紙書類やスキャンPDFをOCR + LLMで読み取り、業務で使える構造化データに変換します。取引先ごとにフォーマットが違う帳票にも対応する「フォーマットフリー」の読み取りを実現します。
紙書類、スキャンPDF、帳票、請求書、申込書などをAIで読み取り、業務で使えるデータに変換します。
お客様が直面している主な課題
紙の請求書や注文書を目視で確認し、会計ソフトや基幹システムに手入力する作業が毎月発生している。月末・期末は件数が集中し、残業が常態化している。
同じ「請求書」でも取引先によってレイアウト・記載項目・形式がバラバラ。数十社、数百社分のフォーマットを一つ一つテンプレート化するのは現実的ではない。
定型帳票用のOCRツールを導入したが、手書き文字、印鑑にかかった文字、罫線の多い複雑なレイアウトなど、非定型フォーマットの読み取り精度が低く、結局手作業で補正している。
転記ミス（金額の桁間違い、日付の写し間違い、品番の取り違えなど）が会計処理や在庫管理で発覚し、差し戻しや修正対応に追加の工数がかかっている。
私たちが提供する具体的な解決策
OCRで帳票からテキストを抽出した後、LLMが文脈を理解して「請求先」「請求金額」「明細品目」「納期」などの必要項目を自動で構造化JSONに整理します。固定テンプレートに依存しないため、取引先ごとにフォーマットが違っても同じパイプラインで処理できます。
AIの読み取り結果を人間が確認・修正するレビュー画面を提供します。OCRの確信度が低い箇所をハイライト表示し、確認が必要な部分だけを効率的にチェックできます。レビュー結果はフィードバックとして蓄積し、読み取り精度の継続改善に活用します。
読み取り結果を会計ソフト（freee、マネーフォワード等）、基幹システム（SAP、Oracle等）、RPAなど後続の業務システムにAPI連携またはCSV出力で渡します。転記作業そのものをなくすことで、入力ミスの根本原因を解消します。
なぜフォーマットが違う帳票にも対応できるのか
従来のOCRは「この座標にこの項目がある」というテンプレートを帳票の種類ごとに作成して読み取ります。同じ取引先からいつも同じフォーマットで届く帳票なら機能しますが、取引先ごとにフォーマットが違う、同じ取引先でも年式や機種で表記が変わる、といった現実の業務では対応しきれません。新しいフォーマットが来るたびにテンプレートを追加する運用コストも積み上がります。
LLMを組み合わせたアプローチでは、OCRで抽出したテキストをLLMが「読んで理解」します。たとえば伝票に「現金売上」と書かれていても「キャッシュ」と書かれていても、LLMは文脈から同じ項目だと判断できます。テンプレートを作る必要がないため、新しいフォーマットが来ても追加設定なしで処理できます。
ただし万能ではありません。図面やグラフの構造的な読み取り、極端に画質の悪い原本、手書きの崩し字などは精度が下がります。PoCの段階で実際の帳票サンプルを使って「どこまで読めるか」を検証し、苦手な箇所は人間確認で補う設計を標準としています。
実際のお客様の成功事例
課題
数百拠点の駐車場から発生する売上伝票を、事務スタッフが目視でExcelに手入力していた。売上金額・利用台数・決済種別などの転記に時間がかかり、月末に作業が集中。機器のメーカーや年式によって伝票フォーマットが異なり、同じ項目でも表記が統一されていないため、定型OCRでは対応できなかった。
解決策
OCR＋LLMで伝票から必要項目をフォーマット非依存で自動抽出。伝票上の表記揺れをLLMが文脈で判断し、統一された項目に変換する設計とした。読み取り確信度が低い箇所だけ人間が確認するレビュー画面を組み込み、確認済みデータをExcelに自動転記。
成果
課題
保険の申込書、変更届、解約届など手書き書類が月200件以上届くが、データ入力をパート2名で対応しており、入力完了まで2〜3営業日かかっていた。手書き文字の判読ミスや入力漏れで、後日の確認作業も頻発していた。
解決策
手書き対応のOCRエンジンとLLMを組み合わせ、申込書から「契約者名」「住所」「保険種別」「保障内容」等を自動抽出。手書き文字で確信度が低い箇所をハイライトし、人間が確認する画面を提供した。
成果
提供サービスの詳細
LLMが帳票のレイアウトと文脈を理解するため、固定テンプレートなしで多様なフォーマットに対応。新しい取引先の帳票が来ても、設定追加なしで処理できます。
手書き文字の認識、印鑑や社印にかかった文字の抽出、罫線の多い複雑な帳票レイアウトにも対応するOCRエンジンを選定・組み合わせます。
AIの読み取り結果を確認・修正するための専用画面を提供。確信度の低い箇所をハイライト表示し、確認が必要な部分だけを効率的にチェックできます。
抽出した構造化データを会計ソフト、基幹システム、RPAなどにAPI連携またはCSV出力。業務フロー全体を通した転記作業の排除を実現します。
このサービスの背景にあるデータ活用の考え方
発注先候補をどう絞り、何を比較すれば外さないか。検討段階で押さえる判断軸。
記事を読む →PoC・本番化・運用フェーズごとの費用内訳と、見積もり比較で見るべきポイント。
記事を読む →PoC止まりになる典型パターンと、本番化に進めるための評価設計の考え方。
記事を読む →受託開発のフェーズごとに発注側がやることを整理した実務ガイド。
記事を読む →お客様からよくいただく質問にお答えします
請求書、注文書、納品書、見積書、申込書、検査成績書、領収書など、企業間取引で使われる主要な帳票に対応しています。紙の原本をスキャンしたPDF、メール添付のPDF、FAX受信の画像ファイルなど、入力元の形式も問いません。
手書き文字の認識精度は字の丁寧さによって変動しますが、数字（金額・日付・電話番号等）は90%以上、漢字を含む氏名・住所は80〜90%が目安です。確信度の低い文字はレビュー画面でハイライトされるため、人間が確認して補正できます。運用を重ねるほどフィードバックデータが蓄積され、精度は向上します。
従来のテンプレート型OCRは「この位置にこの項目がある」という固定ルールで読み取るため、フォーマットが変わると設定し直しが必要です。LLMを組み合わせたアプローチでは、帳票の文脈を理解して「これは請求金額」「これは品名」と判断するため、フォーマットが違っても追加設定なしで対応できます。
帳票の種類・枚数・連携先によって大きく変動します。初回ヒアリングで実際の帳票サンプルを拝見した上で、個別にお見積りします。初期費用0円のゼロスタートでPoCから始めることも可能です。
図面・グラフ・表組みの構造を正確に読み取るのは苦手です。たとえば設計図面の寸法線、フローチャートの矢印の接続関係、複雑なネスト表の構造などは、テキスト抽出はできても意味の解釈が不安定になります。また、極端に画質の悪いFAX受信画像、手書きの崩し字、かすれや汚れの激しい原本も精度が落ちます。PoCの段階で実際の帳票サンプルを使って「どこまで読めるか」を検証し、苦手な箇所は人間確認で補う運用設計をおすすめしています。
あります。標準でレビュー画面を提供し、OCRの確信度が低い箇所をハイライト表示します。担当者は全項目を確認する必要はなく、ハイライトされた箇所だけをチェックすれば済むため、従来の目視全件確認に比べて確認時間を大幅に短縮できます。
レビュー画面で人間が修正した結果をフィードバックデータとして蓄積し、OCRの前処理（画像補正・傾き補正・ノイズ除去）とLLMのプロンプト改善に活用します。導入後1〜2ヶ月でフィードバックが溜まると、精度は着実に向上します。帳票の印刷品質やスキャン条件に起因する問題は、スキャナー設定の最適化も含めてアドバイスします。