざって全体が嫌になる可能性があります。
この記事は2026年5月時点の内容です。AIツールの仕様は半年単位で動くので、半年後に読み返したら少し古くなっているかもしれません。半年後に改訂版を出す予定です。
1-6. この記事が向いていない人（先にお伝えしておきます）
買ってから「思っていた内容と違った」となるのは、お互いの時間を無駄にします。先に、この記事が向いていない人を3パターン挙げておきます。
- AIで業務を完全自動化したい人：この記事は「人間の判断を補助する道具としてのAI」を扱います。スタッフ管理を全部AIに任せたい、報告書を完全自動生成したい、という用途には合いません
- 高度な分析ツールや特殊なAIモデルを期待する人：本文で扱うのはChatGPT無料版・有料版で動くプロンプトです。社内データ連携や独自モデルの構築は範囲外です
- すぐに圧倒的な成果を求める人：1つ試して1on1の対話が変わるなど、変化は静かに起こります。「導入1週間で売上2倍」のような派手な変化は期待しないでください
逆に、この記事が向いている人は次の3パターンです。
- 業務の「考える時間」を少しでも減らして、判断や対話に時間を回したい人
- AIに触れたことはあるが、業務でどう使うかの具体例がほしい人
- 自分の現場に合わせて型を作り直す前提で、ベースの型を探している人
決めるのはあなたですが、向いていない3パターンに自分が当てはまると感じたら、無理に購入しなくて大丈夫です。
## 章2. 数値・分析系のAI活用 5例
数値を見る業務は、慣れていれば早いですが、慣れていない人にとっては苦痛です。AIは「慣れていない人」のスピードを底上げする道具として機能します。
この章で扱う5つの困りごと：
- 2-1. 月次の売上分析と本部報告書が、毎月週末に持ち越される ← この記事のサンプル部分で完全公開
- 2-2. 監査前にどこから手を付けるか迷う（購入後）
- 2-3. 棚卸し・発注のミスが見えないパターンを持つ（購入後）
- 2-4. 競合店リサーチのフレームから書き起こせない（購入後）
- 2-5. 目標未達の原因を一面だけで決めつけがち（購入後）
2-1. 月次の売上分析と本部報告書が、毎月週末に持ち越される【サンプル公開・フルセット】
この困りごと、こんな場面で起きていませんか
月初。本部から「先月の売上分析と本部報告書を金曜までに」と依頼が来る。
月曜から木曜は店舗運営で手一杯。日中はオペレーション、夜は採用面接、合間にスタッフの相談。気づくと金曜の朝で、報告書はまだ白紙。
木曜の夜、店を閉めて事務所に戻り、データを開く。前月比5%減。原因を考える。「競合店が開店したから」「天候が悪かったから」。2つで止まる。検証方法を考える前に23時を回る。
家族からのLINEが入る。「夕飯どうする？」。返事を打つ気力もない。
結局、土曜の朝に持ち越して、午前中いっぱい使って書く。家族との週末の予定が削れる。これが、月の半分くらいの頻度で発生している。
そして書き終わった報告書を本部に出すと、「もう少し深い分析を」とフィードバックが返ってくる。深くしたいが、考える時間がない。
この困りごとは、店舗マネージャーだけのものではありません。士業の月次顧問報告、コンサルのプロジェクト進捗報告、本部勤務の上司への定期報告、個人事業主の月次振り返り。形は違っても、「決まったタイミングで、データを整理して、分析所感をまとめて、誰かに出す」業務がある人なら、ほぼ同じ消耗が発生しているはずです。
Before（AI導入前の現場）
- 月次の着地計算と原因分析、レポート提出まで毎月2時間以上使う
- 月の半分は週末に作業が食い込む
- 原因仮説は2〜3個で止まり、書き出す前に消耗する
- 「本当はもっと深い原因がある」と感じながら提出している
- 本部から「もう少し深く」と返ってくる回が、年に3〜4回ある
- 自分が深い分析を諦めた回数 = 「現場の声を本部に届けることを諦めた」回数
After（AI導入後に起きたこと）
ChatGPT（無料版）に売上情報を伝えます。
期間: 2026年4月
売上: 前年比5%減
客数: 前年比2%減
客単価: 前年比3%減
大きな変化があった項目:
- 近隣に競合店が4月中旬に開店
- 雨天日数が前年より3日多い
- スタッフ1名が退職、月後半は2名体制に
「原因仮説を5つ、それぞれの検証方法を1つずつ」と依頼します。
AIの出力（抜粋）：
- 仮説1：競合店の影響で新規客が減少
検証方法：曜日別の客数を競合開店前後で比較。週末の落ち込みが平日より大きければ仮説支持
- 仮説2：天候要因による外出客の減少
検証方法：雨天日と晴天日の客数を分けて集計。雨天日の落ち込みが大きければ部分的に天候要因
- 仮説3：スタッフ減員による接客機会の減少
検証方法：月後半のレジ前接客時間を月前半と比較。接客時間の減少が顕著なら仮説支持
- 仮説4：既存客のリピート間隔が伸びた
検証方法：会員データの来店間隔を3ヶ月前と比較
- 仮説5：客単価の落ち込みが特定カテゴリで発生
検証方法：商品カテゴリ別売上を前年同月と比較。特定カテゴリで顕著なら需要変化を疑う
自分で考えると2、3個で止まるところを、5個出してくれる。検証する仮説を選ぶ判断は自分でしますが、選択肢を増やす段階でAIは便利です。
そして、それぞれの仮説に「予想される検証結果」も追加で出させると、報告書の骨子が同時にできあがります。
実際にこれを使い始めて、2時間が30〜40分になりました。週末作業はなくなりました。
土曜の朝、家族とゆっくり朝食を食べられる週が増えました。これが一番の変化です。
そして、本部から「もう少し深く」と返ってくる回数が、年に3〜4回 → 年に1回に減りました。仮説の数が増えると、検証対象の選び方も精度が上がる副次効果があります。
完成した報告書のサンプル（参考イメージ）
AIの仮説出力を骨子に、自分の言葉で書き直した結果、こんな形の報告書になります。
■ 売上状況サマリー（2026年4月）
売上は前年比5%減（客数2%減、客単価3%減）。
■ 原因分析（5つの仮説を検証した結果）
1. 競合店開店の影響（仮説支持）
週末の客数落ち込みが平日の2倍。新規層が競合に流れた可能性。
2. 天候要因（部分的に仮説支持）
雨天日の客数落ち込みが晴天日より15%大きい。
3. スタッフ減員の影響（仮説否定）
月後半の接客時間に有意な変化なし。
4. リピート間隔の伸び（仮説支持）
既存客の来店間隔が前年同月比で平均3日伸びていた。
5. カテゴリ別売上の偏り（要追加調査）
特定カテゴリの集計が来週まで揃わず、5月レポートで再検証。
■ 改善策（来月の打ち手）
- 競合差別化軸の整理を5月後半に着手
- リピート促進施策として、3ヶ月未来店客へのDM送付を試行
- 雨天日のテイクアウト訴求を強化
■ 来月の重点KPI
リピート率（前月比+1pt）
このサンプルは、AIの仮説5つ → 検証 → 改善策、の流れがそのまま骨子になっていることを示しています。書く時間は約30〜40分。読み手にも「ちゃんと分析した」と伝わる構造です。
この変化の本質
「仮説を出す」と「仮説を検証する」は別の作業です。AIは仮説出しが得意で、人間は検証の判断が得意。役割分担を意識すると、両方の質が上がります。
そして大事なのは、AIが出した仮説をそのまま使わないこと。5つ出させて、自分が「自店の現状から見て、これは検証する価値がある」と感じた2〜3個を選びます。選ぶ判断は自分にしかできない。AIは「選択肢を増やす」ところまでしかやらない、というスタンスです。
この変化が、なぜ週末の自由時間に直結するのか
報告書の負担の8割は「構成を考える」と「書き始める」で発生します。
「データを見る → 仮説を考える → 検証する → 構成を組む → 書く」の5段階のうち、AIに「仮説を出す」と「構成の骨子を作る」を任せると、残るのは「検証の判断」と「自分の言葉に直す」だけになります。
検証の判断は10分、自分の言葉に直すのは20分。合計30〜40分で報告書が仕上がる。
平日の夜23時の作業が、平日の夜20時に終わる。土曜の朝の作業が、平日に収まる。
数字の効果より、「家族の時間が戻ってきた」ことのほうが大きい。これは20年やってきての実感です。
試せる最初の30分（今日の業務終わりに）
1. 直近月の売上情報を5〜7行でまとめる（売上・客数・客単価・前年比・大きな変化）
2. ChatGPT（無料版でOK）を開く
3. このあとに載せるプロンプト1をコピペして変数を埋める
4. 出てきた5つの仮説のうち、自分が考えていなかった視点を2つ選ぶ
5. その2つを次の本部報告書に含める
これだけで30分以内に終わります。次の報告書から、骨子の組み立てが変わります。
プロンプト1：売上分析の骨子（仮説5つ＋検証方法）
以下の売上情報から、原因仮説を5つと、それぞれの検証方法を
1つずつ提案してください。
売上情報:
期間: {年月}
売上: {実績値・前年比}
客数: {実績値・前年比}
客単価: {実績値・前年比}
大きな変化があった項目:
{箇条書きで3-5項目}
それぞれの仮説について、検証結果が「仮説支持」になる場合と
「仮説否定」になる場合の両方を1行ずつ示してください。
決めるのはあなた
このプロンプトをあなたの今月の報告書に使うか、別の場面に使うか、それとも今は使わずに別の例を読むか。決めるのはあなたです。
「ここで一度試してから先を読む」のも、いい使い方だと思います。実際に1回試してから残りを読むと、他の19例の見え方が変わります。「自分の現場で動いた感覚」を1つ持ったうえで読むほうが、応用しやすい。
それでも今読み進めたい方は、ここから先の19例を購入後にご覧いただけます。
【ここから先は購入後に読めます】