一枚の請求書が机の上に置かれた瞬間
先月、ある製造業の経理部長と二時間ほど話し込みました。机の片隅には紙の請求書の束が積まれ、その横のモニターには国税庁のホームタックス画面が開かれていました。「これね、一枚ずつ見ているんです。金額は合っているか、消費税区分は合っているか、取引先コードは合っているか」。その方がマウスで指した請求書は、その日入荷した分量の半分にも満たない量でした。
前回の物流自動化で「途切れ目」を取り上げた話がピックアップ・トラッキング・通関の間にある隙間についてのものだったとすれば、今日はその一枚の請求書が会計システムの中でどのような旅路を経るのか、そしてその旅路のどこまでを機械に任せられるのかについてのお話です。
請求書処理 — 最も早くほどけた結び目
請求書処理は、自動化が最も早く入ってきた領域です。OCR技術が安定してから、紙の請求書であろうとPDFであろうとメールの添付ファイルであろうと、機械がテキストを抽出する精度が実用レベルに到達しました。
海外のベンチマークを見ると、数字はかなり印象的です。あるグローバル会計自動化レポートによれば、インボイス1件あたりの処理コストは約16ドルから2ドル台へと下がり、処理時間は平均10日から3日水準に短縮されました。85%削減と言われると抽象的ですが、月に1,000件を処理する会社であれば、月に1,400万ウォン相当の人件費と時間が他の業務へ振り向けられるという意味になります。
ただし韓国の環境は少し異なります。紙の請求書よりも電子税金計算書の比重がすでに圧倒的に高く、2025年7月から法人事業者および前年度売上8,000万ウォン以上の個人事業者は電子税金計算書の発行義務対象となりました。そのためOCRよりも「国税庁のシステムからデータをどのように自動収集してERPへ接続するか」がより重要な問いになっています。
税金計算書自動化の現在の風景
国内の税金計算書自動化ソリューションは、大きく三つに分かれているように見えます。国税庁とのリアルタイム連携で発行・受取データを自動的にERPへ流し込むカテゴリ、紙・PDFの税金計算書をOCRで入力補助するカテゴリ、そしてフリーランス・個人事業主向けの軽量なSaaS型まで。
ある製造中堅企業のケースを伺いました。導入後、finance部門のコストが20%削減され、月次レポート作成時間が75%短縮されたとのことでした。最初に聞いたときは「レポート時間75%はちょっと大げさではないか」と思ったのですが、話を聞いてみると、その方が言う「レポート」は単に決算報告書の作成だけではありませんでした。社長から「今月の売掛金がなぜ増えたのか」と即答を求められるその一言のために、経理チームが資料をかき集め、整理し、検証していたその一切の時間が減ったという意味でした。
ただしこうした効果は「何を自動化対象として定義したか」によって分かれます。同じツールを使っても、ある人にとっては70%減り、ある人にとってはほとんど変わりません。その差の8割は、「どの業務フローを切り出して機械に渡すか」を設計した人の判断によって決まるように思います。正直なところ、ツール自体はどんどん似通ってきています。
決算まで — どこまでが機械の仕事か
ここからが本当に難しい領域です。請求書の入力は自動化しやすいのですが、決算は違います。なぜなら決算は「記録」ではなく「判断」の比重が急速に上がっていくからです。
業務を大まかに分けてみると、こうなります。
- 機械が得意な仕事: OCRによる請求書データ抽出、取引先・勘定科目の一次仕訳提案、銀行口座とERPの自動照合、売掛金のマッチング、同一取引の重複入力検知、異常取引のフラグ立て、月末の定型レポート生成
- 人が依然として担うべき仕事: 課税・非課税の判断、新規取引類型に対する会計処理ポリシーの決定、決算調整事項(棚卸評価、引当金、減価償却ポリシーの変更など)、税務調査・監査対応、そして「この取引は会計処理上は正しいが、税務上のリスクがある」という総合判断
ある会計担当者の言葉が記憶に残っています。「AIが仕訳の提案をしてくれるのはありがたいのですが、それが合っているか確認するのに最初の数か月はかえって時間がかかりました」。厳密に言えば自動化のROIは導入直後が最も低いのです。人が機械の答えを検証する段階があるためです。この段階を越えてはじめて、本当に時間が減り始めます。
AI-Human Loop — 運用ガイド
ですから現場でうまく回っている構造はほぼ似通っています。AIが下書きを作り、人が検討し、人が確定し、その確定結果を機械がふたたび学習データとして積み上げていく循環。この循環を「AI-Human Loop」と呼びますが、結局のところ自動化導入の成否は、このループをどれだけ綺麗に設計できたかで決まります。
実務で役立ったいくつかの原則を整理すると、こうなります。第一に、機械の判断結果を「確定」ではなく「提案」として扱うUI設計。人が一度クリックして確定するというその行為が、責任の所在を明確にします。第二に、仕訳提案の信頼度スコアを併せて表示し、信頼度の低いものから人が優先的に確認する流れ。第三に、人が修正した仕訳には必ず「なぜ修正したか」の一行メモを残させて、次の学習につなげる仕組み。このメモが半年後のモデル精度を分けます。
ちなみに2026年法人税改正案には、AI・DX投資に対する25%の税額控除が盛り込まれました。導入時期を検討中の会社であれば、この部分は会計法人や税理士に一度確認してみる価値のある項目です。
次回予告
次回はクリニック自動化 — 予約・問診・カルテが患者満足度と運営効率の交差点でどう噛み合うかを見ていく予定です。請求書と決算の「数字の記録」自動化がやや定型的だったとすれば、クリニックの自動化は「人の気持ち」が最も多く介在する領域です。
私たち5years+は、韓国・日本の中小・中堅企業を対象にfinance領域のAI・自動化導入を支援してまいりました。請求書処理から決算補助まで、自動化の境界線をどこに引くかが常に最も難しい意思決定でした。もし「うちの会社はどこから手をつければよいのか」が気になるようでしたら、5years+の自動化サービスや無料相談はこちらで、現在の状況を一度ご一緒に覗いてみる場をご用意します。導入の決定はその後の話で、まず「どこまでが自動化可能か」の全体像から共に描いてみることのほうが、たいてい役に立ってまいりました。