Python×ChatGPTで業務自動化【プログラミング初心者でもできる】

はじめに

「Pythonって難しそう...」「プログラミング経験ゼロでも自動化できるの？」

そんな不安を抱えていた私が、Python×ChatGPTで月80時間の業務を自動化しました。

プログラミング未経験からスタートして数ヶ月。今では定型業務のほとんどを自動化し、戦略的な仕事に集中できるようになりました。

この記事では、プログラミング初心者でもできるPython業務自動化の全手法を、2025年最新のライブラリとChatGPT活用法とともに公開します。

---

なぜPython×ChatGPTなのか

Python自動化が2025年でも最強な理由

2025年11月時点での最新状況:

• Python自動化ライブラリは年々進化
• Playwright（最新Web自動化）が主流に
• LangChainでAIエージェントによる自動化が可能
• ChatGPTがコード生成を完全サポート

ChatGPTとの組み合わせが革命的

Before（従来）:

1. Python学習に数ヶ月
2. ライブラリ調査に1週間
3. コード実装に2週間
→ 合計4ヶ月

After（ChatGPT活用）:

1. ChatGPTに「やりたいこと」を伝える
2. コードを生成してもらう
3. コピペして実行
→ 合計30分

➡️ 学習コストほぼゼロで自動化が可能

---

実際にPythonで自動化した業務（月80時間削減）

自動化前 vs 自動化後

業務	自動化前	自動化後	削減率
Excel集計・レポート作成	20時間/月	1時間/月	▲95%
Webからのデータ収集	15時間/月	0.5時間/月	▲97%
メール一括送信	10時間/月	0.3時間/月	▲97%
ファイル整理・リネーム	8時間/月	0.2時間/月	▲98%
PDF→Excel変換	12時間/月	0.5時間/月	▲96%
定期レポート自動送信	15時間/月	0時間/月	▲100%
合計	80時間/月	2.5時間/月	▲97%

➡️ 月80時間の削減 = 年間960時間の創出

---

2025年版：Python自動化の最新ライブラリ

1. Playwright（Web自動化の最新標準）

Seleniumの時代は終わった

2025年、Web自動化の主流はPlaywrightに移行しました。

Playwrightの優位性:

• Seleniumより高速（2-3倍）
• 最新Webアプリに対応（SPA、動的コンテンツ）
• 複数タブを同時操作可能
• 自動待機機能（waitが不要）

実例: 競合サイトの価格を自動収集

from playwright.sync_api import sync_playwright

def scrape_competitor_prices():
    with sync_playwright() as p:
        browser = p.chromium.launch(headless=True)
        page = browser.new_page()

        # 競合サイトにアクセス
        page.goto("https://competitor-site.com/products")

        # 価格を自動取得
        prices = page.locator(".product-price").all_text_contents()

        # Excelに保存
        import pandas as pd
        df = pd.DataFrame({"price": prices})
        df.to_excel("competitor_prices.xlsx", index=False)

        browser.close()

scrape_competitor_prices()

所要時間: 手動30分 → 自動30秒（60倍の効率化）

---

2. LangChain + AutoGen（AIエージェント自動化）

2024-2025年の革命的トレンド

LangChainとAutoGenを使えば、AIエージェントが自律的にタスクを実行します。

実例: 毎日の業務レポートを完全自動化

from langchain.agents import initialize_agent, Tool
from langchain.llms import ChatOpenAI
from langchain.memory import ConversationBufferMemory

# ツールの定義
tools = [
    Tool(
        name="Excel Reader",
        func=read_excel_data,
        description="売上Excelを読み込む"
    ),
    Tool(
        name="Report Generator",
        func=generate_report,
        description="レポートを生成"
    ),
    Tool(
        name="Email Sender",
        func=send_email,
        description="メール送信"
    )
]

# AIエージェント初期化
llm = ChatOpenAI(model="gpt-4", temperature=0)
agent = initialize_agent(
    tools,
    llm,
    agent="zero-shot-react-description",
    verbose=True
)

# 実行
agent.run("""
毎朝9時に以下を実行:
1. 昨日の売上データを読み込む
2. 前週比・前年比を計算
3. レポートを生成
4. 経営層10名にメール送信
""")

効果: 毎日1時間 → 完全自動化（人間の作業ゼロ）

---

3. PyAutoGUI（GUI操作の自動化）

レガシーシステムも自動化可能

Web APIがない古いシステムでも、PyAutoGUIで画面操作を自動化できます。

実例: 社内システムへのデータ入力を自動化

import pyautogui
import time

def auto_input_to_legacy_system(data_list):
    # システムを開く
    pyautogui.click(100, 50)  # アイコンをクリック
    time.sleep(2)

    for data in data_list:
        # データ入力フィールドをクリック
        pyautogui.click(300, 200)

        # データを入力
        pyautogui.write(data["name"])
        pyautogui.press("tab")
        pyautogui.write(data["email"])
        pyautogui.press("tab")
        pyautogui.write(data["phone"])

        # 登録ボタンをクリック
        pyautogui.click(500, 400)
        time.sleep(1)

# 実行
data = [
    {"name": "山田太郎", "email": "yamada@example.com", "phone": "090-1234-5678"},
    # ... 1000件
]
auto_input_to_legacy_system(data)

効果: 手動8時間 → 自動30分（16倍の効率化）

---

4. Pandas（Excel自動化の王道）

Excel業務はPandasで完全自動化

2025年でもPandasはExcel自動化の最強ツールです。

実例: 複数Excelファイルを統合・集計

import pandas as pd
from pathlib import Path

def consolidate_excel_files():
    # すべてのExcelファイルを読み込む
    files = Path("./sales_data").glob("*.xlsx")

    df_list = []
    for file in files:
        df = pd.read_excel(file)
        df["source_file"] = file.name  # ファイル名を記録
        df_list.append(df)

    # 統合
    df_all = pd.concat(df_list, ignore_index=True)

    # 集計
    summary = df_all.groupby("product").agg({
        "sales": "sum",
        "quantity": "sum",
        "profit": "sum"
    }).reset_index()

    # グラフ作成
    summary.plot(x="product", y="sales", kind="bar")

    # 保存
    summary.to_excel("sales_summary.xlsx", index=False)

consolidate_excel_files()

効果: 手動3時間 → 自動10秒（1080倍の効率化）

---

ChatGPTを使ったPythonコード生成の実践

ステップ1: やりたいことを具体的に伝える

NG例（曖昧）:

Excelを処理するPythonコードを書いて

OK例（具体的）:

以下の処理をするPythonコードを書いてください:

【入力】
- フォルダ「./sales」内の複数のExcelファイル（sales_2024_01.xlsx, sales_2024_02.xlsx...）

【処理】
1. すべてのExcelファイルを読み込む
2. 「product」列でグループ化
3. 「sales」列の合計を計算
4. 結果を「summary.xlsx」に保存

【使用ライブラリ】
pandas

ChatGPTの出力:

import pandas as pd
from pathlib import Path

# フォルダ内のすべてのExcelファイルを取得
files = Path("./sales").glob("*.xlsx")

# データを格納するリスト
df_list = []

# 各ファイルを読み込む
for file in files:
    df = pd.read_excel(file)
    df_list.append(df)

# すべてのデータを結合
df_all = pd.concat(df_list, ignore_index=True)

# productでグループ化してsalesの合計を計算
summary = df_all.groupby("product")["sales"].sum().reset_index()

# 結果を保存
summary.to_excel("summary.xlsx", index=False)

print("完了！summary.xlsxに保存しました。")

➡️ そのままコピペして実行するだけ

---

ステップ2: エラーが出たらChatGPTに貼り付ける

エラーが出た場合:

Traceback (most recent call last):
  File "script.py", line 5, in <module>
    df = pd.read_excel(file)
  File "/usr/local/lib/python3.9/site-packages/pandas/io/excel/_base.py", line 478, in read_excel
    raise ValueError("Excel file format cannot be determined, you must specify an engine manually.")
ValueError: Excel file format cannot be determined, you must specify an engine manually.

ChatGPTへのプロンプト:

以下のエラーが出ました。修正してください:

[エラーメッセージを貼り付け]

ChatGPTの修正版:

# openpyxlをインストール
# pip install openpyxl

import pandas as pd
from pathlib import Path

# engineを明示的に指定
files = Path("./sales").glob("*.xlsx")

df_list = []
for file in files:
    df = pd.read_excel(file, engine="openpyxl")  # engine追加
    df_list.append(df)

# ... (以下同じ)

➡️ 修正後も即座に実行可能

---

Python環境構築（ChatGPT活用で10分）

Windows環境での最速セットアップ

ChatGPTへのプロンプト:

Windows 11でPythonの開発環境を構築したいです。
以下をインストールする手順を教えてください:

- Python 3.11
- VSCode
- 必要な拡張機能
- pandas, playwright, openpyxl

ChatGPTが生成する手順:

【ステップ1】Python 3.11のインストール
1. https://www.python.org/downloads/ にアクセス
2. "Download Python 3.11.x" をクリック
3. インストーラーを実行
   ⚠️ 重要: "Add Python to PATH" にチェック
4. "Install Now" をクリック

【ステップ2】VSCodeのインストール
1. https://code.visualstudio.com/ にアクセス
2. "Download for Windows" をクリック
3. インストーラーを実行

【ステップ3】VSCode拡張機能
VSCodeを開き、左側の拡張機能アイコンをクリック:
- "Python" (Microsoft) をインストール
- "Pylance" (Microsoft) をインストール

【ステップ4】ライブラリのインストール
コマンドプロンプトを開き、以下を実行:

pip install pandas openpyxl playwright

playwright install

【確認】
python --version
→ Python 3.11.x と表示されればOK

➡️ 指示通りに進めるだけ

---

実践：よくある業務自動化10選

1. メール一括送信

import smtplib
from email.mime.text import MIMEText
from email.mime.multipart import MIMEMultipart
import pandas as pd

def send_bulk_emails(excel_file):
    # Excelから宛先リストを読み込む
    df = pd.read_excel(excel_file)

    # メール設定
    smtp_server = "smtp.gmail.com"
    smtp_port = 587
    sender = "your-email@gmail.com"
    password = "your-app-password"

    # SMTPサーバーに接続
    server = smtplib.SMTP(smtp_server, smtp_port)
    server.starttls()
    server.login(sender, password)

    # 各宛先にメール送信
    for _, row in df.iterrows():
        msg = MIMEMultipart()
        msg["From"] = sender
        msg["To"] = row["email"]
        msg["Subject"] = f"【ご案内】{row['name']}様へ"

        body = f"""
        {row['name']}様

        いつもお世話になっております。

        [本文]

        よろしくお願いいたします。
        """

        msg.attach(MIMEText(body, "plain"))
        server.send_message(msg)
        print(f"送信完了: {row['email']}")

    server.quit()

# 実行
send_bulk_emails("email_list.xlsx")

効果: 100通送信 → 手動2時間 → 自動3分

---

2. PDF一括テキスト抽出

import PyPDF2
from pathlib import Path

def extract_text_from_pdfs(folder_path):
    pdf_files = Path(folder_path).glob("*.pdf")

    all_text = []

    for pdf_file in pdf_files:
        with open(pdf_file, "rb") as file:
            reader = PyPDF2.PdfReader(file)
            text = ""

            for page in reader.pages:
                text += page.extract_text()

            all_text.append({
                "filename": pdf_file.name,
                "text": text
            })

    # DataFrame化
    import pandas as pd
    df = pd.DataFrame(all_text)
    df.to_excel("extracted_text.xlsx", index=False)

# 実行
extract_text_from_pdfs("./contracts")

効果: 100ファイル → 手動10時間 → 自動5分

---

3. 画像一括リサイズ

from PIL import Image
from pathlib import Path

def resize_images(folder, target_width=800):
    image_files = Path(folder).glob("*.{jpg,png,jpeg}")

    output_folder = Path(folder) / "resized"
    output_folder.mkdir(exist_ok=True)

    for img_file in image_files:
        img = Image.open(img_file)

        # アスペクト比を保持してリサイズ
        ratio = target_width / img.width
        target_height = int(img.height * ratio)

        resized = img.resize((target_width, target_height), Image.LANCZOS)
        resized.save(output_folder / img_file.name)
        print(f"リサイズ完了: {img_file.name}")

# 実行
resize_images("./product_images")

効果: 500枚 → 手動5時間 → 自動2分

---

ChatGPT活用の5つのコツ

1. エラーメッセージは全文コピペ

NG: 「エラーが出ました」（情報不足）
OK: エラーメッセージ全文 + 実行したコードを貼り付け

---

2. 段階的に進める

NG: 「全部一気に自動化して」
OK:

1. まずデータ読み込みだけ
2. 次に集計処理
3. 最後に保存

---

3. サンプルデータを示す

OK例:

以下のようなExcelデータを処理したいです:

| 商品名 | 売上 | 数量 |
|---|---|---|
| 商品A | 10000 | 5 |
| 商品B | 20000 | 10 |

これを商品名でグループ化して合計を出すコードを書いてください。

---

4. 実行環境を伝える

Windows 11
Python 3.11
pandas 2.0.3

---

5. 期待する出力を明示

期待する出力:
summary.xlsx に以下の形式で保存

| product | total_sales |
|---|---|
| 商品A | 50000 |
| 商品B | 100000 |

---

まとめ: Python×ChatGPTで業務効率10倍

数ヶ月で得られたもの

✅ 月80時間の業務時間削減
✅ プログラミングスキルの習得
✅ 年収+100万円（空いた時間でスキルアップ）
✅ チーム全体の生産性向上

次のアクション

1. 今日中に: Python環境構築（10分）
2. 1週間以内に: 1つの業務を自動化（3時間）
3. 1ヶ月以内に: 5つの業務を自動化（月20時間削減）
4. 数ヶ月以内に: チーム展開（全体で月200時間削減）

---

著者について

DX・AI推進コンサルタント
大手企業グループのDX推進責任者・顧問CTO | 長年のIT・DXキャリア | AWS・GA4・生成AI活用を専門に実践ノウハウを発信中

➡️ お問い合わせ・ご相談はこちら

#Python #プログラミング #自動化 #業務効率化

---

最終更新: 2025年11月9日