同じ請求書から、違う仕訳が出てくる
AIエージェントに請求書を渡すと、取引先、金額、日付を読み取り、勘定科目を選んで仕訳の案を作ってくれます。では、同じ請求書をもう一度渡したら、まったく同じ仕訳が出てくるでしょうか。多くの場合は同じですが、必ずとは言えません。前回は「消耗品費」だった科目が、今回は「事務用品費」になる。そうしたことが起こりえます。
仕訳の「案」であれば、それでも構いません。人が見て選べばよいからです。困るのは、帳簿に載った後の数字が揺れることです。先月の売上高を聞くたびに答えが違う、という状態では、決算も経営判断もできません。
AIに任せてよい部分と、揺れてはいけない部分。この線をどこに引くかを整理します。
なぜAIの出力は揺れるのか
AIエージェントは、あいまいな依頼をくみ取り、書類を読み、文章にまとめます。できることの幅がとても広い道具です。一方で、その柔軟さには裏側があります。
- 同じ依頼でも、毎回同じ答えになるとは限らない。 AIは、次に続く言葉を確率にもとづいて選びながら答えを作ります。言い回しだけでなく、結論が変わることもあります。
- 自信を持って間違えることがある。 もっともらしい答えを作る力と、事実として正しいことは別です。金額や日付、固有名詞ほど注意が要ります。
- 覚えているのは、会話の中だけ。 仕組みを用意しないかぎり、前のやり取りで確定した内容を、次の会話に正確に持ち越すことはできません。
内部統制の枠組みで知られるCOSO(トレッドウェイ委員会支援組織委員会)は、2026年2月に生成AIの内部統制に関する手引きを公表しました。そこでも、生成AIは「確率的であり、決定的ではない」とされています。出力は、そのまま受け入れる事実としてではなく、検証を要する主張として扱うべきだ、というのが手引きの立場です。
揺れをなくすことを目指すのではなく、揺れてよい仕事と、揺れてはいけない仕事を分ける。それが設計の出発点になります。
役割分担:仕訳の案はAIに、確定したデータはプロダクトに
考え方はシンプルです。仕訳の案を作るのはAIエージェントです。確定した仕訳を保管するのは、プロダクト(会計システムのように、データベースと、決まった手順で動くプログラムでできた仕組み)です。そして、保管されたデータをAIが引いてきて、分析や示唆出しに使います。
プロダクト側で持つもの
- 確定した仕訳と残高
- 勘定科目や取引先のマスタ
- 承認の記録と、締めの状態
- 金額の集計と検証
AIエージェントが担当すること
- 書類を読み、仕訳の案を作る
- 不足や不整合を見つけて指摘する
- 確定したデータを引いて分析する
- 増減の要因や示唆を言葉にする
AIは入口と出口の両方にいます。入口では書類を仕訳の形に直し、出口では帳簿の数字を読み解きます。その真ん中に、揺れない保管場所としてのプロダクトがあります。
設計の3つの原則
この役割分担を、もう少し具体的な原則にすると3つになります。
- 01データ
正本はプロダクトに置く
確定した仕訳の置き場所は1つ。AIの文章や会話の履歴を正本にしない
- 02処理
確定はプロダクトが行う
AIは案を出す。検証と記帳は、決まった手順でプロダクトが行う
- 03承認
承認の範囲はルールで決める
自動で通す条件を先に定める。条件の外は人が見る
正本はプロダクトに置く。 正本とは、「これが正しい」と決めた唯一の記録のことです。確定した仕訳、残高、承認の記録は、会計システムに1か所だけ置きます。AIが出した要約や、会話の履歴は、正本にしません。AIに聞くたびに答えが変わりうる以上、「正しい数字」はAIの外に持っておく必要があります。
確定はプロダクトが行う。 AIの役割は、仕訳の案を出すところまでです。貸借が一致しているか。科目や取引先がマスタに存在するか。すでに締めた期間への記帳ではないか。こうした検証と、帳簿への記帳は、プロダクトが決まった手順で行います。何度実行しても同じ結果になる処理は、AIではなくプログラムの仕事です。
承認の範囲はルールで決める。 すべての仕訳を人が見る必要はありません。毎月同じ形で発生する定型の取引や、少額の取引は、条件を満たせば自動で承認する設計もできます。大切なのは、その条件をAIのその場の判断に任せず、あらかじめルールとしてプロダクトに持たせておくことです。条件から外れたもの、ルールが想定していないものは、人が見ます。
この考え方は、外部の指針とも重なります。COSOの手引きは、人による確認の度合いを、扱うリスクの大きさに見合ったものにするよう求めています。総務省と経済産業省が2026年3月に公表した「AI事業者ガイドライン(第1.2版)」も、AIエージェントについて、適切なタイミングで人の判断を介在させることを挙げています。ソフトウェア設計で知られるマーティン・ファウラー氏のサイトに2026年8月に掲載された寄稿も、AIが読み取った文章は提案の材料であり、実行の可否はあらかじめ宣言されたルールが決める、と整理しています。
1件の仕訳が確定するまでの流れ
3つの原則を、1件の仕訳の流れに当てはめると次のようになります。
書類を読む
請求書や契約書から、取引先・金額・日付・内容を読み取る
仕訳の案を作る
マスタと過去の仕訳を引き、科目と摘要の案を根拠つきで出す
検証する
貸借の一致、マスタとの整合、記帳できる期間かを確かめる
承認する
条件を満たすものは自動で、それ以外は人が確認して承認する
記帳して保管する
確定した仕訳として記録する。誰がいつ承認したかも残す
- 01AI
書類を読む
請求書や契約書から、取引先・金額・日付・内容を読み取る
- 02AI
仕訳の案を作る
マスタと過去の仕訳を引き、科目と摘要の案を根拠つきで出す
- 03プロダクト
検証する
貸借の一致、マスタとの整合、記帳できる期間かを確かめる
- 04ルール+人
承認する
条件を満たすものは自動で、それ以外は人が確認して承認する
- 05プロダクト
記帳して保管する
確定した仕訳として記録する。誰がいつ承認したかも残す
2つ目の工程では、AIは科目の一覧や過去の仕訳を「覚えている」のではなく、プロダクトから「そのつど引く」のがポイントです。
保管されたデータを分析に使う:決め手は正確性と網羅性
記帳された仕訳は、もう揺れません。ここから先が、AIエージェントのもう1つの出番です。AIエージェントは、MCP(AIエージェントがシステムに接続するための共通の仕組み)を通じて会計システムのデータを引き、「販管費が前月より増えた要因は何か」といった問いに答えます。
ここでも役割分担は同じです。合計や前月比といった数字は、AIに文章の中で計算させず、プロダクトの集計から得ます。AIが担うのは、どの切り口で見るかを考え、数字を読み解き、示唆としてまとめる部分です。
そして、分析の質を最後に決めるのは、保管されているデータそのものです。「確定している」ことと「正しい」ことは同じではありません。科目を誤ったまま記帳された仕訳も、計上が漏れた取引も、AIは疑わずに前提として扱い、もっともらしい分析を返します。
- 正確性。 科目、金額、計上する期間、部門や案件の区分が正しく記録されているか。
- 網羅性。 発生した取引が、漏れなく、重複なく記録されているか。
この2つが崩れていると、その上に載る分析も示唆も、経営の判断も、すべてがずれていきます。逆に、ここが整っていれば、AIエージェントによる分析は経営管理の強い道具になります。入口での検証と承認は、帳簿を守るためだけでなく、その先の経営管理の質を決める工程でもあります。
落とし穴と、監査での説明
役割分担を設計するとき、つまずきやすい点があります。
- AIに帳簿を直接書き換えさせる。 データベースをAIが自由に書き換えられる状態にすると、検証と承認を通らない仕訳が生まれます。記帳は、プロダクトが用意した決まった窓口だけを通します。
- AIの文章を数字の根拠にする。 AIが作った要約や報告を、そのまま確定した数字として扱うと、後から確かめる手段がなくなります。数字の根拠は帳簿に置き、AIの文章はその説明として扱います。
- 自動承認の範囲を広げたままにする。 条件を一度決めて終わりにせず、自動で通った仕訳を定期的に抜き取って確かめ、条件を見直します。
この線引きは、監査への説明にも関わります。COSOの手引きは、AIの出力だけを頼りに承認している場合と、担当者が自分で確かめ直している場合を区別しています。前者のようにAIの出力に依拠するなら、どんな指示を与え、どの設定とどのバージョンのAIを使ったかを記録しておくことが求められます。線が引けていれば、「この仕訳はなぜこうなったのか」を、記録にもとづいて説明できます。
まとめ
AIエージェントは、書類を読み、仕訳の案を作り、数字を読み解くことが得意です。一方で、出力は揺れます。そこで、確定したデータと、確定させる処理は、プロダクトの側に持たせます。正本はプロダクトに置く。確定はプロダクトが行う。承認の範囲はルールで決める。そのうえで、保管するデータの正確性と網羅性を保つ。そこが整ってはじめて、AIエージェントによる分析が経営管理に生きてきます。
自社の業務で、どこをAIに任せ、どこをプロダクトに持たせるか。線引きの整理からご相談いただけます。お問い合わせからご連絡ください。
参考資料
- COSO「Achieving Effective Internal Control Over Generative AI (GenAI)」(2026年2月)
- 総務省・経済産業省「AI事業者ガイドライン(第1.2版)」(2026年3月31日)
- Pramod Sadalage, Prem Chandrasekaran「Making Your Data Ready for Agentic AI」(martinfowler.com、2026年8月27日)
本記事は一般的な情報提供であり、個別の会計処理・税務判断は専門家にご相談ください。制度・指針および他社の公開資料に関する記述は執筆時点(2026年11月)の情報です。