【プログラム素人でも安心】紙の記録を“そのまま”DB化するNotebookLM活用法

「記録はしている。でも、ノウハウとして蓄積できていない」
よくある状況です。手書きのメモ、チェックリスト、報告書——情報はあるのに、それがデータとして活用できる形になっていない。
皆さんの職場ではそんな風になっていませんか？
私は・・・なっています。💦

メモを指定書式に合うように整理して清書するのって、意外と手間がかかりますよね？
そこで、今回はそのメモをそのまま活かせないかと考え、NotebookLMとスプレッドシート（＋GAS：Google Apps Script）、そしてExcel（＋マクロ）を組み合わせた簡易データベース（DB）を構築しました。
衛生点検の報告書管理という用途で構築しましたが、手法そのものは他の分野にも応用できると思いますので、ご紹介します。

💡超簡単！この記事を活用したデータベースの作り方

1️⃣このシステムでできること

一言で言うと、「手書きのメモを、検索・分析できるデータベースに変換する」仕組みです。
流れはこうです。

入力は手書きでも、写真でも、テキストでも構いません。NotebookLMがOCR（文字認識）と分類を担うため、入力書式を問わないのが最大の特徴です。

2️⃣構築の順序：「出力を先に固める」

構築する過程で、「あっちを修正したから、それに合わせてこっちも修正して・・・」というのは面倒ですよね？
できるだけ何度も修正を繰り返さなくて良いように、私が進めた順番は以下の通りです。

1. 核となるデータベースのカラム設計：何を蓄積したいかを最初に決める。カラムが変わると、後工程がすべてやり直しになるためです。

2. 報告書出力書式のカラム設計：DBから何を取り出して、どう見せるかを設計する。

3. 報告書出力書式の検証：GASでの出力が意図通りに動くかを確認する。

4. NotebookLMのOCRプロンプト構築：手書きメモを構造化する際の指示を調整する。

5. 全体検証：一連の流れを通しで確認する。

ポイントは、出力を先に固めて、OCRで読み込む情報の修正を何度も繰り返さないようにすることです。
「どんなデータが必要か」はDBで決まりますが、「DBに何を入れるか」は報告書の設計によって変わります。最終的なアウトプットから逆算して設計することで、手戻りを最小限にしてみました。

「データベースなんてどう考えれば分からない」「GASとかマクロなんて分からない」って方もご安心を。そこはAIを使いましょう。冒頭の通り、私のおすすめAIは、プログラム系に強いClaudeです。

3️⃣推奨ポイント①：入力書式を問わないデータベース

従来のデータベースは、「決まった書式で入力する」が前提です。
今回のシステムでは、NotebookLMがその壁をなくします。
手書きのメモ、スキャンした紙、テキストのメモ——どんな形式であっても、NotebookLMがプロンプトの指示に従って構造化されたテーブル形式に変換します。変換後のデータをDBに貼り付けるだけで、形式の違いを気にせずに蓄積できます。
これは、「紙の文化が根強い現場」でデジタル化を進める時に特に有効です。入力書式を統一することへの抵抗感をなくしながら、データの蓄積だけは確実に進めることができます。

4️⃣推奨ポイント②：あえて手作業を残す「人間のチェックポイント」

このシステムには、意図的に手作業のステップを残しています。
NotebookLMで変換したデータをDBに貼り付ける工程は、自動化しようと思えばできるかもしれません。しかしあえてコピー＆ペーストの手作業にしています。
理由は２つです。

🎯AIが正しく構造化できているかを人間が確認するため。
OCRや構造化の精度は100%ではありません。手作業で貼り付ける工程があることで、異常なデータが混入する前に気づける機会が生まれます。

🎯データの責任の所在を明確にするため。
「誰かが確認してDBに入れた」という事実が、データの信頼性を担保します。全自動化は効率的に見えますが、エラーが発生した時に誰も気づかないリスクを抱えます。

完全自動化を目指すのではなく、人間が介在するポイントを設計の中に組み込む。これが、現場で使えるシステムと、使われないシステムの分岐点だと感じています。

5️⃣セキュリティ設計：AIには「必要最小限」の情報だけ渡す

外部サービスを使う以上、セキュリティの配慮は欠かせません。
今回のシステムでは、施設名などの機密情報はNotebookLMには渡さない運用設計にしています。DBには施設IDのみを記録し、施設名との対応は別の場所（Notionの施設マスタ）で管理します。DBと施設マスタは物理的に隔離されており、AIに渡る情報は施設IDだけです。

※NotebookLMのソースはAI学習に利用されないとはいえ、無料プランの場合には、Googleのシステムに規約監視のために一時的にデータ保管されたり、Google従業員は閲覧したりできます。

また、点検者の氏名や写真もDBには記録しません。個人情報と機密情報は、システムの外側で管理する。
「AIに何を渡し、何を渡さないか」を設計段階で決めておくことが、安全な運用の基盤になります。

※セキュリティに関する過去の記事はこちら↓

6️⃣応用例

今回は衛生点検の報告書管理での実装でしたが、この手法の骨格は他の分野にも使えます。

• 問い合わせ内容の蓄積と分析

• 会議メモや議事録のデータベース化

• 営業・商談記録の管理

• 設備・機器のメンテナンス記録

• 教育・研修の受講記録と課題管理

その他、皆さんの職場でも、応用できそうな業務はありませんか？

7️⃣おわりに

このシステムの構築で改めて感じたのは、AIは「入力の壁をなくす」ツールとして最も力を発揮するということです。
「手書きのメモをDBに入れるための書き起こし作業」という、従来の人間のタスクをAIが担ってくれれば、皆さんの業務がスムーズになりませんか？
もしかすると、「入力フォーム？何それ？」と言われる時代が来るかもしれませんね。

一方で、データベースの設計や報告書の出力ロジックは、人間が考えなければなりません。
人間はシステムの設計と確認に集中し、繰り返しの変換作業はAIに任せる。そのバランスが、現場で長く使えるシステムを作るカギだと思います。
あなたも時代を一歩先取りしてみませんか？

※本システムはGoogle スプレッドシート・GAS・NotebookLM・Notion・Excelを組み合わせた構成です。各サービスの仕様変更により、動作が変わる場合があります。
※セキュリティ設計は本記事執筆時点の方針です。取り扱う情報の性質に応じて、個別に検討してください。