【ITニュース解説】How to Automate Invoice Reconciliation

多くの企業で、毎月末の経理業務は大変な作業の一つである。特に、何十社ものサプライヤーから送られてくる数百枚の請求書を一つ一つ確認し、支払い処理を行う「請求書照合」は、時間と労力がかかる。それぞれの請求書が異なるフォーマットのPDFであったり、スキャン画像や写真であったりするため、手作業での確認が中心であった。この手作業は、一週間にも及ぶことがあり、企業にとって大きな負担である。しかし、このプロセスはデジタル技術によって自動化が可能であり、企業に大きなメリットをもたらす。自動化の最大の価値は、単に時間を節約するだけでなく、請求書に潜む不正や誤りを早期に発見し、実際の金銭的な損失を防ぐことにある。

これまで請求書照合の自動化が進まなかったのには、主に二つの理由がある。一つ目は、請求書のフォーマットが非常に多様であることだ。整理されたPDF形式だけでなく、紙をスキャンしたもの、スマートフォンで撮影された写真、さらにはメール本文に金額が埋め込まれているケースもある。一般的な文字認識技術（OCR）は、整ったフォーマットの文書には対応できるが、少しでも非標準的な形式になるとうまく機能しない。そのため、一部の請求書だけを自動化しても、残りは手作業となり、システムの導入費用に見合わないことが多かった。二つ目は、より難しい問題だが、複雑な照合ロジックである。たとえ請求書から完璧にデータを抽出できたとしても、それを適切な発注書と照合し、一部納品の場合を考慮し、重複する請求書を見つけ出し、どこまでを「一致」とみなすかの判断が必要である。この判断ロジックの部分が非常に複雑であり、多くのチームが自動化を諦めて手作業を続けてきた背景がある。

しかし、近年、この状況を大きく変える技術が登場した。それが「ビジョンモデル」と呼ばれる画像認識の人工知能である。従来のテンプレートベースの文字認識技術とは異なり、ビジョンモデルは人間が文書を読むように、請求書の全体構造を理解し、必要な情報を特定する。具体的には、請求書をシステムに読み込ませて、「請求書番号」「サプライヤー名」「日付」「明細項目」「数量」「単価」「合計金額」「税金」「支払い条件」といった特定の情報を要求すると、レイアウトに関係なく構造化されたデータとして返してくれるのだ。この技術シフトにより、サプライヤーがPDFのレイアウトを変更しても、自動化パイプラインが途切れることなく機能し続けるようになった。もちろん、しわくちゃのスマートフォン写真や、薄くなった印字など、人間でも判読しにくい文書はAIにとっても依然として難しい課題である。また、複数のページにわたる請求書で合計金額が次ページに持ち越されるようなケースは、データ抽出が静かに誤る可能性もあるため、導入する際は最も難しい文書で精度を評価することが重要である。

請求書の照合において、多くの解説では発注書と請求書を比較する「2ウェイマッチ」で完結するとされているが、実際の経理チームが行うのは「3ウェイマッチ」、つまり「3点照合」である。これは、発注書が「何を、どれだけ買うことに同意したか」を示し、入庫伝票が「実際に何が届いたか」を示し、そして請求書が「何を、どれだけ支払うよう求められているか」を示す、という三つの情報を照合するプロセスである。発注書と請求書のみの2ウェイマッチでは、発注はしたが実際には届いていないものに対して支払い承認をしてしまうリスクがある。もし入庫データが存在するのであれば、それを照合プロセスに組み込むべきである。もし入庫データが存在しない場合は、2ウェイマッチを行っていることを認識し、そのデータ不足が潜在的なリスクであることを理解しておく必要がある。

自動化パイプラインは通常、三つの段階で構成される。第一段階は「取り込み（Ingest）」である。請求書はメールや共有フォルダ、サプライヤーのポータルサイトなど、さまざまな経路で到着する。自動化システムはこれらの新しい文書を検知し、処理を開始する。この時点で、文書ごとに一意の「ハッシュ値」という識別コードを記録することが極めて重要である。これにより、同じPDFが二度到着した場合でも、二重に処理されることを防ぐことができる。第二段階は「抽出（Extract）」である。ここでビジョンモデルが請求書から「請求書番号」や「金額」といった構造化されたデータを抽出し、一時的なデータ保管場所である「ステージングテーブル」に格納する。この段階では、まだ企業の主要な業務システム（ERP）にはデータは書き込まれない。第三段階は「照合とルーティング（Match and route）」である。ステージングテーブルに格納された抽出データは、既存の発注データや入庫データと比較される。事前に設定されたルールをクリアしたものは自動的に支払い承認プロセスに進み、ルールに合わないもの、つまり何らかの不一致がある場合は、具体的な不一致箇所が明示された上で、人間の担当者に処理が割り当てられる。このステージングテーブルの存在は非常に重要である。なぜなら、抽出段階でのエラーが企業の主要システムに書き込まれる前に発見できるだけでなく、照合の許容範囲（トレランス）を変更した際にも、全ての請求書を再読み込みすることなく、ステージングテーブルのデータを使って再照合できるからである。

このシステムが経理チームに信頼されるかどうかは、「何をもって一致とみなすか」という、許容範囲（トレランス）の設定にかかっている。あまりにも厳しく設定しすぎると、ほとんどの請求書が例外処理のキューに送られ、自動化のメリットが失われ、結局手作業に戻ってしまう。逆に、あまりにも緩く設定しすぎると、承認すべきでないものが承認されてしまい、金銭的な損失と永続的な信頼の喪失につながる。許容範囲は、単にデフォルト設定で放置するものではなく、自動化システムの「製品」そのものだと言える。これを推測で設定するのではなく、正確に設定する方法がいくつかある。まず、既に手作業で処理した過去一ヶ月分の請求書を使って、自動化システムを並行稼働させ、その結果を比較する。これにより、感覚ではなく具体的な数値に基づいて許容範囲を調整できる。次に、許容範囲をパーセンテージと絶対値の両方で設定する。少額の請求書にとって2%の誤差は些細なものかもしれないが、高額な請求書における2%は無視できない金額になる。さらに、処理量が多いサプライヤーについては、個別に許容範囲を設定することも有効である。例えば、燃油サーチャージが常に変動する運送業者と、契約で固定価格のサプライヤーでは、同じ許容範囲を適用すべきではない。そして最も重要なのは、最初は厳しめに設定し、時間の経過とともに意図的に許容範囲を広げていくことである。誤った承認によって失われた信頼を取り戻すには、最初の段階で少し多めに手作業で確認するよりもはるかに長い時間がかかる。

この自動化の解説で多くの記事が見落としがちな部分であり、経理部長にプロジェクトの価値を納得させる最大のポイントは、単なる時間短縮ではなく、「不正チェック」にある。請求書詐欺は、偽の請求書を送りつけるという形をとることは稀である。多くの場合、長年取引のある本物のサプライヤーからの本物の請求書に見えるが、支払い先情報、つまり銀行口座の詳細だけが静かに変更されているパターンである。このような不正は、サプライヤーを装ったドメインからのメールや、サプライヤーのメールボックスが実際に乗っ取られた場合に発生する。月に何百枚もの請求書を高速で処理している人間が、このような微妙な変更に気づくことは非常に難しい。ここでシステムが大きな力を発揮する。システムが常に、金額に関わらずフラグを立てて確認を促すべき項目は以下の通りである。まず、そのサプライヤーへの前回支払い時と異なる銀行情報が記載されている場合である。これは必ず保留とし、請求書に記載された電話番号ではなく、既に保有している信頼できる電話番号で口頭確認を行うべきだ。次に、主要な取引先データに全く登録されていないサプライヤーからの初めての請求書である。また、同じサプライヤーから同じ請求書番号で、たとえ金額が異なっていても、繰り返し請求書が届いた場合。そして、同じ金額、日付、サプライヤーの情報でありながら、異なる二つの文書として届いた場合、これは重複請求書が実際に出現する典型的なパターンである。さらに、通常は承認閾値を超える請求書を送ってくるサプライヤーから、承認閾値のすぐ下にある請求書が届いた場合も注意が必要だ。これらのチェック項目は、どれも高度な知性を必要とするものではない。単に人間が継続できない規模での比較作業であり、これこそがこの自動化システムを構築する最強の理由である。

また、どのような状況であっても絶対に自動承認してはならないラインを、システム構築の前に明確に定めておく必要がある。これは、何か問題が起きてから決めるものではない。具体的には、金額の大小に関わらず支払い詳細が変更されているもの、サプライヤーからの初めての請求書、注文書が全く存在しない請求書（たとえ内容がもっともらしく見えても）、返金処理や調整に関わるクレジットノート（これらは金額の逆転が隠れていることがあるため）、そしてもし間違っていた場合に企業に深刻な損害を与える可能性のある金額を超える請求書は、決して自動承認してはならない。

この自動化システムにおいて、監査証跡はオプションではなく必須である。全ての自動承認プロセスは、何が抽出され、何と照合され、どのルールによって承認されたのか、そしていつ承認されたのかを記録する必要がある。これは単なる整理整頓のためではない。いずれ監査担当者、あるいは社内のチームが不一致を調査する際に、「なぜ特定の請求書が支払われたのか」と問われる時が来る。その時に「システムが承認したから」という回答では、決して十分な説明にならない。この完全な監査証跡は、プロジェクトそのものを保護する役割も果たす。もし一度でも何か見落としがあったとしても（そして必ず何かは見落とされるものだが）、完全な記録があれば、それはシステムそのものを廃止すべきかどうかの議論ではなく、特定のルールを修正する具体的な問題解決へと繋がる。

全てが完全に自動照合されるわけではないため、不一致が発生した際の例外処理も適切に設計する必要がある。照合できなかった請求書は、関連する発注書とともに、具体的な不一致箇所がハイライトされた状態で担当者に送られる。担当者は、その情報を基に承認するか、サプライヤーに差し戻すかといった判断を、一つのアクションで行えるようにする。これにより、かつて二日かかっていたレビュー作業が数時間で完了するようになる。なぜなら、照合作業は既にシステムが行っており、人間はデータ入力ではなく、最終的な判断に集中できるからである。

この自動化システムを構築するための技術スタックは、請求書からデータを抽出するビジョンモデル、企業独自の照合ロジック、一時データを保存するステージングデータベース、そしてこれらのプロセス全体を繋ぎ合わせる自動化プラットフォーム（Makeやn8nなど）である。企業の既存の業務システム（ERP）とはAPI（システム間の連携口）を通じて接続されるため、既存のシステムを置き換えたり、大規模なデータ移行を行ったりする必要がない。構築にかかる費用は、既存のERPとの連携の複雑さにもよるが、おおよそ4,000ドルから8,000ドルである。運用費用は、ビジョンモデルの利用料やプラットフォーム費用を含め、月額150ドルから300ドル程度を見込む。実際の請求書を使ってのパイロット運用は2〜3週間、本格的な導入後の最初の1ヶ月で高い自動照合率を達成し、その後数週間で現実の状況に合わせて許容範囲を調整していくことになるだろう。典型的な導入効果としては、月に15〜30時間のスタッフ労働時間の節約が見込まれ、毎月の経理閉鎖作業が数日かかっていたものが、数時間で完了するようになる。このシステム導入を検討する際には、まず現在、月に何枚の請求書を処理しているか、クリーンなPDFとスキャン文書の割合はどうか、そして現在の処理プロセスがどのようなステップで行われているかを書き出すことが重要である。この現状把握の作業は30分もあれば完了し、そもそもこの自動化が自社にとって価値があるかどうかを判断する材料となる。一般的に、月に100枚を下回る請求書数であれば、自動化の費用対効果は低い傾向にある。