請求書・納品書のAI照合（三点照合）を自動化する方法と費用

請求書・納品書・発注書の三点照合は、AI（LLM）で各書類から品番・数量・単価を読み取り、突き合わせて「一致」と「要確認」に分ける形で自動化できます。進め方は現状の把握→PoC→実装→運用の4段階で、担当者が目で確かめる書類は要確認の分に絞れます。費用は、既存の会計・販売管理システムの突合機能を使うか、AI-OCRサービスを使うか、読み取りから照合まで個別に構築するかで変わり、目安は後半の表に示します。

「合っているはずなのに、数字がずれる」：三点照合に追われる経理・購買の現場

発注書を出し、商品が納品され、請求書が届きます。この一連の流れの中で、経理・購買の担当者が日常的に行っているのが「三点照合（発注書・納品書・請求書の3つの書類を突き合わせ、金額・数量・単価が一致しているかを確認する作業）」です。得意先・仕入先が増えるほど、この照合作業の件数も比例して増えていきます。

多くの現場では、この照合が担当者の目視と手作業に頼ったままです。発注書と納品書をExcelや紙で並べ、請求書と1行ずつ照らし合わせます。数量や単価にズレがあれば、電話や問い合わせで確認します。件数が少ないうちは何とか処理できますが、取引先が増えたり、月末月初に照合作業が集中したりすると、担当者の残業や確認漏れの原因になります。

自動化に使うAIは、LLM（大規模言語モデル。文章の意味を人のように理解して処理できる生成AIの中核技術）です。取引先ごとに書式が違う書類でも、品番・数量・単価がどこに書かれているかを文脈から読み取れる点が、照合にAIを使う理由です。

三点照合の前工程にあたるのが、商品が届いた時点での現物確認です。入荷時に現物・ラベルの記載を納品書と突き合わせる入荷検品の精度が低いと、三点照合の起点になる納品書の数量に疑いが残ります。目視・手作業の入荷検品を自動化する手順は、入荷検品（現物とラベル・納品書の照合）を自動化する方法で確かめられます。

また、発注書・納品書・請求書という紙・FAX・PDFの帳票をデータとして読み取れていなければ、三点照合で突き合わせる材料がそろいません。書類の読み取りをAIで自動化する方法は、請求書・帳票のAI読み取り自動化｜AI-OCRの導入方法と費用に手順と費用があります。

なお、三点照合という書類間の突合精度の話と、請求書自体の記載要件（インボイス制度の適格請求書対応）は別の論点です。特にShopify BtoBで受けた注文について適格請求書の発行・保存をどう実装するかは、Shopify BtoBのインボイス対応｜適格請求書の発行と保存が役立ちます。

なぜ三点照合はズレるのか：手作業が生む3つの原因

三点照合でズレが発生する原因は1つではなく、複数の要因が積み重なっています。

• 書類のフォーマットが取引先ごとに異なる：発注書・納品書・請求書のレイアウトは取引先ごとにバラバラで、記載されている品番・数量・単価の表記位置も統一されていない。担当者は書類ごとに「どこを見ればよいか」を毎回判断し直す
• 紙・PDF・Excelが混在している：FAXで届く発注書、PDFで届く納品書、Excelやシステムで管理する請求書。書類の形式が混在していると、突き合わせのために一度どこかへ転記する手間が発生する
• 数量・単価の端数や分納でズレやすい：発注数量に対して複数回に分けて納品される「分納」や、値引き・端数処理の違いが積み重なると、単純な行単位の突合では一致しない状況が生まれる

こうした要因が重なった結果、担当者が書類を目で追って手作業で確認する状態が、取引先の数だけ積み重なっていきます。

この状態を放置すると、次のような形で業務や経営に影響が及びます。

• 支払いの二重払い・未払いリスク：照合が不十分なまま請求書どおりに支払うと、同じ請求への二重払いや納品されていない分への過払いが起きる。反対に、正当な請求への支払いが遅れるおそれもある
• 月末月初の残業集中：照合件数が締め日前後に集中すると、経理・購買の担当者の残業が特定の時期に偏り、属人化した担当者への負荷が積み重なる
• 仕入先・得意先との信頼低下：金額のズレを都度電話で確認するやり取りが続くと、取引先側にも「この会社は照合に時間がかかる」という印象が残り、取引のスムーズさに影響する
• 経営の数字の確定が遅れる：照合が終わらないと確定した仕入・買掛の数字が出せず、月次決算や資金繰りの見通しを立てる材料が後ろ倒しになる

いずれも、三点照合という確認作業の遅れが、支払い・担当者の負荷・取引先との関係にまで広がる例です。

AIによる三点照合自動化の進め方（4つのフェーズ）

三点照合の自動化は、全取引先を一度に対象にせず、段階を踏んで進めます。範囲を絞って精度を確かめながら広げるほうが、手戻りが少なく済みます。

①現状の把握では、対象となる取引先の数・書類の形式（紙/PDF/Excel/システム）・月間の照合件数を洗い出し、どの範囲を自動化の対象にするかを決めます。ここで「特にズレが起きやすい取引先・書類パターンはどこか」を見極めることが、後工程の精度を左右します。

②PoC（概念実証。小規模に試して効果を確認する工程）では、いきなり全取引先を対象にせず、一部の取引先に限ってAIによる照合を試します。LLMは、書類のレイアウトが取引先ごとに異なっていても、発注書・納品書・請求書それぞれから品番・数量・単価といった項目を読み取り、突き合わせることができます。この段階で自社の書類を使い、どの程度の精度でズレを検知できるか、一致しているものを誤って不一致と判定するケースがどの程度出るかを確認します。

③実装では、PoCで見えた精度・誤検知の傾向を踏まえ、対象範囲を主要取引先へ広げます。照合結果は「一致」「要確認（ズレあり）」に分類し、要確認分だけを担当者が目視で確認できる形で出力します。

④運用は、新規取引先の追加や書類フォーマットの変更のたびに照合ルールの見直しが必要になるという前提に立った工程です。誤検知が増えた場合や新しい書類パターンが出てきた場合に、継続的に照合ルールを更新していく保守体制を維持します。

陥りやすい失敗パターン3つ

三点照合の自動化を検討する際によくある失敗を3つ挙げます。

①一致基準を決めずに始める：「端数はいくらまで許容するか」「分納の場合はどう突き合わせるか」といった一致基準を事前に決めずに進めると、AIが検知した「不一致」が本当に確認すべきものなのか、無視してよい誤差なのかの判断が現場ごとにばらつきます。現状把握の段階でこの基準を業務側とすり合わせておくことが欠かせません。

②全取引先を一気に自動化しようとする：書類フォーマットも取引条件も取引先ごとに異なる中、初めから全件を対象にすると、精度検証が追いつかず担当者が混乱します。PoCでは一部の取引先に絞り、精度を確認しながら対象を広げます。

③照合の自動化のみで基幹システムとの連携を考えない：照合結果を手作業で会計・販売管理システムへ転記し直していては、照合部分を自動化しても削減できる時間はわずかです。基幹システムとの連携まで見据えて設計します（Shopifyを使っている場合の連携方式は、Shopifyと基幹システムを連携する方法と費用｜3つの方式で比べています）。

費用の目安

費用は対象取引先の数・書類形式の多様さ・照合件数で変わります。以下は市場の一般的な目安で、特定サービスの確定価格ではありません。

投資判断の材料は、照合1件あたりの所要時間（実測）×月間件数に加えて、差異が見つかったときの原因究明にかかっている時間です。後者は記録されていないことが多く、実際に計ってみると照合そのものより大きいことがあります。

照合で差異が出たときの処理ルールを決めておく

三点照合の仕組みを入れても、差異がなくなるわけではありません。成果を左右するのは、差異が出たあとの処理を型にすることです。次の4点を導入前に決めてください。

特に最後の閾値は重要です。金額の小さい差異をすべて調査していると、担当者の時間が消えます。「1件あたり◯円未満の差異は調査せず、月次でまとめて確認する」といった基準があれば、優先して見るべき差異に時間を使えます。

取引先数・月間の照合件数は、どのくらいから自動化を検討すべきか

冒頭で触れたとおり、照合の件数が少ないうちは目視と手作業でも大きな問題にはなりません。どの程度の規模になったら自動化を検討する段階といえるか、月間の照合件数を目安に整理すると次のようになります。

件数はあくまで一般的な目安です。取引先ごとの書式のばらつきが大きい会社ほど、件数が少なめでも自動化の効果が出やすくなります。自社が3つのうちどのゾーンに近いかを見極める材料として参考にしてください。

まとめ：照合が整えば、支払いの数字が早く確定する

請求書・納品書・発注書の三点照合は、取引先が増えるほど地味に負担が積み上がっていく業務です。しかも一度仕組みを作って終わりではなく、取引先が追加されるたび・書類フォーマットが変わるたびに、同じ確認作業が繰り返されます。

自動化は、一致基準と差異の処理ルールを決め、一部の取引先でPoCを行い、要確認と判定された書類を担当者が見る形から始めます。照合が早く終われば、仕入・買掛の数字が早く確定し、月次決算や資金繰りの見通しも前倒しで立てられます。

一致基準の決め方や、既存システムの突合機能で足りるかAIでの照合が要るかの見極めは、取引先ごとの書類の形式と月間の照合件数をもとにawaiでも手伝えます。