AIで証憑・監査証跡を突き合わせる｜契約・発注・検収・請求・仕訳の対応づけ

結論：AIが担うのは「候補を絞る」ところまで、判断は人が持つ

証憑突合をAIで効率化しようとして失敗する典型は、AIの出力した「一致／不一致」の判定をそのまま結論にしてしまうことです。証憑突合の本質は、書類どうしの文字列を照合することではなく、その取引が本当に実在し、契約条件どおりに行われ、正しい期間の会計記録として権限ある者の承認を経て残っているかを確かめることにあります。前半の「文字列と数値の照合」はAIで大幅に効率化できますが、後半の「実在性・妥当性・期間帰属の判断」は人の仕事として残ります。

本記事が扱うのは、社内の経理部門・内部統制部門が行う自主点検、および監査対応の準備作業です。監査人が行う監査手続そのものや、監査人の職業的専門家としての判断を、AIや社内の突合作業が代替するという趣旨ではありません。監査の過程でどのような手続が行われるかは監査人が決定するものであり、本記事の手順はあくまで「会社が自社の記録の整合性を自分で確かめ、資料を整えておく」ためのものです。

そのうえで、この記事の到達点は明確です。5点対応表を作り、実際の取引データで突合を回し、出てきた不一致を6類型に振り分けて、原因と対応を記録に残す。ここまでを社内で完結できれば、決算作業の手戻りは目に見えて減ります。AI出力の一般的な検証手順はAI出力の検証4層に譲り、本記事では証憑突合という業務に固有の検証だけを扱います。

5点対応図：どの書類が、どのキーでつながるか

最初に作るべきは、突合の設計図です。日本の購買業務では「発注書・検収書・請求書」の3点セットで確かめる三点突合が広く知られていますが、実務で不一致の原因を追うと、その前後にある契約書と仕訳／承認履歴まで含めた5点でつながりを見ないと結論が出ないことがほとんどです。下図は、5点の書類とそれぞれが持つ照合キー、そして書類どうしをつなぐキーの対応を1枚にしたものです。

この図を表に落とすと、そのまま社内の突合手順書になります。「何と何を、どのキーで、何のために突き合わせるのか」を1行ずつ書き切ることが、AIに指示を出す前の準備です。ここが曖昧なままAIに「突合して」と頼むと、AIは勝手に基準を決めて一致・不一致を返してきます。

前提：これは自主点検であり、監査手続の代替ではない

手順に入る前に、位置づけをはっきりさせておきます。本記事の突合作業は、会社が自社の会計記録の整合性を確かめるための内部統制上の点検です。上場企業であれば内部統制報告制度（J-SOX）の枠組みのなかで、購買から支払までのプロセスに統制が設計・運用されているはずで、証憑突合はその運用状況を会社自身が確かめる手段の一つにあたります。

これに対して、財務諸表監査における監査手続の設計と実施、そして監査意見の形成は監査人が行うものです。会社側がAIで大量の突合を回したからといって、監査人が行う手続が減る・不要になるという関係にはありません。会社ができるのは、監査人から資料を求められたときに、突合の対象範囲・手順・結果・例外事項への対応を、根拠とともに説明できる状態を作っておくことです。

参考になる一次情報として、日本公認会計士協会（JICPA）がテクノロジー委員会研究文書第11号「監査におけるAIの利用に関する研究文書」（2024年8月13日公表）を公開しています。名称のとおりこれは研究文書であり、監査基準や実務指針ではありません。JICPAの案内ページによれば、大手監査法人を中心にAIを利用した監査ツールの開発・導入が進んでいる状況を踏まえ、監査実務におけるAIの活用方法と課題、AIが公認会計士業務に及ぼす変化を整理したものと説明されています。本記事はその内容を解釈・要約して基準のように扱うことはしません。監査側の議論がどこまで進んでいるかを知るための出発点として、原典（後掲の出典欄にURLを記載）を直接お読みいただくことをおすすめします。

なお、収益認識の側からみた売上取引の証憑については収益認識基準の5ステップで扱う論点と重なります。本記事は購買側（仕入・費用）を主な題材にしていますが、5点対応の考え方は販売側（見積書・受注・出荷／検収・請求・入金）にもそのまま置き換えられます。

突合の工程：AIを差し込む場所は決まっている

突合は7つの工程に分けると管理しやすくなります。重要なのは、AIを差し込むのは②〜④に限るという点です。①の収集はシステムと人の作業であり、⑤以降は判断と記録なので人が持ちます。

①収集：突合の母集団を先に固定する

対象期間と対象範囲を先に決め、母集団の件数と金額合計を確定させてから作業を始めます。ここを固定しないと、後で「何件中何件を確認したのか」が説明できなくなります。購買システムの発注データ、検収データ、購買部門が保管する納品書PDF、経理が受領した請求書PDF、会計システムの仕訳明細（CSV）、ワークフローシステムの承認履歴（CSV）が典型的な入力資料です。

②項目抽出：PDF・画像から構造化データに変える

請求書や納品書はPDFや画像で受け取ることが多く、ここが最も手作業の重い工程です。AIに「どの項目を、どの型で、どこから取るか」を明示して抽出させます。抽出項目は事前に固定し、AIに項目を増やさせないことが重要です。抽出結果は必ず原本の参照位置（ファイル名・ページ）を併記させ、後から原本に戻れるようにします。

③正規化：突合が壊れる原因の大半はここにある

「株式会社三田製鋼」と「(株)三田製鋼」と「三田製鋼㈱」は同じ会社ですが、単純な文字列一致では別物になります。全角と半角の数字・ハイフン、日付形式（2026/03/12、2026年3月12日、R8.3.12）、金額の桁区切りとカッコ書きのマイナス、品目名の略称。これらをそろえる作業は、ルールを決めればAIで機械的に処理できます。正規化ルールは文書化して固定し、実行のたびに変えないことが再現性の条件です。

④突合：キーの優先順位を決めて機械的に当てる

突合キーは1本ではなく優先順位をつけた複数本で当てます。第1キーは発注番号、第2キーは「取引先コード＋金額＋日付（±3日）」、第3キーは「取引先コード＋品目＋数量」といった具合です。第1キーで当たらなかったものだけを第2キー、第3キーに回し、最後まで残ったものを未突合として一覧化します。

⑤〜⑦：類型化・確認・記録

不一致が出たら、後述の6類型に振り分け、原本に戻って確認し、判断と根拠を記録します。この記録が、翌期以降の点検や監査対応時の説明材料になります。AIエージェントに一連の処理を自動実行させる構成も考えられますが、その場合の承認ポイントの置き方や証跡の残し方はAIエージェントの統制設計で扱っている論点なので、本記事では繰り返しません。

AIに任せる部分と、人が判断する部分

線引きを曖昧にしないために、工程ごとに「AIの出力をそのまま使えるか」を明示した表を作ります。右列（人が判断）に該当する項目は、AIに問いを投げること自体を避けるのが安全です。「この取引は実在しますか」とAIに尋ねても、AIは手元の文書の記載を根拠に答えを作るだけで、実在性を確かめたことにはなりません。

設例：蔵前産業機械の5取引で三点突合を回す

以下はすべて架空の企業・架空の取引です。仮設企業「蔵前産業機械株式会社」（産業用機械の受託製造、3月決算）の2026年3月における購買取引5件を題材にします。単位は千円で統一し、金額はすべて税抜とします。同社は検収基準で費用・棚卸資産を計上しているものとします（在庫と売上原価の関係は棚卸資産と売上原価を前提とします）。

まず金額を確認します。発注金額は 1,000＋1,200＋1,440＋800＋540＝4,980千円、請求金額も同じく4,980千円です。ここだけ見ると一致していますが、検収数量で計算し直すと数字が動きます。

検収数量×単価で計算した「実際に受け入れた金額」は、40×25＝1,000、180×6＝1,080、30×48＝1,440、1×800＝800、60×9＝540 の合計で4,860千円です。請求4,980千円との差は 4,980−4,860＝120千円。この差はPO-1002の数量差20個×単価6千円＝120千円と一致します（検算：20×6＝120 ✓）。

次に期間帰属です。検収基準では3月中に検収された5件すべてが当期（2026年3月期）の計上対象になり、あるべき当期計上額は4,860千円です。ところが実際の3月計上仕訳は、PO-1004（800千円）が4月計上となっているため 1,000＋1,200＋1,440＋540＝4,180千円にとどまります。差は 4,860−4,180＝680千円。内訳は、PO-1004の未計上 +800千円 と、PO-1002の過大計上 −120千円（請求額1,200で計上しているが、検収ベースでは1,080が正）で、+800−120＝+680千円。合計と内訳が一致することを確認できます（検算 ✓）。

5件中3件が一致、2件が要確認という結果です。ここから先が人の作業になります。PO-1002は購買部門に照会したところ20個が未納のまま請求されていたことが判明し、取引先に修正請求を依頼するとともに、当期の計上額を1,080千円に修正します。PO-1004は検収は3月30日に完了しているのに、請求書が4月5日付で届いたためそのまま4月計上になっていたもので、当期に800千円の未払費用を計上する修正が必要になります。

注意していただきたいのは、この2件はいずれも「不正」ではないという点です。前者は取引先側の請求誤り、後者は社内の計上タイミングの運用によるものです。突合の目的は不正の摘発ではなく、記録が実態と合っているかを確かめ、ずれていれば直すことにあります。

正規化がないと、一致しているものまで不一致になる

設例のPO-1001とPO-1005は同じ取引先ですが、契約書には「株式会社三田製鋼」、請求書には「(株)三田製鋼」、会計システムの取引先マスタには「三田製鋼㈱」と登録されていたとします。この状態で単純な文字列一致をかけると、実際には一致している2件が「取引先不一致」として上がってきます。正規化前の不一致件数は、業務の実態ではなくデータ整備状況を表しているだけです。正規化ルール（法人格の表記統一、全角半角の統一、記号の除去）を先に適用してから件数を数えるようにしてください。

不一致の6類型：まず分類し、それから原因を追う

不一致が100件出たとき、1件ずつ闇雲に原本を開いていては終わりません。先に類型へ振り分け、類型ごとに確認手順を変えるのが効率的です。以下の6類型は、購買プロセスの突合で実際に出てくる不一致をカバーするように整理したものです。

⑥を明示的に持っておくことが実務では重要です。突合結果に出てくる不一致のうち、相当数は「正当な理由があって当初条件と変わったもの」です。これを毎回「問題」として扱うと、確認作業が膨らむだけでなく、現場が突合そのものを嫌がるようになります。不一致＝問題ではありません。不一致とは「当初の記録と現在の記録の間に差があり、その理由をまだ説明できていない状態」であり、理由を説明できて根拠が残れば、それは正常な処理です。

類型に振り分けたら、類型ごとに件数と金額を集計します。設例でいえば「④期間帰属の相違：1件・800千円」「③または①に該当しうる数量違い：1件・120千円」となります。この集計表が、経理部長への報告資料であり、翌期の改善テーマの候補一覧にもなります。

プロンプト例：抽出と突合を分けて指示する

1つのプロンプトで抽出から判定まで一気にやらせると、どこで誤ったのかが追えなくなります。「抽出」と「突合・類型化」を別のプロンプトに分けるのが基本です。以下は特定のAI製品に依存しない汎用の形です。

プロンプト1：証憑からの項目抽出

【役割】あなたは購買・経理業務の事務処理を支援するアシスタントです。会計処理の判断や監査上の結論は述べません。

【目的】添付した証憑ファイルから、指定した項目だけを機械的に読み取り、突合用の構造化データを作ること。

【入力資料】
- 発注書PDF（ファイル名: PO_*.pdf）
- 納品書・検収書PDF（ファイル名: DN_*.pdf）
- 請求書PDF（ファイル名: INV_*.pdf）
※上記以外の情報源（一般知識・推測）は使わないこと。

【対象期間】2026年3月1日〜2026年3月31日（検収日ベース）
【単位】金額はすべて千円、整数。小数が出た場合は「小数あり」と注記して丸めないこと。

【抽出項目（この12項目のみ。項目を増やさない）】
書類種別 / ファイル名 / ページ番号 / 発注番号 / 契約番号 / 取引先名（原文ママ） /
品目名 / 数量 / 単価 / 金額 / 日付（書類上の日付） / 検収担当者または承認者名

【出力形式】
1行目にヘッダを置いたCSV。区切りは半角カンマ。値にカンマを含む場合はダブルクォートで囲む。
日付は YYYY-MM-DD 形式に統一する。原文が和暦・和文表記の場合も同形式に変換し、原文を別列 date_raw に残す。

【禁止事項】
- 記載のない項目を推測で埋めないこと。
- 金額・数量を再計算して補正しないこと（原本の記載値をそのまま転記する）。
- 一致・不一致の判定をしないこと（この工程では判定不要）。
- 取引の妥当性・実在性・会計処理の適否について意見を述べないこと。

【不明情報の処理】
読み取れない項目は空欄にせず、必ず「不明」と記載する。判読困難な場合は「判読不能」と記載し、
末尾の備考欄にファイル名・ページ・該当箇所を書く。

【出典の表示】
各行に、その値を読み取った元のファイル名とページ番号を必ず付すこと。

【検算】
- 各行について 数量 × 単価 と 金額 が一致するかを確認し、一致しない行には check 列に「要確認」と記す。
  ただし金額の書き換えはしない。
- 出力の最終行に、書類種別ごとの行数と金額合計を記載すること。

【レビュー項目（出力の末尾に箇条書きで記載）】
1. 「不明」「判読不能」となった項目の一覧
2. 数量 × 単価 ≠ 金額 となった行の一覧
3. 同一の発注番号が複数の請求書に現れている行の一覧
4. 日付の変換で解釈に迷った行の一覧

プロンプト2：突合と不一致の類型化

【役割】あなたは購買データの突合作業を支援するアシスタントです。最終的な判断は人が行います。

【目的】発注・検収・請求・仕訳・承認履歴の5つのデータを突き合わせ、不一致の候補を洗い出して
分類案を提示すること。結論を確定させることは目的ではない。

【入力資料】添付の5ファイル（purchase_order.csv / receipt.csv / invoice.csv / journal.csv / approval.csv）
【対象期間】2026年3月（検収日ベース）
【単位】千円、整数

【突合キー（この優先順位で当てる）】
第1キー: 発注番号（完全一致）
第2キー: 取引先コード ＋ 金額 ＋ 日付（±3日以内）
第3キー: 取引先コード ＋ 品目コード ＋ 数量
第1キーで当たった行は第2・第3キーの対象から除外すること。

【正規化ルール（突合前に必ず適用）】
- 法人格表記を統一（株式会社／(株)／㈱ → 「株式会社」に統一し、社名の前後位置は元のまま保持）
- 全角英数字・記号は半角に変換
- 社名の空白・中黒・敬称（御中・様）は除去
- 日付は YYYY-MM-DD に統一
- 数値の桁区切りカンマを除去。カッコ書きはマイナスとして扱う

【許容差】金額差は0千円（許容差なし）。日付差は検収日と請求書日付で10日以内を許容し、
それを超える場合は差日数を記載する。

【出力形式】
表1「突合結果」: 発注番号 / 取引先 / 発注金額 / 検収金額 / 請求金額 / 仕訳計上額 / 仕訳計上月 /
　承認者 / 判定（一致 or 要確認）/ 差額 / 差額の内訳
表2「不一致の分類案」: 発注番号 / 類型候補 / そう考えた理由 / 人が確認すべき原本 / 確認の観点
表3「未突合一覧」: どのキーでも当たらなかった行と、その所在（どのファイルの何行目か）

【類型（この6つから選ぶ。該当なしは「判定保留」とする）】
① 転記ミス ② 承認漏れ ③ 契約条件との相違 ④ 期間帰属の相違 ⑤ 書類の欠落 ⑥ 正当な変更

【計算方法】
- 検収金額 ＝ 検収数量 × 単価（発注書の単価を用いる）
- 差額 ＝ 請求金額 − 検収金額
- 当期あるべき計上額 ＝ 検収日が対象期間内の行の検収金額合計

【禁止事項】
- 不一致の原因を断定しないこと。あくまで「候補」と「理由」を示す。
- 不正の有無について述べないこと。
- 会計処理の適否や監査上の結論を述べないこと。
- データにない事実を補完しないこと。

【不明情報の処理】判断材料が足りない項目は「不明（理由：…）」と書く。推測しない。

【検算（出力の最後に必ず記載）】
- 発注金額合計 / 検収金額合計 / 請求金額合計 / 仕訳計上額合計 の4つを数値で示す
- 「請求金額合計 − 検収金額合計」と、個別の差額の単純合計が一致することを確認し、
  一致しない場合はその旨を明記する
- 「当期あるべき計上額 − 実際の当期計上額」を、個別要因の加減算で説明する

【レビュー項目】
1. 第2・第3キーで当てた行の一覧（誤突合の可能性が高いため人が全件確認する）
2. 正規化により一致扱いにした取引先名の変換前後の対応表
3. 判定保留とした行と、その理由

出力例（プロンプト2の一部）

表2「不一致の分類案」

PO-1002 / 類型候補：① 転記ミス または ③ 契約条件との相違
  理由：検収数量180に対し請求数量200。単価は発注書・請求書ともに6千円で一致するため、
        差異は数量に起因する。差額 120千円 ＝ 20 × 6。
  人が確認すべき原本：納品書DN_1002.pdf、検収記録、取引先からの請求書INV_1002.pdf
  確認の観点：20個が未納なのか、分納で別途納品済みなのか。分納の場合は2回目の検収記録の有無。

PO-1004 / 類型候補：④ 期間帰属の相違
  理由：検収日2026-03-30（対象期間内）に対し、仕訳計上月が2026年4月。
        請求書日付2026-04-05との差は6日で許容範囲内だが、計上月が対象期間外。
  人が確認すべき原本：検収記録、請求書INV_1004.pdf、4月度の仕訳明細
  確認の観点：検収基準に照らして当期計上すべきか。当期計上の場合の未払費用の金額。

【検算】
発注金額合計 4,980 / 検収金額合計 4,860 / 請求金額合計 4,980 / 3月仕訳計上額合計 4,180（千円）
請求 − 検収 ＝ 120。個別差額の合計 ＝ 120（PO-1002のみ）。一致を確認。
当期あるべき計上額 4,860 − 実際の当期計上額 4,180 ＝ 680
  ＝ PO-1004 未計上 +800 － PO-1002 過大計上 120。一致を確認。

この作業に固有の検証：抽出精度をサンプリングで測ってから本番に使う

AI出力の一般的な検証手順はAI出力の検証4層で扱っているため繰り返しません。ここでは証憑突合に固有の検証、すなわち「AIが証憑から抽出した項目が、原本と本当に一致しているか」をどう確かめるかだけを書きます。

結論から言えば、いきなり全件をAIに抽出させてはいけません。先にサンプルで精度を測り、目標に届いてから本番に回します。手順は次のとおりです。

1. サンプルを選ぶ：本番母集団から30〜50件を無作為に抽出します。加えて、レイアウトが特殊な取引先、手書きが混ざる書類、外貨建てなど難しい類型を意図的に数件混ぜます（無作為だけだと難所が入りません）。
2. 人が原本から正解データを作る：サンプルについて、AIを使わずに人が原本を見て項目を入力し、これを正解とします。この作業を省略すると精度は測れません。
3. AIに同じサンプルを抽出させる：本番と同じプロンプト・同じ設定で実行します。
4. 項目別に一致率を計算する：全体の一致率ではなく項目ごとに出します。金額は一致するのに日付だけ落ちる、といった偏りが必ず見えます。
5. 目標に照らして合否を判定する：下表は目標水準の設定例です。自社の許容度に応じて調整してください。
6. 目標未達なら本番適用しない：プロンプトの項目定義を具体化する、書類種別ごとにプロンプトを分ける、対象を電子データが取得できる書類に限定する、といった改善を行い、再度サンプルで測り直します。それでも届かない項目は、その項目だけ人手入力に切り替えます。

金額・数量・日付・番号については目標を100%に置くことをおすすめします。これらは1件の誤りがそのまま差額として現れるため、率で妥協する意味がありません。逆に取引先名や品目名は正規化とマスタ整備で吸収できる余地があるので、100%未満でも運用でカバーできます。

本番運用に入った後も、毎回の実行で一定件数（例：全体の5%または最低20件）を抜き取り、原本と照合し続けます。書類のレイアウト変更やモデルの更新によって精度は変動しうるため、一度合格したから終わりにはしません。この抜き取り結果も突合の記録の一部として残します。

加えて、突合の結果側にも検証項目があります。母集団件数と突合済み件数＋未突合件数が一致すること、金額合計が入力データの合計と一致すること、同一の発注番号が複数の請求に紐づいていないこと、この3点は毎回機械的に確認してください。Excelで実装する場合の数式の点検については数式監査の考え方が使えます。

機密情報・個人情報の注意

証憑には取引先の名称・住所・口座情報・契約単価といった営業秘密に加え、担当者名や押印・署名などの個人情報が含まれます。社内で承認された環境以外にこれらのファイルを投入しないでください。無償の一般向けサービスや個人アカウントへのアップロードは、たとえ検証目的でも避けます。

また、取引先との契約に守秘義務条項が含まれている場合、外部サービスへの入力自体が契約違反になりうる点にも注意が必要です。どの情報をどの環境まで入れてよいかの区分と社内規程の作り方はAI利用時の機密情報の扱いで整理しているので、そちらを参照してください。

日本企業での留意点

日本の購買実務では、発注書・検収書（または納品書）・請求書の3点セットを揃えることが慣行として定着しており、三点突合はこの慣行に素直に乗ります。一方で、突合を難しくする日本固有の事情もいくつかあります。

• 押印文化と電子承認の混在：紙の押印と電子ワークフローが併存している場合、承認履歴が2つの系統に分かれます。突合前に、どちらの系統をもって「承認済み」とするかの定義を決めておく必要があります。稟議による承認のように、複数名が順次押印する形式では、承認完了日を「最終承認者の日付」とするのか「起案日」とするのかで期間帰属の判定が変わります。
• 取引先名の表記が安定しない：法人格の前株・後株、㈱の使用、部署名の併記、支店名の有無。名寄せ用のマスタを持たないまま突合すると、不一致の大半がこの問題で埋まります。
• 締め日と検収日のずれ：月末締め翌月請求が一般的なため、決算日をまたぐ取引では請求書の到着が翌期になります。設例のPO-1004はこの典型で、請求書の到着日ではなく検収日で期間帰属を判断するという原則を、突合ルールに明記しておくことが有効です。
• 関連する制度：証憑の保存方法については電子帳簿保存法、消費税の仕入税額控除に関する記載事項についてはインボイス制度という制度名の枠組みがあります。本記事はこれらの解釈や適用要件には立ち入りません。自社の対応方針は、必ず所管官庁の公表資料と顧問税理士・会計士の確認を経て決定してください。

なお、突合の結果として当期の費用計上額が変わる場合、その影響は損益計算書だけでなく貸借対照表の未払費用や棚卸資産にも及びます。三表のつながりを踏まえた影響確認の考え方は財務三表のつながりを、開示上どこに現れるかは有価証券報告書の読み方を参照してください。

よくある失敗

失敗1：正規化を飛ばして不一致件数に驚く
初回実行で不一致が数百件出て、プロジェクトが止まるパターンです。件数の大半は表記揺れによる見かけの不一致です。正規化ルールを固めてから件数を数えてください。

失敗2：AIの「一致」をそのまま信じる
AIが第2・第3キーで当てた行には誤突合が混じります。金額と日付が近い別取引が結びついているケースは実務で頻繁に起きます。第1キー以外で当てた行は全件を人が確認する運用にしてください。

失敗3：不一致をすべて「問題」として扱う
正当な変更契約に基づく差異まで是正対象にすると、確認工数が膨らみ、現場の協力が得られなくなります。⑥正当な変更の類型を最初から用意しておくことが必要です。

失敗4：抽出精度を測らずに全件処理する
1,000件処理した後で日付の抽出が10%外れていたと分かると、やり直しになります。30〜50件のサンプルで測る手間は、後戻りに比べればはるかに小さいものです。

失敗5：突合結果を残さない
「確認して問題なしだった」だけでは、翌期に同じ論点が出たときに何も参照できません。誰が、いつ、どの原本を見て、どう判断したかを1行で残す運用にしてください。

実務チェックリスト

• 対象期間・対象範囲を先に決め、母集団の件数と金額合計を確定させた
• 5点対応表（何と何を、どのキーで、何のために）を文書として作成した
• 正規化ルール（法人格・全角半角・日付形式・記号除去）を文書化して固定した
• 突合キーの優先順位（第1〜第3キー）と、キーごとの確認方針を決めた
• 許容差（金額0千円、日付±何日）を明示的に設定した
• 30〜50件のサンプルで抽出精度を項目別に測定し、目標水準と照合した
• 金額・数量・日付・番号の一致率が目標（100%）に達していることを確認した
• AIに投入する証憑が、社内で承認された環境の範囲内であることを確認した
• 第1キー以外で突合した行を全件、人が確認した
• 不一致を6類型に振り分け、類型別の件数と金額を集計した
• 「⑥正当な変更」に該当する案件について、根拠書類の有無を確認した
• 期間帰属の相違について、検収日を基準とした判定であることを確認した
• 母集団件数＝突合済み件数＋未突合件数が成立することを検算した
• 判断内容と根拠（誰が・いつ・どの原本を見て）を記録に残した
• 本番運用後も定期的な抜き取り照合（例：5%または最低20件）を継続する体制を決めた

よくある質問（FAQ）

Q. AIで突合すれば、監査で求められる資料の準備は減りますか。
A. 会社側の準備作業が効率化される可能性はありますが、監査人が実施する手続の内容や範囲は監査人が決めるものであり、会社側の作業によって代替されるものではありません。会社としてできるのは、突合の対象範囲・手順・結果・例外事項への対応を、根拠とともに説明できる状態にしておくことです。突合の記録自体を整えておくことが、結果として資料準備の負担軽減につながります。

Q. 請求書がPDFではなく紙や画像でも使えますか。
A. 技術的には画像からの読み取りも可能ですが、精度は書類の状態に大きく左右されます。手書き、押印による文字の重なり、傾いたスキャン、低解像度は誤読の原因になります。まずサンプルで項目別の一致率を測り、目標に届かない項目については人手入力に切り替える判断をしてください。紙の書類が多い場合は、電子データで受領できる取引先から順に対象を広げるのが現実的です。

Q. 許容差を金額0千円にすると不一致が多すぎて回りません。緩めてもよいですか。
A. 許容差を緩めること自体は運用上の選択肢ですが、緩める前に、なぜ差が出ているのかを類型別に把握してください。端数処理や消費税の計算方法の違いが原因なら、許容差ではなく計算ルールの統一で解消できます。理由が分からないまま許容差を広げると、本来検出すべき差異まで見えなくなります。緩める場合は、その水準の根拠と承認者を記録に残してください。

まとめ

証憑突合をAIで効率化する要点は、工程を分けて、AIの守備範囲を②項目抽出・③正規化・④突合の一次スクリーニングに限定することです。5点対応表で「何と何を、どのキーで突き合わせるか」を先に固め、正規化ルールを文書化し、サンプルで抽出精度を測ってから本番に回す。この順序を守れば、突合作業は再現性のある業務になります。

そして、出てきた不一致は6類型に振り分けて、原本に戻って確認します。不一致は問題の発見ではなく、説明がまだついていない状態です。理由を確かめ、根拠を残すところまでが一連の作業になります。原本の真正性、取引の実在性、会計処理の妥当性の判断は人が担い、監査人が行う手続や判断をこの作業が代替するものではないという前提は、最後まで動きません。

出典・参考（2026-08-03確認）

• 日本公認会計士協会「テクノロジー委員会研究文書第11号『監査におけるAIの利用に関する研究文書』」（2024年8月13日公表）案内ページ：https://jicpa.or.jp/specialized_field/20240813dfu.html ／ 研究文書本体（PDF）：https://jicpa.or.jp/specialized_field/files/2-10-11-2-20240813.pdf ／ 概要（PDF）：https://jicpa.or.jp/specialized_field/files/2-10-11-4-20240813.pdf　※研究文書であり、監査基準・実務指針ではありません。
• 日本公認会計士協会「公認会計士業務とAI」（特集ページ）：https://jicpa.or.jp/cpainfo/ai.html
• 日本公認会計士協会「IT委員会研究報告第60号『監査データ標準化に関する留意事項とデータアナリティクスへの適用』」（2022年3月1日）：https://jicpa.or.jp/specialized_field/20220301efr.html
• 企業会計基準委員会（ASBJ）公式サイト：https://www.asb-j.jp/jp/
• 本記事の設例（蔵前産業機械株式会社および5件の購買取引）はすべて架空であり、実在の企業・取引とは関係ありません。金額は千円単位の整数で作成し、本文中に検算過程を記載しています。

※本記事は教育目的の一般的な解説であり、法務・税務・会計・投資に関する助言ではありません。実際の判断は専門家にご確認ください。設例は理解のための仮設例です。AI製品の仕様・料金は変更されることがあるため、利用前に各社の公式情報をご確認ください。