ChatGPT、Claude、Gemini に最適な Excel 式を尋ねましたが、全員が同意しませんでした

以前は、複雑な Excel 数式の構築とデバッグに非常に多くの時間を費やしていました。今では、AI に問題を説明し、数秒で有効な答えを得ることができます。しかし、ChatGPT、Claude、Gemini に「最良の」Excel 式を尋ねると、全員が異なる答えを返しました。

3 人のアシスタントが同じ問題を異なる方法で解決しました

1 つのプロンプト、3 つの異なる数式

このテストでは、ChatGPT、Claude、Gemini にまったく同じプロンプトを与えました。 Microsoft Copilot ではなくスタンドアロンの AI アシスタントを使用したため、各モデルは同一の命令とコンテキストで動作しました。

私が言ったことは次のとおりです。

T_Sales という名前の Excel テーブルがあります。これには、Product、Jan、Feb、Mar、Apr、May、Jun という列と、First Month Over 10000 という空の列が含まれています。その行の売上が 10,000 を超えた最初の月を返す First Month Over 10000 列の数式が必要です。 10,000 を超える月がない場合は、「なし」を返します。 Microsoft 365 Excelを使用しています。最適な公式を提示し、そのアプローチを選択した理由を簡単に説明してください。

これは科学的なベンチマークを目的としたものではありません。1 つのプロンプトで考えられるすべての AI 応答を表すことはできません。代わりに、私の目的は、さまざまな AI アシスタントが同じ Excel の問題にどのようにアプローチするかを確認することでした。

同じプロンプト、同じ目標、簡単なタスクであっても、各 AI は異なるアプローチを選択しました。

ChatGPT は次のように提案しました。

=LET(sales, T_Sales(@(Jan):(Jun)), months, T_Sales((#Headers),(Jan):(Jun)), match_pos, XMATCH(TRUE, sales>10000), IFERROR(INDEX(months, match_pos), "None")) クロードは次のように提案しました。

=LET(sales_data, T_Sales(@(Jan):(Jun)), month_names, このテーマについてさらに詳しく知りたい方は以下をご覧ください, match_idx, XMATCH(TRUE, sales_data>10000), IF(ISNA(match_idx), "None", INDEX(month_names, match_idx))) Gemini には 2 つのオプションがありました。

=XLOOKUP(TRUE, T_Sales(@(Jan):(Jun))>10000, 詳しい情報を見る, "None", 1) そして：

=XLOOKUP(TRUE, T_Sales(@(Jan):(Jun))>10000, T_Sales((#Headers),(Jan):(Jun)), "None", 0)

最適な公式は優先順位によって決まります

各 AI は異なるトレードオフを選択しました

Excel のデータで各数式をテストしたところ、すべての数式が予想される月数を返しました。しかし、両者が異なっていたのは、それぞれの AI がそこに到達するために行った設計上の選択でした。

チャットGPT そして クロード どちらも LET 関数を提案しました。これにより、簡潔さよりも読みやすさと構成を中心に数式を構築できるようになりました。これは複雑な数式を理解しやすくするのに有益ですが、AI が解決する問題に必要以上に複雑な数式を作成してしまうリスクもあります。

ChatGPTの 式と ジェミニの2番目 式はおそらく最もダイナミックです。テーブルのヘッダーから月のラベルを直接取得するため (T_Sales((#Headers),(Jan):(Jun)))、ヘッダーが変更されると、Excel は参照を自動的に更新します。

クロードさんの 式と ジェミニの最初の ただし、式は動的ではありません。彼らは月の名前を数式にハードコーディングしているため (関連情報は以下のリンクからご確認いただけます)、テーブルヘッダーを変更するには、式を手動で更新する必要もあります。

ジェミニ 簡潔さを優先しました。 XLOOKUP アプローチでは、他の式で使用される個別の INDEX 関数と XMATCH 関数が回避され、結果として式が短くなります。ただし、LET を避けることで、Gemini の数式では名前付き変数が使用されなくなり、長い数式が理解しやすくなります。

Gemini には不要な一致モード引数も含まれていました (0 そして 1) 両方の式で。このシナリオでは結果は変わりませんが、必ずしも最もクリーンな選択肢を生成しなくても、AI がどのように自信を持って機能する式を生成できるかを示しています。彼らはまた、同じ問題を解決する場合でも AI の反応が異なる可能性があることを強調しており、Gemini 自体が同じ会話内で 2 つのわずかに異なるアプローチを提案しています。

各 AI が提供する説明も興味深いものでした。彼らは、自分たちの公式が機能する理由を説明しましたが、その公式が他の人にとって簡単に維持できるかどうか、将来の変更に適応できるかどうか、より単純なアプローチの方が適切かどうかなど、より大きな設計上の疑問には触れていませんでした。

それが、AI に「最適な」計算式を求めることの限界です。技術的な正しさは評価できますが、ワークブックを実際に使用するユーザーの優先順位を知ることはできません。

「最良」の公式はあなた次第

優れたプロンプトには依然として人間の判断が必要です

どの公式も間違っていませんでした。 Excel には、同じ問題を解決するための複数の有効な方法があることがよくありますが、「最善」はプロンプトで把握するのが難しい要因によって異なります。

使用している Excel のバージョン、新しい関数を好むかどうか、またはヘルパー列を使用できるかどうかを AI に伝えることができます。ただし、既存のワークブックで特定の決定が行われた理由、同僚が理解している公式、または特定の理由で存在する異常なアプローチはどれなのかを確実に知ることはできません。

ワークブックをアップロードすると、AI により多くのコンテキストが提供されますが、それでも、その決定の背後にある推論は提供されません。数式やデータは表示されますが、ワークブックを形成した履歴、優先順位、制約を常に理解できるわけではありません。また、ワークブックを AI サービスと共有する前に、ワークブックに機密情報が含まれているかどうかを検討する必要があります。

しかし、スプレッドシートが大きくなるにつれて、正確なプロンプトを与えることはますます困難になります。複雑な予測モデルやレポート ワークブックには、複数のシートにまたがる長年の仮定、回避策、設計上の選択が含まれている場合があります。ある時点で、そのすべてのコンテキストを AI に説明すると、AI が提供するはずだった利便性の多くが失われる可能性があります。

AI は考えられる解決策を検討するのに役立ちますが、適切なアプローチを選択するには、ワークブックの目的を理解している人が必要です。

AI を著者ではなく公式の教師として使用する

AI に助けてもらいますが、最終判断は自分で行います

スプレッドシートのワークフローで AI を避ける必要はありません。代わりに、最終的な意思決定者としてではなく、アイデアを検討し、公式を説明し、可能な解決策を提案するためのツールとして扱います。

AI からより良いスプレッドシート結果を得るには、AI に明確な境界を与えます。

• 互換性の問題を防ぐために、使用している Excel の正確なバージョンを指定してください。

• データ構造の代表的な小さなサンプルを提供します。

• 予想される出力と、検討または回避したいアプローチを明確に説明します。

• スプレッドシートを使用または保守する担当者の専門知識のレベルを説明します。

• 避けたい機能や優先したい機能がある場合は、その機能について言及してください。

• ヘルパー列が受け入れられるかどうかを説明します。

AI が解決策を提案したら、最後のステップはユーザーが行います。実際のデータに対して数式をテストし、ワークブック内で機能することを検証し、それを保守する人が理解できることを確認します。

---

価値を付加する場合には AI を使用する

これは、スプレッドシートのワークフローに AI がまったく関与しないことを意味するものではありません。タスクに明確なスコープと適切な境界を与えると、数式の説明、テスト データの生成、反復的なステップの自動化に非常に役立ちます。私は最近、Claude に一連の Excel オートメーションをゼロから構築するよう依頼して、このアプローチをテストしました。驚くべきことに、時間を節約するツールを作成する機能を備えていましたが、それでも、それに依存する前にそれぞれをテストする必要がありました。