IT資産棚卸しをAIで整理する方法

年1〜2回の頻度で発生するIT資産棚卸しは、情報システム担当者にとって工数のかかる定例作業だ。台帳データと実機の突き合わせ・差異の分類・管理者へのレポート作成——これらを手作業でこなすと1週間以上かかることがある。AIを使えば、データの整形・差異分析・レポート作成の工数を大幅に削減できる。

結論

IT資産棚卸しのAI活用は「データの整形・分類・差異抽出・レポート化」という情報加工のフェーズで効果が出る。現物確認という物理作業はAIには代替できないが、収集後のデータ処理をAIに任せることで、1週間かかっていた棚卸し後処理が2〜3日に短縮できる。AIへの入力に社内情報が含まれる場合は、自社のAI利用規定を確認することが前提だ。

どのAIツールを使うか

**ChatGPT（GPT-4o）**はCSVやテキスト形式のデータ整形・分類・差異抽出の指示を正確に実行できる。コードインタープリタ機能（Advanced Data Analysis）を使うと、実際にデータを処理した結果を返してくれる。

Claudeは長い台帳データをそのまま処理する場合に向く。複数の条件を同時に指定した整形指示の精度も高い。

**Excel・スプレッドシートのAI機能（Copilot in Excel）**はデータが既にExcelで管理されている場合に最もフリクションが少ない。数式の生成・条件付き書式の設定・集計レポートの作成を会話形式で指示できる。

AIでIT資産棚卸しを効率化する手順

ステップ1：棚卸しデータを収集・整形する

まず棚卸しの元データを用意する。情報システム部門の棚卸しで収集する主なデータは以下だ。

• 現行の資産台帳（IT資産管理ツールまたはExcelからエクスポートしたもの）
• 現地確認で収集した実機リスト（設置場所・シリアル番号・使用者情報）
• ベンダーから受け取った保守対象機器リスト

これらのデータは形式が統一されていないことが多い。AIを使って形式を統一する。

以下は現地確認で収集したIT機器リストです。資産台帳と突き合わせやすいよう、フォーマットを統一してください。

出力形式：
| 資産番号 | 機器種別 | メーカー | 機種名 | シリアル番号 | 設置場所 | 使用者 | 確認日 |

条件：
- 「種別」列はPC / サーバ / ネットワーク機器 / プリンタ / スマートフォン のいずれかに統一する
- 設置場所は「建物-フロア-部屋番号」の形式に統一する
- 資産番号が不明の場合は「要確認」と記載する
- シリアル番号が記載なしの場合は「未取得」と記載する

元データ：
（収集したリストを貼り付ける）

ステップ2：台帳との差異を抽出する

台帳データと実機確認リストの両方をAIに渡して差異を抽出させる。

以下の2つのリストを比較し、差異を分類してください。

【リスト1：資産台帳（台帳登録済み）】
（台帳データを貼り付ける）

【リスト2：現地確認リスト（実機確認済み）】
（実機確認データを貼り付ける）

差異の分類：
A：台帳に登録されているが現地確認で見つからなかったもの（紛失・廃棄・移動の可能性）
B：現地確認で見つかったが台帳に未登録のもの（未登録・持ち込み機器の可能性）
C：台帳と実機で情報（設置場所・使用者・機種名）が一致しないもの

出力形式：
各分類ごとに一覧表で示す
各行に「資産番号・機器種別・台帳情報・実機情報・差異の内容」を含める

差異の数が多い場合でも、AIが分類して一覧にまとめてくれるため、目視で突き合わせる手間がなくなる。

ステップ3：差異の対応アクションを整理する

差異一覧をAIに渡して、各差異への対応アクションの草稿を生成させる。

以下はIT資産棚卸しで検出した差異の一覧です。各差異に対して確認すべきアクションを整理してください。

出力形式：
| 資産番号 | 差異分類 | 差異内容 | 確認すべきアクション | 担当 | 期限 |

条件：
- 担当は「資産管理担当」「現場確認担当」「ベンダー確認」のいずれかを目安として記載する
- 期限は「即時」「1週間以内」「棚卸し完了前」のいずれかの目安を記載する
- 紛失の可能性があるものは優先度「高」を付ける

差異一覧：
（差異一覧を貼り付ける）

アクション一覧が整理されることで、棚卸し後の追いかけ作業を漏れなく管理できる。

ステップ4：棚卸しレポートを作成する

棚卸し結果をまとめた管理者向けレポートをAIで生成させる。

以下のIT資産棚卸し結果データをもとに、管理者向けの棚卸し完了レポートを作成してください。

出力形式：
【棚卸し実施概要】
  - 実施期間：[日付]
  - 確認対象：
  - 確認件数：
【棚卸し結果サマリー】
  - 台帳一致件数（差異なし）：
  - 差異件数（合計）：
    - A分類（台帳あり・実機なし）：
    - B分類（台帳なし・実機あり）：
    - C分類（情報不一致）：
【差異の内訳と主な原因（推定）】
【対応済みアクション】
【未解決・継続確認事項】
  - 内容：
  - 担当：[担当者名]
  - 期限：[日付]
【次回棚卸しに向けた改善提案】

入力データ：
（棚卸し集計データを貼り付ける）

このレポートを出力し、実際の数値を確認・修正して提出できる。

情報システム固有の活用シーン

シーン1：EOS（サポート終了）機器の洗い出しと更新計画の草稿

棚卸し結果から、サポート終了が近い機器を洗い出してリプレース計画の草稿をAIで作成させることができる。

以下のIT資産一覧から、各機器のEOL（サポート終了）情報を確認し、優先度別にリプレース候補を整理してください。

整理の条件：
- 優先度高：すでにEOL到達済み、または1年以内にEOL予定
- 優先度中：1〜3年以内にEOL予定
- 優先度低：3年以上先にEOL予定、またはEOL情報不明
- 各機器のEOL日付はAIが持っているデータの範囲で補完し、不明な場合は「要確認」と記載する

機器一覧：
（機器名・メーカー・機種名・購入年を貼り付ける）

AIが出力した優先度と機器リストに基づいて、予算計画の草稿を作成できる。ただし、EOL日付はメーカーの公式情報で必ず確認することが前提だ。

シーン2：部門別のIT資産利用状況レポート

各部門への資産配布状況をまとめた利用状況レポートをAIで作成する。

以下のIT資産台帳データをもとに、部門別の資産利用状況レポートを作成してください。

出力形式：
【部門別資産件数一覧】
  各部門ごとに：PC / サーバ / ネットワーク機器 / プリンタ / スマートフォン の台数

【一人あたりの端末台数が多い部門トップ3】
【使用率が低い（未使用・予備扱い）機器の一覧】
【コメント】（全体を見た所見を3点以内で）

台帳データ（部門・機器種別・使用者・使用状況のカラムを含む）：
（台帳データを貼り付ける）

各部門へのヒアリング前に状況を可視化しておくことで、無駄な機器の統廃合や調達計画の検討がしやすくなる。

うまくいかない場合の対処

データ量が多くてAIが処理しきれない：一度に渡すデータ量が多い場合はカテゴリ別（PCのみ・ネットワーク機器のみなど）に分割して処理する。ChatGPTのコードインタープリタ機能はファイルを直接アップロードして処理できるため、大量データには向いている。

差異抽出の精度が低い：キーになる照合項目（資産番号・シリアル番号）を明示的に指示する。「資産番号をキーとして照合してください」と指定するほうが、AIが適切な照合ロジックを選択する。

出力の数値が実データと合わない：AIは集計処理で誤ることがある。重要な数値は必ずExcelなどで別途確認する。AIが出した集計結果をそのままレポートに使わず、ダブルチェックを習慣化する。

機器のEOL情報が古い・不正確：AIの学習データの範囲に限定されるため、古い情報が出ることがある。各メーカーの公式サポートサイト・IPAのサポート終了情報一覧で必ず確認する。

作業量の目安

作業	従来の所要時間	AI活用後の所要時間
収集データのフォーマット統一（100件）	2〜3時間	20〜30分
台帳との差異抽出（100件）	3〜4時間	30〜60分
差異のアクション整理	2〜3時間	30〜45分
管理者向けレポート作成	2〜3時間	30〜60分

合計すると、棚卸し後の情報処理フェーズで従来の半分程度の時間に収まる計算だ。現物確認の作業自体は変わらないが、後工程の工数削減によってトータルの棚卸し期間が短縮できる。

他の業務への応用

IT資産棚卸しで使ったデータ整形・差異抽出のアプローチは、セキュリティ対策の現状把握にも応用できる。セキュリティ注意喚起をAIで作る方法と組み合わせると、棚卸し結果からEOL機器のセキュリティリスクを通知する流れまで効率化できる。ヘルプデスク対応の記録蓄積については社内ヘルプ対応をAIで効率化する方法が参考になる。

導入の第一歩

まず直近の棚卸しで収集した生データの一部（20〜30件）を使って、フォーマット統一と差異抽出のプロンプトを試してみる。実際のデータで動かすことで、自社の台帳フォーマットに合わせたプロンプトの調整点が具体的に見えてくる。1回試せば、本番の棚卸し時に使える自社向けプロンプトの型が作れる。