実績・事例
事業会社の経理現場で、生成 AI を使って実際に設計・構築してきたものの一部です。守秘のため、特定の企業名・社内固有情報・具体的な数値は記載していません。各案件の詳細は、お問い合わせの際にご説明します。
AI の利活用には、二つのかたちがあります
AI で「作る」
Claude Code などの生成 AI を開発の道具として使い、自社にフィットしたツールやシステムを、現実的なコストと期間で構築します。成果物は「動く仕組み」です。
AI を「処理に組み込む」
作った仕組みの中に AI を組み込み、抽出・判定・下書きといった処理を AI 自身が担います。ルールで書けない判断を任せ、最終確認は人が行います。
実際の事例の多くは、この①と②が重なっています。各事例では、その内訳を示します。
既存の SaaS と、自社業務の“隙間”を埋める
MoneyForward や freee などのクラウド会計は強力ですが、配賦や検収、独自のワークフローなど、自社の業務に完全にはハマりきらない部分が必ず残ります。本事務所は、これらの SaaS を捨てて作り直すのではなく、足りない部分だけを自社にフィットさせて補います。その手段は、API 連携だけではありません。
- SaaS にない独自ロジックの構築 ── 配賦計算、検収基準、個別原価計算など、パッケージにない処理を自社用に。
- AI による処理の組み込み ── 証憑の OCR、勘定科目の推定、ルール×AI の二段監査など。
- 統制の作り込み ── 承認フロー、監査証跡、人による確認・承認の組み込み。
- 既存システムをつなぐ API 連携 ── 会計・経費・工数・案件管理の各システムと接続。
これらを業務に合わせて組み合わせ、既存の投資を活かしながら隙間を埋めます。会計を理解した人間が、必要な手段を選んで自分の手で作れる ── そこが核心です。
現状をそのまま自動化しない
ただし、自社にフィットさせるといっても、いまのやり方をそのまま自動化するわけではありません。非効率なプロセスを自動化しても、非効率が速くなるだけです。まず業務を棚卸しし、無理・無駄・ムラを洗い出してプロセスそのものを組み直したうえで、整理された業務に合わせて仕組みを作ります。業務の見直し（リストラクチャリング・効率化）と自動化を、つねにセットで進める ── これが、ただツールを入れるのとの違いです。
AI は、ただ入れるだけでは機能しません。AI が力を発揮できる基盤を整えることが、同じくらい大切です。わかりやすいのが、請求書を一箇所に集めること。紙・メール・PDF・各サービスのポータルへとバラバラに届く請求書を、まず一箇所に集まる流れへと作り変える。受け取り口が揃ってはじめて、OCR での読み取りや 3 点突合、計上の自動化が全体をカバーできます。基盤づくりを飛ばして AI だけを載せても、抜け漏れやばらつきは消えません。
仕訳の自動監査
- 課題
- 月次・決算前の仕訳チェックが属人的で工数が大きく、見落としのリスクもあった。
- アプローチ
- ルールと AI の二段監査で全仕訳を自動スクリーニング。異常仕訳を指摘票として自動生成し、Slack で承認フロー化、監査証跡まで自動で残す形に設計。
- 効果
- 目視に頼らず全件をカバーし、人は指摘の確認に集中。統制を保ったまま省力化し、証跡が自動で残る。
① 構築監査の仕組みそのものを生成 AI（Claude Code）で構築。
② 実行ルールで粗選別し、ルールで判断しきれない“なんか変”を AI が精査する二段チェック。指摘は人が確認・承認。
使用技術：Claude / Slack / 会計クラウド API
個別原価計算システムの構築
- 課題
- プロジェクト別の採算が可視化できず、Excel／GAS ベースの月次計算が煩雑・属人的。配賦が複雑で検証しづらく、会計への転記も二重だった。
- アプローチ
- 個別原価計算システムを新規構築。①工数按分による直接労務費配賦、②人数・面積基準の共通費配賦、③プロジェクト別配賦の三段階計算エンジン、仕掛品（WIP）管理、進行基準対応、配賦仕訳の自動生成から会計システム投入までを実装。工数・案件管理システムと自動連携し、旧システムとは並走照合（階層別の差異検証）→一斉切替で安全に移行。
- 効果
- プロジェクト単位の損益が月次で把握可能に。手入力・二重入力を排し、配賦の根拠を後から追える状態に。
① 構築システム全体を生成 AI（Claude Code）で設計・構築。
② 実行会話型 AI で計算の実行・診断・整合性チェック。マスタ変更履歴とスナップショットで監査証跡を担保。
使用技術：Next.js / Supabase(PostgreSQL+RLS) / 会計クラウド API / 工数・案件管理連携 / Claude
購買管理システムの構築（検収基準・3 点突合）
- 課題
- 購買・経費・支払の仕訳計上が煩雑で、検収基準の運用と 3 点突合（依頼・納品・請求）の工数が大きかった。
- アプローチ
- 購買管理システムを構築。申請〜承認のワークフロー、証憑 OCR（金額・日付・適格請求書番号の抽出）、依頼／納品／請求・カード明細の自動 3 点突合、検収基準の三段階仕訳モデル（検収計上 → 請求確定 → 支払消込）、インボイス番号の国税庁 API 検証・軽減税率の税区分処理、会計クラウドへの仕訳自動投入までを実装。
- 効果
- 検収基準に準拠した仕訳の自動化、3 点突合による計上ミス・漏れの自動検出、インボイス対応の自動化を実現。
① 構築システムを生成 AI（Claude Code）で構築。
② 実行証憑 OCR で項目を抽出し、AI（RAG）で勘定科目を自動推定（最終確認は人）。
使用技術：Next.js / Supabase / Slack / OCR / 会計クラウド API / 国税庁インボイス API / Claude(RAG)
立替経費の自動監査
- 課題
- 立替経費精算の規程違反・入力ミス・仕入税額控除の不備チェックが属人的で、工数が大きかった。
- アプローチ
- 複数のルールと AI の二段監査システムを構築。インボイス番号の形式・チェックディジット検証と支払先・金額の三点照合（適格請求書等保存方式に準拠）、公共交通機関の少額特例・80% 控除の経過措置対応、領収書 OCR と書類種別の判定（正式な領収書か、注文履歴／見積／請求か）、片道検出・日当漏れ・市内交通漏れといった横断分析を実装。経費クラウドと連携し、不備は即時に Slack 通知。
- 効果
- 経費申請の不備・規程違反・控除の不適を自動で検出し、即時に通知できる状態に。
① 構築監査システムを生成 AI で構築。
② 実行複数ルール＋AI の二段で各申請を判定。領収書 OCR と書類種別の判定を AI が担当。
使用技術：Python / GAS / OCR / 経費・会計クラウド API / Slack
会計システムの安全な移行
- 課題
- 既存の会計システムからクラウド会計への移行。本番を止められず、数字も壊せないという制約があった。
- アプローチ
- 新旧システムを並走させ、月次で階層別（合計・部門・プロジェクト別）に差異を照合。差異が収束したことを確認してから、一斉に切替。
- 効果
- 本番を止めず、差異がないことを確認したうえで移行を完了。
① 構築差異照合・検証を仕組み化（移行は方法論が中心で、AI の関与は補助的）。
月次決算の早期化（上記の組み合わせで実現）
- 課題
- 月次決算に時間がかかり、経営への数値報告が遅れていた。締め作業が月末に集中し、確認・転記・差異調査が特定の担当者に偏って、属人化とばらつきの温床になっていた。
- アプローチ
- 月次決算の早期化は、単独のシステムを作って実現するものではありません。上記の仕訳監査・購買管理・原価計算といった仕組みの組み合わせに、プロセスそのものの再設計を重ねて実現します。締めの全工程を棚卸ししてボトルネックと滞留を可視化し、前倒しできる作業の抽出や手順の組み替えでプロセスを作り変えたうえで、各自動化を締めの流れに連動させ、一連を短縮します。
- 効果
- 月末に集中していた作業を平準化し、月次を早く・安定して締められる状態へ。経営への数値報告を前倒しできるようになった。
① 構築個別システムの新規構築というより、上記の各仕組みを組み合わせ、締めの流れに合わせて連動させる。
② 実行仕訳・残高の照合を AI が下ごしらえし、差異の当たりをつける。最終的な確認・承認は人が行う。
使用技術：上記システムの連動 / 会計クラウド API
その他の自動化
- カード未払金の自動消込 … 多段マッチングによる消込の自動化。
- 勤怠データの自動チェック … 打刻・勤怠データの整合性や規程との突合を自動で点検し、異常を検出。
- 規程 Q&A（社内問い合わせの自動応答） … 社内規程・FAQ を読み込ませ、社員からの問い合わせに AI が自動で回答。
- 企業向け生成 AI 研修 … 実機ハンズオン中心で、バックオフィス部門が自走できる体制づくりを設計・講師。