要点：この“ai比較表”で判断が早くなる理由
結論、比較は「主観の感想」ではなく「同じ条件での実測」に寄せると速い。この記事は、用途ごとにブレない 評価カラム設計、日本語前提のテストタスク、採点ルーブリック、2時間の実行手順 をセットにしました。テンプレに数値を入れるだけで、今の自分の環境で最適解が出ます。ターゲットは ChatGPT / Claude / Gemini / Perplexity（無料枠〜有料含む）。
“ai比較表”カラム設計（コピペ用）
下記をスプレッドシートにそのまま貼り付けて使います。用途に不要な列は削除可。最終スコアは配点×評点の加重平均。
| モデル/プラン | 用途タグ | 正確性(0-5) | 日本語自然さ(0-5) | 再現性(0-5) | 操作時間(秒) | コスト(円/100問換算) | 安全性(0-5) | 画像/ファイル対応 | コード補助 | 拡張/連携 | 無料枠・制限観測 | 社内ルール適合 | 備考 | 配点 | 評点(0-5) | 加重スコア |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| ChatGPT (無料/有料) | 要約, メール, 表作成 | 画像/ファイル入出力 | あり | Actions/プラグイン/外部API | 日次/分次レートを実測 | OK/NG/審査必要 | 例: 正確性3, 日本語2… | =L2*M2 |
配点の初期値（合計100を推奨）：正確性30／日本語自然さ20／再現性15／操作時間10／コスト10／安全性15。用途に応じて配点だけを調整し、テスト手順は固定します。
評価範囲を30分で決める：用途・必須・NGの切り出し
- 用途タグを最大3つだけ選ぶ：例）営業メール下書き、研究論文要約、仕様書→表化
- 必須条件：例）日本語での敬体、ファイル添付の要約、社外秘のクラウド持ち出し禁止
- NG条件：例）回答の出典不明はNG、生成画像は使わない、外部ツールログ禁止 など
ここで決めた条件を“社内ルール適合”列と安全性スコアに直結させます。
実測タスク集（日本語前提）と合格ライン
各モデルに同一タスクを投げ、回答を保存。最低2回ずつ実行して再現性も見る。
1) 文章要約（ビジネス）
500〜800字の日本語記事を300字・箇条書き5点に要約。敬体、固有名詞維持。合格ライン：事実誤り0、語尾の乱れ少、指定形式を守る。
2) 表生成
仕様メモ（テキスト）から「項目/担当/期日/依存関係」列の表を生成。合格ライン：列欠けなし、期日の日本語表記統一。
3) メール下書き
状況と要件を渡し、件名＋本文（300〜500字、敬体、箇条書き2点）を生成。合格ライン：誤字0、依頼内容の抜けなし。
4) 資料翻訳（日→英→日）
業務用スライドの1枚テキストを英訳→再和訳。合格ライン：専門用語の整合、語順の自然さ。
5) 画像説明
スクリーンショット1枚からUIの目的を説明。合格ライン：主要要素の特定、誤検出なし。
6) コード補助
短い関数のリファクタ提案とバグ説明。合格ライン：再現手順の明確化、動作の筋が通る。
プロンプトとテストデータの標準化（コピペ可）
比較のブレを減らすため、下記を固定します。各タスクの入力は同一テキスト/同一画像を使用。
- 前置き：『指示にない独自判断は避け、出力形式を厳守してください。根拠が曖昧な場合は“わからない”と明示。』
- 役割固定：『あなたは日本語のビジネス文書作成アシスタントです。敬体で出力。』
- 出力形式：『指定以外の前置きやまとめは不要。JSON/表/箇条書きなど形式を明記。』
- 再試行条件：初回失敗時のみ同一プロンプトで1回だけ再送。プロンプトは変えない。
社外データを使えない場合は、公開済みのテキスト（自社Webの利用規約、公開ブログ記事など）からテスト素材を作ると安全です。
採点基準の具体化と配点（ルーブリック）
- 正確性（0-5, 配点30）：事実誤りや手順ミスの有無。5=誤り0／3=軽微1件／1=複数。
- 日本語自然さ（0-5, 配点20）：敬体/語彙の自然さ、句読点。5=違和感なし／3=硬さあり／1=不自然。
- 再現性（0-5, 配点15）：同一入力での安定度。5=2回とも同品質／3=揺れ小／1=揺れ大。
- 操作時間（秒, 配点10）：開始〜結果確定の合計。変換式で5段階化（例：≤15秒=5, 16-30=4, 31-60=3, 61-120=2, ＞120=1）。
- コスト（円/100問, 配点10）：公式価格やクレジット消費の観測から算出。無料枠は“観測上限”を記録し、超過時の挙動（待ち/失敗）も備考へ。
- 安全性（0-5, 配点15）：出典明示の姿勢、プライバシー設定、管理者制御。5=組織向け管理機能・監査ログあり／3=個人向け設定中心／1=設定不十分。
スコア計算式例：加重スコア = SUMPRODUCT(配点列, 評点列) / 100。用途により配点だけ調整し、評点ロジックは固定。
無料 vs 有料の見極めをスコアに反映
現状、多くのモデルは無料枠にレート制限やモデル差があります。仕様は変動するため、下記を“無料枠・制限観測”に記載し、その影響を操作時間/再現性/コストへ反映します。
- 観測件数/時間帯：10件連投でブロックされるか、ピーク帯で遅延が出るか。
- モデル差：無料は軽量モデル（例：高速・やや精度低）になりやすい。タスク品質に影響すれば評点で調整。
- 越境挙動：上限到達時に待機表示/エラー/低速化のいずれか。業務では“待機=コスト増”。
有料プラン検討時は、同じ手順で再計測して差分を表に残すと、稟議に通りやすくなります。
連携・自動化の評価：Actions/Tool Use/Extensions/Zapier/Make
単発回答より、現場では連携が効きます。比較表では“拡張/連携”列に下記を簡潔に記録。
- ネイティブのツール呼び出し（例：ファイル処理、ウェブ検索、コード実行）
- 外部サービス連携（Zapier/Make/Slack/Google Workspace/Microsoft 365）
- 権限と監査（OAuthの粒度、ログ、管理コンソール）
- 実装難易度（ノーコード/ローコード/要開発）
実運用では“人手の最終確認”をどこに挟むか（承認フロー）も備考に明記。
モデル別の着眼点（ChatGPT／Claude／Gemini／Perplexity）
- ChatGPT：日本語整文、ファイル/画像対応、拡張の幅が広い。無料と有料でモデル差・制限差があるため、速度/再現性の観測を。
- Claude：長文読解が強く、丁寧で破綻が少ない傾向。アップロード文書の扱いと引用姿勢を確認。
- Gemini：Google製サービスとの連携が容易。無料は軽量モデル中心になりやすいので、長文要約や画像理解で精度を実測。
- Perplexity：検索強化型。出典リンク提示の一貫性と和訳の自然さを評価。連投時のレート挙動も観測。
いずれもバージョン更新が速いので、比較表に“計測日”列を追加しておくと再現性が担保できます。
2時間テスト手順（タイムボックス）
- 10分：用途タグ/必須/NGを決め、配点を調整（合計100）。
- 5分：スプレッドシートにテンプレ貼付、モデル行を作成。
- 20分：テスト素材（要約元テキスト、仕様メモ、メール要件、スライド1枚、画像1枚、短い関数）を準備。
- 45分：6タスク×4モデルを一巡（各タスク1〜2分＋記録）。再現性チェックのため最低2回/モデルで1タスクは繰り返す。
- 20分：評点入力、加重スコア算出。無料→有料の差分が大きいモデルはメモ。
- 20分：運用想定（連携、承認フロー）と社内ルール適合の最終確認。採用/保留/不採用を決定。
よくある落とし穴と回避策
- 英語前提プロンプトの流用：日本語の敬体/語順を指定しないと品質が乱れる。役割と形式を必ず明記。
- 価格だけで選ぶ：無料枠の待ち時間は実コスト。操作時間と併せて評価。
- 一度の“神回答”に引っぱられる：再現性で2回以上実測、出力の揺れを記録。
- 社内ルールを後回し：データ持ち出し禁止やログ要件は先にNG条件化。
誰に向く／誰はスキップ
- 向く人：短時間で比較の結論を出したい担当者、部門導入の一次評価、現場の実務者。
- スキップ推奨：研究レベルの厳密評価（論文ベンチマーク重視）、生成画像中心の比較（本稿はテキスト重視）。
チェックリスト：着手前にここだけ確認
- 計測日を表に記録したか
- 用途タグは3つ以内か
- 配点合計は100か
- 同一素材・同一プロンプトで試したか
- 無料枠の上限挙動を観測したか
- 社内ルールのOK/NGを備考化したか
近い用途の比較記事もあわせて読むと、自分に合う選び方がしやすくなります。
コメント