AIで請求書・発注書・納品書の突合を10分で完了する方法

経理担当者が月末に何時間も費やしている請求書・発注書・納品書の突合作業。金額の照合、品目の確認、数量の一致チェック――これらを1件ずつ目視で進めていくと、30件で半日、100件を超えれば丸一日が消えることも珍しくありません。しかも、疲れた目で数字を追えば追うほどミスの確率は上がります。

この突合作業は、生成AIとRPA・スプレッドシート連携を組み合わせることで劇的に短縮できます。この記事では、AIを使った三点突合（請求書・発注書・納品書の3帳票を照合する作業）を10分以内に完了させる具体的な方法を、ツール選定から運用フローまで順を追って解説します。

三点突合とは何か――なぜこの作業が重要なのか

三点突合（さんてんとつごう）とは、発注書・納品書・請求書の3つの帳票を照合し、発注内容どおりの品物が届き、正しい金額で請求されているかを確認する経理業務です。英語では「three-way matching」と呼ばれ、内部統制の基本プロセスとして位置づけられています。

三点突合で照合する項目

具体的にチェックするのは以下の項目です。

この照合を怠ると、過大請求の見落とし、二重支払い、未納品への支払いといった損失が発生します。日本CFO協会の調査によると、経理部門の業務時間のうち約3割が帳票の確認・照合作業に費やされていると報告されています。突合は地味ですが、企業の資金を守る最後の砦です。

手作業の突合が限界を迎える3つの理由

Excelや紙の帳票を使って手作業で突合している企業は、まだ多く存在します。しかし、この方法にはいくつかの構造的な限界があります。

理由1：処理件数が増えると時間が指数的に伸びる

突合は1件あたりの作業は単純でも、件数が増えると所要時間が線形以上に増加します。月に30件の取引であれば半日で終わる作業も、月100件になると2〜3日かかることがあります。品目の種類が多い場合や、1枚の発注書に複数明細がある場合は照合先を探す手間が加わり、さらに時間が膨らみます。

理由2：ヒューマンエラーを完全には防げない

数字の見間違い、行のずれ、転記ミスは、注意力だけでは防ぎきれません。特に月末・四半期末の繁忙期は確認が雑になりやすく、結果として見落としが後日発覚してやり直しになるケースもあります。人間の集中力には限界があり、長時間の数値照合はミスの温床です。

理由3：帳票フォーマットの不統一が作業を複雑にする

取引先ごとに帳票のレイアウトが異なるため、「どの欄を見ればよいか」を判断するだけで時間がかかります。ある会社はPDFで請求書を送り、別の会社はExcel、また別の会社は紙をスキャンしたJPEGファイル。この「フォーマットの揺れ」が手作業の突合を一層面倒にしています。

AIで突合を自動化する仕組みの全体像

AIを活用した突合の自動化は、大きく4つのステップで構成されます。全体の流れを先に把握しておくと、各ステップで何をしているのかが理解しやすくなります。

合計すると、100件程度の取引であれば10分以内に全体の突合を完了できます。ポイントは「全自動」ではなく「AIに任せる部分と人が判断する部分を分ける」ことです。不一致が出た場合の最終判断は人が行いますが、「一致している99件を確認する手間」がなくなるだけで、作業時間は大幅に短縮されます。

ステップ1：帳票データをAI-OCRでデジタル化する

突合の自動化で最初に行うのは、紙やPDFの帳票をデジタルデータに変換する作業です。ここで使うのがAI-OCR（人工知能を搭載した光学文字認識）です。

従来のOCRとAI-OCRの違い

従来のOCRは、活字の認識率こそ高かったものの、帳票上のどの位置にどの項目があるかを事前にテンプレートとして設定する必要がありました。取引先ごとにレイアウトが異なる帳票に対応するには、テンプレートの数だけ設定作業が発生します。

AI-OCRは、帳票の構造をAIが自動認識します。「品目名はこの位置」「合計金額はこの位置」といったレイアウト解析を自動で行うため、新しいフォーマットの帳票が来てもテンプレートを追加する必要がありません。2026年4月時点では、Google Cloud Document AI、Microsoft Azure AI Document Intelligence、国産ではAI insideの「DX Suite」やCogent Labsの「SmartRead」などが実用レベルに達しています。

AI-OCRでの読み取り手順

基本的な手順は以下のとおりです。

手順1：帳票ファイルを所定のフォルダに集約する
請求書・発注書・納品書をそれぞれ別のフォルダに分けて格納します。PDF、画像ファイル（JPEG・PNG）、紙の場合はスキャンしてPDF化します。複合機のスキャン機能で十分です。

手順2：AI-OCRツールでバッチ処理を実行する
フォルダごとAI-OCRに読み込ませます。多くのツールはドラッグ&ドロップかAPI経由でバッチ処理に対応しています。100枚の帳票であれば、2〜3分で読み取りが完了します。

手順3：出力データをCSVまたはスプレッドシートに変換する
読み取り結果はJSON、CSV、Excelなどの形式で出力されます。この後のステップで使いやすいよう、Googleスプレッドシートまたは Excelに取り込みます。

読み取り精度を上げるコツ

AI-OCRの精度は年々向上していますが、入力データの品質が低いと誤読が増えます。スキャン時の解像度は300dpi以上を推奨します。傾き補正やノイズ除去の機能があるツールを選ぶと、手書き混在の帳票でも精度が安定します。また、金額欄の読み取り精度が最重要なので、OCR後に金額部分だけ自動検算する仕組みを入れておくと安心です。

ステップ2：データの名寄せ・正規化をAIに任せる

AI-OCRで帳票をデジタル化しても、そのままでは突合できないケースがあります。なぜなら、同じ品目でも帳票ごとに表記が異なることがあるからです。

表記揺れの具体例

人間であれば「同じものだ」とすぐ判断できますが、単純な文字列比較では「不一致」と判定されてしまいます。ここで生成AIの出番です。

生成AIによる名寄せの方法

ChatGPTやClaude、Geminiなどの生成AIに、表記揺れのあるデータを渡して正規化させます。方法は2つあります。

方法A：プロンプトで直接正規化する
スプレッドシートから品目名リストをコピーし、「以下の品目名を正規化して、同一品目を統一した名称にしてください」というプロンプトとともにAIに渡します。少量の場合はこの方法で十分です。

方法B：APIで自動正規化する
月に100件以上の取引がある場合は、APIを使って自動化します。Google Apps Script（GAS）やPythonから生成AIのAPIを呼び出し、品目名・取引先名・単位を正規化するスクリプトを組みます。1回のAPI呼び出しで複数行をまとめて処理できるため、100件でも数十秒で完了します。

正規化のコツは、「マスターデータ」を用意しておくことです。自社で使う品目名・取引先名の正式名称リストを作り、AIには「このマスターに合わせて表記を統一してください」と指示します。マスターがあることで、AIの判断がブレにくくなります。

ステップ3：突合ロジックを組んで自動照合する

データが正規化されたら、いよいよ3つの帳票を照合します。ここではGoogleスプレッドシートを使った方法と、GAS（Google Apps Script）でスクリプトを組む方法を紹介します。

スプレッドシートでの突合方法

最もシンプルな方法は、3つのシート（発注書データ・納品書データ・請求書データ）を用意し、VLOOKUPやINDEX/MATCH関数で照合する方法です。

まず、発注書データを基準シートとして使います。各行の「発注番号」をキーにして、納品書シートから納品数量を、請求書シートから請求金額をそれぞれ引っ張ります。そのうえで、「発注数量 = 納品数量」「発注金額 = 請求金額」かどうかをIF関数で判定し、不一致があればセルを赤くハイライトするルールを設定します。

GASで自動突合スクリプトを組む方法

取引件数が多い場合や、毎月繰り返す業務であれば、GASでスクリプト化するほうが効率的です。以下は処理の流れです。

処理1：3シートからデータを配列として取得する
getRange().getValues()で3シートのデータを取得します。発注番号をキーにしたオブジェクト（連想配列）を作成しておくと、照合が高速になります。

処理2：発注番号をキーにして3帳票を紐づける
発注書の各行に対して、同じ発注番号を持つ納品書・請求書の行を検索します。発注番号が一致しない場合は「紐づけ不可」として記録します。

処理3：数量・金額の一致判定を行う
紐づいた行同士で、品目名（正規化済み）、数量、単価、合計金額を比較します。完全一致であれば「OK」、差異があれば「NG」と差額を記録します。金額の比較では、消費税の端数処理による1円未満の誤差を許容するロジック（例：差額が1円以下ならOK）を入れておくと、不要なNG判定を防げます。

処理4：結果を「突合結果シート」に出力する
全件の照合結果を新しいシートに出力します。一致した件はグレー、不一致の件は赤背景、紐づけ不可の件は黄色背景にすることで、確認すべき件が一目でわかります。

照合精度を上げるポイント

突合ロジックで最もよくある問題は「部分納品」への対応です。1つの発注に対して複数回に分けて納品される場合、納品書が複数枚になります。この場合は、同一発注番号の納品書を合算してから照合するロジックが必要です。GASであれば、発注番号でグループ化し、数量を合計してから比較する処理を組むことで対応できます。

ステップ4：不一致リストの確認と例外処理

自動突合が完了すると、結果は「一致」「不一致」「紐づけ不可」の3つに分類されます。人が確認するのは「不一致」と「紐づけ不可」の件だけです。

不一致が発生する主な原因

不一致の件を確認・対応したら、結果をスプレッドシートに記録しておきます。「不一致の原因」と「対応内容」を蓄積することで、同じパターンの不一致を次回から自動判定できるようになります。これが突合精度の継続的な改善につながります。

突合自動化に使えるツールと選び方

突合の自動化に使えるツールは、企業の規模・取引量・IT環境によって最適解が変わります。ここでは代表的な選択肢を整理します。

パターン1：スプレッドシート + 生成AI（月50件以下向け）

最も手軽なのは、Googleスプレッドシートと生成AI（ChatGPT、Claude、Geminiなど）を組み合わせる方法です。AI-OCRで読み取ったデータをスプレッドシートに貼り、名寄せは生成AIに手動で依頼し、突合はVLOOKUP関数で行います。初期投資ゼロで始められ、取引先が少ない企業であればこれで十分に機能します。

パターン2：GAS + AI API連携（月50〜300件向け）

取引件数が増えてくると、名寄せの手動作業がボトルネックになります。GASから生成AIのAPIを呼び出す仕組みを構築すれば、OCR後の名寄せ・突合・結果出力まで一気通貫で自動化できます。GASのトリガー機能を使えば、「毎月月末に自動実行」も可能です。AI APIの利用料は、OpenAI GPT-4oの場合で1,000件の処理に数百円程度です（2026年4月時点）。

パターン3：経理特化SaaS（月300件以上向け）

大量の帳票を扱う場合は、経理特化のSaaSツールが選択肢に入ります。Bill Oneやinvox、バクラクなどは請求書の受領からデータ化・突合・仕訳までをワンストップで処理できます。ただし月額費用が発生するため、自社の取引量とコストのバランスを見て判断してください。freee会計やマネーフォワードクラウドと連携できるかどうかも、選定時の重要なチェックポイントです。

ツール選定の判断基準

最初はパターン1から始めて、件数が増えたらパターン2に移行するのが無理のないステップです。いきなり高価なSaaSを導入するよりも、まず小さく始めて自社の業務フローに合った仕組みを見極めることをおすすめします。

導入時に押さえておきたい注意点

AIによる突合自動化はメリットが大きい一方、導入時にいくつか注意すべきポイントがあります。

注意点1：AIの判定結果を鵜呑みにしない

生成AIによる名寄せは高精度ですが、100%ではありません。特に似た品目名が複数ある場合（例：「A4用紙 白」と「A4用紙 再生紙」）は誤って同一品目と判定されることがあります。導入初期は、AIの判定結果を人が抜き取りでチェックする期間を設けてください。精度が安定してきたら、チェック頻度を下げていけます。

注意点2：発注番号の運用ルールを整備する

三点突合の精度は「発注番号でどれだけ正確に紐づけられるか」にかかっています。発注番号が振られていない取引、口頭発注、メールだけで発注している取引が多い場合は、まず発注番号を必ず付番する運用ルールから整備することが先決です。突合自動化の効果を最大化するためのインフラ整備と考えてください。

注意点3：インボイス制度への対応を確認する

2023年10月に開始されたインボイス制度により、適格請求書には登録番号の記載が必須となっています。AI-OCRで請求書を読み取る際には、登録番号（T+13桁）の読み取りと、国税庁の適格請求書発行事業者公表サイトでの有効性確認を組み込んでおくと安心です。GASやPythonであれば、国税庁公表APIを使って自動確認することもできます。

注意点4：セキュリティとデータ管理

帳票データには取引先情報、金額、品目など機密性の高い情報が含まれます。生成AIのAPIを利用する場合は、データがAIの学習に使われない設定（オプトアウト）を確認してください。OpenAIのAPI利用（ChatGPT Plusではなくビジネス向けAPI）であればデフォルトで学習には使用されません。社内のセキュリティポリシーに照らして、どのデータをAIに渡してよいかを事前に整理しておくことも重要です。

よくある質問

まとめ

突合作業は「AIに完全に任せる」のではなく、「AIが得意な部分をAIに、人が判断すべき部分を人に」と分けることで、品質を落とさずに作業時間を大幅に短縮できます。まずは月末の請求書10件からでも試してみてください。小さく始めて、効果を確認しながら対象範囲を広げていくのが、失敗しない導入の進め方です。

2026年4月