現状と課題

アールスリーはシステム開発を手がけており、毎月、バックオフィスチームがお客様に請求書を送っています。請求データはkintoneで管理し、そこからPDFで請求書を作成しています。

一筋縄でいかないのは、請求書の中身が毎月同じではないことです。案件ごとに内容が違うのはもちろん、同じ案件でも、役務やライセンスの内容が月によって変わります。当月分のデータは前月分をベースに用意し、前月の複製や日付の設定といった定型部分は自動化していますが、その月ごとの変更点は人が手で反映しています。

そして送付する前に、担当者がその内容を一件ずつ確認します。件数は毎月約100件。確認することも一つではなく、どれも業務の背景を知らないと判断できないため、毎月かなりの時間がかかっていました。人が目視で全件を見る以上、見落としのリスクもつきまといます。

解決方法

① まず考えたこと

問い1：そもそも生成AIを使う必要があるのか？

バックオフィスチームから「このチェックを改善できないか」と相談を受けたとき、システム開発グループは、最初から「生成AIを使って解決しよう」と決めていたわけではありません。

まず考えたのは、チェックそのものを減らせないか、ということでした。作成をさらに自動化できれば、チェックの負担も根本から減らせるはずです。そこで、作成の残りの部分もルール（従来のプログラム）で組めないかを検討しました。

ところが、バックオフィスチームにヒアリングして検討すると、完全な自動化は現実的でないとわかりました。

その月の実際の利用数などは、別のシステムで人が確認して反映する必要があります。理屈のうえではルール化もできなくはありませんが、あらゆるケースに対応させようとすると運用もシステムも複雑になり、費用対効果が見合いません。さらに、イレギュラーなケースまで含めるとすべてのパターンを洗い出すのは難しく、ルールベースだけでは反映漏れも起こりがちです。

そこで、作成の完全自動化は目指さず、チェックもルールベースだけには頼らないことにしました。作成は今のかたち⸻一部は自動、変更点は人が反映⸻のまま人が担い、そのぶん負担とミスのリスクが集中する「確認（チェック）」の工程を、しっかり改善する。そういう方針に切り替えたのです。

検討した選択肢	実現性	運用の柔軟性	構築コストの低さ	負担軽減の効果
請求データ作成を完全自動化する 実績が出るまで決まらない請求があり実現できない。 ルールに縛られイレギュラーにも弱く、構築も大がかり	×	×	×	◎
作成は今のまま、チェックの負担を減らす ←採用 人の手を残すぶん柔軟に運用でき、大がかりな開発も不要。チェックは残るが大きく軽くできる	◎	◎	◯	◯

問い2：AIを使うとして、どこに使うべきか？

チェックを改善すると決めたシステム開発グループが次に考えたのは、「チェックのどこに生成AIを使い、どこは使わないか」です。ここでも、すべてを生成AIに任せようとはしませんでした。

チェックの中身を分解すると、多くは生成AIを使わなくても、決まったルールで機械的に照合できるものでした。一方で、案件担当者が自然な文章で書いた変更指示の読み取りや、コメント欄でのやり取り（担当者への実績確認が取れているか）の判断だけは、業務の文脈を汲む必要があり、従来のプログラムが苦手とするところ。ここに生成AIを使いました。

確認の観点	ルールベース （従来のプログラム）	生成AI
日付が当月になっているか	●
数量・単価が契約と合っているか	●
前月から意図せず変わった箇所はないか	●
PDFと明細が食い違っていないか	●
…	…	…
自由記述の変更指示が反映されているか		●
担当者への実績確認（コメント欄で取れているか）		●
送付先の変更が反映されているか（自社システムの依頼と照合）		●

機械的に照合できる観点はルールベースで確実に。文脈を読む必要がある「自由記述の変更指示」だけを生成AIが担当します。

役割を分けたのには、もう一つ理由があります。請求はお金に関わることです。そして生成AIは、ときに間違えます。だからこそ、決まったルールで確実に判定できるところは従来のプログラムに任せ、生成AIを使うのは、それでは立ち行かない文章の読み取りに絞りました。なんでも生成AIにしないぶん、コストを抑えながら、確実に動く仕組みになります。

② 具体的な仕組み

実現方法

チェックの仕組みには、Claudeデスクトップアプリを採用しました。

いちばんの理由は、開発せずに始められることです。チェックを回すのはバックオフィスの担当者一人。そのために専用のシステムを一から作り込むのは、やはり大がかりすぎます。専用システムなら、データを処理する仕組みだけでなく、担当者が操作する画面まで用意しなければなりません。Claudeデスクトップアプリなら、その画面がはじめから備わっています。あとはkintoneとつなぐMCPサーバーを組み合わせるだけで、すでにkintoneに貯まっているデータの上でそのまま動かせて、担当者自身がすぐに実行できます。

担当者の指示で、Claudeが kintone MCPサーバー経由でkintoneの請求書データ・契約データを、自社システム用のMCPサーバー経由で自社システムの送付先の変更依頼を取り出し、ルールベースとAIによる照合を行います。その結果をもとにAIが最終判定し、「OK」と「要確認」に分けます。kintoneだけに閉じず、複数の情報源を横断して確認できるのが強みです。

※ kintone MCPサーバーは、生成AIがkintoneのデータを直接読み書きするための連携サーバーです（サイボウズ提供）。詳しくはこちら。

どう動くか

使い方は、担当者がClaudeに対象の月を伝えるだけです。

あとはClaudeデスクトップアプリが、kintone MCPサーバー経由でkintoneから当月分・前月分の請求データや契約のデータを、自社システム用のMCPサーバー経由で自社システムから送付先の変更依頼を取り出し、全件をチェックします。10分ほどで、結果が「OK」と「要確認」に仕分けられて出てきます。

そして「詳細を見たい」と伝えれば、全件について一件ずつの判断根拠まで確認できます。「OK」としたものも、なぜそう判断したのかを担当者があとから追える。人が最後に確かめる運用を、しっかり支えています。

効果

担当者が目を通すのは、生成AIが「要確認」に挙げたものだけになりました。全件に張り付いていた作業から解放され、確認が本当に必要なところにだけ集中できます。空いた時間はまとまったものになり、他の業務に充てられるようになりました。

項目	これまで	これから
確認する件数	全件（約100件）を目視	生成AIが「要確認」とした5件程度の、指摘ポイントのみ
チェックの時間	6〜8時間	約0.5時間
担当者の関与	全件に張り付き	要確認の確認に集中
見落としリスク	目視ゆえに残る	ルールベースの照合と、生成AIの判断＋人の最終確認で補完