情シス兼任担当が生成AIでIT資産台帳の棚卸しを補助する際の設計要件と確認手順

IT資産の棚卸しは、年に1回以上の実施が推奨されながら、情シス兼任担当者の多くが「Excelの管理台帳突合」「現場への確認メール往復」「不一致原因の調査」に丸2日以上を費やしている。生成AIを補助ツールとして正しく設計すれば、この作業を年間30時間以上削減できる。この記事では、導入前に整えるべき設計要件と、実務で使える具体的な確認手順をステップごとに解説する。

IT資産台帳の棚卸しで情シス兼任担当が直面する3つの構造問題

情シス兼任担当者にとって、IT資産台帳の棚卸しは「重要だとわかっているが、いつも時間が足りない」業務の代表格です。その背景には、次の3つの構造問題があります。

問題1：管理台帳が複数に分散し、突合に時間がかかる
多くの中小企業では、ハードウェア台帳・ソフトウェアライセンス台帳・クラウドサービス契約一覧がそれぞれ別々のExcelファイルで管理されています。これらをひとつひとつ突合するだけで、ベテランの担当者でも半日以上かかることが珍しくありません。さらに、同一の機器が複数の台帳に異なる名称で登録されているケースも多く、名寄せ作業だけで数時間を消費します。

問題2：現物確認が最大のボトルネックになる
台帳に記載はあるが現物が見つからない、逆に現物はあるが台帳に記録がない——このような乖離が棚卸しの度に発生します。確認のために各部署に問い合わせメールを送り、回答を待ち、集計し、また差異が出れば再確認する。このサイクルが繰り返されると、棚卸しの完了まで2週間以上かかることもあります。IT資産が100台規模の企業でも、この確認工数だけで延べ16時間超になるケースが報告されています。

問題3：差異の原因特定が属人化している
「この機器がなぜ台帳から消えているのか」「このライセンスがいつ購入されたのか」を調べるには、過去のメール・請求書・購入稟議書を横断して確認する必要があります。この作業は特定の担当者しかわからないことが多く、その担当者が異動や退職をすると手がかりが失われます。棚卸しの精度がそのまま「属人化リスク」に直結しているのが現状です。

これらの問題に共通するのは、「繰り返し発生する定型作業」と「過去データとの突合・仮説生成」という2点です。生成AIが最も得意とする領域であり、設計を正しく行えば大幅な工数削減が見込めます。

生成AIをIT資産棚卸しに使う前に整える設計要件

生成AIを棚卸しに使い始める前に、次の4つの設計要件を明確にしておく必要があります。設計が曖昧なまま使い始めると、出力の信頼性が低下し、結果として担当者の確認作業が増えるという逆効果を招きます。

要件1：入力データの標準化ルールを先に決める
生成AIへの入力はCSV・テキスト・表形式が扱いやすい形式です。Excelの複数シートを統合する前に、列名・機器名の表記ゆれ・日付フォーマットを統一してください。たとえば「PC」「パソコン」「デスクトップ」が混在していると、生成AIは別の機器として扱う可能性があります。統一ルールを1枚の「表記規則シート」にまとめ、台帳更新の都度参照できる状態にすることが先決です。

要件2：機密情報と一般情報を分離する
IT資産台帳には、シリアル番号・IPアドレス・ライセンスキーなど、外部に出てはならない情報が含まれます。クラウド型の生成AI（ChatGPTなど）を使う場合は、これらの情報をマスクしてから入力する仕組みを設計してください。具体的には「シリアル番号はS/N-XXXXの形式に置換してから入力し、後で元に戻す対応表を管理する」などのルールが必要です。セキュリティポリシー上、社外のクラウドサービスへの機密情報送信を禁じている場合は、情報を外に出さない社内専用AI（ローカルLLM）の導入を検討してください。

要件3：生成AIが担当する範囲と人間が担当する範囲を明確に定義する
生成AIは「差異の検出」「仮説の提示」「確認リストの作成」を補助する位置づけとし、「最終判断」「台帳への反映」「廃棄・移管の承認」は必ず人間が行う設計にしてください。生成AIの出力はあくまで「下書き」「たたき台」であり、担当者がレビューして初めて確定する——このプロセスを組織内で合意しておくことが重要です。

要件4：プロンプトをテンプレート化して品質を安定させる
「差異を検出するプロンプト」「原因仮説を提示させるプロンプト」「確認メール文を生成するプロンプト」をそれぞれテンプレートとして文書化してください。担当者が変わっても同じ品質の補助を受けられるようにすることで、棚卸し作業の属人化を解消できます。テンプレートはドキュメント管理システムに格納し、棚卸しの都度チェックしながら改善するサイクルを回してください。

生成AI補助による棚卸し実施の5ステップ手順

設計要件が整ったら、以下の5ステップで棚卸しを進めます。

1. 台帳データの前処理と統合

複数のExcelファイルを1つのCSVに統合し、列名・表記ゆれ・フォーマットを揃えます。この前処理に要する時間は機器数100台規模で約2時間が目安です。生成AIに「このCSVの列名の表記ゆれをチェックして、統一候補を提案してください」と入力するだけで、名寄せ候補を数分で得られます。人手で行うと半日かかる作業が、確認作業込みで1時間程度に短縮できます。

2. 差異検出プロンプトの実行

「前回台帳」と「今回台帳」の2つのCSVを生成AIに渡し、次のプロンプトを実行します。

# IT資産台帳差異検出プロンプト
以下の「前回台帳」と「今回台帳」を比較して、
差異がある行を全て列挙してください。
差異の種類は「追加」「削除」「変更」に分類し、
それぞれ理由の仮説も1行で提示してください。

[前回台帳データをここに貼り付け]
[今回台帳データをここに貼り付け]

このプロンプトで出力された差異リストを、次のステップの現物確認の起点として使います。手動で2つのExcelを見比べる方法に比べ、見落としが大幅に減ります。

3. 現物確認リストの自動生成

差異リストをもとに、各部署への確認メールを自動生成します。「この機器（管理番号：PC-0042）が台帳に見当たりません。現在の設置場所と使用者を教えてください」という形式のメール文を、差異件数分まとめて出力させます。100件の差異があっても、プロンプト1回で100通分のメール文の下書きが揃います。担当者は内容を確認して送信するだけなので、メール作成時間を90%以上削減できます。

4. 回答データの取り込みと差異原因の仮説整理

各部署からの回答を収集したら、回答内容と差異リストを照合するプロンプトを実行します。「廃棄済み」「他部署へ移管」「購入漏れ」「台帳記入ミス」など、原因カテゴリごとに件数を集計し、優先対応すべき項目をリストアップさせます。この集計作業は従来1時間以上かかっていましたが、生成AIを使えば10分程度で完了します。

5. 更新後の整合性確認と台帳反映

最終的に台帳を更新したら、生成AIに「更新後のCSVに重複行・空欄の必須フィールド・明らかな入力ミス（型番が4桁以下など）がないかチェックしてください」とプロンプトを実行します。人間のダブルチェックに加えてAIの機械的チェックを組み合わせることで、台帳の品質が格段に上がります。更新後は必ず担当者が最終承認した記録を残してください。

比較表：従来の手作業 vs 生成AI補助での棚卸し

Before/After の試算例
従来、年2回の棚卸しに各3日（24時間）かかっていた企業が、生成AI補助を導入した後は各1.5日（12時間）に短縮。年間24時間の削減です。情シス兼任担当者の人件費を時給3,000円で換算すると、年間7.2万円相当の工数削減が見込めます。さらに属人化解消による業務継続性の向上は、数値化しにくいがリスクヘッジとして非常に大きな価値があります。

生成AI補助の棚卸し精度を高める導入前チェックリスト

棚卸しに生成AIを使い始める前に、以下の項目をすべて確認してください。

・台帳の列名統一： 機器名・管理番号・担当者名・設置場所の列が全台帳で同一名称になっているか
・機密情報マスクのルール策定： シリアル番号・IPアドレス・ライセンスキーの入力方針を文書化しているか
・AI担当範囲の合意： 「AIは提案のみ、最終承認は人間」というルールを関係者が理解しているか
・プロンプトテンプレートの文書化： 差異検出・原因仮説・確認メール生成の3種のプロンプトが保存されているか
・使用ツールのセキュリティ確認： 使用する生成AIツールが社内セキュリティポリシーに適合しているか（機密データを扱う場合は社内専用AIを使用）
・前回台帳の保存： 差異比較のために、前回棚卸し時点の台帳を確実に保管しているか
・出力レビューの手順整備： AI出力を担当者がどのような観点でチェックするかを手順書に記載しているか
・更新承認フローの設定： 台帳への最終反映を誰が承認するかが明確になっているか

よくある質問

Q1. 生成AIにIT資産台帳を渡すと情報漏洩のリスクがあるのでは？

クラウド型の生成AIサービスへ機密情報を送信する場合は、シリアル番号やライセンスキーをマスクしてから入力することが前提です。セキュリティポリシーが厳しい企業や、より高い安全性を求める場合は、情報を外に出さない社内専用AI（ローカルLLM）の導入を検討してください。社内サーバー内でAIを動かす構成であれば、データが社外に出ることはありません。

Q2. 棚卸しに使えるAIツールは具体的にどれですか？

クラウド型であればChatGPT Business・Claude for Business・Gemini for Workspaceなどが候補です（執筆時点：2026年4月時点）。いずれも業務データの入力に関する利用規約・オプトアウト設定を事前に確認してください。社内専用AIを希望する場合は、自社サーバーにモデルを設置する構成が選択肢です。どのツールが自社のセキュリティ要件に合うかを判断する場合は、専門家への相談をお勧めします。

Q3. IT資産が50台程度の小規模でも効果がありますか？

50台規模でも効果はあります。特に差異検出とメール文生成の工数削減は台数に関係なく恩恵を受けられます。ただし設計に8時間程度の初期投資が必要なため、棚卸しを年1回だけ行う場合は費用対効果を慎重に検討してください。年2回以上、または毎月の軽い棚卸しと組み合わせて使う場合は、初期投資を早期に回収できます。

Q4. 生成AIの出力にミスが含まれていた場合の対処法は？

生成AIの出力には誤りが混入することがあります。そのため「AIは提案のみ、最終承認は担当者」という設計が必須です。差異検出結果は必ず担当者が元データと照合し、AIが見落とした差異や誤検出を修正してください。品質基準として「AIの差異検出精度は人手の精度を下回ってはいけない」を設け、定期的に実測することを推奨します。

Q5. プロンプトの作り方がわからない場合はどうすればいいですか？

本記事で紹介したプロンプト例を出発点として使ってください。最初は「前回台帳と今回台帳の差異を表形式で出してください」という単純なプロンプトから始め、出力を確認しながら少しずつ改善するアプローチが現実的です。プロンプトの精度が上がるにつれて、出力の品質が安定してきます。より高度なプロンプト設計が必要な場合は、IT専門家またはAI活用コンサルタントに相談することも選択肢の一つです。

本記事のまとめ

情シス兼任担当者がIT資産台帳の棚卸しに生成AIを活用するには、「入力データの標準化」「機密情報の分離方針」「AI担当範囲の明確化」「プロンプトのテンプレート化」という4つの設計要件を先に整えることが前提です。設計が整ったうえで、前処理・差異検出・確認リスト生成・原因整理・整合性チェックの5ステップを踏むことで、100台規模の棚卸し工数を年間30時間以上削減できます。

生成AIはあくまで「補助」であり、最終判断は必ず人間が行う設計にしてください。正しく設計された生成AI補助は、属人化を解消し、棚卸し精度を高め、情シス兼任担当者の本来業務への集中時間を生み出します。

IT資産管理の効率化・生成AI活用のご相談は、以下よりお問い合わせください。貴社の規模・環境に合わせた導入設計をご提案します。