%20(%E8%83%8C%E6%99%AF%E3%81%82%E3%82%8A).png?width=130&height=39&name=%E6%9C%80%E7%B5%82Start%20Link%20(500%20x%20150%20px)%20(%E8%83%8C%E6%99%AF%E3%81%82%E3%82%8A).png "StartLink"){kind=logo}
この記事の結論
取締役会資料の作成は、データ収集・分析・スライド化の3工程に分けると自動化の順番が見えてきます。最初に自動化するのはデータ収集で、分析とスライドはAIが下書きし人が仕上げる分担が現実的です。
取締役会資料の作成は、データ収集・分析・スライド化の3工程に分けると自動化の順番が見えてきます。最初に自動化するのはデータ収集で、分析とスライドはAIが下書きし人が仕上げる分担が現実的です。
「毎月、会計ソフトとCRMとExcelの数字を突き合わせるだけで月初が終わってしまう」「事業部からの報告が揃わず、取締役会の前日まで資料が固まらない」「担当者が替わったら、前年と同じ分析が再現できなくなった」——取締役会資料の準備では、こうした声がよく聞かれます。
AIによる取締役会資料の作成とは、会計・CRM・受注管理からのデータ収集、差異分析、スライド化の各工程を自動連携とAIに任せ、担当者は数字の解釈と最終判断に集中する進め方です。各工程の作業は人に依存するほど遅延しやすく、仕組みに置き換えるほど毎月の品質がそろいやすくなります。
本記事では、取締役会資料の作成プロセスを「データ収集」「分析・可視化」「スライド生成」の3フェーズに分け、各フェーズでのAI活用方法と、運用を担当者個人に依存させないための設計を解説します。どの工程から着手するかは自社の条件で選び、効果が出やすい工程から小さく始めて広げていく進め方を、記事全体の軸にしています。
この記事でわかること
毎月の取締役会資料を準備している経営企画・管理部門の担当者が、どの工程から自動化に着手し、どこを人の判断として残すかを決められるよう、本記事の要点を整理します。
- 取締役会資料作成の3つのボトルネック — 工数がデータ収集・分析・スライド化のどこに集中しているかと、AIでの解消の方向性がわかります。
- 会計・CRM・受注管理からデータを自動収集する仕組み — 各ツールのAPIから実績を取得し、月次のスケジュールで集計する設計の考え方がわかります。
- AIによる業績分析とインサイト生成のアプローチ — 予実差異・前年同期比・トレンドの3分析と、リスク・機会の自動検出の組み立て方がわかります。
- スライド自動生成の3方式と選定基準 — テンプレート差し替え、AIスライドツール、LLMとAPIのハイブリッドを、自社の状況でどう選ぶかがわかります。
- 導入ステップと運用上の限界 — 小さく始めて段階的に広げる手順と、自動化が向かないケースがわかります。
この記事を読み終えるころには、自社の条件に合わせて、どの工程から自動化し、どこを人の判断として残すかが決められます。まずは、取締役会資料の各ページの数値がどこから来ているかを書き出すところから始めてください。
取締役会資料の作成が重くなる理由
取締役会資料の作業負荷は、スライドを作る時間そのものよりも、その前段の「数字を集めて揃える」工程に偏りがちです。ここでは作業を3つのフェーズに分解し、どこにボトルネックがあるのかを整理します。最初に分解しておくと、自動化の優先順位を感覚ではなく工程単位で決められます。
工数を消費する3つのフェーズ
取締役会資料の作成プロセスを分解すると、工数の大部分は以下の3つのフェーズに集中しています。
| フェーズ | 主な作業内容 | 従来の作業の特徴 | AI活用後の変化 |
|---|---|---|---|
| データ収集 | 各部門・ツールからの実績データ収集 | 手作業と、部門への依頼・回収の往復が中心 | API連携で自動取得し、人の作業は例外対応に絞られる |
| 分析・可視化 | 前月比・前年比分析、グラフ作成 | 担当者がExcelで計算・作図 | 定型の分析はAIが実行し、人は解釈に集中する |
| スライド作成 | PowerPoint/Google Slidesでの資料化 | 毎月レイアウトや数値を手で更新 | テンプレートへの差し込みで更新する |
データ収集が主なボトルネックです。会計ソフトから実績を抽出し、CRMからパイプライン状況を取得し、各事業部門に「先月の活動報告を提出してください」と依頼して回収します。この工程は手作業が中心で、なおかつ人に依存するため、遅延が発生しやすい箇所です。
この表は、自社の条件で自動化の順番を決める判断表として使います。手順は次のとおりです。
- 自社の作業を3フェーズに当てはめます
- 他部門からの回収待ちなど、待ち時間が発生しているフェーズを見つけます
- そのフェーズだけを最初の対象にして小さく始め、動き出してから次のフェーズへ広げます
スプレッドシート集約が生む差分と遅延
各ツールから出力したCSVを1つのExcelやスプレッドシートに貼り付けて、取締役会用の集計表を作っている企業は少なくありません。この方式では、同じ「売上」でも会計ソフトの計上月とCRMの受注日でずれが生じたり、事業部ごとに別のファイルで管理された顧客リストの間で差分が起きたりしやすくなります。毎月その差分を手で埋める作業が、担当者の時間を特に多く使う部分になりがちです。
さらに、集計表の計算式やシートの構造は作った人の頭の中にあることがあり、異動や退職があると同じ分析を再現できなくなります。AIを導入しても、元のデータがファイルごとに分散している状態では、AIが読み取る対象そのものが揃いません。
判断の分かれ目は次のとおりです。
- 同じ指標（売上・受注件数・顧客数など）が複数のファイルに存在している場合は、AI活用の前に「どのシステムの値を正とするか」を指標ごとに決め、一覧にしておきます
- 正とするシステムが既に決まっていて、そこからCSVを出しているだけの場合は、そのままPhase 1のAPI連携に進めます
どちらに当てはまるかは自社の現状で決まります。前者であれば、まず一覧づくりという小さな作業から始めるのが安全です。
AIが変える取締役会資料の品質
AIは単に工数を削減するだけでなく、資料の品質も向上させます。
- 分析の網羅性：人間は「気になる指標」を中心に分析しがちですが、AIはすべてのKPIを横断的に分析するため、人間が見落としがちな変動を拾い上げやすくなります。「今月は省略」となりがちな指標も、毎月同じ範囲で表示され続けます。
- 一貫性：毎月同じフォーマット、同じ基準で分析・作成されるため、月次比較の一貫性が保たれます。担当者の異動による品質のばらつきも起きにくくなります。
- 速報性・適時性：月末を待たなくても、月中時点での速報版を自動生成できるため、取締役会前のドラフト共有が早まります。月次データが確定した時点で資料が更新されるため、取締役が事前に目を通す時間も確保しやすくなります。
- 客観性：AIは定義された数値に基づいて分析するため、部門ごとに「良い数字だけを報告する」偏りが入りにくくなります。ただし、AIに渡すデータの範囲を人が絞れば同じ偏りが再現されるため、分析対象の指標一覧は事前に固定しておくことをおすすめします。
これらの効果の出方は、自社の資料がどの工程で滞っているかによって変わります。次章以降では、自社の条件に合わせて着手点を選び、小さく始めて広げる順で設計を整理します。
自動化の前にCRMを経営報告の元帳にする
取締役会資料の自動化は、AIやスライドツールの選定から始めたくなりますが、成否を分けるのは元データの整い方です。とくに営業・顧客に関する数値は、CRMにどのような構造で入っているかによって、そのまま報告に使えるかが決まります。ここでは、HubSpotを例に、経営報告に耐えるデータ基盤の考え方を整理します。
一元管理されていないデータはAIでも集計しにくい
コンタクト・会社・取引が関連付けられた形でCRMに入っていると、取締役会資料の観点では、「新規リード数」「商談化数」「受注金額」「顧客数」を、別々のファイルを突き合わせずに同じ定義で出せます。会計側の請求データと結びつける場合も、取引に会社が紐づいていれば、顧客単位での売上集中度などを後段で計算しやすくなります。
全体フローで見ると、取締役会資料が主に使うのは「取引（パイプライン）」と「顧客」の段階のデータです。その前段のコンタクト・会社の管理が分散していると、商談化率や顧客数の分母がずれます。自社の状況に合わせて、上流から順に揃えていくのが近道だと考えています。
パイプライン4要素が報告の精度を決める
取締役会で特に議論になりやすい営業指標は、パイプラインと着地予測です。この数字の信頼性は、パイプラインが次の4要素で設計されているかどうかに左右されます。
| 要素 | 内容 | 取締役会資料への効き方 |
|---|---|---|
| 取引ステージ | 受注の見込みが変わるポイントでステージを分ける | ステージ別分布が、案件の進み具合として読める |
| 受注確度 | 各ステージに受注確率を設定する | 確度を掛けた加重金額で、着地予測を示せる |
| ステージ定義 | 各ステージに入る条件を言葉で定め、社内で共有する | 担当者ごとの解釈の差が、数字のぶれとして出にくくなる |
| 必須入力プロパティ | ステージ移行時に入力を必須にする項目を決める | 金額・クローズ日・失注理由などの欠損が減る |
営業担当者の申告だけで「大型案件が複数あります」と報告すると、取締役会では楽観的な見通しが独り歩きしがちです。自社の商談の進み方に合わせてステージと確度を設計しておけば、まだ初期段階の案件は低い確度で加重され、現実的な着地予測として示せます。
また、受注後に金額や受注日を後から変更できないようにするなど、パイプラインの編集ルールを設けておくと、先月報告した数字と今月のレポートが食い違う事態を防ぎやすくなります。
以下の画面は、HubSpotのレポート「売上目標の達成」で、担当者別のクローズ済み金額と目標を並べて表示した例です。
必須入力プロパティは、データ品質のためだけでなく、新しく入った営業担当者が「このステージでは何を確認すべきか」を学ぶ手がかりにもなります。入力の徹底を個人の意識に頼らず、システム側のルールとして持たせることが、毎月の報告を安定させる仕組みになります。自社の営業プロセスに合う項目だけを必須にして小さく始め、運用が定着してから項目を増やす進め方が向いています。
失注理由を報告項目に組み込む
取締役会資料では受注実績に目が向きがちですが、失注の内訳は次の打ち手を議論する材料になります。
以下の画面は、HubSpotのレポート「失注分析（案件別の分析）」をドーナツチャートで表示した例です。
失注理由を報告に載せるかどうかは、現状の入力形式で判断します。
- 失注理由が自由記述で入っている場合は、AIに分類させる前に、選択式のプロパティを用意して失注ステージへの移行時に必須入力にします。過去分の自由記述は、AIで既存カテゴリーに振り分ける下書きを作り、人が確定させます
- 既に選択式で入っている場合は、カテゴリー別の件数・金額をPhase 2の分析対象に加え、前月からの変化をAIに解説させます
失注した案件を一定期間後に掘り起こしの対象へ戻す運用をしている場合は、その件数も「将来のパイプラインの種」として報告に加えると、営業とマーケティングの連携状況を取締役会で共有しやすくなります。
CRM側の整備は、自社の入力状況に合わせて、パイプライン4要素のうち不足している要素から1つずつ整えれば十分です。すべてを一度に揃える必要はなく、整った分から報告に使い始めて広げていきます。
Phase 1：データ自動収集の仕組み
Phase 1では、取締役会資料に必要な数値を、人の手を介さずに毎月同じタイミングで集める仕組みを作ります。対象は会計・営業・受注管理の3系統で、それぞれのツールのAPIからデータを取得し、1か所に統合します。ここが動くと、後段の分析とスライド化は「揃ったデータをどう見せるか」の問題に絞られます。
API連携による自動収集パイプライン
取締役会資料に必要なデータを、各ツールのAPIから自動取得する仕組みを構築します。
- 会計データ（freee / マネーフォワード） ── 月次のP/L（売上・原価・販管費・営業利益）とB/S（現預金残高・売掛金・買掛金）をAPI経由で取得します。取得できる項目は各APIの仕様によるため、勘定科目別の月次推移が取れるかを事前に確認し、取れる場合は前月比・前年比の差異計算も自動化します。取れない項目がある場合は、その指標だけ別の取得方法（CSV出力など）を残し、他の指標から自動化を進めます。
- 営業データ（HubSpot / Salesforce） ── パイプラインの商談数・金額・ステージ分布、新規リード数、受注率、営業活動数（訪問・メール・電話）をAPI経由で取得します。HubSpotでは、取引などのCRMレコードをCRM APIで取得・作成・更新できます（出典：CRM API | Deals）。本記事では、レポートの集計結果をそのまま取り出すより、取引のレコードを取得して統合先で集計する設計をおすすめします。集計ロジックが統合先に残るため、担当者が替わっても同じ計算を再現できます。
- 受注管理データ（board / kintone） ── プロジェクト別の売上・原価実績と見込み、外注費の執行状況、納品スケジュールの進捗を取得します。
3系統のうち、どれから接続するかは「毎月いちばん回収に時間がかかっているデータ」を基準に決めます。部門への依頼で集めている数値があれば、それが最初の候補です。
自動集計のスケジュール設計
毎月の取締役会に向けて、データ収集を自動スケジュールで実行します。次の表は設計例で、実行の順序と出力物の関係を示しています。
| タイミング | 自動実行内容 | 出力 |
|---|---|---|
| 月初・前月締め後の早朝（1回目） | 前月の会計実績データ取得 | P/L速報値 |
| 月初・前月締め後の早朝（2回目） | CRMパイプラインデータ取得 | 営業活動サマリー |
| 月初・会計取得の翌日早朝 | 受注管理データ取得 | プロジェクト別実績 |
| 月初・受注管理取得の後 | 全データ統合・差異分析 | 分析レポート（ドラフト） |
| 取締役会前日 | 最新データで最終更新 | 確定版資料 |
順序のポイントは、会計の締めが遅れても他の系統が先に進むよう、取得処理を系統ごとに分けておくことです。会計の確定が月初に間に合わない企業では、速報値と確定値を別の出力として扱い、取締役会前日の最終更新で確定値に置き換える運用にしておくと、ドラフト共有を遅らせずに済みます。
収集設計で決めておく3つのこと
APIをつなぐ前に、次の3点を文書にしておくと、運用開始後の手戻りが減ります。
| 決めること | 判断の分かれ目 | 決めた後に設定・記録すること |
|---|---|---|
| 指標の定義 | 「売上」を会計の計上基準で見るか、CRMの受注日で見るか | 指標ごとに正とするシステムと項目名を一覧化する |
| 締めのタイミング | 会計の確定が取締役会に間に合うか | 間に合わない場合は速報値と確定値を別列で持つ |
| 取得失敗時の扱い | 前月値で代替してよい指標か、空欄にすべき指標か | 失敗時の通知先と、代替ルールを指標ごとに記録する |
取得に失敗した指標を黙って前月値で埋めると、取締役会で誤った比較が行われます。取得エラーは担当者に通知し、資料上にも「未更新」と表示される設計にしておくと、レビュー時に見落とされにくくなります。
代替ルールは、指標の性質で分けます。例えば、売掛金や受注金額のように月ごとの変動が大きい指標は、前月値で代替せず空欄にして「未更新」と表示します。構成比のように月ごとの変動が小さい指標は、前月値で代替したうえで資料に注記を付ける、といった分け方があります。
Phase 1は、自社の会計締めのタイミングとツールの構成に合わせて、まず1系統から接続し、動いたことを確認してから残りの系統へ広げていく進め方が向いています。
Phase 2：AI分析・インサイト生成
Phase 2では、統合したデータに対して、毎月同じ型の分析をAIに実行させます。人が毎回ゼロから比較表を作るのではなく、分析の型を先に決めてAIに当てはめさせることで、網羅性と一貫性を両立させます。そのうえで、数字の背景にある事情の判断は人が担う分担にします。
自動差異分析
AIによる自動差異分析では、以下の3つの分析を自動で実行します。
- 予実差異分析：予算と実績の差異を勘定科目ごとに算出し、差異が大きい項目を自動でハイライトします。「売上が予算を下回りました。主な要因は製品Bの受注遅延です（影響額：〇〇万円）」という形式のテキスト解説を自動生成します。
- 前年同期比分析：前年同期との比較を自動計算し、成長率・減少率を算出します。季節変動を考慮したうえで、「前年同期比では伸びているが、季節要因を除くと伸びは小さい」という分析も可能です。
- トレンド分析：直近の月次推移から、トレンドの方向性（上昇・下降・横ばい）と変曲点を検知します。「粗利率は数か月連続で低下傾向にあります。原価率の上昇が主因です」という形式のインサイトを生成します。
以下の画面は、Breezeで生成した商談動向レポートの例で、サマリーと月次推移がまとめられています。
差異をどこからハイライトするかは、取締役会で議論したい粒度で決めます。勘定科目単位で議論している会議体であれば科目ごとの差異率で、事業単位で議論している会議体であれば事業ごとの差異額で閾値を置き、閾値は数か月運用して「毎回ハイライトされるが議論されない項目」から見直していきます。
運用の例として、毎月の資料作成後に「ハイライトされたが取締役会で議論されなかった項目」を一覧にしておき、四半期ごとにその一覧を見て閾値を引き上げるか、対象から外すかを判断する方法があります。逆に、議論されたのにハイライトされていなかった項目があれば、閾値を下げる合図として扱います。
AIによるリスク・機会の自動検出
AIは数値の変動分析に加えて、経営上のリスクと機会の候補を検出します。以下は出力形式の例です（数値部分は自社データで置き換わります）。
リスクの例
- 「売掛金の回収サイクルが直近数か月で延長傾向にあります。キャッシュフローへの影響は月間〇〇万円です」
- 「上位顧客への売上集中度が上昇しています。特定顧客依存リスクが高まっている可能性があります」
- 「パイプラインの新規案件数が前月比で減少しています。数か月後の売上減少リスクがあります」
機会の例
- 「製品Cのクロスセル率が前月比で上昇しています。アップセル施策の横展開が有効な可能性があります」
- 「新規顧客の初期購買額が平均で上昇しています。価格改定の機会がある可能性があります」
AIが出すのはあくまで「候補」です。上位顧客への集中が高まっていても、それが戦略的に狙った結果なのか、他の顧客の離脱による結果なのかは、データだけでは判別できません。候補ごとに担当部門のコメントを1行添える運用にしておくと、取締役会での議論が数字の読み合わせで終わらなくなります。
リスク分析の詳しい方法論については、AIで経営リスクを分析する方法で解説しています。
AIに任せる分析と人間が判断する論点
AIの出力をそのまま資料に載せるのではなく、役割を分けて扱うことをおすすめします。
| AIに任せる作業 | 人間が判断する論点 |
|---|---|
| 予実差異・前年同期比・トレンドの定型計算 | どの差異を取締役会の議題にするか |
| 差異の大きい項目のハイライトと要因候補の列挙 | 要因候補のうち、事実として正しいものの確定 |
| リスク・機会の候補の抽出 | 候補に対して打ち手を取るかどうか |
| 失注理由の自由記述の分類下書き | 分類カテゴリーの定義そのもの |
| 各ページの解説文の下書き | 取締役会向けの表現の適切さと、経営上の文脈の補足 |
この分担を決めておくと、AIの出力を「どこまで信じてよいか」で毎月迷わずに済みます。分析の型や閾値を変えるときも、人が判断する側の論点として扱うことで、AIの設定が担当者の気分で変わることを防げます。
分析の型は、自社の会議体が議論する粒度に合わせて選びます。まず予実差異だけを定型化し、運用が回ってから前年同期比・トレンド・リスク候補へと広げる進め方が向いています。
Phase 3：スライド自動生成
分析結果をスライド資料に変換する工程もAIで自動化できます。方式は大きく3つあり、どれが合うかは、取締役会資料のフォーマットが固まっているか、社内にAPIを扱える人がいるかで変わります。ここでは各方式の特徴と選び方、資料の推奨構成を整理します。
3つの生成方式
- 方法1：テンプレート＋データ差し替え方式 ── 取締役会資料のテンプレートを作成しておき、毎月のデータを自動で差し替える方法です。Google Slides APIやPython-pptxなどを使って、データの流し込みとグラフの更新を自動化します。Google Slides APIでは、テンプレート内のプレースホルダーを置き換えてデータを差し込む方法が公式ガイドで示されています（出典：Merge data into a presentation）。出力が毎月同じ形にそろうため、安定して運用しやすい方法です。
- 方法2：AIスライドツールの活用 ── Gamma、Beautiful.ai、Canvaなどのスライド生成ツールにデータを投入し、AIがレイアウトやグラフの種類を自動選択してスライドを生成する方法です。初回のテンプレート作成が不要な反面、出力のカスタマイズ性は制限されます。
- 方法3：LLM＋スライド生成APIのハイブリッド ── ChatGPTやClaudeなどのLLMに分析結果を入力してスライドの構成案（アウトライン＋各ページの要点）を生成させ、その構成をGoogle Slides APIで実際のスライドに変換する方法です。
| 観点 | 方法1：テンプレート差し替え | 方法2：AIスライドツール | 方法3：LLM＋API |
|---|---|---|---|
| 毎月の出力のそろい方 | 高い | ツールの判断で変わる | 構成案の指示次第 |
| 初期の作り込み | テンプレート作成が要る | ほぼ不要 | プロンプトとAPI連携の設計が要る |
| レイアウトの自由度 | テンプレートの範囲内 | 制限される | 中程度 |
| 向いている場面 | フォーマットが固まった定例報告 | 試行段階・臨時の報告 | 論点が月ごとに変わる報告 |
方式の選び方
選び方は、次の順に確認すると決めやすくなります。
- 取締役会資料のページ構成が、ここ数回ほぼ同じかを見ます。同じであれば方法1を第一候補にします
- 構成が毎回大きく変わる、またはまだ固まっていない場合は、方法2で数回試して「毎月残るページ」を見極め、固まった時点で方法1に移ります
- 構成は固まっているが、エグゼクティブサマリーのように論点が月ごとに変わるページがある場合は、そのページだけ方法3でLLMに構成案を作らせ、他のページは方法1で差し替える組み合わせにします
いきなり全ページを自動化するより、数値の差し替えが中心のページから始め、文章の多いページは後から加えるほうが、レビューの負担が増えにくいと考えています。
取締役会資料の推奨構成
| ページ | 内容 | データソース | AI自動化の対象 |
|---|---|---|---|
| 1 | 表紙 | — | テンプレート（日付のみ更新） |
| 2 | エグゼクティブサマリー | 全ソース統合 | AIがハイライト項目を自動生成 |
| 3-4 | 業績概要（P/L） | 会計ソフト | 予実差異＋前年比の自動分析 |
| 5 | 営業パイプライン | CRM | ステージ別分布＋着地予測 |
| 6 | 主要KPI推移 | 全ソース | 月次推移グラフ＋トレンド解説 |
| 7 | リスク・課題 | AI分析 | 自動検出したリスク項目 |
| 8 | 次月アクション | 前回議事録＋AI分析 | 前回決定事項の進捗＋新規提案 |
この構成のうち、5ページ目の営業パイプラインは前述のパイプライン4要素が整っているほど精度が上がり、8ページ目の次月アクションは前回議事録をデータとして残しているかどうかで自動化の範囲が変わります。議事録が文書として残っていない場合は、まず決定事項と担当者・期限を表形式で記録する運用から始めることをおすすめします。
この推奨構成は雛形です。自社の資料のページ構成に合わせて対象ページを選び、数値ページから小さく始めて、文章ページへ広げていきます。
AI資料作成の詳しい手法については、AI資料作成ガイドをご覧ください。
導入の実践ステップ
取締役会資料の自動化は、一度にすべてを切り替えるより、自社の条件に合わせて効果が出やすい工程から小さく始めて広げていく進め方が向いています。各ステップには「次に進んでよい条件」を置き、条件を満たしてから次に進むことで、途中で手戻りが起きても影響を小さく抑えられます。
| ステップ | やること | 次へ進む条件 |
|---|---|---|
| Step 1 | 現状の資料作成プロセスを棚卸し | 工程・担当者・データの出どころが一覧になっている |
| Step 2 | データ自動収集パイプラインの構築 | 自動取得した数値が手作業の集計と一致している |
| Step 3 | 分析テンプレートの作成 | 3つの分析が毎月同じ型で出力されている |
| Step 4 | スライドテンプレートの作成と自動化 | 数値ページの差し替えが手修正なしで完了する |
| Step 5 | 並行運用と品質検証 | 自動生成版と手作業版の差分に説明がつく |
Step 1：現状の資料作成プロセスを棚卸しする
現在の取締役会資料の作成工程を洗い出し、各工程の所要時間と担当者を明確化します。あわせて、各ページの数値がどのシステム・どのファイルから来ているかを書き出します。自動化の効果が大きい工程（通常はデータ収集）から着手します。
棚卸しの結果、同じ数値を複数の担当者が別々のファイルで作っていることがわかった場合は、Step 2に進む前に「正とする出どころ」を決める作業を先に済ませます。
Step 2〜3：データ収集の自動化と分析テンプレートを作る
会計ソフト・CRM・受注管理のAPIを接続し、必要なデータを自動で収集・統合する仕組みを構築します。最初の月は自動取得した数値と従来の手作業の集計を並べ、一致しない指標があれば定義の違いか取得漏れかを切り分けます。
次に、AIが実行する分析のテンプレート（予実差異分析・前年比分析・トレンド分析）を定義し、自動実行する仕組みを構築します。テンプレートには、分析対象の指標一覧、比較期間、ハイライトの閾値、解説文の書式を含めておくと、担当者が替わっても同じ分析が再現されます。
Step 4〜5：スライドを自動化し、並行運用で検証する
取締役会資料のスライドテンプレートを作成し、データの自動差し替えを設定します。数値ページから自動化し、解説文のページは下書きの生成までにとどめるのが扱いやすい範囲です。
その後、AI自動生成の資料と従来の手作業資料を並行して作成し、品質と正確性を検証します。差分が出た箇所は「自動側の誤り」「手作業側の誤り」「定義の違い」に分類して記録し、自動側の誤りがなくなった時点で自動生成に切り替えます。切り替え後も、手作業版の作り方を手順書として残しておくと、システム障害時の代替手段になります。
5つのステップはすべてを同時に進める必要はありません。自社の人員と現状の整い方に合わせて、条件を満たしたステップから1つずつ進めます。
運用を担当者に依存させないための設計
自動化した仕組みも、レビューの手順や設定の意図が特定の担当者にしか分からない状態では、異動とともに止まってしまいます。ここでは、仕組みとして引き継げる運用にするための設計と、自動化が向かないケースを率直に整理します。
レビューの役割分担を決めておく
AIが生成した資料は、経営企画担当者がレビュー・修正してから提出する前提で運用します。レビューを一人の目に頼らず、確認する観点ごとに担当を分けておくと、引き継ぎもしやすくなります。
| レビューの観点 | 確認する内容 | 担当の例 |
|---|---|---|
| 数値の正確性 | 取得エラーや未更新の指標がないか、元システムの値と一致するか | 経営企画 |
| 事業の文脈 | AIが挙げた要因候補が、現場の事実と合っているか | 各事業部門の責任者 |
| 表現の適切さ | 取締役会向けの言葉遣いと、誤解を招く表現がないか | 経営企画の責任者 |
修正した箇所は、どの観点の修正だったかを毎月記録します。同じ観点の修正が続いたら、その観点に対応する分析テンプレートやプロンプトを見直す対象とします。こうして毎月の修正量を減らしていくと、レビューが個人の経験に頼らない手順として残ります。
自動化が向かないケースと限界
すべての資料作成が自動化に向くわけではありません。次のような場合は、自動化の範囲を絞るか、着手の順番を後ろにすることをおすすめします。
- 元データの入力ルールが定まっていない場合：CRMのステージ定義や失注理由が担当者ごとにばらばらな状態では、AIは不揃いなデータをそのまま集計します。先にパイプラインの定義と必須入力を整えるほうが効果が出ます
- 報告の論点が毎回大きく変わる場合：M&Aや大型投資の審議など、その回限りの論点が中心となる資料は、定型の差し替えになじみません。データ部分のみ自動で用意し、構成と文章は人が作る分担が適しています
- AIの解説文を検証する時間が取れない場合：AIが要因として挙げた内容は推測を含みます。要因候補ごとに担当部門が事実確認できる体制があるかどうかで判断し、検証の時間を確保できない運用では、解説文の自動生成は行わず、数値とグラフの自動化までにとどめます
自社がどのケースに当てはまるかを先に確認しておくと、無理のない範囲から着手できます。
また、AIスライドツールやLLMは製品ごとに日本語の表現や書式の扱いに差があります。敬語の水準や社内の用語ルールをプロンプトに明記しても意図どおりにならない場合は、その部分をテンプレート側の固定文に置き換えるほうが安定します。
取締役会以外の会議体への展開
取締役会資料で作ったデータ収集と分析の仕組みは、経営会議、部門長会議、投資家向け報告などにも流用できます。展開の順番は、データソースの重なりが大きい会議体から選ぶと、追加の作り込みが少なく済みます。
例えば、経営会議が取締役会と同じP/Lとパイプラインを使っている場合は、分析テンプレートをそのまま使い、スライドテンプレートだけを会議体に合わせて分ける使い方があります。
部門長会議のように担当者別・チーム別の粒度が必要な会議体では、CRM側のレポートを担当者フィルターで分けた形で追加する方法が考えられます。経営管理全体でのAI活用については、CFOのためのAI活用ガイドもあわせてご覧ください。
展開も、自社の会議体ごとの条件に合わせて、まず1つの会議体で試し、仕組みが回ることを確認してから広げていきます。
よくある質問
Q1. 取締役会資料の自動化には、どのくらいの初期投資がかかりますか？
API連携の構築を社内エンジニアで対応するか外部に委託するか、既存ツールにAPIが用意されているかによって大きく変わります。社内で対応する場合は人件費が中心になり、クラウドのダッシュボードツールとAIスライドツールを組み合わせれば、開発を伴わない簡易的な自動化から始めることもできます。まずは回収に時間がかかっている1系統のデータだけを自動化し、効果を見てから範囲を広げる進め方をおすすめします。
Q2. 機密性の高い財務データをAIに投入しても大丈夫ですか？
クラウドAIサービスを利用する場合は、各社が公開しているデータの取り扱いポリシーと、自社の契約形態（API利用か、個人向けの画面利用か）を照らし合わせて判断します。API経由で入力したデータを学習に利用するかどうかや、保存期間の扱いはサービスや契約ごとに異なるため、OpenAI、Anthropic、Googleなど利用予定の各社の最新の規約で確認してください。社内のセキュリティポリシーで外部送信が認められていない項目がある場合は、その項目を集計済みの値に置き換えてからAIに渡す設計にすると、分析の自動化と両立しやすくなります。
Q3. AI生成の資料をそのまま取締役会に出してよいですか？
AIが生成した資料は、経営企画担当者がレビュー・修正してから提出することを推奨します。数値の正確性、経営上の重要な文脈の補足、表現の適切さの判断は人間が担う領域です。AIの役割はドラフト作成の大部分を自動化することであり、最終品質の担保は人間が行う分担が現実的だと考えています。
Q4. 取締役会以外の会議資料にも応用できますか？
はい、経営会議、部門長会議、投資家向け報告などにも同じフレームワークが適用できます。テンプレートと分析ロジックを会議の種類ごとにカスタマイズすれば、複数の定例報告を同時に自動化できます。データソースの重なりが大きい会議体から展開すると、追加の作り込みを抑えられます。
まとめ
本記事では、AIで取締役会資料を作成する方法について、データ自動収集・AI分析・スライド生成の3フェーズでの自動化と、運用を担当者に依存させないための設計を解説しました。
ポイントを振り返ります。
- 取締役会資料作成の主なボトルネックはデータ収集です。スプレッドシートへの手集計をやめ、会計ソフト・CRM・受注管理のAPI連携で自動化すると、待ち時間と転記ミスが減ります
- 自動化の前提として、CRMのパイプラインを取引ステージ・受注確度・ステージ定義・必須入力プロパティの4要素で整えておくと、着地予測や失注分析がそのまま報告に使えます
- AIによる差異分析は、予実差異・前年同期比・トレンドの3つを定型で実行し、リスク・機会の候補を挙げる役割にとどめ、議題の選定と要因の確定は人が判断します
- スライド生成は、フォーマットが固まっていればテンプレート＋データ差し替え方式が安定して運用しやすく、論点が変わるページだけLLMを組み合わせる形が扱いやすくなります
- 導入は、棚卸しから並行運用まで「次へ進む条件」を置いた5ステップで小さく始めて広げます。元データの入力ルールが未整備な場合や、解説文を検証する時間が取れない場合は、自動化の範囲を絞ります
どの工程から自動化するかは、自社のデータの整い方・人員・会議体の粒度という条件で決まります。まずは、取締役会資料の各ページの数値がどこから来ているかを書き出すところから始めてください。次の3ステップで進めると、無理なく自動化の対象が絞り込めます。
- 資料の全ページについて、数値の出どころ（システム・ファイル）と作成担当者を一覧にする
- 同じ指標が複数の出どころにある場合は、正とするシステムを指標ごとに決める
- 回収に最も時間がかかっている1系統を選び、そのデータだけをAPI連携で自動取得する
CRMを活用した業務効率化やAIとの連携に関するご相談は、StartLinkまでお気軽にお問い合わせください。
あわせて読みたい
記事の内容を、そのまま実務に落とし込みたい方向け
HubSpotゴールドパートナーのStartLinkが、HubSpot導入・AI活用・CRM整備・業務効率化までをまとめて支援しています。記事で気になったテーマを、そのまま相談ベースで整理できます。
次に読む
株式会社StartLinkは、事業推進に関わる「販売促進」「DXによる業務効率化（ERP/CRM/SFA/MAの導入）」などのご相談を受け付けております。 サービスのプランについてのご相談/お見積もり依頼や、ノウハウのお問い合わせについては、無料のお問い合わせページより、お気軽にご連絡くださいませ。
著者情報
