納品書と請求書の照合から請求発行までAIで自動化する手順

毎月の請求業務で、納品書と請求書を1枚ずつ突き合わせ、金額や数量が合っているかを目で確認する作業に、まる半日以上とられていませんか。件数が増えるほど手間が積み上がり、月末の締めが終わらない原因になりがちです。

この記事では、その照合作業と請求書の発行を、AIを使って半自動化する具体的な作り方を4つのステップに分けて解説します。使うのはAI-OCRと生成AI、そして普段お使いのスプレッドシートやクラウド会計ソフトです。専門知識がなくても、どこから手をつければいいかが分かる内容にしています。

Contents / 目次

1. 結論。照合は4ステップで組み、AIと人の役割を分ける
2. 納品書と請求書の照合を自動化する具体的な手順
3. 自動化で得られる効果と成果のイメージ
4. よくある失敗と回避法
5. 使う前に知っておきたい現場の落とし穴と妥協点
6. よくある質問

結論。照合は4ステップで組み、AIと人の役割を分ける

先に結論をお伝えします。納品書と請求書の照合をAIで自動化するときは、いきなり全自動を目指さず、「デジタル化・名寄せ・照合・例外処理」という4つのステップに分けて組み立てるのが失敗しないやり方です。

そして、この4ステップすべてをAIに任せるわけではありません。AIが得意なのは「読み取り・突き合わせ・下書き」まで。金額の食い違いを最終的に判断して「これで請求してよい」と決めるのは人の仕事です。この線引きをはっきりさせておくことが、安心して回せる仕組みの土台になります。

照合には2点照合と3点照合があります。3点照合とは、発注書・納品書・請求書の3つの書類を突き合わせて、注文どおりに納品され、その内容どおりに請求されているかを確認するやり方です。過大請求や二重支払い、納品されていないものへの支払いを防げます。

ただ、口頭発注やスポット取引が多く、そもそも発注書を発行していない現場も多いですよね。その場合は納品書と請求書だけを突き合わせる「2点照合」から始めるのが現実的です。まずここから自動化し、必要に応じて発注書も含めた3点照合へ広げていきましょう。

ステップ	やること	担い手
①デジタル化	紙やPDFの納品書・請求書を文字データに変換する	AI-OCR
②名寄せ・正規化	取引先名や品目名の表記のゆれを統一する	生成AI
③自動照合	金額・数量・日付を突き合わせて一致か不一致か判定する	表計算・スクリプト
④例外処理	不一致だったものだけを人が確認し、請求書を発行する	人（＋AIの下書き）

ここが肝心。真っ先に楽になるのは金額計算ではなく「転記・突合・催促」といった確認作業です。全件を目で見るのをやめ、AIが弾いた例外だけをチェックする形に変えると、作業のボリュームが一気に下がります。

納品書と請求書の照合を自動化する具体的な手順

ここからは実際の手順です。上の4ステップを、その場で手を動かせるレベルまで落として解説します。特別なシステムを買わなくても、AIチャットとスプレッドシートがあれば小さく始められます。

ステップ1。照合する項目を先に固定する

最初にやるべきは、ツール選びではなく「何と何を照合するか」を決めることです。ここが曖昧なまま自動化に進むと、後で判定がブレて手戻りします。まず、突き合わせる項目を次の4つに固定しましょう。

• 取引先名・案件名：どの取引の書類同士を突き合わせるかの「照合キー」になる
• 品目・数量：納品されたものと請求されたものが同じか
• 単価・金額：合計金額と税額が一致しているか
• 日付：納品日と請求対象期間がずれていないか

あわせて「いくらズレたら要確認にするか」の基準も、この段階で数字で決めておきます。たとえば「差額1円以内は端数としてOK、それを超えたら保留」といった具合です。この閾値を先に言葉にしておくことが、後のステップの精度を左右します。

ステップ2。納品書と請求書をAI-OCRでデータ化する

やり方は2通りあります。それぞれ次のとおりです。

• クラウド会計ソフトのOCR機能を使う：クラウド会計ソフトの中には、証憑をアップロードして日付・金額・発行元などを読み取る機能を備えたものがあります。対応する項目や読み取り範囲は製品やプランによって異なるため、導入前に各社の公式ドキュメントで確認してください。
• 生成AIに直接読ませる：生成AIにPDFや画像を渡して項目を書き出させる方法です。まずは手元のPDFを1枚、AIに読ませて表形式で出力させるところから試すと、精度の感触がつかめます。

読み取った結果は、取引先ごとに「取引先名・案件名・品目・数量・金額・日付」の列を持つ1枚のスプレッドシートにためていきます。納品書用と請求書用でシートを分けておくと、後の照合が楽になります。領収書まわりの取り込みも考え方は同じで、領収書入力をAIで自動化する手順もあわせて読むとデータ化の全体像がつかめます。

ステップ3。生成AIで名寄せ・正規化する

OCRでデータ化しただけでは、まだ照合できません。理由は「表記のゆれ」です。同じ取引先でも「(株)山田商店」「株式会社山田商店」「ヤマダ商店」とバラバラに読み取られると、機械は別物として扱ってしまいます。名寄せ・正規化とは、こうした表記をひとつの正式名称にそろえる作業です。

ここで生成AIが力を発揮します。あらかじめ自社の取引先マスタ（正式名称の一覧）を用意し、OCRデータと一緒にAIへ渡して統一させます。出発点として、次のような短い指示（seed）から始めてみてください。あとはAIと対話しながら、自社の書類に合わせて詰めていくのがおすすめです。

あなたは経理担当のアシスタントです。
次の取引先名・品目名の表記を、指定の正式名称リストに合わせて統一してください。

・正式名称リスト：［自社の取引先マスタを貼り付け］
・変換したいデータ：［OCRで読み取った取引先名・品目名を貼り付け］

出力は「元の表記／統一後の表記／自信度（高・中・低）」の3列の表にしてください。
自信度が中・低のものは、勝手に確定せず、判断に迷った理由も添えてください。

ポイントは、AIに「自信度」を一緒に出させることです。こうすると、確信を持って変換できたものと、人が確認すべきものが分かれます。AIに全部お任せせず、迷ったものだけ人が見る流れをここで作っておきます。この「自信度で仕分ける」考え方は、生成AIのハルシネーションを業務で防ぐ工夫とも共通します。

ステップ4。表計算で自動照合して例外だけ残す

取引先名がそろったら、いよいよ突き合わせです。ここはAIより、スプレッドシートの関数のほうが確実で速い部分です。請求書シートに、納品書シートの金額を照合キーで引っぱってきて差額を出す関数を1つ入れるだけで、全件の判定が一瞬で終わります。

たとえば請求書シートで、A列に取引先、B列に案件名、C列に請求金額が入っているとします。納品書シート側も同じキーを持たせておき、次の式を入れると、金額差が閾値を超えたものだけ「要確認」と表示されます。

// 請求書シートの判定列に入れる例（Googleスプレッドシート）
// 納品書シートの金額を取引先×案件で合計し、請求金額との差を見る
=LET(
  納品合計, SUMIFS(納品書!$D:$D, 納品書!$A:$A, $A2, 納品書!$B:$B, $B2),
  差額, C2 - 納品合計,
  IF(ABS(差額) <= 1, "OK", "要確認：差額 " & 差額 & "円")
)
// 「1」の部分が許容する差額。自社の基準に合わせて［ここを変更］

これで、ずらりと並んだ行のうち「要確認」だけに目を向ければよくなります。全件チェックが例外チェックに変わる瞬間です。残った「要確認」を人が見て、原因（納品漏れ・単価違い・値引き反映漏れなど）を確認します。問題なければ請求書を発行し、不一致なら取引先に確認する、という例外処理の流れをここで回します。検収データも含めて突き合わせたい場合は、請求書と検収の照合を自動化する仕組み化手順で3点照合への広げ方を解説しています。

ステップ5。照合できた分の請求書をAIで下書きする

照合で「OK」になった行は、そのまま請求書の下書きに回せます。ここでAIに任せるのは、確定済みの数字を請求書の文面に整える「転記」の部分です。ゼロから金額を計算させるのではなく、ステップ4で一致を確認できた数字だけを渡すのが、安全に使うコツになります。

具体的には、照合済みシートから「OK」の行だけを抜き出し、次のような指示とあわせてAIに渡します。自社の請求書に載る固定情報（振込先・支払期限・発行者名など）も一緒に渡しておくと、そのまま使える形で出てきます。

あなたは経理担当のアシスタントです。
次の照合済みデータをもとに、請求書の下書きを作ってください。

・請求先：［取引先名を貼り付け］
・明細（品目・数量・単価・金額）：［照合でOKになった行を貼り付け］
・自社の固定情報（振込先・支払期限・発行者名）：［貼り付け］

数量や金額は渡したデータのまま使い、勝手に計算し直したり品目を足したりしないでください。
消費税は税率ごとに小計を分け、合計金額・消費税額・税込合計を明記してください。
不明な項目は空欄にして、［要確認］と印を付けてください。

出てきた下書きは、発行前に必ず人が最終確認します。見る箇所を次の3点に絞ると速いです。

• 宛名まわり：取引先名・宛名・件名が正しいか
• 金額まわり：合計金額・消費税額・税率区分が照合データと一致しているか
• 固定項目：振込先・支払期限・発行日など、AIに渡していない項目が正しく入っているか

問題があれば、その行だけAIに修正を指示するか、手元で直します。ここまでできれば、あとは会計ソフトや自社の請求書テンプレートに転記して発行するだけです。AIは下書きまで、発行してよいかの最終判断は人、という役割分担を最後まで崩さないのが安全に回すコツです。

自動化で得られる効果と成果のイメージ

結論から言うと、この仕組みで最も軽くなるのは「確認と催促の時間」です。金額を計算する時間そのものより、書類をめくって突き合わせ、抜けを探し、取引先に連絡する時間が大きく減ります。

具体的なイメージを持ってみましょう。たとえば月に納品書と請求書を各100件、1件あたり2〜3分かけて目視で照合しているとします。

それだけで、月に4〜5時間かかっている計算になります。

ここにAIとスプレッドシートを入れて全件チェックを例外チェックに変えると、実際に人が見るのは不一致の出た数件だけになります。数時間かかっていた作業が、数十分規模に縮むイメージです（件数や不一致率によって変わるため、あくまで試算です）。

成果を出している会社に共通するのは、派手なツールを入れたことではなく、「どこを自動化し、どこを人が見るか」を先に決めている点です。全件を疑うのではなく、AIが弾いた例外だけに人の目を集中させる。この切り替えができた会社ほど、月末のピークが平準化されています。

もう一つの効果は、属人化の解消です。ベテラン担当者の頭の中にあった「この取引先はいつも値引きが後から入る」といった暗黙知が、判定ルールや例外の履歴としてデータに残ります。担当者が急に休んでも回る状態は、事業を続けるうえでの保険になります。

背景として、インボイス制度（2023年10月開始） や電子帳簿保存法の電子取引データ保存の本格化（2024年1月） で、紙のやりとりが多い会社ほどデータ化・自動化の費用対効果が大きくなっている事情もあります。

よくある失敗と回避法

ここでは、照合の自動化でつまずきやすいポイントを、現場でよく見かける順に4つ挙げます。どれも「起きる状況・どうなるか・どう防ぐか」をセットで押さえておくと避けられます。

失敗1。判定基準が曖昧なままAIに任せてしまう

「いくらズレたら保留にするか」「この費目は誰が最終承認するか」を決めないまま自動化を進めると、AIが良かれと思って処理を進め、あとで間違いが発覚します。防ぎ方はシンプルで、ステップ1でやったように閾値と承認者を数字と名前で言語化しておくことです。自社の取引パターンを一度洗い出し、「この場合はこう扱う」を書き出してからAIに渡します。

失敗2。例外処理を後回しにする

照合の「OKの流れ」だけ作り込み、不一致が出たときの対応を人手のまま放置するパターンです。すると月末や月次決算のピークで例外が一気に噴き出し、結局すべて手作業に戻ってしまいます。回避するには、「要確認が出たら誰が・いつ・どう対応するか」までを最初の設計に含めること。例外こそ自動化フローの一部だと考えてください。

失敗3。名寄せをせずに照合しようとする

OCRでデータ化した直後の生データをそのまま突き合わせ、「なぜか全部が不一致になる」というケースです。原因はステップ3で触れた表記のゆれです。取引先名や品目名がそろっていないと、機械は同じものを別物と判定します。照合の前に必ず名寄せ・正規化を挟むだけで、不一致の大半は消えます。

失敗4。土台を作らずツールだけ導入する

デジタル化された書類も、統一された取引先マスタもない状態で高機能なツールだけ導入すると、精度が出ず現場が混乱します。まずは取引先への請求書フォーマット統一のお願い、紙の証憑をスキャンする運用ルールづくりといった基盤整備から始めましょう。ツール選定よりも「業務のどこに組み込むか」の設計が先です。

使う前に知っておきたい現場の落とし穴と妥協点

ここは教科書には書きにくい、実際にやってみて見えてくる本音の部分です。相談を受けるときにも必ずお伝えしている、いくつかの妥協点を率直に共有します。

まず、2点照合には限界があることです。発注書がない状態で納品書と請求書だけを突き合わせても、「そもそもその発注が正しかったか」までは分かりません。金額と数量の一致は確認できても、身に覚えのない納品を見抜くには弱い。だからこそ、口頭発注が多い会社ほど、簡易でも発注記録を残す運用へ少しずつ寄せていく価値があります。

次に、AI-OCRの精度は100%ではないことです。かすれた印字や手書きの訂正、複雑な明細のある書類では読み間違いが起きます。だからこそ「AIが読み取ったら人が全部見直す」のではなく、「金額の合計や税額など要点だけを人が突合する」チェックポイントの設計が要になります。全自動という言葉を鵜呑みにせず、どこに人の目を残すかを決めるのが現実的です。

コスト面の見落としもあります。ツールの月額そのものより、最初の設計と運用ルールづくり、社内への定着にかかる手間のほうが実は大きい。ここを軽く見ると「入れたのに誰も使わない」状態になります。内製で進めるなら、まず1つの取引先・1つの取引形態に絞って小さく完成させ、回ってから広げるのが安全です。

内製と外注の切り分けも悩みどころです。スプレッドシートとAIチャットで組める範囲は十分に内製できます。一方で、会計ソフトのAPI連携や承認ワークフローまで含めて仕組み化したい、例外の判定ルールが複雑で設計に自信がない、という段階になると、最初だけ外部と一緒に設計図を引いたほうが結局早いことが多いです。AI導入の第一歩の選び方は中小企業が最初の1業務を決める手順も参考になります。

よくある質問

ここまで読んで、やることの全体像は見えたけれど、判定ルールの設計や会計ソフトとの連携まで自社だけでやり切るのは大変そうだと感じた方もいるかもしれません。そんなときは、AI業務システム化の詳細はこちらから、コレットラボのAI業務システム化支援にお気軽にご相談ください。いきなり契約ではなく、まずは今の経理業務のどこを自動化できるか、現状を一緒に整理するだけでも大丈夫です。お話を聞かせてください。