請求書のチェックをChatGPTに任せてみた。5つの明細から見えてきた、経理DXの可能性
請求書の確認って、本当に人が全部やるべきだろうか？
月末になると、経理部門には多くの請求書が集まります。
請求金額は合っているか。
発注した商品は届いているか。
数量や単価に間違いはないか。
どれも大切な作業です。
でも、発注書と納品書と請求書を何度も見比べて、同じような数字を確認する時間。
この作業の一部をAIに任せられたら、もっと大切な仕事に時間を使えるのではないでしょうか。
そんなことを考えて、今回試してみたのが「請求書・発注書・納品書 自動突合AI」というChatGPT向けプロンプトです。
今回のデモでは、わずか5つの請求明細の中に、複数の確認事項が含まれていました。
しかも、単なる計算ミスだけではありません。
発注していない商品の請求や、納品されていない商品の請求まで含まれていたのです。
私がAI活用で大切にしていること
こんにちは。
生成AIブログ「ほぼテク」を運営している、株式会社GROWTH JAPAN TECHNOLOGIESの我妻裕太です。
私は、AIを単なる文章作成ツールだとは考えていません。
AIの魅力は、人が時間をかけて取り組んできた仕事の進め方を変えられることにあると思っています。
もちろん、どんな業務も完全にAIへ任せればよいわけではありません。
むしろ大切なのは、人が判断すべき仕事と、仕組み化できる作業を見極めることです。
経理業務は、その考え方を具体的に試しやすい領域の一つだと感じています。
今回、請求書の自動突合プロンプトを紹介しようと思った理由
AIの活用方法を考えるとき、つい派手な事例に目が向きます。
画像生成。
動画制作。
自律型AIエージェント。
新しいアプリ開発。
どれも面白い技術です。
しかし、企業の現場には、もっと身近な改善機会が眠っています。
例えば、毎月発生する請求書の確認作業です。
発注書には何が書かれているのか。
納品書には何個届いたと記載されているのか。
請求書では何個分の代金が請求されているのか。
これらを照合する作業は、ルールを明確にできれば、コンピューターが得意とする部分も多いはずです。
そこで今回、ChatGPTに3帳票をまとめて突合させるプロンプトを題材にしました。
そもそも「3帳票突合」とは何なのか？
3帳票突合とは、発注書・納品書・請求書の内容を比較し、取引内容が一致しているか確認する作業です。
英語ではThree-Way Matchingと呼ばれます。
発注書は「何を、何個、いくらで注文したか」。
納品書は「実際に何が、何個届いたか」。
請求書は「何に対して、いくら支払ってほしいか」。
この3つを照合することで、発注内容と異なる請求を発見するための判断材料が得られます。
例えば、10個しか発注していない商品が、12個分請求されていたらどうでしょうか。
すぐに確認が必要だと分かります。
ただし、実務では追加発注や契約変更が存在する場合もあります。
だからこそ、AIには「不一致を検出する役割」を任せ、最終的な判断は人が行うことが重要なのです。
ChatGPTにどんな仕事をお願いするのか？
今回のプロンプトでは、最初にChatGPTの役割を設定しています。
経理業務、購買管理、請求書監査、データ分析、業務自動化に精通した専門AIとして振る舞うよう指示します。
そのうえで、3帳票に含まれる商品コード、数量、単価、金額を比較させます。
検証する内容は大きく分けて4つです。
第一に、発注した商品と請求された商品が一致しているか。
第二に、納品された数量と請求数量が一致しているか。
第三に、発注単価と請求単価が一致しているか。
第四に、請求書に記載された金額の計算が正しいか。
さらに、不一致が見つかった場合には問題の種類を分類し、重要度を判定するようにしています。
最終的には、Excelレポートとして確認できる形に整理する設計です。
デモデータを検算したら、何が見つかったのか？
今回のデモには、4種類の商品が発注されています。
ノートPC用マウス。
USBキーボード。
HDMIケーブル。
USBハブ。
ところが、請求書には5種類の商品が記載されています。
外付けSSDが追加されているのです。
この時点で、発注書に存在しない商品が請求されていることが分かります。
さらに細かく見ていくと、USBキーボードは5個の発注・納品に対して6個の請求。
HDMIケーブルは発注単価3,000円に対して請求単価3,100円。
USBハブは納品数量がゼロなのに、1個分が請求されています。
つまり、請求明細5件のうち4件に何らかの確認事項が存在していました。
ただし、これらは提供されたデモデータを検算した結果であり、実際の企業の請求書を調査した結果ではありません。
請求書の金額を再計算すると、さらに面白いことが分かった
請求書に記載された税抜小計は41,000円。
消費税は4,100円。
税込請求合計は45,100円です。
ところが、個別の請求明細を足し直すと41,200円になりました。
正しい消費税は4,120円。
税込合計は45,320円です。
つまり、請求書の合計金額には220円の差があったのです。
しかし、チェックはここで終わりません。
納品実績と発注単価を基準に、現時点で請求可能と考えられる参考額を計算すると、税抜26,000円、税込28,600円になります。
明細から再計算した税込請求額45,320円との差は16,720円。
この数字を見ると、単純な小計ミス以上の確認が必要だと分かります。
ただし、16,720円がそのまま不正請求額という意味ではありません。
追加発注、契約変更、その他の承認済み条件がないか、取引先と確認するための参考値です。
このプロンプトで最も重要だと思った工夫
私が特に重要だと感じたのは、合計金額をそのまま信用しないという指示です。
AIに帳票を渡して「チェックして」とだけお願いすると、何をどの基準で確認するかが曖昧になります。
今回のプロンプトでは、明細ごとの掛け算から消費税まで、独立して再計算するよう明確に指定しています。
もう一つ重要なのが、差額の二重計上を防ぐ指示です。
例えば、未納品の商品が請求されている場合、その明細は数量不一致と未納品請求の両方に該当します。
しかし、同じ5,000円を二重に加算すると、金額影響を過大に評価してしまいます。
そこで、問題分類は複数表示しても、金額評価では同じ明細を重複計上しないようにしています。
こうした細かいルールが、業務用プロンプトの品質を左右するのだと思います。
Excelレポートにすることで何が変わるのか？
ChatGPTの画面に結果を表示するだけでも、十分便利です。
しかし、実務では担当者が確認したり、上長に説明したり、取引先へ問い合わせたりする場面があります。
そのため、結果をExcel形式で保存できると便利です。
今回のプロンプトでは、突合サマリー、全明細突合、差異一覧、金額検証、元データの5シートを出力するよう指定しています。
正常な明細は緑色。
不一致は黄色。
重要度の高い問題は赤色。
色分けすれば、確認すべき箇所が分かりやすくなります。
元データと判定結果を一緒に残せる点も魅力です。
なお、Excelファイルを実際に作成できるかどうかは、利用しているChatGPTのファイル生成・データ分析機能によって異なります。
こんな人にこそ試してほしい
最初におすすめしたいのは、経理担当者です。
毎月の請求書確認に追われている方なら、デモだけでも自動化の可能性を感じられると思います。
購買担当者にもおすすめです。
発注内容と納品実績、請求内容がつながっていれば、取引先との確認も整理しやすくなります。
そして、DX推進担当者にもぜひ試してほしいと思います。
大規模なシステム開発に進む前に、業務ルールを文章化し、AIで小さな検証を行うことができます。
今回の題材は、社内でAI活用を説明するデモとしても使いやすいはずです。
反対に、こんな使い方はおすすめしない
AIの判定だけで支払いを自動承認する運用はおすすめしません。
請求書の内容が発注書と違っていても、正式に承認された契約変更があるかもしれません。
納品書の記載と実際の検収数量が異なる可能性もあります。
また、PDFの読み取りでは商品コードや金額を間違って抽出する場合があります。
AIの出力はあくまで確認作業を支援するものです。
正式な支払い判断には、元帳票、契約、検収記録、社内承認ルールとの照合が必要です。
機密情報を使う場合も、社内の情報管理ルールに従ってください。
ChatGPTをもっと実務に近づけるには？
今回のデモは、発注書・納品書・請求書がそれぞれ1枚というシンプルな構成です。
現実の業務では、1回の発注が複数回に分けて納品されたり、請求書が分割して届いたりします。
そこで次の段階では、納品履歴の累積、請求済み履歴の管理、正式な単価変更履歴の照合などを追加するとよいでしょう。
さらに、確認結果を担当者別に振り分けたり、差戻し理由を文章化したりする仕組みも考えられます。
大切なのは、最初から何でも自動化しようとしないことです。
まずはデモデータで判定基準を検証する。
次に、機密情報を除いた実際に近いデータで試す。
最後に、人の承認を含めた業務フローへ組み込む。
この順番で進めることが、現実的なAI導入につながると考えています。
AI時代の経理担当者は、どんな仕事に集中できるのか？
私は、AIの本当の価値は単なる時間短縮ではないと思っています。
単純な比較や集計に使っていた時間を、より重要な判断に使えることです。
なぜこの差異が生まれたのか。
取引先との契約は適切だったか。
購買や納品のプロセスに改善余地はないか。
そうした問いに向き合う時間が増えれば、経理部門の役割も変わっていくはずです。
数字を確認するだけでなく、数字から業務改善を生み出す。
そんな働き方は、これからますます重要になるのではないでしょうか。
続きは生成AIブログ「ほぼテク」で
今回紹介したChatGPTの自動突合プロンプトは、具体的なデモデータを使ってすぐに試せる内容です。
詳細なプロンプト、判定ルール、実行結果の見どころは、生成AIブログ「ほぼテク」で紹介しています。
ChatGPTで経理業務を効率化したい方。
Excelの確認作業を減らしたい方。
生成AIを実務に取り入れたい方。
ぜひ、最初の一歩として試してみてください。
そして、AIに任せられる作業はAIへ。
人は、考え、挑戦し、新しい価値を生み出すことに集中する。
私は、そんな未来にワクワクしています。
ブログを日々書き続けて思うこと。
AI時代、私たちはどう働くべきか。
データ処理や効率化はAIに任せ、人は人間にしか生み出せない「情熱」と「熱狂」、「泥臭さ」、そして「挑戦」に命を懸ける！
私たちは、それこそが最高にワクワクする企業のあり方だと信じています。
意味のある“無駄”に全力で挑む。
GROWTH JAPAN TECHNOLOGIESは、今日も情熱もって熱く走ります！
執筆：我妻裕太
株式会社GROWTH JAPAN TECHNOLOGIES
受賞歴：IBM DXチャレンジ最優秀賞、経済産業大臣賞、その他多数受賞
運営：生成AIブログ「ほぼテク」
👉「ほぼテクブログ」で紹介中！
#ChatGPT #経理DX #業務効率化 #生成AI #ほぼテク
