ChatGPT・Claude・Geminiを同じ仕事で比べる｜社内テストの採点表

「どのAIが一番よいか」を自社の業務で決めるなら、同じ仕事を同じ条件で頼み、成果物を直して使えるまでを比べます。最初の回答がきれいでも、必要な項目が抜けていたり、確認に時間がかかったりすれば、現場での使いやすさは変わります。

比較する業務を一つに絞る

営業資料、社内FAQ、議事録では、必要な能力が違います。まず「問い合わせ文を指定の分類へ分け、根拠と要確認事項を出す」のように、入力と完成物を一文で決めます。文章の上手さと計算の正確さを一つの総合点へ混ぜる前に、その業務で失敗してはいけない条件を選びます。

ここで示すのは採点の設計例です。特定モデルを実行して順位を出した比較結果ではありません。採用する時点のプラン、モデル名、利用できる機能を記録し、自社の許可された環境で試してください。

各ツールへ渡す条件をそろえる

1. 同じ入力資料を使い、個人情報や機密情報の扱いをそろえる。
2. 必須項目と出力形式を同じ指示文で指定する。
3. Web検索や外部接続を使うかを事前に決める。
4. 会話履歴の影響を避けるため、比較用の新しい会話から始める。
5. モデル名、設定、実施日、入力の版を残す。

ツールごとの機能差が業務に必要なら、その差を比較に含めることもできます。ただし「モデルだけの差」ではなく、ツールと設定を含む運用の差として記録します。添付できる形式が違う場合、片方だけ資料を要約して渡すと入力条件が変わるため注意します。

採点表は、点数より判定基準を先に決める

評価項目	確認すること
事実の一致	元資料にない数字や条件を足していないか
必須項目	指定した列や見出しが欠けていないか
不明点の扱い	材料がないときに保留や質問へ回せるか
根拠	担当者が原資料で確かめられるか
形式	次の業務へ渡せる形になっているか
人の修正時間	確認開始から使用可まで何分かかったか

「資料にない金額を作らない」のような必須条件は、読みやすさの点数で相殺しない方が判断しやすくなります。必須条件を満たした候補について、修正量や使いやすさを比較します。採点者が複数いるなら、同じ成果物を見て基準が一致するかも確かめます。

通常・例外・情報不足の三種類を用意する

通常のきれいな入力だけで試すと、実務の困りごとが見えません。必要項目が全部あるケース、条件が食い違うケース、判断材料が欠けるケースを用意します。回数を決めて複数の入力を試し、一回だけ良かった回答を代表にしないようにします。

改善の追加指示を出す場合は、その回数と内容も記録します。Aには何度も助言し、Bは初回だけで比べれば、人の介入量が違います。初回品質を比較する試行と、業務で使えるまで直す試行を分ける方法もあります。

業務名／入力セットの版：
実施日／ツール／モデル／設定：
必須条件の合否：
誤りと抜けの内容：
追加指示の回数：
人が確認・修正した時間：
最終成果物を使えるか：
その用途で採用する理由／残る制約：

比較の結論は「この条件の、この業務では使いやすかった」と範囲を付けます。モデルや資料が変わったら、同じ入力セットで再確認できます。用途別の候補を選ぶ入口は主要AIツールの比較記事、社内の採点基準づくりはAI活用の相談窓口をご利用ください。

確認に使った資料

• AiWiLL：ChatGPT・Claude・Gemini・NotebookLMの比較