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

「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、請求書が届く。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る。数量や単価にズレがあれば、電話や問い合わせで確認する。件数が少ないうちは何とか回りますが、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温床になっていきます。

この記事では、請求書・納品書・発注書の三点照合を、AI（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）でどう自動化できるのか、進め方と費用の目安を整理します。

なお、この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、そもそも三点照合の起点になる納品書の数量自体に疑いが残ります。入荷検品を目視・手作業から自動化する考え方は入荷検品（現物とラベル・納品書の照合）を自動化する方法で整理しています。

また、そもそも発注書・納品書・請求書という紙・FAX・PDFの帳票自体をデータとして読み取れていなければ、三点照合の突き合わせる材料がそろいません。書類の読み取り自体を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の導入方法と費用で整理しています。

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で整理しています。

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ません。担当者は書類ごとに「どこを見ればよいか」を毎回判断し直す必要があります。
• 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します。
• 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ます。

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——という状態が、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、納品されていない分まで支払ってしまう二重払いや、逆に正当な請求への支払い遅延が発生するリスクがあります。
• 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ります。
• 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します。
• 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ります。

いずれも、三点照合という一見地味な確認作業の遅れが、資金・人・取引関係という複数のレイヤーに波及していく構造です。

AIによる三点照合自動化の進め方（4つのフェーズ）

三点照合の自動化も、いきなり全取引先を一括で自動化するのではなく、段階を踏んで進めるのが実務的です。

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、まず一部の取引先だけで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。ここで実際の書類を使い、どの程度の精度でズレを検知できるか、逆に本来一致しているものを誤って不一致と判定してしまう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、よくつまずくポイントを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現場が混乱します。まずPoCで一部の取引先に絞り、精度を確認しながら対象を広げるのが現実的です。

③照合の自動化だけ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、照合部分だけ自動化しても効果が限定的です。基幹システムとの連携まで見据えて設計する必要があります（Shopifyと基幹システムを連携する具体的な方法・費用はShopifyと基幹システムを連携する方法と費用｜3つの方式で整理しています）。

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、差異そのものはなくなりません。効くのは、差異が出たあとの処理を型にしておくことです。次の4点を先に決めてください。

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」といった基準を決めておくと、本当に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がちです。