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。

「請求書・発注書・納品書を3つ並べてExcelで照合。月末3日間はずっとこれ。退職した先輩のVLOOKUP関数が一個壊れると、突合のやり直しで残業確定」

そんな経理担当の月末を、AI三点突合で4時間→10分レベルに短縮する判断軸と現役実装事例を解説します。

三点突合とは何か――なぜこの作業が重要なのか

2026年5月版｜月件数で決まるAI請求書突合の実装パターン3類型と工数目安

中小企業のAI請求書突合は、月件数で最適な実装パターンが変わります。BoostXで生成AI伴走顧問を提供する中で機能している判断軸は、月件数レンジ（〜50件／50〜300件／300件以上）でスタックを切替えることです。下の表は3類型と実装後の工数目安です。

後続のH3で各パターンの選定基準と実装手順を掘り下げます。先に月件数を数えて自社レンジを決めてから読むと、無駄な比較検討を省けます。

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。

突合と照合の違い——なぜ三点突合は単なる「照合」ではないのか

経理現場では「突合」と「照合」が同じ意味で使われがちですが、内部統制の観点では明確な違いがあります。「照合」は2つの帳票を見比べて一致を確認する作業（例：請求書と発注書を見比べる）で、項目単位の一対一チェックを指します。一方「突合（とつごう）」は、3つ以上のデータソースを横断して整合を取る業務で、発注→納品→請求の業務フロー全体に矛盾がないかを問う検証行為です。三点突合は後者の代表例で、「ただの目視照合」よりも一段高い証拠保全の意味を持ちます。

この違いを押さえると、AI自動化の設計も変わります。照合だけならOCRと差分関数で済みますが、突合は「発注書に無い納品が混じっていないか」「分納品（分割納品）が複数の納品書として届く場合の合算は合っているか」「請求書側でまとめ請求された明細を、どの発注番号に紐づけるか」までAIに解かせる必要があります。私の経験では、ここを単なる照合と勘違いしたままツールを導入すると、月末に不一致リストが膨大に出てかえって工数が増えるケースが少なくありません。後半で説明する4段階実装は、突合の業務フローに沿って組み立てています。

突合と照合の違い、Excel突合からAI突合への移行はどう判断するか——月50件・300件・1000件のしきい値

「Excelで請求書照合をやってきたけれど、件数が増えてミスが目立つ。AI突合にいつ切り替えるべきか」——中小企業の経理現場で、この相談が定番化しています。私の判断軸はシンプルで、月の照合件数50件・300件・1000件の3つのしきい値で運用形態を切り替えます。

まず「突合」と「照合」の違いを整理しておきます。照合は「2つの帳票を見比べて一致するかを確認する」作業（例：請求書と発注書）。突合は「3つ以上の帳票を多角的に突き合わせて整合を取る」作業（例：請求書・発注書・納品書の三点突合）です。突合は単なる照合の延長ではなく、不一致の原因を「どの帳票のどの項目で生じたか」まで遡れる必要があるため、件数が増えるほど運用設計のセンスが結果を左右します。

移行判断のしきい値は次の通りです。月50件以下なら、Excel + 生成AIのチャット相談で運用可能。月50〜300件は、GAS + Google スプレッドシート + AI API（OpenAI / Gemini / Claude）で、突合スクリプトを組んで半自動化。月300〜1000件は、AI-OCR搭載の経理特化SaaS（後述の比較表で5ツールを整理）に切り替え、例外処理だけを人が見る運用に切り替えるのが現実解です。月1000件超になると、ERP標準機能との連携も視野に入れて、SaaSとオンプレ会計システムのデータ連携設計が必要になります。

切り替えタイミングを誤ると、Excelに固執して工数が膨れ続けるか、件数が少ないのにSaaSを入れて費用倒れになります。1か月の請求書件数を3か月平均でカウントして判断するのが、後悔の少ない選び方です。

手作業の突合が限界を迎える3つのポイント

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。

この領域でつまずきやすいのは、ツール選定よりも「業務の中のどこに組み込むか」の設計です。BoostXの生成AI伴走顧問は、業務ヒアリングから設計・定着支援までをサービス対応範囲としてカバーできる領域です。

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。

AIで三点突合を自動化する4段階完全実装（経理担当の現役視点）

三点突合の自動化は、ツール選定より「AI-OCRでデジタル化 → 名寄せ・正規化 → 突合ロジック → 例外処理」の4段階設計で品質が決まります。私の経験では、どこか1段階でも人手前提のまま残しておくと、月末・月次決算のピークで結局すべて手戻りになります。以下、中小企業の経理担当が現役で運用に乗せている粒度で順に解説します。

帳票データをAI-OCRでデジタル化する第1段階

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。

データの名寄せ・正規化をAIに任せる第2段階

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。

突合ロジックを組んで自動照合する第3段階

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。

不一致リストの確認と例外処理（第4段階）

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。