LASSIC Media らしくメディア
AI-OCR帳票入力システム開発の外注の進め方
LASSIC IT事業部｜元請（プライムベンダー）としてシステム開発・運用を受託
紙やPDFの帳票を人手でシステムへ打ち込む作業は、経理・総務・情報システム部門にとって時間と入力ミスの温床になりがちな工程です。この手入力をAI-OCR(人工知能を組み合わせた光学文字認識)で読み取り、抽出したデータを基幹システムや会計システムへ流し込む——これがAI-OCRによる帳票入力・データ入力自動化システムの狙いになります。ただし認識精度には限界がある点に注意が必要です。読み取った値をそのまま信じる設計にすると、かえって確認と手戻りが増えかねません。本稿では、外注でこの種のシステムを新規開発・刷新する際に押さえたい業務設計と委託先の選び方を、電子帳簿保存法のスキャナ保存要件など公的情報も交えて整理していきます。
この記事のポイント
- AI-OCR帳票入力システムの目的は「手入力の削減」であり、読取・項目抽出・目視確認・基幹連携までを一連の業務として設計することが要点になります。
- 認識精度には限界があるため、確信度(読み取りの確からしさ)に応じて自動確定と目視確認(ベリファイ)を振り分ける確認フロー設計が欠かせません。
- スキャナ保存で電子データを正本にする場合、国税庁が定める解像度・タイムスタンプ・検索機能などの要件を満たす必要があります。
目次
AI-OCRによる帳票入力・データ入力自動化とは——手入力を減らす仕組み
AI-OCRによる帳票入力・データ入力自動化システムとは、請求書や納品書、申込書といった帳票を光学的に読み取り、機械学習を用いて文字や項目を抽出し、そのデータを基幹システムや会計システムへ登録する一連の仕組みを指します。従来のOCRが定型フォーマットの活字を主な対象としてきたのに対し、AI-OCRは手書き文字やレイアウトの異なる帳票にも対応できる点が特徴です。目的はあくまで、人が一文字ずつ打ち込む手入力を減らし、担当者を確認や判断の作業へ振り向けることにあります。
ここで押さえておきたいのは、AI-OCRは「読み取って終わり」ではないという点です。読み取った結果には確からしさのばらつきが避けられず、そのまま基幹システムへ登録すれば誤ったデータが業務に流れ込みます。だからこそ、抽出した値の確認から既存システムへの連携までを含めた一連の業務プロセスとしての設計が重要です。外注を検討する段階から、この全体像を委託先と共有しておくことが後の手戻りを防ぎます。
定型・半定型・非定型帳票の違いと、項目抽出・自動仕分けの考え方
帳票入力の自動化を考えるうえで、まず対象の帳票がどの種類に当たるかを見極める必要があります。一般に帳票は、レイアウトの安定度によって三つに分けて考えられます。
定型・半定型・非定型という3区分
定型帳票は、自社の申込書や社内様式のように毎回同じ位置に同じ項目が並ぶものです。読取位置を固定しやすく、自動化との相性はもっとも良いといえます。半定型帳票は、請求書のように「発行日・金額・取引先」といった項目は共通でも、取引先ごとにレイアウトが異なるものを指します。非定型帳票は、FAXの注文書や自由記述の書類のように、フォーマットそのものが定まっていないものです。後者になるほど、項目の位置を固定できず、抽出の難易度は上がります。
項目抽出と帳票の自動仕分け
AI-OCRの中核となる処理が、帳票から必要な値を取り出す項目抽出(キーと値の対応づけ)です。「請求金額」というラベルの近くにある数値を金額として拾う、といった対応づけを行います。半定型・非定型の帳票では、位置ではなく項目名や文脈から値を探す仕組みが要になります。あわせて、複数種類の帳票が混在して届く現場では、まず帳票の種類を判定して処理を振り分ける自動仕分けが有効です。種類を誤れば以降の抽出もずれるため、仕分けの精度は全体の品質を左右します。対象帳票の区分と量を最初に棚卸ししておくと、必要な自動化の範囲が見えやすくなるでしょう。
認識精度の限界と、確信度に応じた確認フロー(ベリファイ)の設計
AI-OCRを導入するうえで最も誤解されやすいのが、認識精度への期待です。読み取り精度は帳票の印字品質、スキャン解像度、手書きの有無、様式のばらつきによって大きく変動します。特定の条件下で高い数値が示されることはあるものの、あらゆる帳票で常に同じ精度が出るわけではない点に留意が必要です。「精度が高いから確認は不要」という前提で設計すると、誤読が見逃されたまま基幹データに混入するおそれがあります。
確信度を閾値で分岐させる
この限界を業務側で吸収する仕組みが、確信度(コンフィデンス。読み取り結果がどの程度確からしいかを数値で表したもの)に応じた振り分けです。多くのAI-OCRは、抽出した各項目に確信度を付与します。あらかじめ閾値を決めておき、確信度が高い項目はそのまま自動確定、低い項目は人による目視確認(ベリファイ)へ回す——こうした分岐を設計に組み込みます。全件を人が見直すのでは自動化の意味が薄れ、逆に全件を無確認で通せば品質は保てないでしょう。閾値の置き方が、省力化と正確性のバランスを決めます。
ベリファイ工程を業務に組み込む
目視確認の工程は、単に「間違いを直す」だけの作業ではありません。確認画面で原本画像と抽出値を並べて見比べる、金額など重要項目は二重入力で突き合わせる、修正した結果を学習に還元する、といった設計が精度と効率を押し上げます。どの項目をどの担当がどこまで確認するのか、業務フローと権限まで含めて決めておくことが肝心です。技術単体ではなく、この確認フローの設計こそが帳票入力自動化の成否を分ける部分だと考えておきたいところです。
電子帳簿保存法のスキャナ保存要件を満たす入力設計
帳票の入力自動化を検討する際、あわせて避けて通れないのが電子帳簿保存法への対応です。紙で受け取った請求書や領収書をスキャンし、その電子データを正本として保存する場合、スキャナ保存制度の要件を満たす必要があります。国税庁によれば、この制度は国税関係書類のうち一定の基準を満たしたものについて電子データでの保存を認めるもので、書類は記載金額などに応じて重要書類と一般書類に区分されます*1。
解像度・階調・タイムスタンプ・検索機能
スキャナ保存の基本的な要件として、国税庁は読み取り時の解像度を200dpi以上とし、赤・緑・青それぞれ256階調(24ビット/ピクセル)以上のカラーで保存することを求めています*2。加えて、記録事項の改ざん防止の観点からタイムスタンプの付与が定められています*2。取引年月日・取引金額・取引先といった項目で検索できる検索機能の確保も、要件の一つです*2*3。要件の詳細や運用上の取り扱いは、国税庁が公表する一問一答で随時整理されています*3。
AI-OCRの抽出データを検索要件に活かす
ここでAI-OCRの帳票入力は、法対応と自然につながります。読み取りの過程で取引年月日・取引金額・取引先を抽出できれば、それらをそのまま検索項目のインデックスとして登録できるためです。手入力の削減と検索要件の充足を、一つの処理で両立させられるわけです。ただし要件の解釈は制度改正でも見直されるため、外注先が最新の国税庁の情報に基づいて設計できるかどうかは、契約前に確かめておくべき点になります。誇張された自動化の宣伝文句ではなく、一次情報に即した対応方針を示せる相手を選びたいものです。
経費精算・請求書・問い合わせ管理システムとの違いと連携
帳票入力の自動化は、隣接する業務システムと機能が重なって見えることがあります。役割の違いを整理しておくと、開発範囲の線引きがしやすくなります。
| システム | 主な役割 | AI-OCR帳票入力との関係 |
|---|---|---|
| 経費精算システム | 申請・承認・仕訳のワークフロー | 領収書の読取を入力の一機能として内包しうる |
| 請求書発行・管理システム | 請求データの生成・受領・消込 | 受領した請求書の読取・データ化で連携する |
| 問い合わせ管理システム | 問い合わせの受付・対応履歴の管理 | 帳票ではなく文章が主対象で領域が異なる |
| AI-OCR帳票入力基盤 | 各種帳票の読取・抽出・データ化 | 上記各システムへの「入力の前段」を横断的に担う |
経費精算システムは申請から仕訳までのワークフローが主眼で、領収書のAI-OCR読取はその一部の機能として組み込まれる位置づけです。請求書発行・管理システムは請求データの生成や入金消込を担い、受け取った請求書のデータ化でAI-OCRと接点を持ちます。一方、問い合わせ管理は帳票ではなく文章のやり取りが中心で、性格が異なります。AI-OCR帳票入力基盤は、これらの業務システムに共通する「紙・PDFをデータにする前段」を横断して受け持つ存在だと捉えると分かりやすいでしょう。個別システムに読取機能を作り込むのか、共通基盤として切り出すのかは、対象帳票の広がりと運用体制を見て決める判断になります。
既製サービスとスクラッチ/API組込の判断軸と、外注時の確認点
実装の方式は、大きく既製のAI-OCRサービスを使う道と、スクラッチ開発やAPI組込で自社システムに埋め込む道に分かれます。それぞれ向き不向きがあり、対象帳票と連携要件で選び分けます。
既製サービスとスクラッチ/API組込
既製のAI-OCRサービスは、対応帳票が一般的で早く始めたい場合に適しています。導入の初期負荷が軽く、運用も提供側に一定を委ねられる点が利点です。対してスクラッチ開発やAPIによる組込は、独自様式の帳票が多い、確認フローを自社業務に密着させたい、基幹システムと深く連携させたい、といった要件で選ばれます。汎用サービスのAI-OCRエンジンをAPIで呼び出しつつ、確認画面と連携処理だけを作り込むという折衷も現実的な選択肢でしょう。どこまでを既製で賄い、どこを作るのかの線引きが、費用と柔軟性の両面を左右します。
外注先に確認すべきこと
委託先を選ぶ際は、技術力だけでなく業務設計まで踏み込めるかを見ます。特に次の点は契約前に確かめておきたいところです。第一に、自社の実帳票を使った精度検証(PoC)に応じてもらえるか。カタログ上の数値ではなく、実際に使う帳票でどの程度読めるかを確かめられるかどうかが分かれ目になります。第二に、確信度に応じた確認フローの設計を任せられるか。第三に、既存の基幹・会計システムとの連携や、抽出後の処理をつなぐRPA連携に対応できるか。第四に、電子帳簿保存法のスキャナ保存要件を踏まえた保存・検索の設計ができるか。これらを一貫して相談できる元請（プライムベンダー）であれば、要件定義から運用までの分断を避けられます。
まとめ：AI-OCR帳票入力システムの外注で押さえる3つの判断軸
本稿では、AI-OCRによる帳票入力・データ入力自動化システムを外注で開発する際の勘所を整理しました。要点は三つです。第一に、目的は手入力の削減であり、読取・項目抽出・目視確認・基幹連携までを一連の業務として設計する視点が土台になります。第二に、認識精度には限界があるため、確信度に応じて自動確定と目視確認(ベリファイ)を振り分ける確認フローの設計が品質を左右します。第三に、スキャナ保存で電子データを正本にするなら、国税庁が定める解像度・タイムスタンプ・検索機能などの要件を満たす設計が前提です*2。技術の派手さではなく、業務設計と法対応まで一緒に描ける相手かどうかを、外注先選びの軸に据えることをおすすめします。
よくある質問
AI-OCRを導入すれば人の確認は不要になりますか。
いいえ。読み取り精度は帳票の印字品質やスキャン解像度、手書きの有無、様式のばらつきによって変動し、常に一定ではありません。そのため、確信度が低い項目を人が目視確認(ベリファイ)する工程を業務に組み込むことが前提になります。精度の数値だけで判断せず、確認フローとセットで設計してください。
手書きで記入された帳票も読み取れますか。
AI-OCRは従来のOCRに比べ手書き文字への対応範囲が広がっています。ただし筆記者による字形のばらつきの影響を受けやすく、活字よりも確信度が下がりやすい傾向があります。手書き項目は目視確認へ回す割合が高くなることを見込み、対象帳票の中で手書きがどれだけ含まれるかを事前に棚卸ししておくとよいでしょう。
既存の会計システムや基幹システムと連携できますか。
抽出したデータをAPIやファイル連携、RPAを介して既存システムへ登録する構成が一般的です。連携方式は相手システムの仕様に左右されるため、外注先には対象システムの接続方式と、抽出後のデータ変換・突合の設計まで対応できるかを確認しておくことが大切です。
スキャンした帳票を電子帳簿保存法に対応させるには何が必要ですか。
スキャナ保存で電子データを正本にする場合、国税庁は解像度200dpi以上、赤・緑・青それぞれ256階調以上のカラー保存、タイムスタンプの付与、取引年月日・取引金額・取引先などでの検索機能の確保を求めています。要件の詳細は国税庁の一問一答で示されているため、外注先が一次情報に基づいて設計できるかを確認してください。
帳票入力の自動化を外注する場合、まず何を確認すべきですか。
最初に、自社の実帳票を使った精度検証(PoC)に応じてもらえるかを確認します。あわせて、確信度に応じた確認フローの設計、既存システムとの連携やRPA連携、電子帳簿保存法への対応可否を委託先とすり合わせておくと、導入後の手戻りを抑えやすくなります。対象帳票の種類と量の棚卸しを先に済ませておくと、相談がスムーズです。
著者：テレリモ総研編集部 鈴木 亮佑
ご不明な点はお問い合わせフォームからもご連絡いただけます。
- *1 出典：国税庁「Ⅰ 通則【概要の詳細】」（電子帳簿保存法一問一答（スキャナ保存関係））（https://www.nta.go.jp/law/joho-zeikaishaku/sonota/jirei/07scan/01.htm）
- *2 出典：国税庁「Ⅱ 適用要件【基本的事項】」（電子帳簿保存法一問一答（スキャナ保存関係））（https://www.nta.go.jp/law/joho-zeikaishaku/sonota/jirei/07scan/02.htm）
- *3 出典：国税庁「電子帳簿保存法一問一答【スキャナ保存関係】（令和7年6月）」（https://www.nta.go.jp/law/joho-zeikaishaku/sonota/jirei/pdf/03-4.pdf）
- *4 出典：IPA（独立行政法人情報処理推進機構）「DX白書」（https://www.ipa.go.jp/publish/wp-dx/index.html）
