帳票や領収書の自動化で本当に見るべきなのは、文字を何％正しく読めたかだけではありません。最終的に、100件のうち人間が何件を確認しないといけなかったかです。
この記事では、請求書、申込書、作業報告書、注文書のような帳票を自動化するときに、なぜ「読み取り精度」だけを追うと判断を誤るのか。実際の業務を、読み取りから登録、例外対応まで一本につないで考えます。
評価設計が大事
文字を正しく読むことと、業務が自動で終わることは別です。帳票処理では、読んだ後にも確認や判断が残ります。
たとえば請求書なら、会社名、請求日、金額、振込先を読み取れたとしても、それだけでは登録できません。取引先が既存の会社か、金額がおかしくないか、注文内容と一致しているか、同じ請求書を二重に登録していないかまで確認する必要があります。
ここで文字だけ80％正しく読めても、人間が「念のため」と全件開いて確認していたら、確認作業はほぼ残ります。
つまり、読み取り精度は必要な数字ですが、それだけでは業務削減の大きさを表せません。次に見るべきなのは、読み取り後の判断をどこまで機械へ渡せたかです。
帳票業務は「読む」で終わっていない
帳票業務を自動化するときは、実際の仕事を最後まで並べる必要があります。私なら、少なくとも次の順番で見ます。
- 書類を受け取る
- 必要な項目を読み取る
- 取引先や商品など、社内の登録情報と照合する
- 金額や日付などに不自然な点がないか確認する
- 怪しいものだけ人間へ回す
- 問題なければ対象のシステムへ登録する
- 読めなかったもの、判断できなかったもの、登録に失敗したものを処理する
この7番目までつながって、ようやく「業務が減った」と言えます。
ところが、自動化の話では2番目の「読み取れた」でデモが終わりがちです。画面に会社名と金額が出る。おお、読めた。で、そのあと誰が入力するの？
ここを聞くと、急に人間が復活します。
仕組みの前半では人間が消えていたのに、後半で確認、照合、登録、エラー対応を全部やっています。これでは読み取りの自動化であって、帳票業務全体の自動化ではありません。
見るべき数字は「100件中、人間が何件見るか」
帳票自動化の効果は、人間が確認する件数で見ると一気に分かりやすくなります。
たとえば月1,000件の帳票を処理している会社で、導入前は1,000件すべてを人間が確認していたとします。導入後、950件は自動で読み取り、照合、登録まで完了し、50件だけ人間が確認する状態になったなら、確認対象は1,000件から50件へ減りました。
ここでは「文字を何％読めたか」より、人間の確認対象を95％減らせたことの方が、業務改善の大きさを直接表しています。
逆に、読み取り精度が99％でも、1％の誤りがどこにあるか分からないため全件確認しているなら、確認件数は1,000件のままです。
だから私は、帳票自動化では少なくとも「全件数」「自動完了した件数」「人間確認へ回った件数」「人間が修正した件数」を分けて追った方がいいと考えています。大抵は確信度を出して、信頼できないのから確認していくことになります。
大事なのは「間違えないこと」より「怪しいものを分けること」
現実の業務では、すべてを完全自動にしようとすると急に難しくなります。そこで最初から、機械が自信を持てないものだけ人間へ回す設計にした方が進めやすいです。
たとえば、取引先名が社内の登録情報と一致しない、金額が通常より極端に大きい、請求書番号が過去のものと重複している、読み取った日付の形式がおかしい。このような条件を満たした帳票だけ確認対象へ送ります。
ここで役割分担が変わります。人間は1,000件を読む人ではなく、機械が「ここ怪しい」と出した50件を判断する人になります。
この変化が大きい。帳票自動化の価値は、人間を完全に消すことではなく、人間にしか判断できない仕事へ確認を絞ることにあります。
読み取りより、その後の照合で止まることが多い
帳票処理を実際の業務へつなぐと、難しいのは文字を読む部分だけではありません。むしろ、読んだ値を社内の情報とどう突き合わせるかで止まることがあります。
たとえば取引先名が「株式会社ビーグル」「（株）ビーグル」「ビーグル」のように表記揺れしていたら、同じ会社として扱える必要があります。商品名と社内の商品番号が一致しない場合もあります。注文番号が帳票に書かれていないこともあります。
文字は読めている。でも、どの会社か分からない。どの商品か分からない。どの注文と結び付くか分からない。
だから帳票自動化では、読み取りの仕組みと同時に、社内の取引先、商品、注文などの登録情報を整え、照合できる状態にする必要があります。読み取り精度だけを上げても、ここが曖昧なら人間確認は減りません。
「例外処理」を後回しにすると、本番で人間が戻ってくる
帳票自動化で最後に効いてくるのが、普通ではないケースへの対応です。読み取れない書類、登録先が見つからない書類、同じ請求書が二回来た場合、登録先のシステムが止まっている場合などがあります。
検証段階では、きれいな書類を何枚か用意すればかなり動きます。ところが本番では、折れた紙、手書き、写真、独自様式、空欄、書き間違いが普通に混ざります。
そこで「失敗したら担当者へ送る」「どこで失敗したか残す」「修正後に再登録できる」ところまで決めておかないと、結局人が裏で全部面倒を見る仕組みになります。
本番化を考えるなら、成功した帳票だけではなく、失敗した帳票がどう流れるかまで先に設計しておく方が安全です。
最初に測るなら、4つの数字で十分です
帳票自動化を小さく試すなら、最初から大量の指標を用意する必要はありません。まずは4つの数字を取れば、どこが詰まっているかかなり見えます。
- 処理した帳票の総数：何件を対象にしたか
- 人間を介さず完了した件数：読み取りから登録まで自動で終わった件数
- 人間確認へ回った件数：判断や修正が必要だった件数
- 人間が実際に修正した件数：確認した結果、本当に修正が必要だった件数
たとえば人間確認が多いのに修正件数が少ないなら、機械が慎重すぎます。逆に確認件数が少ないのに後から誤登録が見つかるなら、自動処理へ回しすぎています。
つまり目標は「確認件数をゼロにする」ではありません。誤登録を抑えながら、人間確認をどこまで減らせるか。そのバランスを探します。
この数字なら、現場にも経営にも説明しやすいです。「認識精度が97.8％から98.6％へ上がりました」より、「毎月1,000件見ていたのが80件になりました」の方が、何が変わったか一発で伝わります。
費用対効果も「削れた確認時間」から考えた方がいい
帳票自動化の投資判断も、人間の確認件数から逆算すると分かりやすくなります。
たとえば1件あたり3分かかっていた確認が、月1,000件から100件へ減ったなら、900件分、月2,700分の確認作業が減ります。45時間です。
ここに担当者の時間単価を掛ければ、毎月どれくらいの作業費を減らせるか概算できます。さらに、入力ミスの修正時間や、月末の繁忙、担当者しか処理できない状態まで含めれば、効果をより現実に近づけられます。
逆に、月50件しかない帳票を自動化するために大きな仕組みを作っても、回収できないことがあります。AIを使えば何でもお得、ではないです。普通に赤字になります。人件費の方が安いことも。個人的には確認とか計算作業で使うより、取り込みに時間がかかっているとかの方がコスパがいいなと感じています。スマホでさっと取って取り込んで後で確認するだけなら事務コストはだいぶ下がりますからね。
だから、導入前に「月何件あるか」「どの作業に1件何分かかるか」「どこまで自動で終われば投資が合うか」を先に置くべきです。
そもそも業務フローを変えるべきでは
すごいよくあることなのですが、そもそも電子化することで対応できることが多いです。アナログのフローをocrで埋めるより、領収書のデータを取れるものを使うとかで解決することが多いです。自動販売系がこれに当たりますが。そもそも無駄なことをしているエクセルのフローを見直すってこともあります。うちはこれが強いので、業務の棚卸ししたかったら相談ください。
帳票自動化は「読む仕組み」ではなく「人が見なくていい流れ」を作る
帳票自動化で目指したいのは、文字認識の点数を上げることではありません。人が毎回開いて、読んで、照合して、入力している流れのうち、どこまでを安全に任せられるかを増やすことです。
そのためには、読み取りだけでなく、社内情報との照合、不自然な値の判定、人間への振り分け、システム登録、失敗時の戻し方まで一つの業務として設計します。
そして効果を見るときは、まず「100件中、人間が何件見るのか」を確認します。
ここが50件になった。10件になった。5件になった。それなら自動化が進んだと言いやすい。
99％という数字はきれいです。でも会社が欲しいのは、試験の点数ではありません。
仕事が減ったかです。
Beekleでは、請求書・申込書・注文書・作業報告書などの読み取りだけでなく、社内の登録情報との照合、人間確認、既存システムへの登録まで含めて帳票処理を設計しています。まずは現在の帳票件数と、人がどこで確認・入力しているかを整理するところから相談できます。