AIが表を読んで、直して、いい感じにしてくれる時代です。そんな中、デジタル庁が公開したExcelなどの検査ツール「Harunobu」は、まず決められたルールを一つずつ当て、100点満点で採点します。未来の道具なのに、最初に取り出すのは昔ながらの物差しです。
この順番には理由があります。大量の行政データを扱うとき、必要なのは一度だけ賢そうな答えを出すことより、同じファイルを何度調べても同じ箇所を指摘できることだからです。AI時代のデータ整備で、なぜ最初の仕事を「決定論的な検査器」に任せたのか。Harunobuの設計を、そこに絞って見ていきます。
デジタル庁が、Excelファイルなどが“機械にとって読みやすいか”を判定するツール「Harunobu」を公開している。紙に印刷した際のレイアウトを優先してセル結合などを多用した、いわゆる「神Excel」の対策にも活用できるという。
今回の登場人物
- Harunobu: デジタル庁が開発し、GitHubで公開した機械可読性の判定ツール。Excel、CSV、TSVをルールに照らして採点し、違反した場所と理由を示します。
- 機械可読性: 人が見て分かるだけでなく、プログラムが列・行・値の意味を取り違えずに読み、集計や連携に使いやすい状態。セル結合や一つのセルへの詰め込みは、人には親切でも機械には迷路になりがちです。
- 決定論的な処理: 同じ入力と条件なら、何度実行しても同じ結果を返す処理。Harunobuの基本の採点は、この方式です。
- 生成AI: 文章やコードなどを、入力に応じて生成する仕組み。Harunobuでは必須ではなく、判定の補助や、採点後の修正プログラム作成に使える選択肢です。
- 機械可読性ルール: 2026年3月31日に政府の会議で決まった、行政データを機械で扱いやすくするためのルール。こちらが正本で、Harunobuはルールを使った実装例という位置づけです。
何が起きたか
ITmedia AI＋は10月21日、デジタル庁が「神Excel」対策にも使えるHarunobuを公開したと報じました。Excel・CSV・TSVファイルを100点満点で採点し、違反したセル、該当ルール、理由をJSONやCSVで出力できます。
使い方は三つあります。ブラウザ画面でファイルを選んで結果を見る方法、コマンドラインからまとめて処理する方法、Pythonの部品として別のシステムへ組み込む方法です。画面で一枚ずつ確認する人にも、何千枚も自動点検する人にも、同じ判定ロジックを渡せる設計です。
「神Excel」は、紙に印刷すると美しい一方、セル結合、複数段の見出し、空白による位置合わせなどが多く、プログラムには読みづらい表を指す俗称です。人間には立派な案内板、機械には脱出ゲーム。見た目の親切が、そのままデータの親切になるとは限りません。
ここが本題
AIが表の形や意味をかなり読めるようになったのに、なぜデジタル庁は、まず決められたルールを機械的に検査する道具を作ったのでしょうか。
答えは、採点の再現性を固定し、AIには曖昧さを扱う仕事や修正案づくりを任せるためです。検査、判断の補助、修正を一つの箱へ詰め込まず、AIの出番を後段へ分けました。先に足場を固めておけば、AIも働きやすいんですね。
大量処理では「同じ答え」が強い
デジタル庁の公式ブログは、Harunobuの基本ロジックを「決定論的」と説明しています。AI判定補助を使わず、同じ版・同じ設定で同じファイルを100回採点すれば、100回とも同じ結果が返る。セル結合がルール違反なら、昨日も今日も同じセルを指します。
生成AIにルール本文とファイルを渡し、「適合しているか考えて」と頼む方法もあります。意味や文脈を読む力は期待できますが、推論を含むため、毎回まったく同じ判定になるとは限りません。少数のファイルを人が横で確かめるなら、その揺れを扱えるでしょう。対象が何十万、何百万と増えると話が変わります。
公式ブログは、100万ファイルを判定し、1%の確率で誤判定が起きる例を挙げています。その場合、1万ファイルの判定が間違ううえ、どの1万件か分かりません。パーセントだけ見ると1は小さい。ファイルの山へ掛け算した途端、人が総出で探す件数になります。
再現性があれば、「この版の検査器で、このファイルが、この理由で65点だった」と記録できます。ルールや実装を直したあと、同じファイルを再検査して差を比べることもできます。採点が不満でも、同じ入力から同じ不満が出るなら調査できる。品質管理では、この少々融通の利かない性格が、かなり頼もしいのです。
物差しをコードにする
土台の「行政データにおける機械可読性に関するルール」は、品質を三段階で整理しています。レベル1は機械で閲覧・転記しやすい状態、レベル2は集計・分析しやすい状態、レベル3はデータを横断して連携し、自動処理しやすい状態です。
たとえば、レベル1には「1シートに複数の表を置かない」「1セル1データ」「セルを結合しない」などがあります。レベル2には、数値の列へ「円」や「人」などの文字を混ぜない、前の行と同じだからと項目名を省略しない、といったルールがある。人間なら「上と同じね」で済ませる空欄も、行を並べ替えた瞬間に意味が切れます。機械は察してくれないので、各行に省略せず書く必要があります。
Harunobuは、表の範囲や見出しを推定し、適用するルールを検査します。違反箇所をセルの位置と理由つきで出し、結果をJSONやCSVにできます。この出力は、人が画面で読む採点表であると同時に、別のプログラムやAIへ渡す「修正箇所の一覧」にもなります。
生成AIへ元の規則集を毎回読ませて一から採点させるより、検査器が「F9セルはセル内改行」「F9からF10は結合セル」のように構造化したほうが、次の処理は始めやすい。AIへ「なんか変なので直して」と渡す代わりに、赤入れ済みの答案を渡す感じです。
AIは後半で使える
生成AIにも、ちゃんと後半で出番があります。公式ブログが示す流れは、役割分担がはっきりしています。
- Harunobuでファイルを採点する
- 採点結果と元ファイルをAIに読ませる
- AIに、データを整形するプログラムを書かせる
- そのプログラムを実行する
- 整形後のファイルをHarunobuで再検査する
面白いのは、AIに表をその場で直接書き換えさせるのではなく、書き換えるプログラムを作らせるところです。生成されたプログラムの内容を確かめて固定すれば、同じ形式のファイルには同じ処理を繰り返せます。年度違いの同じ統計など、まとまりごとにプログラムを用意すれば、毎回AIが思いつきで違う掃除をする状態も避けやすくなります。
検査は再現可能なルールベース。意味を読んだりコードを書いたりする部分はAI。実際の加工は再び再現可能なプログラム。最後にまた検査器へ戻します。AIに自由記述を任せても、提出前には同じ採点表で丸を付ける。採点基準が朝と夕方で変わらないことが大事です。
ファイルはいつ外へ出るのか
行政や企業の作業用ファイルには、公開前の数字や機密性のある情報が入ることがあります。ここで「AI対応」の三文字だけを見ると、ファイルがどこかの外部サービスへ自動送信されるように感じるかもしれません。
デジタル庁の説明では、Harunobuは利用者の手元の環境で動かせます。AIによる判定補助を有効にしない限り、判定はプログラム内の機械的なロジックで行われ、読み込ませた内容は外部サーバーへ送られません。
外部送信が起きるのは、利用者がAI判定補助を任意で有効にし、自分で設定したGemini、ChatGPT、Claudeなど外部AIサービスのAPIを使う場合です。そのときはデータが設定先のAPIへ送られるため、所属組織のセキュリティーポリシーに沿って判断する必要があります。
通常のルール判定はローカルで完結できます。外部AI機能を明示的に使ったときは、設定先へデータを送ります。送信条件はそこで切り替わるので、機密ファイルを扱う人は機能紹介より先に、この分岐を確かめたいところです。
100点にも範囲がある
Harunobuは100点満点で採点します。数字は分かりやすいので、100点なら「このデータは完全」と太鼓判を押したくなります。公式資料は、そこまでの保証をしていません。
まず、Harunobuは機械可読性ルールをもとに作った実装例です。政府ルールの正本は別にあり、自然言語で書かれた規則をプログラムへ落とすときには独自の近似も入ります。たとえば「表の外に無関係な情報がないか」という規則に対し、Harunobuは情報の意味までは読まず、表の外にあるタイトルや注釈を違反として扱います。必要な出典注釈でも引っかかることがある。融通の利かなさが、ここでは誤検知にもなります。
判定対象外のルールもあります。回答コードの説明表が別添されているか、特殊記号の定義があるか、データの定義や更新履歴が記載されているか、といった項目は、単一ファイルから機械的に判断しにくいため、現在は採点へ影響しない扱いです。複雑な見出しや横並びの表では、表の範囲推定を誤ることもあります。
したがって100点が表すのは、その版のHarunobuが、対象にした検査で違反を見つけなかったという範囲です。数字の正しさ、説明の十分さ、更新履歴、別ファイルとのつながりまで一枚の点数で保証してはいません。テストで満点でも、出題されなかった範囲まで正解したことにはならない。どの項目を測り、何を測っていないかを一緒に読む点数です。
日本の読者に何が関係するか
行政が公開する統計は、政策を調べる人、企業、研究者、報道機関、地域活動をする人まで幅広く使います。表が機械で読みやすければ、年度ごとの比較や地域間の集計を自動化しやすくなり、AIへ渡す前の手作業も減らせます。
この考え方は行政だけの専用品でもありません。会社や学校で毎月届く、結合セルだらけの集計表にも同じ問題があります。AIへ表を投げる前に、列名がそろっているか、1セルに複数の意味を詰めていないか、空欄が「不明」なのか「前と同じ」なのかを整える。AIの性能を議論するより先に、渡す荷物へ宛名を書く作業です。
Harunobuが示した順番では、再現性が必要な検査をルールで固め、文脈や修正案が必要な部分にAIを使い、出力をもう一度同じ物差しで確かめます。得意科目ごとに担当を分けたほうが、全部を一人へ任せるより仕事の跡を追いやすい。AIにも、採点係と作文係を同時にやらせないわけです。
まとめ
デジタル庁がAI時代にまず決定論的な検査器を作ったのは、大量のファイルを、速く、同じ基準で、あとから追跡できる形で採点するためです。同じ入力に同じ指摘を返すHarunobuが、修正箇所を構造化してJSONやCSVにする。その後でAIに整形プログラムを作らせ、加工後にもう一度検査する。この分業なら、AIの柔軟さとプログラムの再現性を両方使えます。
100点で保証できる範囲は、Harunobuが実装した検査までです。判定対象外、近似判定、誤検知、レイアウト推定の限界は残ります。外部AIへのデータ送信は、補助機能を有効にして設定したAPIを使う場合に起こり、その利用は組織の規則に従う必要があります。
AIが賢くなるほど、何を同じ基準で測り、どこから先を推論に任せたかを残すことが大事になります。Harunobuが先に作ったのは、AIの代役ではなく、AIと人が戻ってこられる物差しです。