業務自動化

「毎朝スクリプトを実行するのを忘れた」「エラーに気づかず投稿や集計が止まっていた」「担当者のPCが止まると業務も止まる」。 ブログ投稿、レポート生成、在庫チェック、広告データ集計、商品リンク管理などを人間のクリックに頼っていると、自動化しているつもりでも、実態は属人化したままです。 この記事では、GitHub Actionsで業務スクリプトを安全に運用する手順を、初心者向けにステップ化して解説します。 単に「Pythonを定期実行する方法」ではありません。CI、Secrets、dry-run、ログ、artifact、KPIを組み合わせて、壊れにくく改善しやすい自動化資産に変える考え方です。 この記事で扱うキーワードは次の通りです。 GitHub Actions CI 業務自動化 Python定期実行 Secrets管理 dry-run artifact Hugoビルド Cloudflare Pages 自動化資産 この記事の結論 GitHub Actionsは「スクリプトを定期実行する道具」だけではありません。 安全に使うには、次の順番で設計します。 業務を「入力・処理・出力」に分ける ローカルで同じコマンドを成功させる dry-runで本番反映なしの検証を用意する Secretsで認証情報を管理する permissionsを最小化する concurrencyで二重実行を防ぐ テスト、生成、ビルド、デプロイを段階化する ログとartifactを残す 技術KPIと事業KPIを分けて見る 重要なのは「自動で動くこと」ではなく、失敗した時に止まれること、成功した時に証拠が残ること、改善すべき数字が見えることです。 GitHub ActionsとCIの役割 GitHub Actionsは、GitHubリポジトリ内の .github/workflows/*.yml に書いた手順を、GitHubのrunner上で実行する仕組みです。 初心者向けに整理すると、役割は次のように分けられます。 要素 役割 GitHub Actions 決めた時刻、push、手動ボタンなどをきっかけに処理を実行する CI テストやビルドを実行し、壊れていないか検査する 業務スクリプト 記事生成、集計、投稿、通知、データ取得など実際の処理を行う Secrets APIキー、Webhook URL、認証情報などを安全に渡す Artifacts ログ、ビルド済みファイル、検証結果などを保存する GitHub Actionsが「実行係」だとすれば、CIは「検査係」です。 業務スクリプトを安全に運用するには、この2つを分けて考える必要があります。いきなり本番投稿や本番デプロイを行うのではなく、先にテストとビルドで壊れていないことを確認します。 実例：Hiroのauto-ai-blogで確認した設計 この記事は一般論だけではありません。Hiroの auto-ai-blog リポジトリで、実際のworkflow定義とテスト結果を確認しています。 ...

毎朝、同じExcelを開いて、CSVを貼り付け、フィルタをかけ、ピボット集計を更新し、Slackやメールに結果を貼る。 この作業を何度も繰り返しているなら、Python化を検討する価値があります。ただし、Excel業務をすべてPythonに置き換えるのは失敗しやすいです。Excelは人間が確認・修正・共有する画面として強く、Pythonは大量データを決まったルールで処理する実行エンジンとして強いからです。 この記事では、Excel、Python、業務自動化をテーマに、次の順番で判断できるように整理します。 どのExcel業務をPython化すべきか どこをExcelに残すべきか 初心者がどの順番で移行すればよいか 専門家目線で何をチェックすべきか 失敗時にどう止め、どう直すか KPIで効果をどう測るか 自動化を時短で終わらせず、収益・営業・ポイント・社内成果にどう接続するか このサイトの運用でも、Windowsタスクスケジューラ、Python、GitHub、Cloudflare Pagesを使い、記事生成から公開までを自動化しています。2026年7月9日時点で、リポジトリ内の記事ファイル数は ai-tech 195本、business 268本、real-estate 77本でした。これは各 sites/*/content/posts 配下を rg --files で数えた実測です。 また、AIスロップ防止テストとして tests/test_slop_guard.py と tests/test_validate_ai_slop.py を python -m pytest で実行し、3 passed in 0.12s を確認しました。 つまり、この記事は「Pythonは便利です」という一般論ではなく、実際に自動化ブログを運用しているリポジトリの考え方を、Excel業務のPython化に応用した実践ガイドです。 なお、この記事内の画像は概念図です。一次情報として使っているのは、リポジトリ内のREADME、品質基準JSON、投稿ファイル数、テスト結果です。 結論：Excelは作業場、Pythonは自動運転装置 ExcelとPythonは、どちらか一方に統一するものではありません。役割を分けるのが現実的です。 領域 Excelが向く Pythonが向く 確認 目で見て異常値を確認する 異常値候補を自動抽出する 修正 担当者がコメントや補足を入れる ルール通りに列名や形式を整える 集計 小規模な表を手元で確認する 大量CSVを毎日同じ条件で集計する 共有 上司や顧客がExcelで見る Excel、CSV、PDF、Slack、メールに出力する 継続運用 人間が判断する タスクスケジューラやcronで定期実行する Python化の目的は、Excelをなくすことではありません。 目的は、人間が毎回やらなくてよい作業をPythonに任せ、人間は確認・判断・改善に集中することです。 たとえば、次のような形です。 売上CSV ↓ Pythonで結合・整形・集計 ↓ Excelレポートとして出力 ↓ 人間が確認 ↓ Slack通知、広告文作成、在庫補充、営業リスト更新へ接続 この形なら、既存のExcel運用を壊さずに、自動化の効果だけを取り込めます。 ...

毎月同じExcelファイルを開き、CSVを貼り付け、関数をコピーし、集計表を作り、メールや社内ツールに転記する。作業に慣れるほど速くはなりますが、その時間は毎月確実に消えます。 Excelは便利です。表を見ながら修正でき、関数、フィルター、ピボットテーブルも強力です。だからこそ、すべてをPythonに置き換える必要はありません。 一方で、次のような作業はPython化の候補です。 毎回同じファイルを読む 毎回同じ列を整える 毎回同じ条件で集計する 毎回同じ形式でレポートを作る 転記ミスや集計漏れが売上、広告費、請求、在庫、ポイント獲得に影響する この記事では、Excel業務をPythonに置き換える判断基準を、初心者でも実行できる手順に分解します。 この記事で分かることは次の3つです。 Excelに残す業務とPython化する業務の切り分け方 初心者が1つ目の自動化を作るための手順 業務自動化を時短で終わらせず、収益機会や運用改善につなげる考え方 なお、収益化、広告、ポイント獲得に関する記述は一般的な業務設計の説明です。投資助言、税務助言、法務助言ではありません。 ExcelとPythonの役割を分ける ExcelとPythonは競合する道具ではありません。得意な場面が違います。 Excelが向いているのは、人間が表を見ながら判断する作業です。たとえば、営業担当が顧客ごとの事情を見て優先順位を調整する、経理担当が例外的な請求内容を確認する、といった場面です。 Pythonが向いているのは、決まった手順を何度も実行する作業です。たとえば、フォルダ内のCSVを読み込み、日付形式を整え、商品IDごとに売上を集計し、粗利率が低い商品を抽出し、結果をExcelに出力する処理です。 初心者向けに言えば、Pythonは「手順書どおりに動く作業担当者」です。毎回同じ判断で処理できるなら、Pythonに任せる価値があります。毎回人間の感覚、交渉、例外判断が必要なら、Excelや手作業を残した方が安全です。 Excel業務をPython化する判断基準 次の表で、置き換え候補かどうかを確認します。 判断軸 Python化しやすい状態 Excelに残す方がよい状態 頻度 毎日、毎週、毎月繰り返す 年1回、単発、検証だけ 手順 作業順序が固定されている 毎回判断が変わる データ量 行数、列数、ファイル数が多い 数十行で目視確認が速い 入力形式 CSVやExcelの列構成が安定している 取引先ごとに形式が大きく違う ミスの影響 転記ミスや集計漏れが損失につながる ミスしてもすぐ直せる 収益接続 売上、広告、在庫、請求、ポイントに関係する 個人的なメモや一時資料 ログの必要性 いつ何を処理したか追跡したい 履歴が不要 目安として、上の項目のうち3つ以上がPython向きなら、自動化候補として検討できます。 反対に、「人間が見て雰囲気で判断する」「担当者の経験に依存する」「例外処理の方が多い」作業は、先にルール化が必要です。 このサイトの実行ログから見る自動化資産の実例 一般論だけでは判断しにくいので、このサイトの運用データを例にします。確認環境は G:\マイドライブ\AI_Agents\github\repos\auto-ai-blog、確認日は 2026年7月9日 です。 このサイトは、Hugo、PaperMod、Python CLI、GitHub、Cloudflare Pagesで動く日本語ブログ自動運用システムです。READMEには、Windowsタスクスケジューラが run_daily.bat を起動し、generator/generate.py が記事生成、Markdown保存、git commit、pushまで担当し、Cloudflare PagesがGitHubの更新を検知して公開する流れが記録されています。 確認した実測値は以下です。 項目 確認結果 確認方法 generator/topics.yaml のトピック数 50件 rg -n '^\\s*- topic:' generator\\topics.yaml generator/products.yaml の商品数 7件 rg -n '^\\s*- id:' generator\\products.yaml sites/**/content/posts/*.md の記事数 539件 rg --files sites から content/posts 配下のMarkdownを集計 tests/test_*.py のテストファイル数 10件 Get-ChildItem tests -Filter test_*.py 記事文字数設定 5000〜7000字 generator/config.yaml の generation.min_chars: 5000、generation.max_chars: 7000 CLIタイムアウト設定 240秒 generator/config.yaml の cli_timeout_seconds: 240 generator/logs/generate.log の直近ログでは、2026年7月9日に「Excel業務をPythonに置き換える判断基準」が topic 9/50 として複数回選択されていました。ログ上では、draft工程でCodex CLI呼び出しまで進んだ実行、Codex CLIが成功した実行、レビュー工程へ進んだ実行が確認できます。 ...