ChatGPT vs Gemini vs Claude｜同じExcelを分析させてみたら、注目する数字も改善案も違った

前回の「同じHTMLを書かせてみた」を公開してから、「次のExcel分析、うちの会議のたびに悩んでるのでぜひ早く見たい」という声を、社内外から本当にたくさんいただきました。予告どおり、検証シリーズ第5弾は 数値・データ領域 に踏み込みます。

営業メール・提案書・議事録・HTMLの4本で、ChatGPT・Gemini・Claude は「文体」ではなく「構成レベルで違う」ことが分かってきました。今回のお題は文章でもコードでもなく、同じ売上Excel です。3社にまったく同じ月次データを渡して、経営会議に提出する分析レポートを書かせてみました。

というわけで、「ChatGPT vs Gemini vs Claude、同じExcelを分析させてみた」 です。

検証の前提を先に共有します

前回・前々回と同じく、比較の前に条件をそろえておきます。

• 使ったモデルは、いずれも 2026年7月時点の各社の主力モデル（ChatGPT／Gemini／Claude いずれも有償プランの標準モデル）

• プロンプトは 一言一句同じ ものを投げる

• 会話の履歴は すべて新しいスレッド から開始

• カスタム指示、メモリー機能、システムプロンプトは すべてオフ

• 生成は 1回だけ。書き直し・追加指示なし

• 添付するExcelファイルは 同一の.xlsxファイル。中身の数値もまったく同じ

• 生成された分析レポートは 無編集 のまま掲載し、計算結果はこちらで別途 Excel を使って検算する

同じ条件、同じお題、同じ回数。前4回と同じルールで並べます。

今回分析させるExcel

議事録とLPの検証で使った架空案件と地続きにするため、題材は 中小企業向けに紙業務のデジタル化を提供するBtoBサービス「カミレス（KAMI-LESS）」の2025年度・月次営業実績 としました。

シートは2枚だけに絞っています。1枚目は月次サマリー（12行）、2枚目はチャネル別集計（4行）です。

シート1／月次サマリー（2025年4月〜2026年3月）

• 月

• 広告費（円）

• 問い合わせ数（件）

• 商談数（件）

• 受注数（件）

• 新規売上（円）

• 月額売上（円）

• 解約数（件）

シート2／チャネル別集計（年間累計）

• チャネル（広告／紹介／展示会／フォーム営業）

• 問い合わせ数

• 商談数

• 受注数

• 平均新規売上

数値そのものは、AIごとの読み方の差が見やすくなるよう、以下の特徴を意図的に仕込みました。

• 売上（新規＋月額の合計）は年間を通して右肩上がり

• 問い合わせ数も右肩上がり

• しかし商談化率（商談数÷問い合わせ数）は、年度前半 約35％ から年度後半 約22％ に低下

• 広告経由は問い合わせ数が最多だが受注率は約10％と低い

• 紹介経由は件数は少ないが受注率が約40％と最も高い

• 2月は年間最高売上だが、そのうち 1件の大型案件が新規売上の約半分 を占める

• 新規受注は増えているが、解約数も4月の2件から3月の8件へと徐々に増加

• 展示会翌月は受注が跳ねる一方、その月の広告費も他月比で1.5倍前後に膨らむ

つまり、「売上は増えているのに、その中に複数の“不安要素”が同時に埋まっている」 という、判断が必要なデータです。

今回使ったプロンプト

前回と同じく、「役割／素材／目的／制約」の4ブロックで組み立てました。

あなたは、BtoB SaaS企業の経営企画担当者です。
添付したExcelファイルには、業務改善サービス「カミレス」の
2025年度の営業・売上実績が記録されています。
このデータを分析し、経営会議に提出するレポートを作成してください。
◼︎分析してほしい内容
1、売上・問い合わせ・商談・受注の推移
2、各指標の前月比および年間の傾向
3、問い合わせから受注までの転換率
4、チャネル別の成果と課題
5、売上成長を妨げている可能性がある要因
6、特に注意すべき数値や変化
7、来期に向けて優先すべき改善施策
◼︎出力形式
以下の順番でまとめてください。
・分析結果の要約
・重要な発見
・課題
・改善施策
・経営会議で確認すべき事項
数値を根拠として示し、推測と事実を明確に分けてください。
重要度の高い内容から順番に記載してください。
データに存在しない情報を補完しないでください。

Excel分析は、HTMLと同じで「正解」に近い基準が言語化しやすい領域です。合計が合うか、比率が合うか、そして どの数字を主役に据えたか。ここで、AIごとのキャラが露骨に差になります。

ChatGPT の分析

まずは ChatGPT から。返ってきたレポートの冒頭は、こんな出だしでした。

出力されたレポート（要点抜粋）はこんな感じです。

◼︎ 分析結果の要約
・ 2025年度の年間売上は前年比+38%、新規受注は+42%と好調に推移。
・ 問い合わせ数と商談数はともに前年を上回り、営業活動は全体として順調。
・ 解約数はやや増加傾向にあるものの、絶対数は限定的。

◼︎ 重要な発見
・ 3月の月間売上が年度最高の◯◯円を記録。
・ 広告費と問い合わせ数には強い正の相関が見られる。
・ 紹介チャネルの受注率が最も高い。
◼︎ 課題
・ 商談化率が年度後半にかけて低下している。
・ 広告経由の受注率が他チャネルに比べて低い。
◼︎ 改善施策
・ 広告予算の見直しと、紹介チャネルの強化。
・ 商談化率を改善するための、初期対応スクリプトの見直し。
◼︎ 経営会議で確認すべき事項
・ 来期の広告予算の配分方針
・ 紹介プログラムの導入可否

前回のHTMLで見せていたキャラが、Excel分析でも安定して出てきました。

• 見出し・順番・粒度が指示どおり。プロンプトで指定した5ブロック（要約／発見／課題／施策／確認事項）を、順序も個数も過不足なくそろえる

• 数値は素直に読む。年間合計、前月比、前年比、相関の有無、と誰が見ても外さない指標を優先

• 1つ1つの箇条書きが短い。1文以内でまとめきる。「そのままスライドの1行に貼れる長さ」で書く

• 推測は薄く、控えめ。「〜と考えられる」「〜の可能性がある」のような踏み込みが最小

数値の検算をしても、目立った計算ミスはありません。合計・前月比・チャネル別受注率、いずれも±0円・±0％で一致しました。

体感としては、「そのまま社内の月次レポートに貼れる完成度、9点」 です。

一方で、「ChatGPT らしさ」もあります。2月の大型案件依存には触れていません。売上構成比まで自主的に踏み込まない、というのが典型パターン。解約数の増加についても「絶対数は限定的」と短く触れて、そこから先は掘らない。プロンプトの外に出ない のは、HTML検証のときとまったく同じ挙動でした。

もうひとつ気になるのは、「相関が見られる」と一言で書いてしまうことです。広告費と問い合わせ数の関係は、たしかに正の相関がありますが、月次12点のデータで因果を語るのは慎重にしたいところ。この一文だけは、経営会議に持っていく前に補足したくなります。

Gemini の分析

続いて Gemini です。同じExcelを、同じ初期状態のスレッドに投げました。

出力されたレポート（要点抜粋）はこんな感じです。

◼︎ 分析結果の要約
・ 2025年度は増収基調で、特に第4四半期にかけて売上が加速。
・ 主要指標のダッシュボード（下記グラフ参照）を提示。

◼︎ ハイライトダッシュボード（自動作成の提案）
・ 月次売上の推移（棒グラフ）
・ 商談化率の推移（折れ線グラフ）
・ チャネル別受注構成比（円グラフ）
◼︎ 重要な発見
・ 2月の売上急伸は、大型案件の獲得と展示会施策が寄与した可能性が高い。
・ 広告費増加期は問い合わせ数も増加しており、広告投資は概ね効果的。
・ 紹介経由の顧客は継続率も高いと推測される。
◼︎ 課題
・ 商談化率の低下は、リード品質の変化が要因の可能性。
・ 広告経由の受注率の低さは、ターゲティング設定の見直しで改善余地あり。
◼︎ 改善施策
【営業組織改革プラン】
・ インサイドセールス組織の新設
・ 商談スクリプトのAIによる自動最適化
【マーケティング再構築プラン】
・ リードスコアリングの導入
・ 導入事例コンテンツの拡充
◼︎ 経営会議で確認すべき事項
・ 上記2プランの投資規模と優先度

こちらも読みやすいですが、ChatGPT とは違うキャラがしっかり出ています。

• プロンプトで指定していない「ハイライトダッシュボード」セクションを勝手に足してくる。しかも棒・折れ線・円と3種類のグラフを、"提案"の形で並べる

• 「〜の可能性が高い」「〜と推測される」がとにかく多い。2月の売上急伸を大型案件と展示会に結びつけたり、紹介顧客の継続率まで踏み込んで語ったりする

• 改善施策がパッケージ化される。「営業組織改革プラン」「マーケティング再構築プラン」と、それらしい名前で括ったうえで、下に施策候補を並べる

• 細かい数値の記載は少なめ。「〜円」「〜％」の具体表記より、傾向を語る形容詞が優先されがち

数値の検算をすると、大きな計算ミスはありませんが、「紹介経由の顧客は継続率も高い」は明確にデータ超越 です。今回のExcelにはチャネル別の解約データは含まれていないので、これは事実として書ける内容ではありません。プロンプトで「データに存在しない情報を補完しないでください」と指定していたぶん、これは明確な違反です。

体感としては、「そのまま企画会議のプレゼンにできる完成度、8点」 です。

Google 系列らしく、Gemini は 「見た目と物語性を上げるために、指定範囲を少しだけ越える」 タイプ。ダッシュボード提案や施策のパッケージ化は、資料をスライドに落とし込む段階では喜ばれます。ただ、「データにない前提を語る」「傾向を原因と混同する」 クセは、経営会議に出す前に必ず1度たしかめる必要があります。

議事録・HTMLのときの「勝手に足す」と、キャラの根っこは同じでした。指定外の情報を、"良かれと思って" 追加してくる のが Gemini の一貫した傾向です。

Claude の分析

最後に Claude です。同じ条件で投げてみた結果がこちら。

出力されたレポート（要点抜粋）はこんな感じです。

◼︎ 分析結果の要約
・ 年間売上は増加（【事実】：前年比+38%）。ただし、後半のリスク要因が
複数同時に発生している点に注意を要する。

◼︎ 重要な発見（優先度順）
1、2月の月間売上は年度最高だが、うち約48%が単一の大型案件に依存
（【事実】：新規売上◯◯円のうち◯◯円が1件）。
→ 翌月以降の落ち込みリスクを内包。
2、商談化率は年度前半平均35%から後半平均22%へ低下
（【事実】：4〜9月と10〜3月の単純平均で比較）。
3、解約数が月次で右肩上がり（【事実】：4月2件→3月8件）。
契約数に対する解約率は要別途集計。
◼︎ 課題
・ 商談化率低下の要因は本データ単体では特定できない
（【解釈】：リード獲得元の変化・営業対応・商材適合の3方向を検証必要）。
・ チャネル別の解約データは本ファイルに含まれず、
「紹介顧客の継続率」については判断不能。
◼︎ 改善施策
【優先度：高】
・ 2月の大型案件のような依存を減らすため、
中規模案件のパイプライン強化を最優先。
【優先度：中】
・ 商談化率の低下要因を切り分けるため、リード獲得元別の
商談化率の追加集計を来月レポートから開始。
【優先度：低】
・ 広告費と受注数の関係は、少なくとも12か月では因果とまで言えないため、
A/Bテストを1件だけ設定して検証。
◼︎ 経営会議で確認すべき事項
・ 大型案件依存への対応方針
・ 解約増加の追加集計（チャネル別・顧客規模別）の実施可否

3つの中で、いちばん 「見えないところ」に手が入っている レポートが返ってきました。

• すべての主張に【事実】【解釈】【注意】のラベルが付いている。プロンプトの「推測と事実を明確に分けてください」に対して、色分けまで含めて構造で答える

• 2月の大型案件依存を発見。売上の構成比まで踏み込んで、単一案件への依存リスクを最優先の発見として提示

• 転換率の低下を、年度前半・後半の平均で明示。単月比較ではなく、期間平均で比較することで、季節要因のノイズを避ける

• 「データに存在しない情報」を明確に線引きする。紹介顧客の継続率については「本ファイルに含まれないため判断不能」と、はっきり判断保留を宣言

• 改善施策に【優先度：高／中／低】マーカーが付く。実行順序が経営会議でそのまま議論できる形

• 「相関≠因果」を明示。広告費と受注数の関係についても、月次12点では因果までは言えないと予防線を張り、A/Bテストの提案に落とす

数値の検算をしても、大きな計算ミスはありません。むしろ、「約48%」「約35%」「約22%」と概数で書いているぶん、細かい端数まで踏み込みすぎない安全側の書き方が徹底されていました。

体感としては、「そのまま経営会議に持っていける完成度、9.5点」。

一方で、Claude も課題があります。まず、文章量が最も長い。事実・解釈・注意の3種類のラベルを付ける関係で、他の2社より20〜30％ほど分量が増えます。加えて、「判断保留」の記述が多い。実務では歓迎される反面、「歯切れの良い結論だけほしい」という経営層には、少し重く感じられるかもしれません。

議事録・HTMLのときの「見えない側に手が入る」に近い挙動が、データ分析では「事実と推測の線引きを、レポートの構造として残す」 という形で顔を出しました。属人化を防ぎたい現場ほど刺さる タイプの分析です。

3つを並べて分かったこと

ここまでの結果を、前回までと同じフォーマットで整理します。

• ChatGPT … 見出し・順番・粒度が指示どおり、数値は素直に読む、大型案件依存には触れない、そのまま社内向け月次レポートに貼れる汎用性が高い

• Gemini … ダッシュボードを勝手に提案、施策をパッケージ名で括る、データにない前提を語る、企画会議・社内プレゼンで見栄えが必要な場面に強い

• Claude … 事実と推測を構造で分離、大型案件依存・商談化率低下・解約増加を優先順位付きで指摘、経営会議・リスクマネジメントで最も安心して使える

比較表にすると、こうなります。

前回（HTML）は 「プロンプトの指定範囲を、どちら向きに越えるか」 で差が付きました。今回のExcel分析では、「同じ数字を見ているのに、どの数字を"問題"と判断したか」 で明確に差が付いています。

• ChatGPT … "増えているもの" を主役にする（売上成長・問い合わせ増を評価）

• Gemini … "見せ方" を主役にする（ダッシュボード・パッケージ施策で語る）

• Claude … "内側の不均衡" を主役にする（大型案件依存・商談化率低下・解約増を優先）

同じExcelを渡しても、「良い分析」の定義そのもの が3社で違う。数値の合計や前月比はどれも合っているのに、レポートを開くと注目している場所がまるで違った のが、今回の一番の学びです。

AIによるExcel分析で注意したいこと

3社の結果を並べて感じたのは、AIにExcel分析を任せるうえで、利用者側で先に押さえておきたい注意点 がいくつかあることでした。ここは、AIの優劣とは切り離してお伝えしたい部分です。

• 計算結果は必ず検算する。今回はすべて概ね一致しましたが、月数が増えたり列が増えたりすると、合計や比率が微妙にズレるケースが出てきます。特にパーセンテージは、分母を何にしたかで結果が変わります

• 原因の断定に注意する。「〜が原因である」と書かれていても、そのExcel単体でそう言えるとは限りません。相関と因果の混同は、AIの回答で最も起きやすい誤りです

• 母数を確認する。「解約率10%」と書かれていても、母数が10件なのか1000件なのかで意味がまったく変わります。母数の記載がない指標は、そのまま鵜呑みにしない

• 異常値をAIが見つけたら、こちらも1度Excelで確認する。逆に、AIが見つけていない異常値がある可能性も同じくらい高いです

• 「データにない情報」は補完させない。プロンプトで明示していても、モデルによっては越境してきます。書かれた内容がExcel由来なのか、AIの一般知識由来なのかを、必ず読み手側で見極めてください

「AIがきれいなレポートを書いたから正しい」は、Excel分析ではとくに危険です。AIの分析は下書き、判断は人間側で持つ。この線引きだけは、どのモデルを使っても変えないほうがよいと感じました。

AIをどう使い分けるか

営業メール・提案書・議事録・HTMLの検証と同じことを繰り返しますが、AI選定はやはり 「業務でよく使うお題」を、同じ条件で並べてみる のが最短でした。

そのうえで、Excel分析という切り口で見えた判断軸は、次の3つです。

• 「その分析を、誰が、どんな場に持っていくか」を先に決める。自分ひとりで状況把握するなら ChatGPT、社内プレゼンで見栄えを出したいなら Gemini、経営会議で意思決定に使うなら Claude

• 「事実と推測の線引きを、どこまで厳しくしたいか」を先に決める。投資判断・リスク判断が絡む会議は Claude が最も安全。方向性の議論を先に温めたい会議は Gemini が刺さる

• 「異常値やリスクを、どれくらい積極的に拾ってほしいか」を先に決める。売上・問い合わせが増えている局面ほど、リスクを見落としやすくなります。「増えている中に埋まっている不均衡を掘ってほしい」なら、迷わず Claude を選んでください

数値の中身よりも、「その分析は、誰が、いつ、どの意思決定に使うのか」を先に言語化しておくと、AI 選びは驚くほどラクになります。ここは、前4回の営業メール・提案書・議事録・HTMLと、まったく同じ結論です。

次回予告　「同じキャッチコピーを書かせてみます」

検証シリーズの次回は、予告どおり 「同じキャッチコピーを書かせてみた」 です。

営業メール・提案書・議事録は「日本語の長文」、HTMLは「コード」、Excelは「数値」でした。次回は 短い日本語 の領域に入ります。同じサービス概要から、3つのAIに 1行のキャッチコピーを10案ずつ 書かせてみます。

キャッチコピーは、Excel分析と同じで「正解」がない領域ですが、"どの語感を選ぶか" "どの角度から言い切るか" という判断で、AIごとのキャラが露骨に差になります。実務で「AIにコピー案の壁打ち相手を任せる先を決めたい」方は、次回もお付き合いください。

その次以降は、以下の順で予定しています。

• 同じキャッチコピーを書かせてみた（次回）

• 同じ議事録から「営業提案メール」を書き起こさせてみた（追加候補）

• 同じユーザーインタビュー録から示唆を抽出させてみた（追加候補）

「このお題も検証してほしい」というリクエストがあれば、ぜひお知らせください。読者のみなさまの日々の業務で「モヤっと」しているお題ほど、検証する価値があると思っています。

まとめ

• ChatGPT・Gemini・Claude に 同じ売上Excel を渡して分析させたところ、計算はどれも概ね合っているのに、注目している数字と提案する改善施策がまるで違った

• ChatGPT は指示された5ブロックを型どおり整え、数値は素直に読む、そのまま社内向け月次レポートに貼れる汎用性が高い

• Gemini はダッシュボードを勝手に提案し、施策をパッケージ化する、企画会議・社内プレゼンで見栄えが必要な場面に強い。ただし「データにない前提」を語ることがあり、経営判断に使う前には検算が必須

• Claude は事実と推測を構造として分離し、大型案件依存・商談化率低下・解約増加をリスクとして優先順位付きで指摘、経営会議・リスクマネジメントで最も安心して使える

• 3社の違いは「計算の巧拙」ではなく、「同じ数字を見て、どの数字を"問題"と判断するか」 という判断レベルで起きていた

• 「その分析は、誰が、いつ、どの意思決定に使うのか」を先に言語化しておくと、AI 選びは一気にラクになる

3つのAIを契約しているなら、Excel分析は「そのレポートで、誰にどんな決断をしてもらうか」で使い分けるのが結論です。前4回の営業メール・提案書・議事録・HTMLとあわせて、ご自身の業務での AI 使い分けマップ に、今回で「データ領域」の1本を加えてみてください。次回のキャッチコピーで、この地図に「短い日本語」の1本がさらに加わります。