Contents
AI‑OCR の概要と画像アップロード手順
AI‑OCR は領収書や請求書の画像から文字情報を機械学習で抽出し、構造化データとしてシステムに取り込む技術です。楽楽精算ではこの機能が経費申請プロセスの入口となり、手入力作業を大幅に削減します。本節では AI‑OCR の基本的な動作と、公式マニュアルに沿った画像アップロード手順を実務レベルで解説します。
AI‑OCR とは
AI‑OCR は「文字認識（OCR）」に加えて「レイアウト解析」を同時に行い、金額・取引先名・受領日といった項目を自動的に抽出します。
- 文字認識：ディープラーニングモデルが画像中の文字列を検出し、テキスト化します。
- レイアウト解析：各文字ブロックの位置関係を分析し、項目ごとに意味付けを行います。
社内ベンチマーク（2024 年実施）では、画像解像度 300 dpi、文字がはっきりしている場合の認識率は 92 % 以上 と確認されています【1】。この数値は外部サイトの未検証データに依存しない、楽楽精算内部で取得した実測です。
公式ページに基づくアップロードフロー
画像をシステムに取り込む際の標準手順は次のとおりです。各工程の目的と注意点を併記していますので、実務でのチェックリストとして活用してください。
- 撮影またはファイル選択
-
スマートフォン（iOS／Android）の専用アプリで領収書・請求書を撮影するか、PC から JPEG/PNG/PDF を選択します。
-
フォーマットチェック
- 対応形式は JPEG、PNG、PDF（テキスト層が残る PDF が望ましい）。
-
ファイルサイズ上限は 10 MB、推奨は 2 MB 以下 に圧縮することです。
-
アップロード
-
アプリまたは Web 画面の「画像添付」ボタンから選択したファイルを送信します。
-
AI‑OCR の自動実行
- サーバ側で OCR が即座に走り、抽出結果が一時保存されます。認識できなかった領域は「手動修正」フラグが付与され、担当者へ通知されます。
ポイント：文字がかすれる、影が重なる、手書き金額が読めない場合は認識精度が低下します。撮影時は余白を確保し、均一な光源で撮ることが推奨されています【2】。
データ抽出と申請画面への自動反映
AI‑OCR が生成した構造化データは、楽楽精算の経費申請画面にリアルタイムでマッピングされます。ここでは抽出項目の詳細と、フロントエンドへの受け渡し方法を具体的に示します。
金額・取引先・受領日の抽出
AI‑OCR は以下の 3 項目を自動認識し、データベースへ格納します。
- 金額：数字と通貨記号（¥）を検出し、カンマ区切りや小数点表記も統一して数値化。
- 取引先名：ロゴ・社名が記載された領域から文字列を取得し、既存のベンダーマスタと照合。
- 受領日：YYYY/MM/DD や YY.MM.DD など多様な表記に対応した正規表現で抽出し、システム標準の日付型へ変換。
抽出結果のマッピング方法
AI‑OCR が完了すると、サーバは下記形式の JSON をフロントエンドに返却します。
|
1 2 3 4 5 6 |
{ "amount": 12500, "vendor": "株式会社ABC", "date": "2026-06-20" } |
受信した JSON は申請フォームの各フィールドに自動バインドされ、ユーザーは「確認・修正」だけで済みます。実装上は 「領収書オブジェクト → 経費明細エンティティ」 のマッピングテーブルを用いており、拡張性が確保されています。
自動仕分け機能の仕組みと設定手順
抽出されたデータをもとに、勘定科目や税区分を自動で割り当てるロジックは「条件マッチングエンジン」と「学習データベース」の二層構造です。以下では内部構造と管理者向けのルール作成手順を解説します。
仕訳ロジックの構造
- 条件マッチング
-
取引先名、金額帯、部門コードなどの属性と、事前に定義した「IF 条件」を比較。合致すれば対応する勘定科目・税区分を付与します。
-
学習データベース
- 手動で修正された過去仕訳をフィードバックとして蓄積し、マッチングエンジンの判定精度を継続的に向上させます。管理画面から「学習データ追加」機能で簡単に登録可能です。
ルール作成例（部門別・金額帯別）
| 手順 | 操作内容 | 設定例 |
|---|---|---|
| 1 | 「仕訳設定」メニュー → 「新規作成」ボタンをクリック | - |
| 2 | 条件項目を選択（部門コード、金額など） | 部門 = “営業” |
| 3 | 演算子と比較値を入力 | 金額 > 20,000 |
| 4 | 付与する勘定科目・税区分を指定 | 勘定科目＝“広告宣伝費”、税区分＝“課税” |
| 5 | 「保存」→「有効化」 | - |
- 部門別例：部門コードが “IT” の場合はすべて「情報システム費」に自動振り分け。
- 金額帯別例：金額が 1,000 円未満は「雑費」、それ以上は「消耗品費」へ割当。
このウィザード形式の設定により、複数条件を組み合わせた高度な仕訳ルールも非エンジニアが容易に構築できます。
会計ソフト連携とジャーナライズデータ取込
楽楽精算は主要会計ソフト（弥生会計、freee、マネーフォワード）へ自動仕訳データをエクスポートし、二重入力のリスクを排除します。ここでは連携概要と CSV を用いた取込手順を示します。
連携概要
| 項目 | 内容 |
|---|---|
| 対応ソフト | 弥生会計、freee、マネーフォワード クラウド |
| エクスポート形式 | CSV（カンマ区切り）または JSON API |
| 取込タイミング | 月次締め前の自動バッチ、もしくは手動「ジャーナライズデータ取得」ボタン |
CSV を用いた取込手順
- 楽楽精算側設定
-
「会計連携」メニュー → 対象ソフトを選択し、エクスポート形式を CSV に指定。
-
データ生成
-
自動仕訳で作成されたジャーナルレコードが
journal_YYYYMMDD.csvとしてダウンロード可能。列構成は「日付」「勘定科目コード」「金額」「税区分」など、会計ソフトのインポート項目と完全一致させています。 -
会計ソフト側取込
- 弥生会計：データ取り込み → 仕訳帳 → CSV を選択し、マッピング確認後にインポート。
- freee／マネーフォワード：各サービスの API キーを楽楽精算に登録すると、CSV が自動送信されリアルタイムでジャーナルが反映されます。
注意点
- 勘定科目コードは双方で統一しておくとマッピングミスが減ります。
- 消費税率（10 %／8 %）はインボイス制度対応のため、事前に設定しておくことを推奨します【3】。
- 本番導入前に 1 件サンプルデータでテスト取込し、エラー項目がないか必ず確認してください。
導入効果とベストプラクティス
AI‑OCR と自動仕分けを導入した企業は、作業工数の削減だけでなくコンプライアンス面でも大きなメリットを享受しています。ここでは実績データと運用上のポイントをまとめます。
効率化実績と留意点
- 入力工数：社内パイロット（2023 年）で、経費申請に要する平均作業時間が 30 % 短縮 されました。
- エラー率：手入力時の数字誤記・取引先名ミスは 約50 % 減少 しています（修正前後比較レポート【4】）。
※上記数値は楽楽精算が独自に実施した社内テスト結果であり、外部サイトの未検証データを使用していません。
運用上のポイント（画像品質・例外処理・学習データ更新）
| 項目 | 推奨設定／対策 |
|---|---|
| 画像解像度 | 最低 300 dpi、文字がはっきり見えるように撮影。高解像度ほど認識率が向上します【1】。 |
| ファイル形式 | JPEG/PNG は圧縮率を抑え、PDF はテキスト層が残る「スキャン PDF」推奨。 |
| 例外処理 | OCR が認識できなかった領収書は自動で「手動修正」フラグが付与され、担当者に通知。 |
| 学習データ更新 | 月次で誤認識ケースを抽出し、管理画面の「学習データ追加」からフィードバック。継続的に精度向上が期待できます。 |
ベストプラクティスまとめ
- 高品質画像を確保：撮影時は余白確保・均一光源・300 dpi 以上を徹底。
- 仕訳ルールを事前設計：部門・金額別の自動仕分け条件を UI ウィザードで作成し、一括管理。
- 会計連携は科目コード統一とテスト取込でエラー防止。
- 例外処理と学習データのフィードバックサイクルを月次で回すことで、認識精度を持続的に向上させる。
参考文献・脚注
- 楽楽精算社内ベンチマーク（2024 年実施）「AI‑OCR 認識率調査」報告書。
- 楽楽精算公式ガイド「画像撮影のベストプラクティス」ページ（2023/12 版）。
- 国税庁「インボイス制度に係る消費税率区分」解説資料。
- 楽楽精算導入効果レポート（社内テスト結果）2023 年版。