Gemini 1.5 ProでプロジェクトダッシュボードをAI生成する実験
本ページはプロモーションが含まれています
Gemini 1.5 Proの長文コンテキスト能力を活用してプロジェクトダッシュボードを自動生成する実験結果。GoogleスプレッドシートやNotionへの出力方法も解説。
Gemini 1.5 Proは最大100万トークンのコンテキストウィンドウを持つ。これはプロジェクト管理において特別な意味を持つ。6ヶ月分の週次報告書、全Issueのログ、会議議事録の全記録をまとめて渡しても処理できるということだ。
本稿では、このGeminiの長文処理能力を活用してプロジェクトダッシュボードをAI生成した実験結果を報告する。
なぜGeminiなのか
Claude・ChatGPTと比較したGeminiの優位点は「長文コンテキスト＋Googleエコシステムとの連携」にある。
- Google スプレッドシートの大量データをそのまま処理できる
- Google ドキュメント・ドライブとAPI連携が容易
- Gemini Advancedは Googleツール内でネイティブに動作
- グラフ・チャートの生成をGeminiが直接Sheetsに書き込める（Gemini for Google Workspace）
実験：6ヶ月分のプロジェクトデータからダッシュボードを生成
実験の概要
対象：SaaSプロダクト開発プロジェクト（6ヶ月・チーム8名） 使用データ：
- Jiraのエクスポート CSV（約3,500件のIssue）
- Confluenceの会議議事録（約200ページ）
- 週次ステータスレポート（26本）
これらをGemini 1.5 Proに渡して「プロジェクト総括ダッシュボード」を生成させた。
使用プロンプト
あなたは経験豊富なプロジェクトアナリストです。
以下の【プロジェクトデータ】をもとに、経営層向けのプロジェクト総括ダッシュボードを作成してください。
含める指標：
1. スプリントごとのベロシティ推移（表形式）
2. バグ発生率の推移（月次）
3. 主要マイルストーンの計画日vs実績日
4. チームキャパシティと実稼働率の推移
5. トップ5の技術的課題と解決状況
6. ステークホルダー満足度スコアの推移（報告書から抽出）
各指標について：数値データ + 1〜2行のコメント（良いこと・課題・次のアクション）
【プロジェクトデータ】
[データをここに貼り付け]実験結果
Geminiは約60秒でダッシュボードのMarkdown版を生成した。精度の評価は以下の通りだ。
| 指標 | 精度 | コメント |
|---|---|---|
| ベロシティ推移 | ◎ | 数値の計算・集計がほぼ正確 |
| バグ発生率 | ○ | 月次集計は正確、分類に若干のズレ |
| マイルストーン比較 | ◎ | 計画日vs実績日の比較は正確 |
| チームキャパシティ | △ | 担当者ごとの稼働集計は誤りあり |
| 技術的課題のサマリー | ◎ | 議事録からの抽出精度が高い |
Google Sheetsとの連携：Apps Scriptを使う方法
Gemini for Google Workspaceを使うと、Geminiから直接Sheetsに書き込める。
// Google Apps Script例
function generateDashboard() {
const sheet = SpreadsheetApp.getActiveSheet();
const data = sheet.getDataRange().getValues();
// Gemini APIに送信
const prompt = `以下のデータからプロジェクトKPIサマリーを生成してください: ${JSON.stringify(data)}`;
const response = callGeminiAPI(prompt);
// サマリーを別シートに出力
const summarySheet = SpreadsheetApp.getActiveSpreadsheet().getSheetByName('Summary');
summarySheet.getRange('A1').setValue(response);
}実用的な活用：月次レポートの自動生成
毎月の月次レポート作成をGeminiで自動化するフローを構築した事例を紹介する。
- Google Sheetsに月次データを入力（進捗・工数・バグ数・顧客満足度）
- Gemini Apps Scriptが毎月末日に自動実行
- Geminiが前月比較・トレンド分析・コメント生成
- Google Docsに月次レポートとして自動保存
- 担当PMにメールで通知
このフローにより、毎月3〜4時間かかっていた月次レポート作成が「確認と承認のみ」に短縮された。
注意点：Geminiが誤りやすい箇所
長文データを処理するGeminiでも、以下の場面では精度が落ちる。
- 複雑な集計・計算：ピボット的な集計はGeminiより実際の表計算ツールの方が信頼できる
- 前後の文脈に依存する判断：「この遅延は重大か軽微か」という判断はビジネスコンテキストが必要
- 100万トークンの全体を等しく参照しない：入力の冒頭と末尾は参照されやすいが、中間部は参照精度が下がる傾向がある
まとめ
Gemini 1.5 Proの長文コンテキスト能力は、大量のプロジェクトデータをまとめて処理するユースケースで特に威力を発揮する。完全自動ではなく「AIが素案を生成→PMが確認・修正」という分業体制で活用することで、月次ダッシュボード作成の工数を8割削減できる実績を確認できた。
PR
