ChatGPTやGeminiを使っていると、あるところで「API」という言葉が出てきます。

Pythonから生成AI APIを呼び出して、分析を自動化する

といった説明です。ここで、普段使っているチャット画面と、APIは何が違うのかと疑問に思う方も多いのではないでしょうか。

結論から言うと、大きな違いは誰が生成AIへ依頼するのかです。

• チャット画面：人がブラウザから依頼する
• 生成AI API：Pythonなどのプログラムが依頼する

生成AIへ質問して回答を受け取る、という基本は同じです。しかしAPIを使うと、同じ処理を何十回・何百回と繰り返したり、CSVやデータベース、Webアプリとつないだりできるようになります。

この記事では、難しいAPIコードにはまだ進みません。まずはチャット画面と生成AI APIをどう使い分けるのかを、POS売上分析の例で整理します。

この記事は、次の4つの問いに順番に答えていきます。

1. 生成AI APIとチャット画面は、何が違うのか
2. APIにすると、何が変わるのか
3. 自分の作業は、どちらを使うべきか
4. 使い始める前に、何を確認しておくべきか

この記事を読み終えると、次のことができるようになります。

• 生成AI APIとチャット画面の違いを、自分の言葉で説明できる
• 自分の作業がチャット画面向きか、API向きかを判断できる
• 生成AI APIでデータ分析をどう自動化できるかイメージできる
• 生成AI APIの費用を、自分でざっくり見積もれる
• 社内データを外部の生成AI APIへ送るときに、何を確認すべきか分かる

生成AI APIとチャット画面の違いは「誰が依頼するか」

最初に全体像を見てみましょう。

 

チャット画面では、人がブラウザを開き、質問を入力し、回答を読みます。一方、生成AI APIではPythonなどのプログラムが生成AIへ質問を送り、回答を受け取ります。

APIを使う最大の意味は、回答を人がコピーする前に、プログラムがそのまま次の処理へ使えることです。ここが、後で出てくる「自動化」「連携」のすべての土台になります。

 

　そもそも生成AI APIとは何か

APIは、Application Programming Interface の略です。名前は難しそうですが、この記事では次のくらいに考えれば十分です。

プログラムからサービスへ依頼するための窓口

 

チャット画面では、人が次のように入力します。

この売上データについて、
日ごとの売上変化を確認し、
売上が高かった日を3つ教えてください。

 

すると、画面に回答が表示されます。

日別売上を確認すると、売上が高かった日は次の3日です。

1. 7月11日：51,590円
2. 7月12日：47,010円
3. 7月10日：44,140円

週後半から週末にかけて売上が高くなっています。

 

　同じ依頼を、人が入力するかPythonが送るか

生成AI APIでも、やっていることの基本は同じです。ただし、人が画面へ入力する代わりに、Pythonがプロンプトを送ります。イメージとしては次のような形です。

prompt = """
日ごとの売上変化を確認し、
売上が高かった日を3つ教えてください。
"""

response = 生成AI_APIへ送る(prompt)

print(response)

 

このコードは説明用の疑似コードです。実際のAPIの呼び出し方は、次回のB-02で扱います。

ここまでが、この記事のいちばん大事な一行です。以降は「では、依頼する主体が変わると何が変わるのか」を見ていきます。

 

生成AI APIにすると変わる4つのこと

チャット画面と生成AI APIの違いを、実務で効いてくる順に4つへ整理すると、次のようになります。

1つずつ見ていきます。

 

　1. 繰り返し：人が100回操作するか、Pythonが100回処理するか

APIのメリットが最も大きくなるのは、同じような処理を繰り返す場面です。たとえば、毎朝、100店舗の売上データを確認するケースを考えてみます。

チャット画面だけで処理するなら、こうなります。

1店舗目のCSVをアップロード → プロンプトを入力 → 回答をコピー
2店舗目のCSVをアップロード → プロンプトを入力 → 回答をコピー
3店舗目……

 

100店舗あれば、これを100回行うことになります。APIなら、この処理をPythonで繰り返せます。

 
APIを使うことで、「人が100回操作する」から「Pythonが100回処理する」へ変えられるわけです。

もう少し踏み込むと、これは生成AIを「たまに相談する相手」から「処理の一部」へ変えるということでもあります。たとえば、毎日次の作業をするとします。

 

チャット画面でも1回なら簡単です。しかし365日続けるとなると、手作業では負担になります。

APIを使えば「毎朝9時にPythonを自動実行 → 売上データを読む → 必要な数字を計算 → 生成AI APIを呼ぶ → 説明文を保存」という仕組みにできます。

 

　2. 再現性：処理手順をコードとして残せる

チャット画面では、その場で会話しながら分析できます。これは便利ですが、「先月とまったく同じ条件で、もう一度処理したい」となると、過去の会話や操作をたどる必要があります。

APIでは「データを読む → プロンプトを作る → APIへ送る → 回答を保存する」という処理手順を、そのままコードとして残せます。

もちろん、生成AIの回答が毎回完全に同じになるとは限りません。モデルの更新や生成のばらつきもあります。ここでいう再現性とは、次の意味です。

何を入力し、どのモデルへ、どんな設定で送り、回答をどう処理したかを、コードとして再実行できる

分析の実務では、この違いが効いてきます。「先月の分析、どうやったんでしたっけ」がなくなるからです。

 

　3. 連携：計算はPython、説明は生成AI

APIを使うと、生成AI単体ではなく、他の処理と組み合わせやすくなります。たとえばPOS売上分析なら、次のような流れを作れます。

 
ここで重要なのは、売上の計算そのものを生成AIに任せなくてもよい点です。売上合計もABC分析も商品ランキングもPythonが正確に計算し、生成AIには「その結果を分かりやすい文章にする」仕事だけを任せます。

以前の記事でも触れた「計算はPython、説明は生成AI」という設計を、自動化するためにAPIを使う、と考えると分かりやすくなります。

この役割分担は、正確さのためだけではありません。後述するとおり、費用の桁も変わります。

 

　4. 費用と管理：請求の仕組みが変わる

ここは最初に混乱しやすいポイントです。たとえばOpenAIの場合、ChatGPTとAPIプラットフォームは別の請求システムです。

つまり「ChatGPT Plusを契約している」からといって「OpenAI APIを追加料金なしで自由に使える」という意味ではありません。APIはAPI側で利用設定を行い、API利用分が別に管理・請求されます。

さらにAPIは従量課金なので、使った分だけ費用が発生し、その額を自分で管理する必要があります。ここは重要なので、記事の後半で改めて詳しく扱います。
 

チャット画面と生成AI API、どちらを使うか

APIが登場すると「APIを使ったほうが高度なのでは？」と思うかもしれません。しかし、何でもAPIにすればよいわけではありません。
 

　4つの質問で判断する

次の4つの質問で考えると、判断しやすくなります。

 
ポイントは、「1つでも当てはまればAPIを検討する」という緩い基準で構わないことです。4つとも「いいえ」なら、チャット画面のまま進めたほうが速く、確実です。
 

　チャット画面のほうが向く場面

チャット画面のほうが便利な場面は、たくさんあります。

以前の記事で行った売上分析は、まさにこの使い方です。

CSVをアップロードして「日別売上を表と折れ線グラフで表示してください」と依頼し、結果を確認する。その後「では商品別にも確認してください」と追加質問する。

人が考えながら探索する作業では、チャット画面は非常に使いやすい方法です。ここを無理にAPI化すると、かえって手間が増えます。
 

　進め方：試す → 形を決める → 小さくAPI化する → 広げる

チャットとAPIは、どちらか一方を選ぶものではありません。むしろ、チャット画面で試行錯誤し、固まった処理をAPIで自動化するという使い方が自然です。

ステップ1：チャットで試す

「商品別の売上上位3件を表にしてください」と依頼し、結果を見ながら「売上構成比も追加してください」と調整します。

ステップ2：欲しい出力の形を決める

商品名
売上金額
構成比
コメント

という出力にする、と決めます。ここが固まっていないままAPI化すると、後で作り直しになります。

ステップ3：小さい件数でAPI化して結果を確認する

いきなり100店舗ではなく、まず2〜3店舗で試します。Pythonから同じ条件を毎回送れるようにして、出てきた結果を人の目で確認します。

ステップ4：件数を増やす

結果に問題がなければ、対象を広げます。この流れなら、最初からAPIコードに悩む必要はありません。
 

生成AI APIを使い始める前の3つの確認事項

ここからは、実際にAPIを使い始める前に確認しておきたいことを3つ挙げます。どれも、後から気づくと面倒になるものです。
 

　1. 生成AI APIの料金：月額プランとは別のサイフ

前述のとおり、チャットサービスの月額契約とAPIの利用料金は別です。そのうえで、APIの費用は次の式で決まります。

1回あたりの費用
  ＝ 入力トークン数 × 入力単価 ＋ 出力トークン数 × 出力単価

月額費用
  ＝ 1回あたりの費用 × 実行回数

「トークン」は、生成AIが文章を扱うときの単位です。厳密にはモデルごとに異なりますが、日本語なら1文字＝1トークン前後と見ておけば、桁の見積もりには足ります。

単価は「100万トークンあたり◯ドル」という形で公開されています。参考として、2026年8月30日時点の主なモデルの標準料金を挙げます。

では、先ほどの「毎朝100店舗」を試算してみます。集計済みの数値だけを渡してコメントを生成する場合（入力2,000トークン、出力500トークンと仮定）、1年分は次のようになります。

持ち帰っていただきたい結論は2つです。この規模なら年間で数千円〜数万円のオーダーに収まること。そしてモデル選択で20倍近く変わることです。金額そのものより、この式で自分の案件を概算できるようになることが大事です。
 

　　「CSVを丸ごと投げる」と桁が変わる

ここで、先ほどの「計算はPython、説明は生成AI」に戻ります。

 
POS明細を丸ごとプロンプトに貼れば、入力トークンは一気に数十万まで膨らみます。一方、Pythonで集計してから20行の結果だけを渡せば、入力は数百トークンで済みます。

つまり「計算はPython、説明は生成AI」は、精度の話であると同時にコストと実行可能性の話でもあります。先に集計するほど、安く、速く、正確になります。
 

　　無料枠と使いすぎ防止

Gemini APIのように、無料枠を用意しているサービスもあります。まず試してみる分には、無料枠から始めるのが手軽です。

ただし、有料利用に切り替える前に利用上限や使用量アラートを設定しておくことをおすすめします。従量課金は、設定を忘れたまま繰り返し処理を回すと、想定外の請求につながります。
 

　2. 社内データを生成AI APIへ送るときの確認事項

POS売上は社内データです。それを外部のサービスへ送る以上、料金より先に確認しておくべきことがあります。
 

　　入力データが学習に使われるかは、経路ごとに違う

「送ったデータがモデルの学習に使われるか」は、サービスやプランによって既定が異なります。2026年8月30日時点では、次のようになっています。

ここで注意したいのは、「APIだから安全」と短絡しないことです。同じ会社のサービスでも、無料枠と有料枠で扱いが違うことがあります。方針自体も変わりえます。
 

　　APIキーの管理

APIキーは、自分の請求で生成AIを使える鍵です。漏れれば、他人が自分のアカウントで課金できてしまいます。

• コードに直接書かない（環境変数や設定ファイルに置く）
• 共有リポジトリやチャットに貼らない
• 誰かに渡さない。共有が必要ならキーを分けて発行する

実際のキーの扱い方は、別の記事で具体的に見ていきます。
 

　　社内ルールと、そもそも送るデータを減らす設計

• 会員IDや氏名など、個人が特定できる列は送らない
• 取引先から預かったデータは、契約条件を確認する
• 社内に生成AI利用のガイドラインがあれば、それに従う

そして最も効くのが、Pythonで集計して、必要な数値だけを渡す設計にすることです。送るデータそのものが減れば、費用もリスクも同時に下がります。ここでも設計原則は同じです。
 

　3. 失敗コスト：自動化は、間違いも自動化する

APIを使うと自動化できます。しかし、APIを使えば生成AIの回答精度が自動的に高くなるわけではありません。

チャット画面でもAPIでも、曖昧な指示・間違ったデータ・不足した前提条件を渡せば、期待と違う結果になります。むしろAPIでは、それを100回、1000回と自動実行してしまいます。
 

　　具体的に何が起きるか

プロンプトの前提が誤ったまま、100店舗×30日の自動実行を回したとします。

• 3,000回分の課金が発生する
• 3,000件の誤ったコメントが店舗へ配布される
• 気づいた時点で、配布済みレポートの訂正作業が発生する

実務で重いのは、課金より2番目です。誤った内容が現場に届いてしまうことが、いちばん取り返しがつきません。

ほかにも、次のような形で想定外が起きます。

• 入力サイズの誤算（CSV全文を渡してしまい、想定の数百倍のトークン量になる）
• エラー時のリトライがループして、同じ処理が何度も課金される
• レート制限に当たって処理が途中で止まり、一部店舗だけ結果がない状態になる

 

　　だからこの順番で進める

最初はチャット画面で試す
      ↓
処理方法を固める
      ↓
2〜3件だけAPI化して結果を確認する
      ↓
利用上限・使用量アラートを設定する
      ↓
件数を増やす

 

　　何を確認するのか

生成される文章は、同じ入力でも毎回完全に同一になるとは限りません。そのため、実務での確認は「文章が同じか」ではなく、満たすべき条件で行います。

• 必要な項目がすべて含まれているか
• 指定した形式（JSONなど）を守っているか
• Pythonが計算した数値が書き換えられていないか

この考え方は、後続の「構造化出力」の記事で詳しく扱います。
 

ケーススタディ：POS売上分析Copilotではどう使うのか

ここまでの内容を、ひとつの具体例にまとめます。「生成AI APIを使うと、結局どんなものが作れるのか」を、動いている姿でイメージしていただくためのパートです。
 

　想定する場面

12店舗を展開する食品スーパーの、店舗運営部の担当者を想定します。手元にあるのは、全店舗のPOS明細（日付・店舗・商品・数量・金額）です。

この担当者が毎週やっている作業は、だいたい次のようなものです。

• 売れ筋商品と、落ち込んだ商品を確認する
• 曜日ごとの売れ方の違いを見て、製造数や発注量の相談材料を作る
• 気づいたことを短くまとめて、店舗へ共有する

Excelでもできる作業です。厄介なのは、「見たい切り口」が毎回少しずつ違うことです。曜日別で見たい週もあれば、店舗別で見たい週もあり、そのたびにピボットを組み直すことになります。
 

　質問を1つ投げると、何が返ってくるか

 
担当者がすることは、日本語で質問を入力するだけです。返ってくるのは3点セット、集計結果の表・その説明文・次の操作です。

ここで注目していただきたいのは、表の数字と説明文は、作り手が違うという点です。

• 表の数字：Pythonが、POS明細から計算したもの
• 説明文：生成AIが、その表を読んで書いたもの

生成AIは金額の計算を一切していません。渡された表を日本語にしているだけです。だから「38,400円」という数字が勝手に変わることがない、という設計になっています。
 

　裏側では、生成AI APIが2回呼ばれている

 
1回の質問に対して、生成AI APIは2回呼ばれています。任せている仕事が違うためです。

1回目は「何をすればいいか」を決めるための呼び出しです。ここで生成AIは、次のような形で答えを返します。

{
  "処理": "曜日別商品売上",
  "期間": "直近4週間",
  "対象店舗": "全店",
  "抽出条件": "土曜日の売上が平日比で高い順に3件"
}

 

この結果を受けて、PythonがPOSデータを集計します。ここは生成AIの出番ではありません。「直近4週間の土曜日の平均売上」を計算するのは、Pythonのほうが正確で、速くて、安いからです。

2回目の呼び出しでは、Pythonが作った集計結果だけを渡します。ここでPOS明細を丸ごと渡してはいません。前の章で見たとおり、集計してから渡すことで入力トークンは数百分の1になります。

つまりこのCopilotは、この記事で見てきた設計をそのまま組み立てただけのものです。「計算はPython、説明は生成AI」「集計してから渡す」「生成AIとPythonをAPIでつなぐ」──新しい発想は何ひとつ足していません。
 

　会話は、そのまま続けられる

返ってきた回答に対して、担当者はそのまま追加の質問ができます。

唐揚げについて、店舗別の差を見せて
先月の同じ週と比べるとどう？
この内容で、店舗向けのメール文面を作って

 

1問目とまったく同じ流れが、条件を変えてもう一度走るだけです。ピボットテーブルを組み直す必要はありません。

そして最後の「メール文面を作って」は、集計を伴わない純粋な文章生成です。この場合はPythonの集計をスキップして、生成AIへの呼び出しだけが走ります。同じ画面の中で、集計と文章生成を行き来できるのがCopilotの利点です。
 

　チャット画面では代わりにならない理由

「これ、CSVをチャット画面にアップロードすれば同じでは？」と思われるかもしれません。1回だけならそのとおりです。差が出るのは、これを毎週続けたときです。

探索的に分析している段階ではチャット画面が向いていて、毎週決まった形で見る段階になるとCopilotが向いてくる。この記事の前半で見た使い分けが、そのまま当てはまります。
 

　作るのに必要な部品は4つ

ここまでを実装するのに必要な部品は、実はそれほど多くありません。

このうち2つ目と3つ目が、生成AI APIそのものです。この記事で見てきた「プログラムが生成AIへ依頼する」が、そのまま部品になっています。

チャット画面だけで試していた分析が、自分の分析プログラムの中へ組み込まれるとは、こういうことです。
 

まとめ

生成AI APIとチャット画面の違いは、人が生成AIを操作するか、プログラムが生成AIを操作するかです。そこから、繰り返し・再現性・連携・費用という4つの違いが生まれます。

最初からAPIへ進む必要はありません。

チャットで試す → 処理を固める → 小さくAPI化する → 広げる

この順番で考えると、迷いにくくなります。まずは、次の4つを確認するところからです。

• 今の作業が「繰り返し」かどうかを確認する
• 使うサービスの無料枠・料金ページを開いて確認する
• 送るデータに、社内ルール上の制約がないか確認する
• B-02で、最小構成のAPI呼び出しを動かしてみる

 

よくある質問

生成AI APIは、上級者でないと使えませんか？

最初は認証やAPIキーなど、新しい用語が出てきます。しかし、1回質問して回答を受け取るだけなら、Pythonコードはそれほど長くありません。次回の記事では、その最小構成だけを扱います。

生成AI APIを使えば、何でも自動化できますか？

APIは「生成AIを呼び出す窓口」です。CSVの読み込み、データ集計、ファイル保存、エラー処理などは、Python側で作る必要があります。APIを用意しただけでは自動化は完成しません。

ChatGPTの有料プランを契約していれば、APIも使えますか？

OpenAIでは、ChatGPTとAPIプラットフォームの請求は別管理です。APIを使う場合は、API側で別に利用設定を行い、料金も別に発生します。

生成AI APIなら、毎回まったく同じ回答が返りますか？

同じ入力でも、回答が完全に同一になるとは限りません。そのため実務では「文章が同じか」ではなく、必要な項目があるか、指定形式を守っているか、数値が書き換えられていないか、といった条件で確認します。

生成AI APIは、まず無料で試せますか？

Gemini APIのように無料枠を用意しているサービスがあります。ただし無料枠は、有料枠とデータの取り扱い方針が異なる場合があるため、社内データを扱う前に条件を確認してください。

社内の売上データを、外部の生成AI APIに送っても大丈夫ですか？

送ったデータが学習に使われるかは、サービスとプランによって既定が異なります。加えて、個人が特定できる列を送らない、Pythonで集計してから必要な数値だけを渡す、といった設計でリスク自体を減らせます。社内にガイドラインがあれば、それに従ってください。