AI OCRは、入れれば経理が自動化される魔法の道具ではありません。 けれど、実務の流れを知っている総務経理が、AIとマクロを組み合わせて設計すれば、高額な外部導入だけに頼らず、内製に近い形で請求書処理を軽くできる可能性があります。
この記事では、50名規模の中小企業で一人総務・少人数総務として働く立場から、請求書OCR、会計ソフト、銀行支払データ、AI突合をどうつなげようとしているかを整理します。読み取る項目の絞り方、名称ゆれの対応表、AIと人の再確認までを一つの流れで扱います。
この記事の要点
- 高額なAI OCRを入れる前に、読む項目を絞り、AIエージェントで内製テストします。
- ルールExcelと名称ゆれの対応表を残し、別のAIと人で結果を再確認します。
- 初期費用だけでなく継続費用と後工程まで含め、実務で回るかを判断します。
この記事の役割
高額なAI OCRを導入するか、必要な処理だけ内製するかを判断する記事です。
製品の機能だけでなく、年間費用、補助金終了後の固定費、後工程まで含めて費用対効果を考えます。導入後の工程全体は、請求書処理AI化ロードマップで確認できます。
高額OCRを見送った後の選択肢
外部AI OCRの費用で一度は難しいと感じた処理を、AIエージェントと色枠指定で試した流れを扱います。
- 紙をデータ処理の入口に変える発想をつかむ
- 外部導入と内製テストの費用対効果を比較する
- 色枠指定でAIに読み取り箇所を教える考え方を知る
一人総務のAI活用完全ガイド
Gemini Notebook、AI OCR、AIエージェントの使い分けをまとめています。 このテーマ全体を見る
最初の問題意識は「請求書入力が重い」だった
請求書処理は、経理の中でも神経を使う仕事です。金額、税区分、取引先名、支払日を間違えれば、あとから修正が必要になります。しかも、少人数の管理部門では、その仕事を処理できる人も限られます。
50名規模の会社でも、仕入先が約200社あると、請求書の入力・確認・支払準備はそれなりの量になります。紙で届く請求書もあれば、PDFで届く請求書もあります。PDFで届いたものも、処理のために印刷して確認することがありました。
改善前の流れは、ざっくり言えば次のようなものでした。
| 工程 | 改善前の作業 | 負担になっていたこと |
|---|---|---|
| 請求書受領 | 紙またはPDFで届く | PDFも印刷して確認することがある |
| 会計入力 | 弥生会計へ手入力する | 取引先名、税率、金額の確認に神経を使う |
| 支払準備 | ネットバンキングへ支払情報を入力する | 会計入力と似た情報をもう一度扱う |
| 支払後 | 振込後のデータを弥生会計へ反映する | 支払前後で似た確認が発生する |
つまり、問題はOCRだけではありませんでした。請求書を読むこと、弥生会計に入れること、銀行支払データを作ること、振込後に戻すことが分断されていたのです。
AI OCRだけを入れても効果は限定的
AIに渡す前の確認
先に決めるのは、入れてよい情報、出力後に人が見る箇所、間違えたときに止める条件です。
AI OCRの導入を検討したこともあります。紙やPDFの請求書をデータ化できれば、経理はかなり楽になるはずです。実際、システム会社からAI OCRの説明やデモを受けたこともありました。
ただ、そこで現実的な壁になったのが費用です。1枚ごとに処理費用がかかるような形だと、処理量によってはかなり高くなります。補助金を使ったとしても、会社全体で見て本当に費用対効果が合うのかは慎重に考える必要があります。
大切なのは、「システムを入れること」が目的ではないということです。会社にとっては、人件費、固定費、処理ミスのリスク、運用負担を含めて、一番よい方法を選ばなければいけません。高額なAI OCRを入れても、後工程が手作業のままなら、効果は思ったほど出ないかもしれません。
目指したのは、OCRから支払後反映までの一気通貫
そこで考えたのが、請求書OCRだけで終わらせず、支払処理全体を一本の流れとして見ることです。
目指している流れは次の通りです。
- 請求書をOCRする
- 必要なデータを取り出す
- 弥生会計へ反映する
- 弥生会計からデータをエクスポートする
- 銀行支払データとして整形する
- 銀行へ振込データを送る
- 振込済みデータを弥生会計へ戻す
現時点では、OCR部分はテスト終盤です。1か月分の実際の請求書を読み取らせ、目視確認と、従来どおり手入力した弥生会計データとの突合で精度を確認しました。読み取り精度は95％以上出ており、次回以降の月末・月初処理から並行利用していく予定です。
一方で、弥生会計からエクスポートし、銀行支払データへ整形する部分、支払後の反映に関わる部分は、すでにマクロ等を使って運用しています。つまり、最後に大きく残っている入口が、請求書OCRの部分です。
請求書全体をAIに丸投げしない
請求書OCRでつまずきやすいのは、請求書には情報が多すぎることです。取引先名、住所、振込先、明細、税率、合計、備考など、紙面にはいろいろな情報があります。
AIに「この請求書から必要な情報を全部抜いて」と丸投げすると、時間がかかったり、必要ない情報まで拾ったりします。そこでヒントになったのが、AI OCRでは取引先ごとに読み取り位置を指定することがある、という考え方でした。
実際には、最初だけかなりアナログな作業をしました。請求書画像を見ながら、パート社員と一緒に、必要な箇所へ色付きの枠を付けていきました。8％対象、10％対象、税込金額、税抜金額などを色分けし、「この取引先の請求書では、ここを読んでほしい」とAIエージェントに教えたのです。
最初は手間がかかります。しかし、この作業は無駄ではありません。AIに自由に探させるのではなく、人が読み取りの型を作って渡すことで、次月以降の精度を上げられます。
ルールExcelは、次回も再現するための資産になる
AIエージェントには、色枠付きの請求書を読み込ませ、取引先ごとの読み取りルールをまとめたExcelを作らせました。イメージとしては、「この取引先なら、この位置に税込金額がある」「この欄は8％」「この欄は10％」というルールを残すものです。
実際に持たせたい項目は、次のようなものです。
| 項目 | 役割 |
|---|---|
| 取引先名 | 請求書をどの取引先のルールで読むかを決める |
| 補助科目 | 弥生会計上の名称へ寄せる |
| 税率 | 8％と10％を分ける |
| 税込金額 | 支払・仕入計上の中心になる |
| 消費税額 | 税率別の確認に使う |
| 判定 | 確定、要確認、不一致などを分ける |
| 根拠・備考 | なぜその判断にしたかを残す |
| 要確認理由 | 人が見るべき理由を明確にする |
別の突合ルールでは、弥生会計側の金額、請求書側の金額、差額、判定、備考、請求書ファイル、名称ゆれ、掲載位置、QAチェックリストまで持たせています。これは単なる処理結果ではなく、翌月も同じ考え方で処理するためのルールブックです。
名称ゆれは、経理AIでかなり重要な問題
小さく試す
いきなり本番化せず、一部の帳票や一つの手順で試すと、失敗しても直しやすくなります。
請求書処理で読み取る情報自体は、実はそこまで多くありません。取引先名、8％対象金額、10％対象金額、支払に必要な金額。大きく言えばこのあたりです。
しかし、実務上かなり重要なのが名称ゆれです。請求書に書かれている会社名と、弥生会計に登録している補助科目名が完全に一致しないことがあります。株式会社の有無、略称、屋号、表記の揺れなどがあると、そのままでは会計データとして使いにくくなります。
ここで大事なのは、AIに正解の方向を示すことです。弥生会計の補助科目リストをAIエージェントに渡し、「このリストに合わせて出してください」と依頼します。細かな表記ゆれの補正はAIがかなり助けてくれます。
人がやるべきなのは、すべての揺れを手で辞書化することではありません。どちらの情報を正とするかを決め、AIが寄せるための材料を渡すことです。
AIに作業させ、AIにもう一度チェックさせる
この仕組みで大切にしているのが、AIに作業させたあと、AIにもう一度チェックさせる考え方です。私はこれを、分かりやすく「部下AI・上司AI」のように捉えています。
たとえば、最初のAIが請求書から取引先名や金額を抽出します。次に、別のチェックとして、請求書原本と弥生会計に入力済みのデータを照合します。
突合する内容は、たとえば次のようなものです。
- 請求書上の取引先名と、弥生会計の補助科目名が対応しているか
- 請求書の請求額と、弥生会計に仕入・買掛として入れた金額が合っているか
- 入力漏れがないか
- 名称が見つからないものがないか
- 金額不一致がないか
ここで差異が見つかれば、弥生会計側を修正し、必要ならエクスポートをやり直します。AIの役割は、最終決定ではなく、人が見るべき場所を浮かび上がらせることです。
要確認を0にしようとしない
経理処理で一番危ないのは、AIの出力を過信することです。OCR精度が95％以上出ていても、残りの数％に重要なミスが混ざる可能性はあります。
だから、要確認を0にすることを目標にしない方が安全です。税率別の税込金額が読めない、消費税額が確定できない、補助科目マスタと一致しない、PDFや画像が壊れている。こうしたものは、無理に自動確定しない方がよいです。
要確認は失敗ではありません。むしろ、危ないものを人に戻すための安全装置です。
| 自動処理してよいもの | 人に戻すもの |
|---|---|
| 税率別の金額が明確 | 税率別合計が読み取れない |
| 補助科目マスタと対応できる | 補助科目候補が不自然 |
| 請求書合計と矛盾しない | 金額の整合が取れない |
| 過去ルールと同じ形で読める | 新しい帳票や特殊レイアウト |
失敗した箇所は、Excelデータとして吐き出し、次の改善材料にします。間違いをなかったことにするのではなく、翌月のルール強化に使う。これがAIエージェントを実務で育てる感覚に近いです。
AIエージェントには、細かすぎる指示より目的を渡す
AIエージェントを使って感じるのは、細かい作業指示を全部書くより、目的と方向性を渡した方がうまくいく場面があるということです。
名称ゆれの補正でも、在庫回転率の資料作成でも同じです。人が最初からすべての手順を縛りすぎると、AIエージェントの自律性を邪魔することがあります。
もちろん、丸投げではありません。人は、業務の目的、使うデータ、最終的に確認すべきポイントを握ります。AIに作ってもらうものは、あくまで案です。会社で実施するか、どう使うか、最終判断するのは人です。
AIが作ったものを人が理解できない状態は危険です。ある程度の実務知識があり、「たぶんこういう流れで処理してくれるはず」と頭に描ける状態で任せる。そのうえで、AIが出した結果を見て修正する。この距離感が大切だと感じています。
パート社員の仕事を奪うのではなく、楽にする
役割分担のメモ
自動化で浮かせた時間を、確認、例外対応、改善案づくりのどこへ戻すかまで決めておきます。
少人数総務では、ルーチン業務を担ってくれる人の存在がとても大きいです。弥生入力、入金入力、レジ締めなどをパート社員に担当してもらうことで、管理者は例外対応や仕組み化に時間を使えるようになります。
請求書OCRや弥生連携も、人を置き換えるためではありません。手入力を減らし、確認作業へ時間を回す。月末月初の負担を減らし、人にしかできない細かな総務対応や労働環境の改善に時間を使えるようにする。そのための改善です。
AIで空いた時間は、人を減らすためではなく、今まで手が回らなかった仕事へ回す。これが一人総務・少人数総務にとって現実的なAI活用だと思います。
導入前に確認したいチェックリスト
AI OCRや請求書処理の自動化を考えるなら、ツール選定の前に次の点を確認した方がよいです。
- OCRで読み取りたい項目は何か
- 会計ソフトへ入れる項目は何か
- 補助科目マスタと名称を合わせる必要があるか
- 8％・10％など税率別に分ける必要があるか
- 支払データ作成までつなげるか
- 振込後の反映まで考えるか
- どの条件なら自動確定してよいか
- どの条件なら要確認に戻すか
- 失敗ログを翌月の改善に使えるか
OCRだけを見ると、読み取り精度の話になりがちです。しかし実務で効くのは、後工程までつながるかどうかです。
高額導入だけが選択肢ではない
AI OCRを外部ベンダーに頼む選択肢は、もちろんあります。安定運用、サポート、セキュリティ、帳票対応を考えれば、外部サービスが合う会社もあります。
ただ、中小企業の少人数総務では、最初から高額な固定費をかけるのが難しい場面もあります。そのときに、AIエージェント、Excel、マクロ、会計ソフトのエクスポート機能を組み合わせれば、内製に近い形で試せる余地があります。
無料ツール
導入費用の前に削減時間を試算する
自社の請求書枚数と確認時間を入れ、AI-OCR導入後の工数と費用回収の目安を数字で比較できます。 請求書処理の工数を試算する
必要なのは、完璧なシステム知識ではありません。実務のどこが痛いかを知っていること。どの情報が後工程で必要になるかを分かっていること。AIに何を任せ、どこで人が見るかを設計することです。
出発点は、紙のままでは次の処理につながらないことだった
AI OCRを使いたいと思った一番の理由は、社内のデータ化です。紙の請求書や納品書は、人の目で見て、手で打ち込まないと次の処理に進みません。紙のままでは、AI、マクロ、システム処理の入口に乗せにくいのです。
業界的にまだ紙が多い場合、世の中全体がデータ化するのを待っているだけでは改善が進みません。こちら側でOCRを使い、紙をデータ処理の入口に変える必要があります。この発想が、AI OCRに期待したきっかけでした。
外部AI OCRは魅力的でも、継続費用で難しかった
外部ベンダーのAI OCRは、技術としては非常に魅力的でした。実際に説明を聞くと、「こんなことができるのか」と感じる部分もありました。ただ、中小企業にとっては、年間費用や1枚あたり単価が重くなりやすい問題があります。
補助金を使えば初期費用を抑えられるとしても、数年後には自社負担になります。便利だから導入するのではなく、人が処理する場合の費用や、継続的に払う固定費まで含めて判断する必要があります。その結果、外部導入はいったん難しいと判断しました。
諦めきれなかった改善を、AIエージェントで再挑戦した
それでも、請求書や納品書の照合はずっと改善したいテーマでした。AIエージェントが使えるようになり、ある程度自律的に動かせるなら、外部サービスを入れなくても近いことができるのではないかと考えました。
最初から精度が出たわけではありません。そこで思い出したのが、外部AI OCRの説明で聞いた「読み取り箇所を指定する」という考え方です。請求書では、取引先名や金額などの必要箇所に色枠を付けました。請求書ではパート社員と一緒に、LINE WORKSのキャプチャ上で手作業の色枠を約200件作成しました。納品書では、まず一人で同じ考え方を試しました。
色枠指定は、AIへの読み取りルールの教え方だった
納品書照合では、オレンジを仕入先、黄色を商品名、緑を行ごとの金額として指定しました。単に「納品書を読んで」と丸投げするのではなく、どこを見ればよいかを人が教えるイメージです。
AIには、色枠を読み取りルールとして覚えさせ、仕入明細側のデータと照合させます。初回でルールがない納品書は枠付け依頼に回す。OCRの信頼度が低いものは要確認にする。結果はExcelで、一致、不一致、要確認、枠付け依頼が分かる形にする。こうした流れにすると、AIに作業を任せながら、人が見るべき場所を残せます。
実際に請求書で精度確認をしたとき、半信半疑だったものが「これは使えるかもしれない」に変わりました。色枠指定によって読み取り精度が上がる感触を得られたことが、納品書への応用につながりました。
伝えたいのは、方法そのものより試してみる姿勢
この方法が、どの会社でもそのまま100%うまくいくとは限りません。まだテスト中の部分もあります。大事なのは、日々の実務から改善アイデアを見つけ、AIで小さく試してみる姿勢です。
一人総務や少人数総務は、扱う業務範囲が広い分、改善の種も広い仕事です。紙、入力、確認、支払、突合、問い合わせ。どこか一つでも「これはAIで試せるかもしれない」と考えられると、仕事はかなり面白くなります。
AIに作業させ、AIにもチェックさせる。ただし要確認はゼロにしない
AI OCR内製化で追加確認する条件
- AI OCRで経理処理をするとき、要確認を0にしないほうが安全な理由
要確認は失敗ではなく安全装置。危ないものを人へ戻す設計が経理AIには必要になる。
確認順: 自動確定の条件を決める → 要確認の理由を残す → 過去データと比べる → 人が最終承認する - AIに作業させ、AIにチェックさせる「部下AI・上司AI」の考え方
AIの出力を別のAIで検算させると、経理やデータ処理の安全性を上げやすい。
確認順: 作業AIに抽出させる → チェックAIに突合させる → 要確認を残す → 人が確定する
よくある質問
- Q非エンジニアでも請求書OCRの内製化はできますか？
- A
完全なシステム開発は難しくても、AIエージェント、Excel、マクロ、会計ソフトの出力機能を組み合わせれば、内製に近い改善は可能です。大切なのは、最初から本番全自動を狙わず、小さくテストすることです。
- QOCR精度が95％以上なら、人の確認は不要ですか？
- A
不要にはなりません。経理処理では、残り数％のミスが支払や会計に影響します。自動確定してよい条件と、要確認に戻す条件を分けるべきです。
- QAIにどこまで任せてよいですか？
- A
抽出、整形、突合、差異一覧の作成は任せやすい領域です。一方で、会社で実施するかどうか、最終的な修正判断、支払確定は人が握るべきです。
- Qまず何から始めるのがよいですか？
- A
1か月分の請求書を対象に、読み取りたい項目を絞るところから始めるのが現実的です。取引先名、税率別金額、税込金額、補助科目との対応を小さく確認します。
まとめ
AI OCRは、単体で経理を自動化してくれるものではありません。しかし、請求書処理全体の流れを知っている総務経理が使えば、かなり現実的な改善につながります。
OCRで読む。弥生会計へ入れる。エクスポートする。銀行支払データへ整形する。振込後に戻す。さらにAIで突合する。この流れを一気通貫で考えると、どこにAIを入れると効くかが見えてきます。
AIに追われるのではなく、積極的に試す。失敗ログを次の改善に使う。アイデアとAIの基礎知識を掛け合わせる。そうすれば、一人総務・少人数総務でも、業務改善を自分たちの手元へ取り戻せる時代になってきていると感じます。
コメント