請求書データ抽出とは、PDF、スキャン画像、または写真から、仕入先、請求書番号、日付、通貨、合計金額、明細項目など、システムで利用できるフィールドを取り出すことです。目指すのは、修正が必要な書類への対応手段も備えた、会計システム内の承認済み記録です。
このガイドでは、請求書OCRの対象範囲、検証と確認の位置づけ、既存ソフトウェアとカスタム連携の選び方を解説します。
請求書OCRとデータ抽出は別の問題を解決する
光学文字認識（OCR）は、画像内の文字を読み取ります。データ抽出は、その文字の意味を特定してフィールドに割り当てます。「132.00」という文字列を見つけることと、それが小計、税額、請求額のどれなのかを判断することは別の作業です。
デジタルPDFには、すでに読み取り可能なテキストが含まれている場合があります。スキャン画像にはOCR処理が必要です。どちらの場合も、出力を業務記録として使えるようにするには、フィールドの解釈、正規化、確認が必要です。
こうした作業の一部をすでに処理する専門サービスもあります。 Amazon Textractの経費分析 は、正規化された請求書フィールドや明細データに加え、信頼度と文書内の位置情報を返します。 Microsoft Document Intelligenceの請求書モデル は、請求書のフィールドや明細項目を構造化された形式で抽出します。これらはワークフローの構成要素として利用できますが、承認ルールと連携先の定義は別途必要です。
連携先が実際に必要とするフィールドを定義する
まず、作成したい会計記録を起点に考えます。スプレッドシート用の概要に必要なフィールドは、請求書を発注書や入庫記録と照合する場合より少なくて済みます。
| フィールドグループ | 例 | エクスポート前の確認項目 |
|---|---|---|
| 識別情報 | 仕入先、請求書番号、発注書 | 仕入先が登録済みで、重複の可能性がある候補にフラグが付いている |
| 日付と通貨 | 請求日、支払期日、通貨 | 日付が明確で、通貨が明示されている |
| 金額 | 小計、税額、割引、合計 | 合意した丸め規則に従って金額が一致する |
| 明細項目 | 説明、商品コード、数量、単価 | 明細行がすべてそろっており、正しい勘定科目または品目に割り当てられている |
フィールドを正規化する際は、元の値を保持してください。確認担当者が、読み取られた内容、変換後の値、文書内の位置を確認できるようにします。不明な値は未解決のデータとして扱います。
PDFから承認済み記録までのワークフロー
- 受け取った文書を登録する。 識別子とステータスを付与します。抽出に失敗した場合に再試行や確認ができるよう、元の文書を保持します。
- 合意したフィールドを抽出する。 文書内のテキストまたはOCR・抽出サービスを使用し、日付、通貨、金額を正規化します。
- 業務上の確認を行う。 仕入先を照合し、必須フィールドを検証し、合計金額が一致するか確認して、重複の可能性がある候補にフラグを付けます。
- 例外を確認する。 元の文書とフィールドを並べて表示します。担当者が値を修正し、経費勘定を選択して、記録を承認できるようにします。
- エクスポートして結果を確認する。 連携先に書き込み、その記録IDを保持して、失敗を追跡します。エクスポートに失敗して再試行しても、請求書が重複して作成されないようにします。
たとえば、請求書の合計金額は明確に抽出できていても、会計システムに一致する仕入先がない場合があります。その文書には、引き続き対応が必要です。合計金額の信頼度スコアだけでは、請求書全体が計上可能な状態にあるとは判断できません。
抽出、計上、支払承認は分けて扱います。文書が読み取れるからといって、経費が承認された、または支払いを実行すべきだということにはなりません。
ソフトウェア、抽出API、カスタムワークフローから選ぶ
標準的な業務プロセスには既製品を使う
対応フィールド、会計コネクタ、確認機能が要件を満たすなら、まずは既製品を検討してください。たとえば、 AutoEntry は、請求書の取り込み機能と会計システムとの連携を提供しています。別のシステムを追加する前に、自社の仕入先の書類を使って製品をテストしてください。
周辺システムがすでにある場合は抽出APIを使う
APIは文書読み取りの部分を担い、アプリケーション側で受け付け、ユーザー、承認、エクスポートを処理できます。フィールドの対応範囲、確認作業の負担、文書の制限、利用料金、データの取り扱いを比較してください。1ページあたりの料金が最も安くても、承認済み記録あたりの総コストが最安とは限りません。
製品では満たせない要件がある業務プロセスにはカスタム連携を構築する
たとえば、社内の発注書データベースとの照合、仕入先固有フィールドの抽出、特殊なERPへの書き込み、独自の確認担当者権限の実装などがあります。既存の抽出サービスを基盤として、その周囲にカスタム開発を組み込むこともできます。必ずしもモデルをゼロから学習させる必要はありません。
GagarinSoftは、 カスタム請求書処理の自動化と連携を、文書の受け付けから確認、エクスポートまで提供しています。カスタム開発の範囲を決める前に、既存ツールが適しているかを評価します。
自社の書類を使って精度を評価する
テスト前に代表的なサンプルを用意し、正しい値を記録します。デジタルPDF、スキャン、スマートフォンで撮影した写真、複数ページの請求書、クレジットノート、新規取引先、税率が複数ある書類を含めてください。同じサンプルだけで調整しないよう、一部は最終確認用に取っておきます。
- 重要なフィールドは個別に測定します。 請求書ID、仕入先、通貨、合計額には、自由記述の説明とは異なる合格基準が必要な場合があります。
- 完全なレコードを測定します。 各フィールドを個別に正しく抽出できた請求書に加え、必要なチェックをすべて満たした請求書の数も数えます。
- 確認作業の負担を測定します。 修正が必要な書類の数と、スタッフが修正に費やす時間を記録します。
- データの出力先をテストします。 重複送信、接続障害、エクスポートの拒否も評価に含めます。
精度目標は、その結果に基づいてどのような対応を取るかに合わせて設定します。確認担当者向けの下書きと、自動登録されるレコードでは、合格基準が異なります。プロバイダーの信頼度スコアは作業の振り分けに役立ちますが、しきい値は自社の結果で検証してください。
承認済み請求書1件あたりのコストを算出する
初期設定、継続的なソフトウェアまたはAPI料金、ホスティング、保守、スタッフの確認時間を含めます。失敗した試行や修正も含め、利用可能なレコード1件あたりのコストを追跡します。
計算例として、請求書500件を1件あたり4分で入力すると、約33時間かかります。新しいプロセスで請求書1件あたりの確認が平均1分になれば、約8時間となり、例外対応や保守を考慮する前の段階で約25時間を削減できます。これは計算例であり、成果を保証するものではありません。自社チームで測定した数値に置き換えてください。
導入費用の見積もりは、書類の種類、検証ルール、連携へのアクセス、ホスティングの制約によって異なります。詳しくは、こちらのガイドをご覧ください。 AI開発の費用 これらの要素がプロジェクトの範囲にどう影響するかを解説しています。
書類と抽出データの保存先を決める
取り込み、保存、抽出プロバイダー、確認画面、ログ、バックアップ、データの出力先を整理します。書類にアクセスできる人、保存期間、削除するデータを決めてください。書類を自社環境内にとどめる必要がある場合は、ツールを選ぶ前に、すべての処理工程がその要件を満たすか評価します。
有用なプロジェクト概要を準備する
- 書類の種類、言語、月間処理件数。
- 請求書の受領場所と、現在の確認方法。
- 必要なフィールドとデータの出力先システム。
- 承認担当者と、フィールドの内容が不明な場合の対応。
- ホスティングとデータ保持の要件。
- 合意した方法で共有する、代表的なマスキング済みサンプル。
これらがあれば、範囲を絞ったパイロットについて相談を始められます。取り込み経路1つ、出力先1つ、測定可能な合格基準を設定します。