コンテンツへスキップ

AI×会計の最新事例|決算・債権債務・経費・監査で進むAIエージェント活用(2026年)

経営層向け要約(2026年11月)

  • 経理AIは「入力補助」から「判断の代行」へ移りました。味の素グループの経理会社や日東電工では、経費精算の承認・差し戻し判断の大半をAIが担い、本番運用に入っています。
  • 2027年4月からの新リース会計基準、サステナビリティ開示の義務化など、制度対応の作業急増がAI導入の強い動機になっています。契約書判定で「1件40分→1分」「3時間→2分」といった事例が出ています。
  • 成果を出している企業は、ルールを明文化してAIに渡し、例外と最終判断は人に残す設計を取っています。AIを承認者として扱うなら、J-SOXの観点で職務分掌・変更管理・ログ保存を最初から設計しておく必要があります。

月次決算の短縮、請求書処理、入金消込、経費精算、監査対応、開示資料の作成。経理・財務の業務は定型処理と専門的判断が混ざっており、これまでAIの適用は「OCRで読み取って人が確認する」段階にとどまりがちでした。2025年から2026年にかけて、この構図がはっきり変わり始めています。会計・税務のルールを組み込んだAIエージェントが承認や一次判定を担い、人は例外処理と最終判断に集中する運用が、国内外の企業で本番稼働しています。本記事では、公開情報で確認できる最新事例15件(国内9件、海外6件)を用途別に整理し、製造業が取り組む際の進め方をまとめます。

この記事でわかること

  • 2025〜2026年に経理・財務AIで何が変わったか(エージェント化、制度対応、監査法人の動き)
  • 経費精算、請求書処理、入金消込、決算・会計判断、開示・FP&A、監査の用途別の最新事例と成果
  • AIに承認や判定を任せる際の内部統制(J-SOX)上の論点
  • 製造業が経理AIを始めるための具体的なステップ

1. 全体動向

「読み取り」から「判断」へ

2024年頃までの経理AIは、AI-OCRによる請求書の読み取りや、生成AIによる問い合わせ対応・文書ドラフトが中心でした。2025〜2026年の事例で目立つのは、AIが社内規程や会計基準を参照して「承認してよいか」「リースに該当するか」を判定し、その結果を業務システムに反映するところまで担う形です。味の素フィナンシャル・ソリューションズは、経理AIエージェントの正答率が汎用LLM単体を40ポイント上回ったと公表しており、業務ロジックを組み込むことの効果を示しています。

制度対応が導入を後押し

2027年4月1日以後に開始する事業年度から新リース会計基準が適用されるため、多くの企業が過去の契約書を洗い出し、リースに該当するかを判定する作業に追われています。有価証券報告書でのサステナビリティ情報開示も段階的な義務化を控えています。人手では物理的に間に合わない作業量が、AI活用に慎重だった経理部門を動かしています。

ERPベンダーと監査法人の動き

SAPは2025年10月のSAP Connectで、見越・繰延計算を提案する「Accruals Agent」や銀行明細の照合を自動化する「Cash Management Agent」を発表し、2026年5月のSAP Sapphireでは、決算・請求・税務・債権・資金管理など財務のほぼ全領域をカバーするアシスタント群を公表しました。監査側でもEY、デロイトがグローバル監査プラットフォームにAIエージェントを組み込み、トーマツは国内の監査業務に独自のAIエージェントを導入しています。企業側と監査側の双方でAIが前提になりつつあります。

用途マップ

領域 AIが担う作業 成熟度(2026年時点)
経費精算 証憑・規程チェック、承認・差し戻し判断 本番稼働が広がる。自動化率9割の事例あり
請求書処理(AP) 明細データ化、発注・仕入データとの照合、支払・照合 本番稼働。明細照合まで踏み込む段階
入金消込(AR) 入金と請求の照合提案、自動消込、督促 機械学習による消込は実績が多い。エージェント化はこれから
決算・会計判断 リース判定、見越計上提案、照合、差異分析 制度対応で急拡大。最終判断は人
開示・FP&A 開示基準の読解、ドラフト作成、業績分析、想定問答 工数削減の成果が出始めている
監査 仕訳データ分析、リスク識別、文書ドラフト、論点検討 大手監査法人がグローバルで導入

内部統制(J-SOX)への影響

AIが承認や一次判定を担うと、内部統制の設計そのものが変わります。特に次の点は導入前に整理しておく必要があります。

  • 職務分掌と承認権限:AIを「承認者」として扱うのか、人の承認を補助する「チェック機能」として扱うのかを明確にし、権限規程に反映します。
  • 判定ルールの変更管理:AIに読み込ませる規程・プロンプト・閾値の変更は、プログラム変更と同じくIT全般統制(ITGC)の対象として承認・記録します。
  • ログと説明可能性:AIがどの根拠で判定したかを保存し、監査人が追跡できるようにします。アルペンのように「AIが示した該当箇所を人が確認する」運用は、この点で有効です。
  • 例外と最終判断:金額や会計処理の最終決定は人に残し、AIの判定結果を定期的にサンプルで検証します。

2. 用途別の最新事例

2-1. 経費精算:承認・差し戻し判断をAIが担う

企業 取り組み 成果・状況
味の素フィナンシャル・ソリューションズ(味の素グループの財務・経理受託会社) ファーストアカウンティングと共同開発した「経理AIエージェント」が、申請データと領収書を分析し、勘定科目判定と承認・差し戻しを判断。2026年2月稼働。インボイス制度準拠や交際費判定も対象 月1万件規模の判断(従来1件約5分)を代替し、年間約1万時間の削減を見込む。申請から約5分で結果を返す。検証では正答率93.3%で、LLM単体(53.3%)を40ポイント上回った(同社・ベンダー発表)。今後は入金消込・債権管理、月次決算の集計・分析などに拡大予定
日東電工(高機能材料メーカー) 日本IBMの「AI First BPO」を導入し、2025年11月に本番運用を開始。エージェント型AIが手順書を基にチェック項目をタスク化し、証憑や社内規定との整合を確認。SAP Concurのワークフローへの反映や差し戻しも自動化 経費精算チェック業務の90%をAIで自動化し、残り10%をBPOの目視確認に委ねる。今後は経費精算以外にも適用を広げ、全社展開する計画(日本IBM発表)
クラフツ(軟包装パッケージメーカー、創業90年超) 欠員と属人化をきっかけに、TOKIUMの経費精算サービス上でAI承認を導入。社内規定をAIのルールに落とし込み、部長とAIが同じ承認ステップに入る運用 経費申請の約9割をAIが承認。承認工数は約8分の1になり、TOKIUMの発表では月16時間の承認作業が2時間に短縮

3社に共通するのは、経費精算が「規程が明確で、件数が多く、判断基準をルール化しやすい」領域だという点です。製造業でも最初の一歩として選びやすい領域です。

2-2. 請求書処理(AP):明細照合と支払・照合の自動化

企業 取り組み 成果・状況
日本電設資材(電設・産業機器の専門商社) 2000社以上のメーカーを扱い、月約2000通の請求書を処理。「TOKIUM AI明細入力」で請求書・納品書の明細をデータ化し、仕入データと明細レベルで照合。「TOKIUM AI経費承認」で一次承認・差し戻しも代行 年間約1000時間の工数削減を見込む。今後は勘定科目の判断などもAIに委ねる方針(TOKIUM発表)
Alphabet(米国) 財務部門がAIエージェントを使って請求書の支払と照合を自動化。財務(トレジャリー)領域にも展開 CFOが2025年第4四半期決算説明会で言及。社内全体の業務自動化の一環として位置付け

2-3. 入金消込・債権管理(AR)

企業 取り組み 成果・状況
Accenture(アイルランド本社) 大量の入金処理を効率化するため、SAP Business AIを組み込んだSAP Cash Applicationで、機械学習による入金と債権の照合・消込を実施 自動処理を2倍以上に拡大。自動消込ヒット率54%、機械学習の提案を含めたワンタッチ処理での精度67%(SAP顧客事例、ベンダー発表)
Hewlett Packard Enterprise(米国) デロイトと共同開発した社内エージェント型AIツール「Alfred」を、与信・回収や買掛金・売掛金処理など取引系業務へ展開 CFOは与信・回収などの取り組みについて「デロイトと本番稼働中」と説明。次の重点は予測業務

入金消込は、機械学習による照合提案が以前から実用化されている領域です。SAP S/4HANAを使う製造業であれば、SAP Cash Applicationなど標準機能から始める選択肢があります。詳しくは関連記事の「SAP Cash Application」解説もご覧ください。

2-4. 決算・会計判断:新リース会計基準対応が突破口に

企業 取り組み 成果・状況
アルペン(スポーツ用品小売) 契約書1万件超のうち約5000件のリース判定に、TOKIUMの「AI新リース判定」を2026年5月に導入。AIが一次判定と該当箇所を示し、担当者が確認。計上額は監査法人との確認も含め人が決定 1件約40分の判定を約1分に短縮。同社試算で約3300時間が約80時間に。過去分の判定は2026年9月時点で完了
JBCCグループ(JBエキスパート、ITサービス) 新リース会計基準対応で独自AIツールを開発。業務を9ステップに分解し、「対象データの特定」「契約書の内容整理」「一次判定」の3ステップをAIに任せた。エンジニアと組んで1〜2カ月で実用化 人手で1件約3時間の判定を2分に短縮(99%効率化)。当初の「AIに丸投げ」は失敗し、分解によって成功
OpenAI(米国) CFOが「ゼロデイ・クローズ(継続的な決算)」と継続的に更新される予測を目標に掲げ、予算、総勘定元帳の実績、発注、見越計上、取引明細を継続的に照合されたビューでつなぐ取り組みを推進 CFO自身が「両方の目標に向けてまだ構築中」と説明しており、成果報告ではなく目標の段階

JBCCの事例が示すとおり、「AIに丸投げ」ではなく業務を分解し、AIが得意な抽出・要約・一次判定だけを任せる設計が成功の分かれ目になっています。

2-5. 開示・FP&A・IR

企業 取り組み 成果・状況
NEC 有価証券報告書のサステナビリティ情報(SSBJの気候関連開示基準)対応で、開示業務を「基準の読み解き」「社内情報の探索」「社外情報の探索」「執筆」「チェック」の5プロセスに分け、それぞれに特化したAIを開発 開示業務の工数を93%削減(同社発表)。約1300ページの関連資料の読解をAIが支援。2026年度中にサービスとして外部提供予定
Hewlett Packard Enterprise(米国) デロイトのZora AIを基にした財務向けツール(CFO Insights、社内名Alfred)で、週次の業績レビュー資料作成と分析を自動化 財務報告サイクルを約40%短縮(HPEとデロイトのブログ記載)。従来は会議前に数日かけて約100ページの資料を作っていた
西武ホールディングス 株主総会の想定問答数千問をRAG(検索拡張生成)に読み込ませ、当日の株主質問に対する回答案を生成 回答生成は約5秒、事後検証で回答精度は約8〜9割

2-6. 監査:監査法人がAIエージェントを全面導入

企業 取り組み 成果・状況
EY(グローバル) 年間1.4兆行超の仕訳データを処理する監査プラットフォーム「EY Canvas」に、Microsoft Azure・Foundry・Fabric上のマルチエージェント基盤を組み込み、2026年4月にグローバル展開を発表 150超の国・地域で13万人の監査専門家、16万件の監査契約が対象。2028年までに監査の全工程を支援する見込み
デロイト(グローバル) 監査・保証プラットフォーム「Deloitte Omnia」に協働型AIエージェントを導入。リスク要因の分析、データ抽出・証拠分析・文書ドラフト、開示要件への適合性評価を支援 約8万5000人の監査・保証プロフェッショナルが対象。「人が主導しAIが強化する」方針
有限責任監査法人トーマツ ベテラン会計士の思考や着眼点を再現したAIエージェントを独自開発し、財務諸表監査に導入。ルールベース処理を組み合わせてハルシネーションを抑制 2026年8月から導入。会計士はAIの洞察を取捨選択して被監査会社への提言を検討

監査人がAIで全件に近い仕訳分析を行う時代には、企業側にもデータの整合性や、AIで処理した取引の根拠説明がより強く求められます。監査法人との早めの対話が重要です。

3. 事例から見える成功要因と落とし穴

成功要因

  • 規程をルールに落とす:クラフツや味の素フィナンシャル・ソリューションズは、社内規程や会計・税務の判断ロジックを明文化してAIに渡しています。汎用LLMをそのまま使うより精度が大きく上がります。
  • 業務を分解し、AIに任せる範囲を絞る:JBCCは9ステップのうち3ステップだけをAIに任せました。NECも開示業務を5プロセスに分け、それぞれに特化したAIを作っています。
  • 人の最終判断を残す:日東電工は残り10%を人が確認し、アルペンは計上額を人と監査法人で決めています。統制上も現場の安心感の面でも効果があります。
  • 自社データで試す:アルペンは自社の契約書で試せるデモで導入を判断しました。想定外の判定結果を事前に把握できたことが、運用設計に役立っています。
  • 現場とエンジニアの短いサイクル:JBCCや西武HDは、業務担当者とエンジニアが修正を毎週のように繰り返して精度を上げています。

落とし穴

  • 丸投げの失敗:会計基準や契約書をすべて一度にAIへ入れても、処理が破綻したり判定がぶれたりします。
  • 効果指標の混同:公表値の多くはベンダー発表や見込み値で、「自動化率」「時間削減」「精度」の定義も各社で異なります。自社で導入前後を同じ定義で測ることが必要です。
  • 統制設計の後回し:AIの判定ルールを現場で自由に変えられる状態は、J-SOX上のリスクになります。変更管理とログ保存を最初から組み込みます。
  • データ基盤の未整備:勘定科目や取引先マスタ、発注データが整っていないと、照合系のAIは精度が出ません。SAPも、AI活用の前提として信頼できるデータ基盤を挙げています。

4. 製造業が始めるためのステップ

  1. 業務の棚卸しと優先度付け(1〜2カ月):経費精算、請求書照合、入金消込、リース判定など、件数が多くルールが明確な業務を洗い出し、件数・処理時間・ミス率を測ります。製造業では、購買発注・検収データとの3点照合や、多拠点の入金消込が候補になりやすい領域です。
  2. ルールの明文化:経費規程、勘定科目の判定基準、承認権限、消込ルールを、AIが参照できる形に整理します。属人化している判断を言語化する作業そのものが、業務標準化の効果を生みます。
  3. 小さく本番に近い形で試す(PoC 2〜3カ月):自社の実データで、AIの判定結果と担当者の判断を並行比較します。正答率だけでなく、誤判定の傾向と例外の種類を記録します。
  4. 統制設計と監査法人との合意:AIの役割(承認者か補助か)、ルール変更の承認手続き、ログ保存、定期的なサンプル検証を決め、監査法人と事前にすり合わせます。
  5. ERP標準機能とSaaSの使い分け:SAP S/4HANAを使う場合は、SAP Cash ApplicationやJouleのエージェント機能など標準機能を優先し、不足部分を経費精算・請求書SaaSや個別開発で補います。アドオン開発は最小限にします。
  6. 段階的な拡大:経費精算や請求書で成果と統制の型を作ったら、入金消込、決算照合、差異分析、開示資料へと広げます。味の素フィナンシャル・ソリューションズも、経費精算を第一弾として月次決算などへ対象を広げる計画です。

まとめ

2025〜2026年の事例を見ると、経理AIは承認・照合・一次判定という「判断」の領域で本番運用の段階に入りました。経費精算の自動化率9割、リース判定の大幅な時間短縮、開示工数93%削減など、成果も具体的になっています。一方で、成果を上げている企業ほど、ルールの明文化、業務の分解、人による最終判断、統制設計を丁寧に行っています。監査法人もAIを全面的に取り入れる中、製造業の経理部門には、AIを使いこなしつつ説明責任を果たせる業務設計が求められています。まずは件数が多くルールが明確な業務から、自社データで小さく試すことをおすすめします。

AI活用のご相談

経費精算・請求書照合・入金消込など、経理業務へのAI適用や、SAP S/4HANA・Jouleを前提とした業務設計、内部統制を踏まえた導入計画づくりをご支援します。まずはお問い合わせください。