月末、机の上には処理待ちの仕入請求書が積み上がっています。1枚ずつ開いて、金額を拾って、取引先を確かめて、会計ソフトに打ち込む——この作業を続けながら、ふと思いました。「これ、全部AIにやらせてしまえたら、どんなに楽だろう」。
でも、次の瞬間にブレーキがかかります。お金に直結する処理を、まるごとAIに預けてしまっていいのか、と。
経理担当のShotaです。今回は、この「どこまでAIに任せるか」という線引きの話をします。題材は、毎月大量に届く仕入請求書の処理です。
この記事の3行まとめ
- AIに任せるとき最初にぶつかる壁は「精度」ではなく「どこまで任せるか」。私は請求書処理を"読み取り"と"確定"に分けた
- 読み取り（AIが請求書から情報を拾う作業）はAIが速くて正確。確信度をつけて候補まで出してくれる
- でも金額の最終確定と承認は人が握る。任せた範囲と承認した範囲をはっきり分けることが、そのまま統制になる
背景：AIに任せるほど「どこで人が出るか」が問われる
経理にAIを使い始めると、わりとすぐに「大部分を任せていいのか？」という問いにぶつかります。何もかもAIに任せてしまえば手間は減りますが、お金に直結する処理を丸ごと預けるのは怖いものです。逆に、怖いからといって何ひとつ任せず今までどおり大部分を自分の手でやっていたら、せっかくAIを導入しても意味がありません。
大事なのは「任せるか/任せないか」の二択ではなく、1つの業務のなかで線をどこに引くかでした。請求書処理という一連の作業を工程に分けて、工程ごとに「ここはAI、ここは人」と担い手を決めていきます。この考え方に切り替えてから、ずいぶん整理がつきました。
請求書処理を「読み取り」と「確定」に分けた
仕入の請求書が届いてから、会計ソフトへ仕訳を入力して取引先ごとの買掛金に反映するまでを、私はざっくり2つの工程に分けています。
- 読み取り：届いたPDFから、金額・取引先・支払期日（案件ごとに管理していれば、その案件名も）といった情報を拾い出し、仕訳の「下書き」をつくる工程
- 確定・承認：その下書きが正しいかを人が確かめ、計上や支払データへの登録に進める工程
このうち前半の読み取りはAIに任せ、後半の確定・承認は必ず人が握ります。線はこの2つの工程のあいだに引きました。
読み取りはAIに任せる
読み取りは、正直AIの得意分野です。請求書PDFを渡せば、記載された金額や取引先名、明細を拾い出し、「これは過去のどの取引先の、どの支払いに当たりそうか」まで当たりをつけてくれます。人間が1枚ずつ目で追って台帳と突き合わせていた作業が、候補を提示してもらう段階まで一気に短くなりました。
ここで人がやっていたのは、要するに「探して・読んで・対応づける」という単純だけど手間のかかる作業です。件数が多い月はこれだけで相当な時間を取られていました。その入口をAIが引き受けてくれるだけで、体感の負荷はかなり変わります。
「確信度」を一緒に出させると人の負担が減る
読み取りで効いたのが、結果に「確信度」を添えさせることでした。「この請求はこの取引先で間違いなさそう」なのか、「候補は挙げたが自信は薄い」なのか。AIに読み取り結果だけでなく、その確からしさもセットで出させるようにしたのです。
「AIに自信度まで出させるなんて、難しいプログラミングが必要なのでは？」と思うかもしれません。でも、特別なITスキルは使っていません。最近は、AI-OCR（AIによる自動読み取り）を積んだ請求書受領サービスやクラウド会計ソフトが増えていて、読み取り結果に「どのくらい確からしいか」を色分けや数値で自動表示してくれるものがあります。私がやったのは、その画面を見ながら確認のメリハリをつけただけです。
こうすると、人の目のかけ方を変えられます。確信度が高いものはざっと確認し、低いものだけをじっくり精査します。全件を同じ重さで見なくてよくなるので、確認そのものの負担が下がりました。
低確信になりやすいパターンも、だんだん見えてきます。たとえば、こんな請求書です。
- 取引先名の表記ゆれ（同じ会社なのに略称と正式名称が混ざっている）
- 1枚の請求書に複数の取引・案件がまとまっている
- 金額の内訳が、明細と合計でずれている
こうした"人でも一瞬迷う"ものは、AIも自信が下がります。逆に言えば、確信度が低い請求書は「経理が気をつけて見るべき請求書」とほぼ重なります。AIが下げた自信が、人の注意を向ける先を教えてくれるわけです。AIには「読み取る」だけでなく「どれくらい自信があるか」まで言わせる——これは他の作業にも応用が効く、地味だけど効果の大きい工夫だと思っています。
とはいえ、読み取りを過信して痛い目に遭ったこともあります。AIが拾ってくれた金額をそのまま使って粗利を計算したら、数字が税込のまま拾われていて、粗利に消費税が乗ってしまっていたのです。並んだ数字はいかにも正しそうに見えて、パッと見では気づけませんでした。読み取りが正確そうでも、その数字が「どういう性質のものか（税込なのか税抜なのか）」までは、こちらが確かめないといけない——この一件で、そう痛感しました。だからこそ、次の工程が効いてきます。
確定・承認は人が握る
一方で、読み取った内容を確定し、計上やデータ登録の引き金を引くのは、必ず人の役目にしています。AIが出した案は、あくまで「案」です。それを承認して初めて処理が前に進みます。承認のボタンを押すのは人、という状態を崩さないようにしています。
言い換えると、AIには「提案まで」を任せ、「実行に移す判断」は渡していません。読み取りがどれだけ速く正確でも、そこから先の一線は人がまたぎます。この形にしておくと、後から「この計上は誰の判断で通ったのか」がはっきりします。
確信度が高くても人が見る理由
「確信度が高いなら、そのまま通してもいいのでは？」と思うかもしれません。私も一度は考えました。でも、ここは崩さないことにしています。
理由はシンプルで、確信度は「AIの自信」であって「正しさの保証」ではないからです。自信満々に間違えることもあれば、正しいのに自信なさげに出してくることもあります。確信度は人の注意配分を助ける道具としては優秀ですが、それ自体が承認の代わりにはなりません。だから高確信のものも、人の目を一度は通す。ここを省いた瞬間に、線引きの意味がなくなってしまいます。
反論：「精度が上がれば承認も任せていいのでは？」
この話をすると、「AIの精度が上がれば、いずれ承認まで任せられるのでは」と言われることがあります。もっともな指摘です。
ただ私は、これは精度の問題ではなく、責任と可逆性の問題だと整理しています。ポイントは2つあります。
1つは責任です。AIは、間違えても責任を取れません。誤った計上や支払いの結果を最後に引き受けるのは、それを承認した人間です。だからこそ「誰の判断で通したのか」をたどれる状態を残しておく必要があります。
もう1つは可逆性です。経理の失敗は、後から取り返しがつきにくい。誤って払ったお金は簡単には戻らず、いったん確定した数字は決算や税務まで影響します。精度が99%でも、残りの1%は必ず起こりうる。そして、その1%が起きたときのダメージが大きいのが、お金を扱う仕事です。
この2つは、精度がどれだけ上がっても消えません。だからこそ「実行の引き金は人が引く」という一線は残す価値がある、というのが今の私の考えです。任せるのは、判断の材料づくりまで。最後にお金を動かす意思決定は人が持ちます。ここは効率の話とは別の軸で決めています。
実務への示唆：明日から引ける一本の線
特別なツールがなくても、この線引きの考え方はすぐ使えます。おすすめは、いま抱えている業務を1つ選んで、「AIに任せた範囲」と「人が承認する範囲」を紙に書き出してみることです。
- どの工程を任せたか（例：読み取り、候補の提示、下書きの作成）
- どこから先は人が握るか（例：金額の確定、計上、支払の実行）
- その境目に「人の承認」が1回はさまっているか
この3点を言葉にしておくだけで、「なんとなくAIに任せている」状態から、「ここまでは任せ、ここからは人が見る」と説明できる状態に変わります。あとで振り返ったときにも、判断の経路をたどれます。これは立派な内部統制——ミスを防ぎ、後から「誰の判断だったか」を追える仕組みです。
そして、最初の一歩はごく小さくていい、ということも付け加えておきます。いきなり業務全体を線引きしようとすると、かえって手が止まります。たとえば、請求書の「日付」と「金額」だけをAIに読み取らせて、その2項目が合っているかを自分の目で確かめる。これならリスクはほとんどないのに、"任せて・確かめる"の感覚がつかめます。慣れてきたら、任せる項目を取引先名、明細……と少しずつ広げていけば大丈夫です。
まとめ：読み取りはAI、確定は人
請求書処理で私が引いた線は、「読み取りはAI、確定と承認は人」というシンプルなものでした。
- 読み取りは速くて正確なAIに任せ、確信度も一緒に出させて人の負担を減らす
- 確定・承認は人が握り、実行の引き金は必ず人が引く
- 「任せた範囲」と「承認した範囲」を明示することが、そのまま統制になる
AIに任せる範囲は、これからも少しずつ広がっていくと思います。それでも、お金を動かす最後の一線は人が持ちます。任せる仕事と承認する仕事をはっきり分けること——それが、AIと安心して付き合っていくための第一歩だと感じています。
なお、AIに読み取らせる前提として「会計入力の側」をどう整えたかは、別記事「決算チェックをAIに任せて分かった、入力の工夫」にも書いています。あわせてどうぞ。
