おすすめサービスサービスサービス説明ネット・通信

ChatGPT:モデルの違いと、業務や生活が豊かに速くなる実例8選

5.0
おすすめサービス
この記事はプロモーションリンクが掲載されています

※この記事は「インストール手順」ではなく、

実務での“成果物”を
最短で出すための使い方
にフォーカスします。

※モデル名や上限などは更新されるため、
本文は 2026年1月時点の情報をベースにしています
(必要に応じてあなたの環境の表示に
合わせて調整してください)

スポンサーリンク
  1. この記事でわかること
  2. まずはじめに(ChatGPTについて)
    1. ChatGPTにできることの例
    2. なぜ、こんなに話題なの?
  3. ChatGPTプラン比較
    1. ChatGPT Enterpriseとは(超ざっくり概要)
    2. Enterpriseの「安心材料」だけ先に押さえる
  4. まずはここ:モデルの違い(Auto/Instant/Thinking/Pro)
    1. モデルの特徴を「仕事目線」で整理
      1. Auto:基本これでOK(迷いを減らす)
      2. Instant:速い。雑でいい“初速”に強い
      3. Thinking:深い。構造化/レビュー/多段の推論に強い
      4. Pro:調査・検証まで含める“重い仕事”向き
      5. Deep Research:検証・調査のレポートに特化
    2. 出力結果の違い
      1. 主な特徴
      2. 参考(各モデルの実行結果)
    3. 標準の回答結果
    4. Thinkingの回答結果
    5. Proの回答結果
  5. 実務で効く具体例8選(スクショ前提)
    1. ①文章作成
    2. ②アイデア出し
      1. 案出し
      2. アンケート作成
      3. 壁打ち
    3. ③検索の代用
      1. 疑問の検索
      2. 比較・おすすめ検索
    4. ④予想
    5. ⑤分析
    6. ⑥画像認識+画像作成
      1. 画像からの検索・提案
      2. 画像作成
    7. ⑦プログラミング
      1. やりたいことを提案
      2. 結果
      3. エラー修正
      4. 完成物の一例
    8. ⑧実務で使う実用例集
      1. 提案書・企画書
      2. 仕様書/手順書レビュー(曖昧表現・矛盾・未定義語の指摘)
      3. CSV分析 → 傾向 → 打ち手(グラフ+示唆)
      4. 障害対応・ログ解析の切り分け(仮説→検証手順→復旧案)
      5. コードレビュー(差分の意図/リスク/テスト観点を言語化)
      6. 調査まとめ(出典・反証・次アクションまで)
  6. 最後に:注意点
  7. まとめ

この記事でわかること

  • ChatGPTの
    仕事の成果に直結する視点で把握できる
  • Auto /Instant /Thinking/Pro
    違いと、迷わない選び方がわかる
  • 分析・検索・画像認識・解析・調査等
    実務8パターンのイメージが手に入る
スポンサーリンク

まずはじめに(ChatGPTについて)

最近、ニュースやSNSでその名を
聞かない日はないChatGPT

一言で言えば、
「まるで人間との対話かのように、
自然な文章でやり取りができるAI
(人工知能)」
です。

アメリカのOpenAI社が
開発したこのツールは、
単なる検索エンジンとは一線を画します。

知りたいことを教えてくれるだけでなく、
あなたの「パートナー」として、
以下のような
様々なタスクをこなしてくれます。

ChatGPTにできることの例

  • 日常の相談:
    「冷蔵庫にある余り物で作れるレシピは?」
  • ビジネスの効率化:
    「会議の議事録を要約して」
    「丁寧な断りメールの文面を作って」
  • クリエイティブな活動:
    「ブログのタイトル案を10個出して」
    「物語の続きを考えて」
  • 学習のサポート:
    「量子力学を、小学生にも理解可能に説明して」

なぜ、こんなに話題なの?

それは、ChatGPTが「文脈」を理解するからです。
これまでのAIは、決まった質問に
決まった回答を返すだけでしたが、
ChatGPTは前の会話の流れを汲み取り、
より深く、よりパーソナライズされた
提案をしてくれます。

まさに、

24時間いつでも
相談に乗ってくれる、
博識なアシスタント

が手に入ったようなものです。

ChatGPTの他にも、
様々なAIサービスがあり、
代表的なものは以下です。
様々なサービス内にもAIが組み込まれています

汎用型
  • Gemini (Google)
    Google連携と最新情報の
    検索・分析力が最強。
  • Claude (Anthropic)
    最も自然な日本語と、
    長文の読解・要約が得意
  • Microsoft Copilot
    WordやExcelと連携し、
    効率を劇的に改善。
    まずはツールAI利用なら→

    オンラインコードがおすすめ
画像生成
  • Midjourney
    圧倒的画力と芸術性で、プロ級のアートが作れる。
  • DALL-E 3
    会話形式で指示が通じやすく、
    思い通りの構図に。
  • Stable Diffusion
    環境構築次第でキャラ固定など
    何でもできる無限の自由度。
  • Adobe Firefly
    権利関係がクリーンで、
    安心して商用利用が可能。
動画・音声生成
  • Sora / Veo
    現実と見紛う物理法則まで
    再現した超リアル動画。
  • Runway
    生成だけでなく、動画の加工・
    編集機能も充実したプロ向け。
  • Suno / Udio
    歌詞や曲調を選ぶだけで、
    歌入りフル楽曲が瞬時に完成。
スポンサーリンク

ChatGPTプラン比較

無料GoPlusProEnterprise
月額0円1500円3000円30000円要相談
モデル
(GPT-5.2)
mini
Instant(制限あり)
Auto/標準
Instant
Auto/標準
Instant
Thinking
Auto/標準
Instant
Thinking
Pro
Auto/標準
Instant
Thinking
Pro(制限あり)
メッセージ数GPT-5.2
(数時間で数回)
無料版の
約10倍
優先
ほぼ無制限
無制限ほぼ無制限
Pro
月15回
Deep Research月5回
(軽量版)
月25回まで月250回まで月25回〜
(契約による)
画像生成
(1日)
2枚程度20〜30枚程度200枚程度無制限無制限
動画生成
利用可能
(回数制限あり)
優先
高解像度生成
Proより優先度低
用途・特徴検索・校正執筆や画像生成調査・プログラム
チェックや壁打ち
高度なプログラム
市場調査・研究
組織の効率化
情報が学習されない
広告表示
2026/2 時点

Proにいくにつれて、
賢さ・制限もなくなってきます。

出力結果の嘘も減っていきます

自身の使用用途によって
Plan選択を行う形ですね。

今回の利用は
ChatGPT Enterprise

ChatGPT Enterpriseとは(超ざっくり概要)

ChatGPT Enterpriseは、
企業利用を前提に、
セキュリティ/プライバシー/管理機能と、
日々の業務で使うためのツール
(検索、データ分析、ファイルアップロード、Deep research、画像生成…など)
をまとめて提供するプランです。

Proの方が高性能ですが、
企業版はセキュリティ重視
ですね!

Enterpriseの「安心材料」だけ先に押さえる

  • 原則、入力・出力データは
    学習に使われない(デフォルト)
  • データ保持期間は
    管理者がコントロール可能
  • 保存データは暗号化
  • 監査・コンプライアンスのための
    ログや管理機能も拡張されている
スポンサーリンク

まずはここ:モデルの違い(Auto/Instant/Thinking/Pro)

モデル選びで迷う原因は、性能よりも
この仕事、速さと深さどっちが必要?
が曖昧なことが多いです。

先に結論だけ書くと、基本はこうです。

  • Auto/標準:迷ったらこれ
    (状況に応じて自動で振り分け)
  • Instant:速く“たたき台”がほしい
  • Thinking:論点整理、チェック、
    手順化など「失敗できない」系
  • Pro:調査や検証を含む、
    より“研究グレード”寄り(回数上限あり)
  • Deep Research:「調査・執筆」をネットから詳細にレポート(回数上限あり)
    ※モデルではなくツール
Enterprise版はAutoはないです。

モデルの特徴を「仕事目線」で整理

Auto:基本これでOK(迷いを減らす)

Autoはモデルピッカー上で、
InstantとThinkingを
自動で切り替える扱いです。
「まずAutoで投げる→出力が薄ければThinkingに切り替えて再実行」が良し!

標準モデル

Instantより思考が深く、
普段使いするには優秀です。

GoプランではInstantが標準で、
標準モデルは制限がある仕様です。

Instant:速い。雑でいい“初速”に強い

  • Slack返信/メール下書き
  • 箇条書き→文章化
  • すでに方向性が決まってる作業の整形

Thinking:深い。構造化/レビュー/多段の推論に強い

  • 議事録→決定事項・ToDo化
  • 仕様書レビュー(矛盾・未定義語・曖昧表現)
  • 障害対応の切り分け(仮説→検証手順)

Thinkingは週あたりの利用上限あり。
(長期的には週200が目安、現在は一時的に上げている旨の記載あり)

Pro:調査・検証まで含める“重い仕事”向き

Proは「研究グレード」とされ、
月あたりのリクエスト上限が
提示されています。
「出典付きでまとめる」
「反証も含めて整理する」など、
成果物の品質を上げたいときに使う枠。

Deep Research:検証・調査のレポートに特化

  • 「最新のAI半導体市場のトレンドを
    10枚のレポートにまとめて」
  • 「競合他社AとBのサービス内容、
    価格、評判を徹底的に比較して」
  • 「特定のトピックに関する学術論文やニュースを網羅的に集めてほしい」

膨大なネットソースを網羅的に検索し、
検索だけでなく結果から深堀する機能。

出力結果の違い

今回は複雑なものでテストするため
作成したコードを渡してみます。

与えたプロンプト
  • スクリプトコードを渡す
  • 同メッセージを流す
標準モデルThinkingPro
文書量短め中間長い
内容概要・表面的検証・改良まで理解制度思想から戦略まで
改善案追加の提案など数値の適正化を中心として提案今のコード基準から
変更点や修正提案
思想から
運用しやすいような
改善提案
思考時間10秒1分51秒21分36秒

主な特徴

標準:今こうなってるよというものを羅列

標準モデルでは、
スクリプトに書かれている条件を
比較的にそのまま読み取り、
「何を条件に、
どこで銘柄が絞られているか」
を整理した出力になりました。

抽出ロジックの流れや、
A/B/Cといったランク分けの
意味を把握するには十分ですが、
なぜその条件なのか、
どこを変えるとどう変わるのか、
の踏み込んだ考察は控えめです。

Thinking:計算式を含めてコードを紹介

他のモデルと比べて
明らかに踏み込みが深く、
各条件について
「なぜこの条件が必要なのか」
「どんな取りこぼしが起きるか」
「ここの変更で性格がどう変わるか」
まで掘り下げています。

特に、
・直近クロス条件による取りこぼし
・当日押し目限定の弱点
・財務フィルタ150件上限の副作用
など実運用で初めて気づきやすいポイント
が明示されており、スクリプトの改善議論に
直結する内容になっています。

Pro:より詳しく計算式や数値を用いて紹介

Proモデルでは、
単なる条件説明にとどまらず、
「この条件はどんな売買スタイルを
想定しているか」
「運用でどんな銘柄が残りやすいか」
といったトレード視点での意味付け
強くなっています。

例えば、基準線押し目・ATR帯・
流動性制限についても、
“短期〜数ヶ月”という時間軸に
照らして妥当性を評価し、
その結果としてどんな銘柄が集まり
やすいかが言語化されています。

参考(各モデルの実行結果)

以下は、あなたの finance_list.py が「短期〜数ヶ月の売買候補(押し目)」をどう抽出しているかを、条件を分解して説明し、改善アイデアも具体的に挙げたものです。

finance_list

スクリプトの全体像(2段階運用)
1) 夜間(eod / snapshot)

東証プライム全銘柄(get_ticker_list())を対象に、

価格レンジ → 1年日足 → テクニカル判定 →(一部)財務判定で候補を作り、

_cache/snapshot_YYYYMMDD_plXXXXX.pkl に保存します。

finance_list

2) 日中(intraday)

当日スナップショットがなければ「直近のスナップショット」を自動使用(休日でも動く設計)。

A/B と、優先度の高い C(C+→C-)から最大 MAX_INTRADAY_QUOTES 件だけを取り、

1分足も使って現在値・日中安値高値を更新し、

BUY_ZONE に入ったものだけを “今のA/B/C” として出力します。

finance_list

抽出されるランクの意味(A / B / C+ / C-)
A(最優先)

テクニカル条件を全部クリア

さらに 財務フィルタ(PER/PBR/ROE/EPS)もクリア

finance_list

B(次点)

テクニカルは強いが、

財務データが取れない/欠損/閾値外 → B

finance_list

C(監視枠:基準線近辺)

A/Bほど厳しくない「基準線に近い」銘柄を監視用に拾う

さらに C を C+(監視強)と C-(監視弱)に分割しています

finance_list

条件の詳細(夜間スナップショットでの判定)

ここが “抽出条件の本体” です。コード内の流れ(コメントの①〜⑧)に沿って説明します。

finance_list

0) 価格レンジ・ユニバース前処理

まず現在値(直近2日の日足Close)で 500円〜10,000円の銘柄に絞ります

MIN_PRICE=500, PRICE_LIMIT=10000

finance_list

目的:低位株/値が飛びやすい銘柄、超値嵩の扱いづらさを避ける(好みで調整)

A/B の「テクニカル強め候補」条件(全部必要)
① 押し目形状(“押して戻す”)

当日安値が基準線近辺まで触れること(EODでは “日中に押した” を当日安値で代用)

REQUIRE_INTRADAY_TOUCH=True

判定は last_low <= kijun*(1+0.1%)(TOUCH_ABOVE_KIJUN_PCT=0.001)

finance_list

引けは基準線以上(戻して終わる)

REQUIRE_CLOSE_ABOVE_KIJUN=True → close >= kijun

finance_list

さらに 引けが基準線から離れすぎてない

close <= kijun*(1+near_width)(押し目の範囲内)

finance_list

② 基準線が上向き

直近5営業日で基準線が上昇(kijun[-1] > kijun[-6])

finance_list


→ “上昇トレンド中の押し目” を強制

③ 中期トレンド(大きい流れ)

MA50 > MA200 かつ Close > MA50

finance_list


→ 「上昇相場の押し目」寄りに寄せています

④ 短期トレンド(直近の勢い)

MA5 > MA25(状態として必須)

finance_list

⑤ 一目(転換線が基準線より上)

転換線 > 基準線(状態として必須)

finance_list

★ 変更点:クロス条件(直近N日)

直近 CROSS_LOOKBACK_DAYS=3 日以内に

MA5/MA25 の上抜け または

転換線/基準線 の上抜け

どちらか一方のクロスがあればOK(両方は不要)

finance_list


→ 「現実の動きに合いやすい(拾える銘柄が増えやすい)」設計

⑥ ATR(ボラの適正帯)

ATR14 を Close で割った “ATR比” が

ATR_MIN=1.5% 〜 ATR_MAX=3.5% の範囲内

finance_list


→ 低ボラすぎ(動かない)/ 高ボラすぎ(荒い)を除外

⑦ 流動性(売買代金)

直近20日平均の 売買代金(Close×Volume) が

MIN_TRADING_VALUE=1億円 以上

finance_list


→ すべり・板の薄さを避ける

⑧ 出来高増加(任意・現状OFF)

USE_VOLUME_SURGE_FILTER=False(使うなら “今日出来高 >= 20日平均×1.2”)

finance_list

C(監視枠)の条件(緩め:終値が基準線に近い)

終値が基準線の±near_width以内なら C として拾います

finance_list

near_width は

最低±0.3%(NEAR_KIJUN_WIDTH_MIN=0.003)

かつ(有効なら)銘柄ごとのATRに応じて拡張
near_width = max(0.3%, 0.4 * ATR比)

finance_list

C+ / C- の分割(監視優先度)

C+ は概ね「近い」+「上向き」+「中期上昇」+「最低限の流動性」

finance_list

基準線上向き(任意で必須化)

MA50>MA200 かつ Close>MA50(任意で必須化)

売買代金 0.8億円以上(CPLUS_MIN_TRADING_VALUE=80,000,000)

スコアリング(並び順を “強い順” にする仕組み)

USE_SCORING=True のため、A/B/C すべてに近い思想でスコアが付きます。

finance_list

主な加点要素:

基準線への近さ(近いほど高得点)

流動性(MIN_TRADING_VALUEの複数倍で満点)

ATR帯(ちょうど良いボラが高得点)

基準線の上向き度

直近クロス(MAか一目)

C+ にはボーナス(SCORE_CPLUS_BONUS)

finance_list

結果として intraday の監視対象選定もスコア順で優先されます。

finance_list

財務フィルタ(A/Bを分ける)

テクニカル強め候補のうち最大150件だけ(MAX_FUNDAMENTAL_CHECK=150)財務を見る設計です。

finance_list

A条件(全部満たす):

EPS > 0

PER ≤ 30

PBR ≤ 3

ROE ≥ 8%

finance_list

欠損や取得失敗、閾値外は B 扱い。

さらに重要:財務はTTL付きキャッシュで叩きすぎを防いでます(成功7日、失敗1時間)。

finance_list

日中(intraday)の BUY_ZONE 判定(“今買えるか”)

日中は「候補の中から、今の価格が買いゾーンにいるものだけ」表示します。

finance_list

ゾーン上限:zone_high = kijun*(1+near_width)

ゾーン下限:zone_low = kijun*(1-BUY_ZONE_BELOW_KIJUN_PCT)(デフォは 0.0=基準線割れは買わない)

finance_list

さらに条件(デフォでON):

日中安値がゾーン上限以下に入った(押した事実がある)
BUY_ZONE_REQUIRE_TOUCH=True

現在値がゾーン内
BUY_ZONE_REQUIRE_PRICE_IN_ZONE=True

finance_list

このBUY_ZONEを満たした上で、EODランクに応じて「今のA/B/C+/C-」として出します。

“出口(目安)” の計算(短期〜数ヶ月向け)

投資助言ではなくレポートの目安として、ATRで機械的に置いてます。

finance_list

損切:stop = kijun - 1.0*ATR

利確1:tp1 = entry + 1.0*ATR

利確2:tp2 = entry + 2.0*ATR

トレイル目安:MA25

finance_list

改善点(短期〜数ヶ月の“実運用”として効くもの)
1) C(監視枠)の情報を “いつ買いに行くか” へ寄せる

今は C を「終値が近い」で拾いますが、短期売買なら

“基準線に近い” だけでなく、押し目の再現性(例:過去N回の基準線タッチ後の勝率/平均上昇)
をスコアに混ぜると、C監視の質が上がります。

実装の方向性:

直近6〜12ヶ月で「基準線±near_widthに入った翌日〜5日後のリターン」を集計して
score += 勝率*係数 + 平均リターン*係数 のように加点。

2) “イベント・ギャップ耐性” フィルタ(短期では超重要)

短期〜数ヶ月は決算や大型イベントでギャップが出ます。
改善案:

決算予定日が近い銘柄を 除外 or スコア減点(特に翌営業日〜数日)
※これは外部データが必要ですが、運用の事故率が下がりやすいです。

3) ATR帯の「銘柄の性格」別チューニング

一律 1.5%〜3.5% は分かりやすい反面、

ディフェンシブ/大型は低めでも良い

グロースは高めでも許容したい
などが出ます。

改善案:

時価総額 or 値動き特性で ATR_MIN/MAX を可変にする

例:大型(時価総額上位)は 1.0〜2.8%、中小は 1.5〜4.0%

4) クロス判定の “ノイズ耐性” を上げる

直近3日以内クロスは機動力が高い反面、ダマシも増えます。

改善案(どれか1つでも効きます):

クロスに 出来高条件(現状OFFの出来高フィルタをクロス時だけON)

あるいはクロス後に 終値がMA25を上回っているなど “位置” 条件を追加

5) 財務フィルタの扱い(短期売買としての最適化)

短期売買では「PER/PBR/ROE」よりも

赤字(EPS<=0)回避

時価総額・流動性

需給(出来高・トレンド)
が効きやすいことも多いです。

改善案:

A/B を “財務” ではなく “需給・安定性” に寄せる選択肢

例:EPSは必須(赤字回避)だけ残し、PER/PBR/ROEはスコア加点へ移行
→ 「良い銘柄がBに落ちて監視優先が下がる」を減らせます。

6) スコアと表示ソートの一貫性

今、スコアは計算している一方で、EODのA/B表示は「乖離→流動性」でソートしています。

finance_list


改善案:

表示もスコア順を基本にすると、スコアリングの価値が最大化します。

例:上位20件はスコア順、その次は乖離順…などでもOK

7) 小さなバグ/品質(気づいた点)

EODレポートのA行で ROE...% が 2回出力されています(同じ文字列が重複)。

finance_list


→ ログ/通知が見づらくなるので1回にすると良いです。

いちばん効きやすい調整つまみ(実運用向け)

監視数が多すぎる → MIN_TRADING_VALUE を上げる / CPLUS_MIN_TRADING_VALUE を上げる

“押しが浅い”銘柄が多い → TOUCH_ABOVE_KIJUN_PCT を 0.0 に近づける(より深く押すの必須化)

買いのタイミングが遅い → BUY_ZONE_REQUIRE_TOUCH を残しつつ、BUY_ZONE_BELOW_KIJUN_PCT を 0.1〜0.3% だけ許容(ただし事故も増える)

ダマシが多い → CROSS_LOOKBACK_DAYS を 2 に縮める or 出来高条件をクロス時だけ足す

必要なら、あなたの「運用スタイル」に合わせて、次のどれかに寄せた **具体的な推奨パラメータセット(A案/B案/C案)**も作れます:

デイトレ寄り(1〜5日)

スイング(1〜6週)

2〜6ヶ月(中期寄り)

ただ、質問の範囲で結論を言うと、このコードはすでに
“上昇トレンド中の基準線押し目” を、流動性とボラで現実運用に耐える形に寄せたスクリーナーになっています。

以下は、いただいた finance_list.py の「抽出条件(A/B/C)」を 判定順に できるだけ噛み砕いて説明し、そのうえで 短期〜数ヶ月運用で効きやすい改善点 を挙げます。

finance_list


(※投資助言ではなく、条件設計・運用設計の解説です)

1) このスクリプトがやっていること(全体像)

このスクリプトは 2段構え です。

finance_list

EOD(夜):東証プライム全銘柄の「前日終値まで」の日足(1年)で
A/B(買い候補) と C(監視候補) を作り、スナップショット(pkl)保存

intraday(日中):そのスナップショットから「重要そうな銘柄だけ」最大300件を選び
1分足等で 現在値・日中安値 を取り、BUY_ZONE に入ったか を再判定して出力

2) まず前処理(ユニバース&価格フィルタ)
ユニバース

get_ticker_list() で 東証プライム銘柄 を取得(想定)

finance_list

価格レンジ

EODスナップショット作成時、まず “値がさ過ぎ/安過ぎ” を落とします。

finance_list

500円〜10,000円(MIN_PRICE=500, PRICE_LIMIT=10000)

ここで落とした残りに対して、1年分日足を取得して本判定へ

3) 使っている指標(ざっくり)

EOD判定で各銘柄について以下を計算しています。

finance_list

一目均衡表

基準線 kijun:過去26日高値/安値の中間

転換線 tenkan:過去9日高値/安値の中間

移動平均:MA5 / MA25 / MA50 / MA200

ATR14(14日平均 True Range)

流動性:売買代金(Close×Volume)の20日平均

4) “基準線近接幅” の考え方(超重要)

「基準線にどれくらい近いか」の判定幅を銘柄ごとに可変にしています。

finance_list

最低幅:±0.3%(NEAR_KIJUN_WIDTH_MIN=0.003)

さらに ATR比に連動(near_width = max(0.3%, 0.4 × ATR/Close))

つまり、ボラが大きい銘柄ほど「近接とみなす幅」も広がります。

5) ランク別の抽出条件(EOD時点)
C(監視):終値が基準線の近く

まず “監視候補C” を広めに拾います。

finance_list

終値が基準線±near_width以内
abs(Close - Kijun) <= Kijun * near_width

そして C を C+ / C- の2段階 にしています。

finance_list

C+(監視強):

基準線が上向き(直近5日で上昇)

中期上昇トレンド(MA50>MA200 かつ Close>MA50)

流動性(売買代金20日平均)0.8億円以上(CPLUS_MIN_TRADING_VALUE)

それ以外は C-(監視弱)

C は「買う」ではなく、押し目になり得る場所に来たら見る枠です。

A/B(買い候補の母集団):押し目+上昇トレンド+上昇シグナル+適正ボラ+流動性

A/B になる前に、まず “テクニカル強め候補” を作っています。条件はかなり明確です。

finance_list

押し目の形(戻し)

日中に基準線付近まで押したこと(EODでは当日安値で代用)

REQUIRE_INTRADAY_TOUCH=True

判定:Low <= Kijun*(1+0.1%)(TOUCH_ABOVE_KIJUN_PCT=0.001)

終値は基準線以上に戻す

Close >= Kijun(REQUIRE_CLOSE_ABOVE_KIJUN=True)

さらに、終値が上に離れすぎてたら除外

Close <= Kijun*(1+near_width)(上に伸び切ってる銘柄を弾く)

基準線が上向き(直近5日)

Kijun[-1] > Kijun[-6]

中期トレンド(大枠が上昇)

MA50 > MA200 かつ Close > MA50

短期トレンド(短期が優勢)

MA5 > MA25(状態として必須)

一目の状態

Tenkan > Kijun(状態として必須)

直近クロス(上昇の合図)

「どっちか一方のクロスでOK」にしています(改善点B)。

finance_list

MA5 が MA25 を上抜け または

転換線が基準線を上抜け

しかも 直近3営業日以内(CROSS_LOOKBACK_DAYS=3)

ボラティリティ帯(ATR比)

ATR/Close が 1.5%〜3.5% の範囲(ATR_MIN=0.015, ATR_MAX=0.035)

低すぎる(動かない)銘柄/高すぎる(荒すぎる)銘柄を除外

流動性(売買代金)

売買代金(Close×Volume)の 20日平均が1億円以上(MIN_TRADING_VALUE=100_000_000)

ここまで通ったものが “テク強候補” で、次に財務で A/B に分けます。

A と B の分岐(簡易財務フィルタ)

Aは「テクニカル+財務もOK」、Bは「テクはOKだが財務が弱い/不明」です。

finance_list

A(財務OK):

EPS > 0

PER ≤ 30

PBR ≤ 3

ROE ≥ 8%

B(財務弱/情報不足):

上記のどれかが欠損(yfinanceで取れない)

または基準外

※重いので財務チェックは最大150件まで(スコア上位から)に制限し、さらに TTL付きキャッシュ(成功7日/失敗1時間)で .info 連打を避けています。

finance_list

6) intraday の「買いゾーン(BUY_ZONE)」判定

日中は、EODで作った kijun/near_width を使い、現在値が “買いゾーン” かを判定します。

finance_list

上側:zone_high = kijun*(1+near_width)

下側:zone_low = kijun*(1 - BUY_ZONE_BELOW_KIJUN_PCT)(デフォ0%なので 基準線未満は買わない)

さらに2条件を要求:

finance_list

日中安値が zone_high 以下に入った(押した)(BUY_ZONE_REQUIRE_TOUCH=True)

現在値が zone 内にいる(BUY_ZONE_REQUIRE_PRICE_IN_ZONE=True)

BUY_ZONE を満たした銘柄だけを A/B/C+/C- として表示します(ゾーン外は OUT 扱い)。

7) 参考「出口」(短期〜数ヶ月向けの目安)

“投資助言ではなくレポート用の目安” として、ATRベースの出口を併記しています。

finance_list

損切り:基準線 − 1×ATR

利確1:エントリー + 1×ATR

利確2:エントリー + 2×ATR

トレイル:MA25(ある場合)

改善点(短期〜数ヶ月で効きやすい順)

すでに「キャッシュTTL」「C+/C-」「スコア」「クロス条件緩和」「出口目安」など良い改善が入っています。

finance_list


その上で、次のあたりが “成績と運用の安定” に効きやすいです。

A) 押し目判定の整合性を上げる(誤差/取りこぼしを減らす)

現状:日中に押したかどうかの判定が Low <= Kijun*(1+0.1%) で固定です。

finance_list


提案:ここも near_width と整合させると銘柄特性に合います。

例:Low <= Kijun*(1+near_width) を採用(または min(near_width, 0.3% など))

ボラが大きい銘柄で「押したのにtouch扱いにならず落ちる」を減らせます

B) 株式分割などの影響(指標の歪み)対策

yf.download(..., auto_adjust=False) なので、分割/併合が入ると移動平均やATRが歪むことがあります。

finance_list

案:テクニカル計算だけでも auto_adjust=True を検討
(もしくは Adj Close ベースで計算するなど)

C) “相場環境フィルタ” を追加(短期は特に効く)

短期〜数ヶ月は、個別の良い形でも地合いで潰れやすいです。

TOPIXや日経平均などで

例:指数が MA50>MA200 の時だけ A/B を採用

もしくは指数が下向きならスコアを減点
といった レジーム(相場環境)判定 を入れると、無駄打ちが減りやすいです。

D) 同じ“似た銘柄”に偏るのを抑える(運用上の改善)

スコア順だと、同業種がずらっと並ぶことがあります。

セクター(業種)情報を持てるなら、上位N件の中で業種上限を付ける

もしくは相関が高い銘柄を同時に取りすぎない
→ リスク分散と実運用が楽になります

E) スコアを「並び替え」だけでなく「足切り」にも使う

今はスコアは主に順位付け用途です。

finance_list

例:A/Bは score >= x の足切りを入れる

あるいは「dist(近さ)」が良くても流動性が弱い等を総合で落とせる
→ 候補が多すぎる日でも安定します

F) 小さな不具合/読みやすさ

運用品質には直接影響しないですが、直しておくと安心です。

finance_list

EODレポートで ROE... が 二重に出力されてます(文字列結合の重複)

intraday の c_now が一度作った後に同じ式で作り直されてます(動くけど冗長)

必要なら、あなたの運用イメージ(例:Aだけ買う / A+Bも買う / C+はアラートだけ、最大保有数、損切り幅の好み)を前提に、
この条件群を「短期(数日〜数週)寄り」or「数ヶ月スイング寄り」に最適化する具体案(閾値の推奨レンジや、どこを緩める/締めるか)まで落として提案できます。

以下は、添付の finance_list.py が「どんな条件で短期〜数ヶ月の売買候補を抽出しているか」を 条件ごとに分解して説明し、あわせて 改善ポイント(ロジック面/データ面/実装面) を具体的に挙げたものです。 
finance_list

1) このスクリプトの全体像(EODスナップショット+場中監視)
このコードは大きく2段構成です。
finance_list

EOD(夜):東証プライム全銘柄(get_ticker_list())を対象に
日足1年分をまとめて取得 → 指標計算 → 条件で絞る → A/B/C(+C+/C-) を作ってスナップショット保存
intraday(場中):スナップショットに入った銘柄だけを対象に
現在値(1d+1m)を取得 → BUY_ZONE 判定 → その時点の価格で A/B/C を再表示
2) 対象ユニバースと前処理
対象銘柄
get_ticker_list() で得た 東証プライム銘柄(想定) が母集団です。
finance_list

価格レンジでプレフィルタ(最初の絞り込み)
EODスナップショット構築の最初に、直近日足(2日分)から「現在値相当」を取って価格レンジで絞ります。
finance_list

上限:PRICE_LIMIT = 10,000円
下限:MIN_PRICE = 500円
意図としては、
「極端な低位株(値動き・板・分割などでノイズが多い)を避ける」「値嵩すぎる銘柄も除く」
というタイプのスクリーニングです。
finance_list

日足取得
価格レンジ通過銘柄について 日足1年(period="1y", interval="1d") をチャンクで取得します。
finance_list

その後、各銘柄は 終値データが200本以上 ないとスキップされます(MA200計算のため)。
finance_list


→ 上場直後の銘柄などは対象外になりやすいです。
3) 計算している指標(スクリーニングの材料)
各銘柄について最低限これらを計算しています。
finance_list

一目均衡表(線だけ)
基準線(Kijun) = (26日高値の最大 + 26日安値の最小) / 2
転換線(Tenkan) = (9日高値の最大 + 9日安値の最小) / 2
finance_list

※雲(先行スパン)や遅行スパンは使っていません(ここは改善余地あり)。
移動平均(SMA)
MA5 / MA25 / MA50 / MA200
finance_list

ATR(14日)
TR = max(High-Low, |High-前日終値|, |Low-前日終値|)
ATR14 = TR の14日平均
finance_list

流動性(売買代金)
「売買代金」を Close * Volume として作り、直近20日平均 を使います。
finance_list


(※厳密には「約定代金」そのものではないですが、近似としてよく使われる形です)
4) “近接幅(押し目の許容レンジ)” の決め方
このコードの肝は 「基準線付近への押し目」 を中心にした抽出です。
その“付近”を銘柄ごとに可変にしているのが near_width です。
finance_list

near_width の定義
最低幅:NEAR_KIJUN_WIDTH_MIN = 0.003(±0.3%)
可変幅:near_width = max(0.3%, NEAR_KIJUN_ATR_MULT * (ATR/Close))
NEAR_KIJUN_ATR_MULT = 0.4
finance_list

つまり、ATRが大きい(ボラが高い)銘柄ほど “近接扱い” の幅が広がる設計です。 さらに、A/B(テクニカル強め)候補は ATR比が 1.5%~3.5% に限定されるので、
near_width も概ね次の範囲に収まります:
ATR/Close=1.5% → near_width ≈ 0.4×1.5% = 0.6%
ATR/Close=3.5% → near_width ≈ 0.4×3.5% = 1.4%
このあたりは「短期〜数ヶ月」向けの押し目許容としては割と妥当なレンジになっています。
finance_list

5) C(監視)銘柄の抽出条件(C+/C-)
C(監視)の基本条件
前日終値が基準線に近いだけで拾う、フィルタ緩め枠です。
finance_list

条件:abs(Close - Kijun) <= Kijun * near_width
→ 終値が「基準線±near_width」の中なら C です。
ここは A/B よりかなり緩いので、
「A/Bほど条件が揃ってないが、押し目の候補として目を付けておく」
という用途になっています。
finance_list

C+ / C- の2段階(監視の強弱)
ENABLE_C_TIERING = True のため、C枠は C+ と C- に分かれます。
finance_list

C+(監視強)になる条件(全部満たす必要あり)
基準線が上向き(直近5日で上昇)
中期上昇トレンド(MA50>MA200 かつ Close>MA50)
流動性(20日平均売買代金)>= CPLUS_MIN_TRADING_VALUE = 80,000,000
finance_list

満たさないものは C-(監視弱)です。
6) A/B(テクニカル強め)候補の抽出条件
このスクリプトの「本命抽出」はここです。
条件はかなり明確に段階化されていて、落ちた理由もカウントしています。
finance_list

① 押し目→戻し(基準線タッチと反発)
日中安値が基準線近辺まで押すことを要求
REQUIRE_INTRADAY_TOUCH = True のとき
判定:Low <= Kijun * (1 + 0.001)(+0.1% までを “触れた” 扱い)
finance_list

引けで基準線以上に戻すことを要求
REQUIRE_CLOSE_ABOVE_KIJUN = True のとき
判定:Close >= Kijun
finance_list

さらに「戻しすぎ(高い位置)は除外」
判定:Close <= Kijun * (1 + near_width)
finance_list

→ まとめると、終値は 基準線以上〜(基準線+near_width)以下 に収まっている必要があり、
「基準線を支持線として押して戻した直後」を狙う形になっています。
② 基準線が上向き(トレンドの向き)
判定:Kijun(t) > Kijun(t-5)(直近5営業日で上昇)
finance_list

③ 中期トレンド(大局の上昇)
判定:MA50 > MA200 かつ Close > MA50
finance_list

→ 「上昇トレンドの中の押し目」だけを狙っているのがはっきり出ています。
④ 短期トレンド(押し目後も弱くなりすぎてない)
判定:MA5 > MA25
finance_list

⑤ 一目の状態(短期の勢い)
判定:Tenkan > Kijun
finance_list

⑥ 直近の上抜けイベント(3営業日以内)
CROSS_LOOKBACK_DAYS = 3 の範囲で
MA or 一目のどちらかが直近でゴールデンクロスしている必要があります。
finance_list

MAクロス:MA5 が MA25 を上抜け
一目クロス:Tenkan が Kijun を上抜け
条件:どちらか一方が直近3日以内ならOK
finance_list

ここは「モメンタムが出始めた初動」を狙う発想です。
一方で “クロスから数日〜数週間経った押し目” は除外されやすいので、スタイルが出るポイントでもあります。
⑦ ATR比(ボラの範囲)
ATR比 = ATR14 / Close
条件:0.015 ~ 0.035(= 1.5%~3.5%)
finance_list

→ ボラが低すぎる銘柄(動かない)と、高すぎる銘柄(荒すぎる)を排除。
⑧ 流動性(売買代金)
直近20日平均 Close*Volume が
MIN_TRADING_VALUE = 100,000,000(=1億円)以上
finance_list

(任意)出来高増加フィルタ
USE_VOLUME_SURGE_FILTER=False なので今はOFFですが、ONにすると
今日出来高 >= 20日平均 * 1.2 でないと落とす
finance_list

7) A / B の分岐(簡易財務フィルタ)
テクニカル条件を全部満たした銘柄(内部的に “T”)に対して、
yfinance.Ticker(t).info を使って財務フィルタをかけます。
finance_list

A(財務OK)
以下を全部満たす必要があります:
EPS(trailingEps)> 0
PER(trailingPE)<= 30
PBR(priceToBook)<= 3
ROE(returnOnEquity)>= 0.08(8%)
finance_list

B(財務弱め/不明)
上記のどれかが欠損(取得できない)→ B
閾値を外れる → B
finance_list

重要:財務チェックは上限150銘柄
MAX_FUNDAMENTAL_CHECK = 150 があるので、
テクニカル合格が大量に出た日に 上位150件しか財務判定されず、残りはそもそも捨てられます。
finance_list

(意図は処理負荷軽減ですが、「抜け」を作る仕様なので、ここは理解しておくべき点です)
8) スコア(優先度)の意味
ランキング用に _calc_score() があり、ざっくり以下で加点されます。
finance_list

基準線に近いほど高得点(dist_norm が小さいほど)
流動性が高いほど高得点
ATR比が “適度な中間” に近いほど高得点
基準線の上向きが強いほど高得点
直近クロス(MA/一目)の有無で加点
C+ はボーナス加点
finance_list

このスコアは、
財務チェック対象150件に絞るときの優先付け
intradayで監視対象を最大300件に絞るときの優先付け
に効いています。
finance_list

9) intraday(場中)の BUY_ZONE 判定
場中は、スナップショットの A/B/C+/C- を最大300件取り出し、現在値を取りに行きます。
finance_list

取得している価格
fetch_live_quotes() は2段階で取得します。
finance_list

まず period="2d", interval="1d" で prev_close と日足の値を確保
可能なら period="1d", interval="1m" で price/day_low/day_high を上書き
(コメントでは /v7/finance/quote と書いてありますが、実装は yfinance の download 経由です)
BUY_ZONE の定義(デフォルト設定)
zone_high = Kijun * (1 + near_width)
zone_low = Kijun * (1 - BUY_ZONE_BELOW_KIJUN_PCT)
デフォルト BUY_ZONE_BELOW_KIJUN_PCT = 0.0 なので zone_low = Kijun
finance_list

そして、
BUY_ZONE_REQUIRE_PRICE_IN_ZONE = True
→ 現在値が zone_low~zone_high の中にいることが必須
BUY_ZONE_REQUIRE_TOUCH = True
→ day_low が zone_high 以下に入ったことが必須(ただし下で説明)
finance_list

注意(仕様上の“ほぼ冗長”ポイント)
BUY_ZONE_REQUIRE_PRICE_IN_ZONE=True のままだと、
現在値が zone 内にあるなら day_low は通常それ以下なので、
touch条件は実質ほぼ常に満たされやすいです(day_low が正しく当日値なら)。
finance_list

ただし、
1mが取れず1dの値が古い/ズレる
day_low が欠損
などがあると touch が効いてきます。
改善ポイント(実運用で効きやすい順)
ここからが「改善点」です。コードの意図を崩さずに、精度・運用性・保守性を上げる観点で挙げます。
finance_list

A) ロジック面(抽出の“質”の改善)
1) 「直近3日クロス必須」は取りこぼしが増えやすい
いまは「押し目+上昇トレンド」でも、クロスが3日より前だと落ちます。
finance_list


スタイルとして初動狙いなら良いですが、
数週間続く上昇トレンド中の“押し目2回目・3回目”
押し目後に再加速する局面
を狙うなら、例えば次のような緩和が候補です:
CROSS_LOOKBACK_DAYS を 3→5〜10 に
「クロスの発生」ではなく「fast>slow を維持している日数」でも良い
あるいは「MA5>MA25 かつ Tenkan>Kijun を維持」のみでクロス判定を外す(スコア加点要素に落とす)
2) 押し目判定を“当日だけ”に固定している
EOD判定が「当日の安値が基準線近辺まで押した→引けで戻した」という1日パターン固定です。
finance_list


実際の押し目は複数日に渡ることが多いので、例えば:
「過去N日で一度でも基準線近辺まで押して、その後基準線上に回復」
のようにすると候補が増えます(ただしノイズも増えるのでスコア/追加条件で抑える設計が良い)。
3) 一目は“線”だけなので、雲を使うとトレンド判定が安定
現状は Tenkan/Kijun の関係だけ見ています。
finance_list


短中期で一目を使うなら、典型的には
価格が雲の上
先行スパンが上向き/雲が陽転
などを入れると「地合いが弱いのに線だけで合格」を減らせます。
B) データ面(精度と再現性)
4) 分割・配当などの“調整”をどう扱うか
yf.download(... auto_adjust=False) なので、分割が入ると過去データに段差が残り、
MAやATR、基準線などが歪みやすいです。
finance_list

指標計算は auto_adjust=True(または Adj Close 系)を使う
ただし売買代金(Close*Volume)は実額が欲しい
→ 指標用(調整)と流動性用(非調整)を分けるのが実務的には一番きれいです
5) 休日実行時の asof_date 表示
休日にスナップショットを新規作成すると asof_date=today になりますが、
実際に取れている価格は前営業日までだったりします。
finance_list

改善案:
取得した日足の最新日付(close.index[-1])を “実データ日付” としてスナップショットに保存し、レポートでもそちらを表示する
(運用時の混乱が減ります)
C) 財務フィルタ面(日本株で起きがちな課題)
6) yfinance .info は欠損・ブレが出やすい(特に日本株)
現状は欠損=B扱いで、Aがかなり減りやすい設計です。
finance_list

改善案(方針別):
「欠損はB(現状維持)」で良いが、Bを“悪い”と誤解しないよう表示を工夫
例:B(情報不足) と B(割高/低ROE) を分ける
欠損が多い指標(ROEなど)はスコア要素に落とし、A判定はもう少し頑健な項目に絞る
(EPS>0、極端なPER/PBRを避ける、など)
7) 財務チェック150件上限による“見落とし”
MAX_FUNDAMENTAL_CHECK=150 で上位150件しか残らないので、
「テクニカル合格はしてるのに出てこない」日が出ます。
finance_list

改善案:
150件以降は “B(財務未チェック)” として残す(捨てない)
もしくは財務チェックをやめて A/B を別軸にする(短期売買なら合理的な場合も)
D) 実装・運用面(バグ、読みやすさ、レート制限)
8) レポートの小さなバグ/改善
render_eod_report() の A行で ROE が2回出力されています(文字列重複)。
finance_list


→ 表示の誤解を避けるため修正推奨
EODレポート側は C+ / C- の内訳を出していないので、せっかくの tiering が見えません。
finance_list


→ C枠の表示も C+ と C- を分けると運用しやすいです
9) 使っていない設定/変数がある(設計意図と実装がズレて見える)
例:
RATE_LIMIT_BREAK_AFTER_CONSECUTIVE_CHUNKS が定義のみで未使用
finance_list

SLEEP_BETWEEN_PRICE_CHUNKS_SEC があるのに time.sleep(2) がハードコード
finance_list

/v7/finance/quote を使うとコメントにあるが実装は yf.download
finance_list

make_yf_session を import しているが使っていない
finance_list

→ 「自分用スクリプト」でも、ここが整理されると保守性が上がり、パラメータ調整もしやすくなります。
10) レート制限対策は“あと一歩”で強くできる
_yf_download_with_retry() のバックオフは良いです。
finance_list


一方で、コメントにある “サーキットブレーカ” が未実装なので、例えば:
チャンク処理ごとに「429が連続した回数」を数え、一定回数で打ち切る
その時点で「どこまで取得できたか」を残して終了(または intraday は部分結果で出力)
にすると、場中の監視が止まっても原因が追いやすいです。
E) “改善の最短ルート”:検証の仕組みを足す
条件調整(ATRレンジ、near_width係数、クロス日数、売買代金閾値)は、
バックテストや簡易検証がないと「どれが効いたか」が曖昧になりがちです。
finance_list

おすすめは重いバックテストでなくてもよくて、例えば:
スナップショットに「翌日〜5日後の最大上昇率/最大下落率」を記録して集計
A/B/C+/C- ごとの分布を見る
reject理由上位の銘柄のサンプルを保存して、落としすぎ/拾いすぎを確認
だけでも、パラメータ調整の質が一気に上がります。
すぐ直せる「小さな修正」例(代表)
投資ロジックとは関係なく、まず直すと良いものです。
finance_list

ROEが2回出る表示の重複を削除
time.sleep(2) を SLEEP_BETWEEN_PRICE_CHUNKS_SEC に統一
C+ / C- の件数を EOD レポートに出す
コメント(/v7/finance/quote 等)と実装の整合を取る
未使用定数・未使用 import を整理
必要なら、あなたの運用スタイル(「初動だけ狙うのか/トレンド中の押し目も拾いたいのか」「監視できる銘柄数」「許容するATRや売買代金」)に合わせて、
CROSS_LOOKBACK_DAYS の扱い
押し目判定(当日限定→複数日窓)
BUY_ZONE の定義(基準線割れ許容、反発後の追い買い許容)
あたりを コードの差分レベルで具体化する案も提示できます。
スポンサーリンク

実務で効く具体例8選(スクショ前提)

コードの理解・改善案の
回答結果を見ましたが、

高度なモデルは背景まで見て、
提案改善をしてくれてます。

高度なものは時間かかる

ただ制限もあるので、
難しいことや高度な問題の場合に
使用するなど、

モデルの使いどころが重要です。

メールの文章清書して

これは高度なものは必要ないですね。

では具体的にどういう使用用途があるか
見ていきましょう。

①文章作成

使う場面:メール作成・議事録作成

おすすめモデル:Instant・標準モデル

メール文章作成スクショ

このように、誰宛になど明確にし
適当な言葉を羅列しても
綺麗に文章を作成してくれます。

また音声や会話ログを流し、
議事録作成と頼むと

議事録も作成してくれます

②アイデア出し

使う場面:アイデア出し・壁打ち

おすすめモデル:標準モデル・Thinking

  • 案出し(スクショ)
  • ブログ案(スクショ)
  • アンケート案(スクショ)

案出し

○○をしたいけどどうすれば?

などを伝えると、どうすればいいかを
順序立ててアイデアを教えてくれます。

それを元に組み立てれば
かなり時間の短縮です。

また、
ブログ文章・タイトル作成もお手の物。

アンケート作成

やってること、やりたいことを伝え、

アンケート作成も可能であったり、

今のアンケートから
悩みや改善点を伝えることで、
さらに改善も可能になります。

壁打ち

アイデアが湧かず、漠然としてるときは、
ChatGPTが良き相談になってくれます。

今回は教育関連で相談しました

  • こういうこといわれてる
  • こう思う

などの会話を繰り返すことで、
実現したいことを固めることができます。

最終的に
文章やサマリーを作成することも可能

壁打ちスクショ

③検索の代用

色んなページがあって
どれが正解なの?

商品の違いわからないな。

こういう悩みもChatGPTで解決です!

おすすめモデル:標準モデル・Thinking

疑問の検索

ケース①
純粋な疑問の検索

疑問スクショ

健康には
オリーブオイルだけで良くない?

その疑問を投げつけると、
比較しわかりやすく説明してくれました。

ワード検索→色んなページ確認
という面倒な作業短縮になります!

比較・おすすめ検索

ケース②
商品比較・おすすめ紹介

同じような商品あるな~?

違いは何?

比較スクショ

PCの例で、スペックが似たようなもので
どう違うかよくわからない場合、

型番やモデル名を入力し
違いやおすすめを聞くと、

上図のように一覧やおすすめが出ます。

普段では、各商品ページの詳細確認して
違いを見ないとわからない

おすすめは何?

例えば、自分の悩みがあった時、
以下のような

悩み→商品おすすめを
伝えてください

おすすめ提案スクショ

詳しく比較したい場合、
Deep ResearchやProモデルを使用。

自分にあった商品提案がされ、
その後の対話により商品を絞り込めます。

対話スクショ

出てきた結果の料金調べたり

今使ってる成分を貼り付けるだけで、
効能が調べることも可能。

今までの検索では
悩みからの検索はできなかったので、
これもAIの強みです!

④予想

使う場面:予想を使う場面

おすすめモデル:Thinking・Pro

今回は
競馬・株価予想をしてみよう!

100%ではないものの、
学習させることで、精度を高めれるのか?

あくまで予想なので、
判断材料である旨は留意。

  • 競馬予想(スクショ)
  • 株式予想(スクショ)

こういう形で、
過去のデータから予想を出して、
未来を予測する回答もしてくれます。

ちなみに競馬では
過去10年の総合的な判断で
予想してもらってます。

ちなみに35レースを
予想家・無料予想と比べると
ChatGPT予想が
上位の点数を誇りました。

⑤分析

使う場面:各分析結果をまとめたい
(アンケート結果など)

おすすめモデル:Thinking・Pro

分析するのもかなり強力ツールです。

今回は
ある勉強会のアンケート結果から
まとめや改善策を聞いてみます

従来は、

アンケート結果を取り込み
(BIツール等)で
データ成型→集計→抽出→まとめ

などの作業を時間をかけて実施しました。

どのデータを使おうか

どの数値を計算しようか

時間がかかる。。

ChatGPTなら、

データ取り込み→完了
です!

分析スクショ

このように、
Forms結果をCSVで出力して、
それをChatGPTに張り付け、

プロンプト例: 
添付したアンケート結果([ファイル名])を分析してください。

1. 背景: [例:新しくリリースしたWebサービスのユーザー満足度調査です] 
2. 依頼事項例:
・全体の満足度の傾向を要約してください。
・満足度が高いユーザーと低いユーザーの決定的な違いを特定してください。
・[年代] 別に、[利用頻度] の違いが [満足度] にどう影響しているか分析してください。
・今後の具体的な改善アクションの提案。
  • まずどういった背景なのか
  • 何を知りたいのか?
  • 何を詳しく見たいのか?
  • 分析結果や改善点を含める

こういった形で投げるだけで、
すぐに修正や分析まとめ

改善点まですぐに出ます!

今までは
かなりの時間を要してたのが
すぐに纏めがでるので時間短縮

また自分の知らない分析手法も
出してくれるので、
必要なものを取捨選択して

データに基づいた改善に役立ちます!!

⑥画像認識+画像作成

画像からの検索・提案

使う場面:これどうなの?これなに?な時

おすすめモデル:Thinking

ケース①
ゲームの装備品が
いいかどうか判断してもらおう!

ということで原神の聖遺物スコアを
チェックしてもらいました!

聖遺物どれがいいかわからん

ネットで情報散見されるな。。

聖遺物チェック時のスクショ

例はナヒーダのチェックです。

事前にどういうパーティーで使いたいか
今のセット画像を貼り付けてチェック!

結果どおり詳細に
チェックしてくれます!

どれを改善するかもお手の物

ケース②
今回は古い機器(ひかり電話)が
どういう構成になってるかを検索

これなに?

いまどういう状況?

みたいなケースがありますよね。
その際も写真撮って検索です!!

構成チェック時のスクショ

通常検索でもよくわかんない場合
あったりしますよね

そういう時は写真でなにこれ?
とかどうすれば?
と投げかけるだけで情報が出ます!
写真検索がかなり便利です!

ケース③
髪の状態から
商品提案をしてもらいます

今までは文字のみの悩みがあっても、
文字で伝えるの困難な場合がありますね。

その時は写真撮っちゃえばいい!

写真からの商品提案スクショ

※今回はPro版使用

このように写真から見た感じで
商品提案をしてもらうと、

今の状態にあったものが提案

手入れまで提案してくれます!

ケース④
ふるさと納税って
いくらまでできるの?

源泉徴収をサイトに入力しての手間を
ChatGPTに投げてみました!

ふるさと納税額のスクショ

するといくらまで使えるかもが
パッとでるので便利です!

画像作成

使う場面:アイコンやアイキャッチ画像
作成したい

おすすめモデル:Thinking

生成AIは画像作成も簡単です!

従来は
書いたり・素材探したり

と労力も大変です。。

ChatGPTならすぐに作成されます。

  • アイキャッチ画像(スクショ)
  • アイコン画像(スクショ)

ちょっとカスタムしてますが、
どういうテーマの画像かを伝えると、

このようにアイキャッチやアイコン画像も
お手の物です!

画像に日本語入れる場合は
文字化けしたり、一部修正では
全体が変わったりするので、
文字は一部修正は
GoogleAI(nanobananaPro)が優秀

なので背景のみ作成後にCanvaなどで
文字入れ修正って流れがおすすめです。

⑦プログラミング

使う場面:アプリ作成・コード修正したい

おすすめモデル:Thinking・Pro

そもそも知らないと、
なにをどうしたらいいかも
わからないのが基本でした。

今では誰でも
アプリをつくれちゃう時代です。

やりたいことを提案

構想案のスクショ

今回は競馬予想サイト集計を
アプリケーションとして実現させます。

従来理想
・エクセルで集計
・手入力
・当選率は単純
・WEB上で集計
・半自動
・予想数や順位による
勝率計算

実現したいことをまとめて、
一つづつ会話していきます。

結果

このように必要コード群が
パッと作成されます!

構成結果のスクショ

その後じゃあ実際の細かい手順も
会話によって提案されていくので
それを参考に実装していきます。

手順のスクショ

エラー修正

これでなんでもできるかな

と思っても、
結果だけで動く感じではないです。
またイメージしていたものと
違う場合もあります。

その辺りはここを○○になど対話を
重ねていきます。が!
出た結果がエラーになることも多々。。

その場合は、
エラー内容を渡して
理想に近づけていきます。

エラー修正のスクショ

完成物の一例

取り込み画面スクショ

日付から自動でレース取り込みしたり

レース詳細スクショ

サイト予想をクリックして入力したり、
自動取り込みしたりしてます。

その結果を勝率を基に
グラフ化させたりもしてます。

サイト管理のスクショ

サイト管理上で、新規サイト追加や削除、
勝率までを計算させたりもしてます。

このように理想の形に
対話型で作成できます。

⑧実務で使う実用例集

提案書・企画書

使う場面:ゼロから作るのが重い/構成で悩む

おすすめモデル:Thinking(論点整理)

コピペ用プロンプト

あなたはB2Bの提案書作成が得意なコンサルです。
以下の条件で提案書の骨子を作ってください。

目的:意思決定者が「この方向で進めよう」と言える状態にする
出力:
- 章立て(H1/H2レベル)
- 各章の要点(3〜5行)
- 提案の差別化ポイント(3つ)
- リスクと対策(表)
- 想定QA(質問10個+回答案)

前提情報:
[商材/施策/背景/制約などを貼る]

ビジネスで使えるのは、
提案書や企画書づくりの土台です。

0から考えるよりも骨組みを作ることで、
時間短縮にも繋がります。


仕様書/手順書レビュー(曖昧表現・矛盾・未定義語の指摘)

使う場面:レビュー漏れが怖い、
品質を一定にしたい

おすすめモデル:Thinking

コピペ用プロンプト

以下の仕様(または手順書)をレビューしてください。
観点:
- 曖昧表現(例:「適宜」「可能な限り」など)の洗い出し
- 矛盾(前後で条件が食い違う等)
- 未定義語(用語集にない用語、境界条件がない項目)
- テスト観点(最低10個)
出力形式:指摘一覧の表(重要度:高/中/低、修正案つき)

--- 仕様 ---
[ここに貼る]
--- ここまで ---

手順修正でも使えますが、
1から作成することもできるので、

作成・レビューの
同時使用がおすすめです。


CSV分析 → 傾向 → 打ち手(グラフ+示唆)

使う場面:数字を見ても結論が出ない
/分析→示唆までつなげたい

おすすめモデル:Auto・Thinking

コピペ用プロンプト

このCSVを分析して、意思決定につながる形にしてください。

出力:
1) データ概要(欠損・外れ値・集計の前提)
2) 重要な傾向トップ3(グラフが適切ならグラフも)
3) 取るべきアクション案(優先度つきで5つ)
4) 追加で欲しいデータ(あれば)

前提:
- 目的:[例:解約率を下げたい/売上を伸ばしたい]
- 期間:[例:2025/10〜2025/12]
- 指標の定義:[わかる範囲で]

アンケート分析の欄でも
触れましたが、

それ以外にもエクセル等のデータ群を
渡すことで、
傾向から改善までをまとめてくれます。


障害対応・ログ解析の切り分け(仮説→検証手順→復旧案)

使う場面:ログはあるが、
どこから見ればいいか迷う

おすすめモデル:Thinking

コピペ用プロンプト

以下の事象について、切り分けを進めたいです。
あなたはSREとして、最短で原因に近づく手順を作ってください。

出力:
- 原因仮説(可能性順に5つ)
- 各仮説の確認手順(コマンド例・見るべきログ・期待される結果)
- まず最初の15分でやること(チェックリスト)
- 影響範囲の確認観点
- 恒久対策の方向性(3案)

--- 事象メモ/ログ ---
[ここに貼る]
--- ここまで ---

仮説付けもお手の物で、
自身が気づけないポイントも
発見できます。

それを基に発展できるので、
こういう形でも強みです。


コードレビュー(差分の意図/リスク/テスト観点を言語化)

使う場面:レビューの抜け漏れ防止、
PR説明を短時間で作る

おすすめモデル:Thinking

コピペ用プロンプト

以下のPR差分をレビューしてください。

出力:
1) 変更点の要約(3行)
2) 影響範囲(どこが壊れうるか)
3) リスク(高/中/低)と理由
4) テスト観点(最低10個、可能なら具体例)
5) リファクタ提案(任意)

--- diff / 変更内容 ---
[ここに貼る]
--- ここまで ---

初めの出力結果の違いでも見せましたが、
コードレビューも強みです。

漏れだけでなく差分もみれるので、
より効率的かつリスク分析できるので
使わないのは損です。


調査まとめ(出典・反証・次アクションまで)

使う場面:調べ物が散らかる
/社内説明用に根拠が必要

おすすめモデル:ProまたはThinking
Deep researchの使用

コピペ用プロンプト

テーマ:[調べたいテーマ]
目的:社内説明のため、結論と根拠を短時間で揃える

要件:
- 結論を先に(3行)
- 根拠(出典を明記)
- 反対意見・リスク(最低3つ)
- 追加で読むべき資料(5つ)
- 最後に「次のアクション案(3つ)」を提案

トーン:ビジネス向け、断定しすぎず根拠ベース

膨大なリソースを調査する際は
人間の限界があります。
調査などに適したモデルもあるので、

最大限に活用できます。


スポンサーリンク

最後に:注意点

生成AIは完璧ではありません。

出力結果は100%信じないように

これはハルシネーションと言われます

ハルシネーションとは、人工知能(AI)が事実に基づかない情報を生成する現象のことです。まるでAIが幻覚(=ハルシネーション)を見ているかのように、もっともらしい嘘(事実とは異なる内容)を出力するため、このように呼ばれています。
OpenAIのChatGPTやGoogle Bardのような会話型AIサービスでは、ユーザーの質問に対してAIが回答しますが、どのようなデータに基づき回答されたのかが分からない場合、それが真実なのか嘘なのか、ユーザーが判断することは困難です。ハルシネーションは、会話型AIサービスの信頼性に関わる問題であり、この問題を解消するために様々な研究が進められています。

野村総合研究所より

人間のチェックが必要かつ
成果物を何でもそのまま使うのは危険。

ネットから集める性質上、
嘘が多いのも事実です。

○○を調べてください
公式サイトのみを参照
or
https://*******のみを参照

など会話の時に
出典を工夫するのも手です。


スポンサーリンク

まとめ

ChatGPTは
単に“賢いチャット”ではなく、
業務や生活の成果物を作る装置として
使うと強いです。


モデルは“性能比較”よりも、
速さ(Instant)
深さ(Thinking)
調査品質(Pro)

の用途に合わせて切り替えるのがコツ。

使い方次第やプロンプト次第で、
有効な結果が素早く得られるツールです。

無料でも使えますので、
まずは無料枠で有効な使い方を見つけて、

足りない~

となれば
有料に移行できればいいと思います。

次回はGoogle AI Proを契約したので、
Geminiの実力を

ChatGPTと比較して紹介します。

スポンサーリンク
スポンサーリンク
スポンサーリンク
tkg
tkg

当サイトの運営者。
普段はIT系で運用保守のお仕事してます。
趣味でブログを始めるにあたって、
家電・ガジェット・機械・お金の話など、ジャンルに囚われずに筆者自身、または周りが経験したものを紹介やレビューしていきます。

tkgをフォローする
tkgをフォローする
スポンサーリンク
スポンサーリンク
タイトルとURLをコピーしました