GAS×ChatGPT連携｜スプレッドシートからAIを呼び出す方法【GPT-4o対応】

スプレッドシートのデータをChatGPTで自動処理できたら…GASなら数行のコードで実現できます！

GAS×ChatGPT連携でできること

Google Apps Script（GAS）とOpenAI API（ChatGPT）を組み合わせると、スプレッドシートのデータをAIで自動処理できます。手動でChatGPTにコピペしていた作業を、ボタン1つで一括実行できるようになります。

GASの基本がまだ不安な方は、先にGAS入門ガイドを確認しておくとスムーズです。

連携の全体像（スプシ → GAS → OpenAI API → スプシ）

GAS×ChatGPT連携の処理フローはとてもシンプルです。

1. スプレッドシートからデータを取得 → 2. GASがOpenAI APIにHTTPリクエストを送信 → 3. ChatGPTが回答を生成 → 4. GASが結果をスプレッドシートに書き戻す

GASの UrlFetchApp.fetch() を使ってOpenAI APIのエンドポイントにPOSTリクエストを送るだけなので、外部ライブラリのインストールは一切不要です。

実用ユースケース5選

GAS×ChatGPT連携の代表的な活用シーンを紹介します。

1. テキスト要約：議事録や長文レポートを3行に要約してスプシに出力
2. カテゴリ自動分類：問い合わせ内容を「技術的質問」「料金」「クレーム」等に振り分け
3. 多言語翻訳：日本語の商品説明を英語・中国語に一括変換
4. メール文の自動生成：顧客名・案件名を差し込んだビジネスメールを自動作成
5. データクレンジング：表記ゆれの統一、住所の正規化、誤字の自動修正

この記事では、上記1〜4のユースケースについてコピペで使える完全動作コードを紹介します。

準備編｜OpenAI APIキーの取得と設定

GASからChatGPTを使うには、OpenAI APIキーが必要です。ChatGPT Plus（月額$20）のサブスクリプションとは別のサービスで、API利用は従量課金制です。

OpenAIアカウント作成とAPIキー発行

1. OpenAI Platform にアクセスしてアカウントを作成
2. ダッシュボード左メニューの「API keys」をクリック
3. 「Create new secret key」でAPIキーを発行
4. 表示されたキー（sk-...）をコピーして安全な場所に保存

GASのスクリプトプロパティにAPIキーを安全に保存

APIキーはソースコードに直書きせず、スクリプトプロパティに保存するのがベストプラクティスです。

1. GASエディタで「プロジェクトの設定」（歯車アイコン）を開く
2. 「スクリプトプロパティ」セクションで「プロパティを追加」をクリック
3. プロパティ名: OPENAI_API_KEY、値: 発行したAPIキーを入力
4. 「スクリプトプロパティを保存」をクリック

コードからは次のように取得します。

// スクリプトプロパティからAPIキーを取得
const apiKey = PropertiesService.getScriptProperties().getProperty('OPENAI_API_KEY');

この方法なら、スクリプトを共有してもAPIキーが漏洩するリスクを防げます。

料金体系と予算設定（Usage Limits）

OpenAI APIの料金はモデルごとに異なります。2024年時点の主要モデルの料金比較です。

スプレッドシート100行の要約処理なら、GPT-4o-miniで数円程度です。まずはGPT-4o-miniで十分な精度が出るか試し、不足ならGPT-4oに切り替える運用がおすすめです。

OpenAIダッシュボードの「Usage Limits」で月額上限を設定しておけば、想定外の高額請求を防げます。最初は$5〜$10程度に設定しておきましょう。

基本編｜GASからChatGPTにリクエストを送る

ここからは実際のコードを見ていきます。まずは最もシンプルなAPI呼び出しから始めましょう。

最もシンプルなAPI呼び出しコード

以下のコードをGASエディタにコピペして実行すれば、ChatGPTからの応答をログに表示できます。

/**
 * ChatGPT APIにリクエストを送る最もシンプルなコード
 * 実行前にスクリプトプロパティに OPENAI_API_KEY を設定してください
 */
function callChatGPT() {
  // スクリプトプロパティからAPIキーを取得
  const apiKey = PropertiesService.getScriptProperties().getProperty('OPENAI_API_KEY');

  // APIのエンドポイント
  const url = 'https://api.openai.com/v1/chat/completions';

  // リクエストボディ
  const payload = {
    model: 'gpt-4o-mini',           // 使用するモデル
    messages: [
      {
        role: 'system',
        content: 'あなたは優秀なアシスタントです。'
      },
      {
        role: 'user',
        content: 'Google Apps Scriptとは何ですか？50文字以内で教えてください。'
      }
    ],
    temperature: 0.7,                // 回答のランダム性（0〜2）
    max_tokens: 200                  // 最大出力トークン数
  };

  // HTTPリクエストの設定
  const options = {
    method: 'post',
    headers: {
      'Authorization': 'Bearer ' + apiKey,
      'Content-Type': 'application/json'
    },
    payload: JSON.stringify(payload),
    muteHttpExceptions: true         // エラー時もレスポンスを取得
  };

  // APIを呼び出し
  const response = UrlFetchApp.fetch(url, options);
  const json = JSON.parse(response.getContentText());

  // ChatGPTの回答を取得
  const answer = json.choices[0].message.content;
  Logger.log(answer);

  return answer;
}

ポイントは UrlFetchApp.fetch() でOpenAIのAPIにPOSTリクエストを送っている点です。messages 配列に会話の内容を渡し、choices[0].message.content から回答を取得します。

GPT-4o / GPT-4o-miniの使い分け

モデル選択はコストと精度のトレードオフです。以下の基準で使い分けましょう。

コードでの切り替えは、model パラメータを変更するだけです。

レスポンスの解析とエラーハンドリング

本番運用では、APIエラーへの対処が不可欠です。以下のコードはエラーハンドリングとリトライ処理を含んだ実用版です。

/**
 * エラーハンドリング付きのChatGPT API呼び出し関数
 * @param {string} prompt - ChatGPTに送るプロンプト
 * @param {string} model - 使用モデル（デフォルト: gpt-4o-mini）
 * @param {number} retries - リトライ回数（デフォルト: 3）
 * @return {string} ChatGPTの回答テキスト
 */
function callChatGPTWithRetry(prompt, model, retries) {
  model = model || 'gpt-4o-mini';
  retries = retries || 3;

  const apiKey = PropertiesService.getScriptProperties().getProperty('OPENAI_API_KEY');
  if (!apiKey) {
    throw new Error('OPENAI_API_KEY がスクリプトプロパティに設定されていません');
  }

  const url = 'https://api.openai.com/v1/chat/completions';
  const payload = {
    model: model,
    messages: [
      { role: 'system', content: 'あなたは優秀なアシスタントです。簡潔に回答してください。' },
      { role: 'user', content: prompt }
    ],
    temperature: 0.3,
    max_tokens: 1000
  };

  const options = {
    method: 'post',
    headers: {
      'Authorization': 'Bearer ' + apiKey,
      'Content-Type': 'application/json'
    },
    payload: JSON.stringify(payload),
    muteHttpExceptions: true
  };

  // リトライ付きでAPIを呼び出し
  for (let i = 0; i < retries; i++) {
    try {
      const response = UrlFetchApp.fetch(url, options);
      const statusCode = response.getResponseCode();
      const json = JSON.parse(response.getContentText());

      // 正常レスポンス
      if (statusCode === 200) {
        return json.choices[0].message.content.trim();
      }

      // レート制限（429）の場合は待ってリトライ
      if (statusCode === 429) {
        Logger.log('レート制限に達しました。10秒後にリトライします...');
        Utilities.sleep(10000);
        continue;
      }

      // その他のエラー
      throw new Error('API Error ' + statusCode + ': ' + JSON.stringify(json.error));

    } catch (e) {
      Logger.log('リトライ ' + (i + 1) + '/' + retries + ': ' + e.message);
      if (i === retries - 1) throw e;
      Utilities.sleep(3000);
    }
  }
}

muteHttpExceptions: true を設定すると、APIがエラーを返してもGAS側で例外にならず、ステータスコードを確認して適切に処理できます。レート制限（429エラー）の場合は自動的に待機してリトライします。

実践編｜スプレッドシートデータのAI処理

ここからは、スプレッドシートのデータを実際にChatGPTで処理する4つのユースケースを紹介します。すべてコピペで動く完全動作コードです。

テキスト要約（長文を3行に要約）

A列に長文テキスト、B列にAIによる要約結果を出力します。議事録や報告書の要約に便利です。

/**
 * A列のテキストを3行に要約してB列に出力する
 * シート名「要約」のA2:A列にテキストを入れて実行
 */
function summarizeTexts() {
  const sheet = SpreadsheetApp.getActiveSpreadsheet().getSheetByName('要約');
  const lastRow = sheet.getLastRow();

  for (let row = 2; row <= lastRow; row++) {
    const text = sheet.getRange(row, 1).getValue();
    if (!text) continue;  // 空セルはスキップ

    // すでに要約済みならスキップ
    if (sheet.getRange(row, 2).getValue()) continue;

    const prompt = '以下のテキストを3行（各行50文字以内）で要約してください。\n\n' + text;

    try {
      const summary = callChatGPTWithRetry(prompt);
      sheet.getRange(row, 2).setValue(summary);

      // API制限回避のため1秒待機
      Utilities.sleep(1000);
    } catch (e) {
      sheet.getRange(row, 2).setValue('エラー: ' + e.message);
    }
  }

  SpreadsheetApp.flush();  // 変更を即時反映
  Logger.log('要約処理が完了しました');
}

カテゴリ自動分類（問い合わせ内容の振り分け）

問い合わせフォームの回答を自動的にカテゴリ分類します。Googleフォーム連携と組み合わせると、回答が届くたびに自動分類するワークフローも構築できます。

/**
 * 問い合わせ内容を自動分類する
 * A列: 問い合わせ内容、B列: 分類結果
 */
function classifyInquiries() {
  const sheet = SpreadsheetApp.getActiveSpreadsheet().getSheetByName('分類');
  const lastRow = sheet.getLastRow();

  // 分類カテゴリを定義
  const categories = [
    '技術的な質問',
    '料金・請求',
    '機能リクエスト',
    'クレーム・不満',
    'その他'
  ];

  for (let row = 2; row <= lastRow; row++) {
    const inquiry = sheet.getRange(row, 1).getValue();
    if (!inquiry || sheet.getRange(row, 2).getValue()) continue;

    const prompt = '以下の問い合わせ内容を、次のカテゴリのいずれか1つに分類してください。\n' +
      'カテゴリ: ' + categories.join('、') + '\n' +
      'カテゴリ名のみを回答してください。\n\n' +
      '問い合わせ内容: ' + inquiry;

    try {
      const category = callChatGPTWithRetry(prompt);
      sheet.getRange(row, 2).setValue(category);
      Utilities.sleep(1000);
    } catch (e) {
      sheet.getRange(row, 2).setValue('分類エラー');
    }
  }

  Logger.log('分類処理が完了しました');
}

分類タスクはGPT-4o-miniで十分な精度が出ます。temperature: 0.3（低め）に設定すると、回答のばらつきを抑えて安定した分類結果が得られます。

多言語翻訳（日本語↔英語の一括変換）

A列の日本語テキストを英語に翻訳してB列に出力します。商品説明やドキュメントの多言語化に活用できます。

/**
 * A列の日本語テキストをB列に英語翻訳する
 * シート名「翻訳」で実行
 */
function translateTexts() {
  const sheet = SpreadsheetApp.getActiveSpreadsheet().getSheetByName('翻訳');
  const lastRow = sheet.getLastRow();

  for (let row = 2; row <= lastRow; row++) {
    const japanese = sheet.getRange(row, 1).getValue();
    if (!japanese || sheet.getRange(row, 2).getValue()) continue;

    const prompt = '以下の日本語を自然な英語に翻訳してください。' +
      '翻訳結果のみを出力し、説明は不要です。\n\n' + japanese;

    try {
      const english = callChatGPTWithRetry(prompt);
      sheet.getRange(row, 2).setValue(english);
      Utilities.sleep(1000);
    } catch (e) {
      sheet.getRange(row, 2).setValue('翻訳エラー');
    }
  }

  Logger.log('翻訳処理が完了しました');
}

英語→日本語の翻訳も、プロンプトの指示を「以下の英語を自然な日本語に翻訳してください」に変更するだけで対応できます。

メール文の自動生成

顧客名・案件名・要件をスプレッドシートに入力しておくと、ビジネスメールの文面を自動生成します。GASメール自動送信と組み合わせれば、生成から送信まで一気通貫で自動化できます。

/**
 * スプレッドシートの情報からビジネスメールを自動生成する
 * A列: 顧客名、B列: 案件名、C列: 要件、D列: 生成されたメール文
 */
function generateEmails() {
  const sheet = SpreadsheetApp.getActiveSpreadsheet().getSheetByName('メール生成');
  const lastRow = sheet.getLastRow();

  for (let row = 2; row <= lastRow; row++) {
    const customerName = sheet.getRange(row, 1).getValue();
    const projectName = sheet.getRange(row, 2).getValue();
    const requirement = sheet.getRange(row, 3).getValue();

    if (!customerName || sheet.getRange(row, 4).getValue()) continue;

    const prompt = '以下の情報をもとに、丁寧なビジネスメールを作成してください。\n' +
      '件名と本文を分けて出力してください。\n\n' +
      '・宛先: ' + customerName + ' 様\n' +
      '・案件: ' + projectName + '\n' +
      '・要件: ' + requirement + '\n' +
      '・差出人: 山田太郎（株式会社サンプル）';

    try {
      // メール生成はGPT-4oの方が自然な文章になる
      const email = callChatGPTWithRetry(prompt, 'gpt-4o');
      sheet.getRange(row, 4).setValue(email);
      Utilities.sleep(1500);
    } catch (e) {
      sheet.getRange(row, 4).setValue('生成エラー');
    }
  }

  Logger.log('メール生成が完了しました');
}

応用編｜カスタム関数としてChatGPTを使う

ここからは、スプレッドシートのセルに =GPT("要約して", A1) のように入力するだけでChatGPTが使えるカスタム関数の作り方を解説します。

=GPT()関数の作成方法

以下のコードをGASに追加すると、スプレッドシート上で =GPT() 関数が使えるようになります。

/**
 * スプレッドシートのカスタム関数としてChatGPTを呼び出す
 * 使い方: =GPT("この文章を要約して", A1)
 *
 * @param {string} instruction - AIへの指示（例: "要約して"、"英語に翻訳して"）
 * @param {string} inputText - 処理対象のテキスト
 * @param {string} model - モデル名（省略時: gpt-4o-mini）
 * @return {string} ChatGPTの回答
 * @customfunction
 */
function GPT(instruction, inputText, model) {
  // 引数チェック
  if (!instruction) return 'エラー: 指示を入力してください';
  if (!inputText) return '';

  model = model || 'gpt-4o-mini';

  const apiKey = PropertiesService.getScriptProperties().getProperty('OPENAI_API_KEY');
  if (!apiKey) return 'エラー: APIキー未設定';

  const url = 'https://api.openai.com/v1/chat/completions';
  const payload = {
    model: model,
    messages: [
      { role: 'system', content: instruction },
      { role: 'user', content: String(inputText) }
    ],
    temperature: 0.3,
    max_tokens: 500
  };

  const options = {
    method: 'post',
    headers: {
      'Authorization': 'Bearer ' + apiKey,
      'Content-Type': 'application/json'
    },
    payload: JSON.stringify(payload),
    muteHttpExceptions: true
  };

  try {
    const response = UrlFetchApp.fetch(url, options);
    const json = JSON.parse(response.getContentText());

    if (response.getResponseCode() !== 200) {
      return 'APIエラー: ' + (json.error ? json.error.message : '不明');
    }

    return json.choices[0].message.content.trim();
  } catch (e) {
    return 'エラー: ' + e.message;
  }
}

バッチ処理で大量データを効率的に処理

大量のデータをAPI処理する場合は、カスタム関数ではなくバッチ処理で一括実行する方が効率的です。以下のコードは、データを取得→API呼び出し→結果を書き込みの流れをまとめて実行します。

/**
 * バッチ処理でA列のデータを一括AI処理してB列に出力する
 * 大量データの処理に最適（カスタム関数より効率的）
 */
function batchProcess() {
  const sheet = SpreadsheetApp.getActiveSpreadsheet().getActiveSheet();
  const lastRow = sheet.getLastRow();

  // A列のデータを一括取得（セルへのアクセス回数を最小化）
  const inputRange = sheet.getRange(2, 1, lastRow - 1, 1);
  const inputs = inputRange.getValues();

  // B列の既存データも取得（処理済みチェック用）
  const outputRange = sheet.getRange(2, 2, lastRow - 1, 1);
  const outputs = outputRange.getValues();

  const results = [];
  let processedCount = 0;

  for (let i = 0; i < inputs.length; i++) {
    const text = inputs[i][0];

    // 空セルまたは処理済みはスキップ
    if (!text || outputs[i][0]) {
      results.push([outputs[i][0] || '']);
      continue;
    }

    try {
      const prompt = '以下のテキストを50文字以内で要約してください:\n' + text;
      const result = callChatGPTWithRetry(prompt);
      results.push([result]);
      processedCount++;

      // 5分経過したら中断（6分制限対策）
      if (processedCount % 10 === 0) {
        const elapsed = (new Date() - startTime) / 1000;
        if (elapsed > 300) {
          Logger.log('5分経過のため中断。続きは再実行してください。');
          // 残りのセルは空で埋める
          while (results.length < inputs.length) {
            results.push(['']);
          }
          break;
        }
      }

      Utilities.sleep(1000);  // APIレート制限対策
    } catch (e) {
      results.push(['エラー: ' + e.message]);
    }
  }

  // 結果を一括書き込み（パフォーマンス向上）
  outputRange.setValues(results);
  Logger.log(processedCount + '件を処理しました');
}

// 処理開始時刻を記録
const startTime = new Date();

ポイントは、getValues() と setValues() でデータの読み書きを一括実行している点です。セルを1つずつ読み書きするより大幅に高速化できます。

キャッシュで API コストを削減

同じ入力に対して何度もAPIを呼ぶのは無駄です。GASの CacheService を使って結果をキャッシュすれば、APIコストを大幅に削減できます。

キャッシュの仕組みは簡単です。入力テキストをキーにして、APIの結果をキャッシュに保存します。次に同じテキストが来たら、APIを呼ばずにキャッシュから返します。キャッシュの有効期限は最大6時間（21,600秒）です。

実装するには、callChatGPTWithRetry 関数の先頭でキャッシュチェックを追加し、APIの結果取得後にキャッシュに保存する処理を入れるだけです。キーにはプロンプトのMD5ハッシュ値（Utilities.computeDigest() で生成）を使うと、長いプロンプトでも効率的に管理できます。

コスト管理とベストプラクティス

APIのコスト管理はGAS×ChatGPT連携で最も重要なポイントです。適切に管理しないと、予想外の請求が来る可能性があります。

トークン数の計算と最適化

OpenAI APIの料金はトークン数で決まります。日本語は1文字あたり約1〜3トークンを消費します（英語は1単語あたり約1トークン）。

コストを抑えるためのテクニックをまとめます。

• プロンプトを短く：不要な指示や装飾的な表現を省く
• max_tokensを適切に設定：必要以上に大きくしない（分類タスクなら50で十分）
• systemメッセージは使い回す：バッチ処理で同じ指示を毎回送る場合も、APIの仕様上は毎リクエスト必要ですが、短くまとめる
• GPT-4o-miniを優先：まずは軽量モデルで試し、品質が不足する場合のみGPT-4oに

月額予算の設定方法

OpenAIダッシュボードで月額の利用上限（Usage Limits）を設定しましょう。

1. OpenAI Usage Limits にアクセス
2. 「Monthly budget」で月額上限を設定（例: $10）
3. 「Email notification threshold」で通知閾値を設定（例: $8で通知）

上限に達するとAPIがエラーを返すため、意図しない高額請求を防げます。個人利用なら$5〜$10/月、業務利用でも$50/月あれば十分なケースがほとんどです。

GASの実行時間制限（6分）への対策

GASには1回の実行で最大6分という制限があります。API呼び出しを含むバッチ処理では、この制限に引っかかりやすいです。

対策は3つあります。

1. チャンク分割：処理を小分けにして、5分経過したら中断→トリガーで自動再実行
2. 処理済みフラグ：各行の処理状況をスプレッドシートに記録し、途中から再開可能にする
3. 時間駆動型トリガー：1分ごとにトリガーを設定し、未処理の行を少しずつ処理する

前述のバッチ処理コードには、5分経過時点で自動中断する処理を組み込んであります。再実行すると、処理済みの行をスキップして続きから再開します。

VBAとGASのAI連携比較

ExcelユーザーがVBAでChatGPT APIを呼び出すことも可能です。GASとの違いを比較してみましょう。

VBA + ChatGPT APIのコード例

VBAからChatGPT APIを呼び出すコード例です。GASと比べると、HTTPリクエスト部分のコードがやや冗長になります。

' VBAからChatGPT APIを呼び出す
' ※事前に「Microsoft XML, v6.0」の参照設定が必要
Function CallChatGPT(prompt As String) As String
    Dim apiKey As String
    apiKey = "sk-your-api-key-here"  ' ※実際にはレジストリ等で管理推奨

    Dim http As New MSXML2.XMLHTTP60
    Dim url As String
    url = "https://api.openai.com/v1/chat/completions"

    ' リクエストボディ（JSON文字列を手動で組み立て）
    Dim body As String
    body = "{""model"":""gpt-4o-mini""," & _
           """messages"":[{""role"":""user"",""content"":""" & _
           Replace(prompt, """", "\""") & """}]," & _
           """temperature"":0.7,""max_tokens"":500}"

    ' HTTPリクエスト送信
    http.Open "POST", url, False
    http.setRequestHeader "Content-Type", "application/json"
    http.setRequestHeader "Authorization", "Bearer " & apiKey
    http.send body

    ' レスポンスからJSON解析（VBAにはJSON.parseがないため手動）
    Dim response As String
    response = http.responseText

    ' 簡易的にcontentを抽出（本格運用ではJSONパーサーライブラリ推奨）
    Dim startPos As Long, endPos As Long
    startPos = InStr(response, """content"":""") + 11
    endPos = InStr(startPos, response, """}")
    CallChatGPT = Mid(response, startPos, endPos - startPos)
End Function

GASとVBAのAI連携比較表

AI連携においては、JSON処理の簡単さとクラウド実行できる点でGASが圧倒的に有利です。VBAはJSON解析の標準機能がなく、参照設定やライブラリ導入が必要になります。一方、VBAには実行時間制限がないため、大量データの連続処理ではVBAに利点があります。

よくある質問（FAQ）

Q. ChatGPT APIの利用にはいくらかかりますか？

GPT-4o-miniなら100万トークンあたり約$0.15（入力）/$0.60（出力）です。スプレッドシート100行の処理で数円程度で済みます。GPT-4oは約$2.50/$10.00とコストが上がりますが、高精度が求められるタスクに適しています。OpenAIダッシュボードで月額上限を設定しておけば安心です。

Q. APIキーが漏洩した場合のリスクは？

第三者にAPIキーを使われ、高額な利用料が発生するリスクがあります。漏洩に気づいたら即座にAPIキーを無効化し、再発行してください。予防策として、Usage Limitsの設定とスクリプトプロパティによる管理を必ず行いましょう。

Q. GASからGPT-4oを使えますか？

はい、GASの UrlFetchApp でOpenAI APIを呼び出す際の model パラメータを "gpt-4o" に変更するだけで利用可能です。特別な設定や追加のライブラリは不要です。

Q. 社内データをAPIに送信してもセキュリティは大丈夫ですか？

OpenAI APIに送信されたデータは、APIの利用規約上モデルのトレーニングには使用されません（デフォルトでオプトアウト済み）。ただし、個人情報や機密情報は事前に匿名化・マスキングすることを推奨します。社内のセキュリティポリシーも確認してください。

Q. ChatGPT以外のAI（Claude、Gemini）もGASから使えますか？

はい、Claude（Anthropic API）やGemini（Google AI Studio API）も UrlFetchApp で同様に呼び出せます。エンドポイントURLやリクエスト形式が異なるだけで、GAS側の基本的な処理構造は同じです。

まとめ

この記事では、GAS（Google Apps Script）からOpenAI（ChatGPT）APIを呼び出してスプレッドシートのデータをAIで自動処理する方法を解説しました。

まずは基本のAPI呼び出しコードをコピペして動かしてみてください。1つ動くと、応用の幅が一気に広がります。GASの基本操作についてはGAS入門ガイドも参考にしてください。

しんたろ。

Excel歴10年以上 → アプリ開発者

Profile

大手メーカーに15年以上勤務。製造部門で海外拠点の立ち上げ支援や、現場責任者として採算管理・納期管理・設備オペレートを経験。 2023年にDX人材育成プログラム第1期生として活動後、現在は製造現場のスケジュール運用を支えるアプリの企画・開発をメインに活動中。工程表示表作成の内製化SaaSを構築し、年間1,300万円のコスト改善を実現。 Excelによる業務改善で年間240時間の残業削減を達成した経験を活かし、ブログやSNSでも情報発信しています。

プロフィールを読む

XYouTubeLINEContact

しんたろ。

Excel歴10年以上 → アプリ開発者

XYouTubeLINEContact

大手メーカーに15年以上勤務。製造部門で海外拠点の立ち上げ支援や、現場責任者として採算管理・納期管理・設備オペレートを経験。 2023年にDX人材育成プログラム第1期生として活動後、現在は製造現場のスケジュール運用を支えるアプリの企画・開発をメインに活動中。工程表示表作成の内製化SaaSを構築し、年間1,300万円のコスト改善を実現。 Excelによる業務改善で年間240時間の残業削減を達成した経験を活かし、ブログやSNSでも情報発信しています。