会計事務所のAI活用 記帳と問い合わせ対応を半自動化する実務手順

どの工程をAIに任せると効果が出るか

会計事務所のAI活用は、記帳・資料回収・問い合わせ対応の3工程に集中させると最も投資回収が早い。逆に税務判断そのものをAIに置き換えようとすると、税理士法と精度の壁で必ず止まる。

実際に複数の中小会計事務所と話していて共通するのは、所長・税理士本人の時間が「顧問先からの資料を待つ時間」と「同じような質問への回答」に吸われていることだ。記帳そのものは既にクラウド会計でかなり自動化されているが、領収書のOCR結果の補正、勘定科目の判定、月次の質問対応はまだ人が貼り付いている。ここをAIで半自動化すると、所長は申告・税務判断という単価の高い仕事に時間を戻せる。

下の表は、3工程それぞれで「AIにどこまで任せて、どこから人が判断するか」の目安をまとめたものだ。完全自動ではなく、ドラフトをAIが書き、最終確認を税理士が押す前提で設計する。

工程	AIが担う部分	人が押す判断
記帳代行	領収書OCR・勘定科目の候補提示・摘要文の整形	例外仕訳・前期との整合確認
資料回収	顧問先への催促メール文面・期限管理・抜けチェック	関係性を踏まえた言い回しの最終調整
問い合わせ対応	FAQドラフト生成・過去回答の検索・回答案の下書き	税務判断・署名

記帳代行をAIで半自動化する具体手順

記帳代行は「OCRで読む → 勘定科目を提案する → 摘要を整える → 例外を人が直す」の4段階に分けると、AIに任せる範囲が明確になる。

OCR部分はクラウド会計の標準機能（freeeのAI-OCRやマネーフォワードのレシート取り込み）で十分なケースが多い。AIの威力が出るのはその後だ。OCR結果に対して、過去の仕訳パターンを学ばせた生成AIに「この摘要・取引先名・金額帯から推定される勘定科目と摘要文を出して」と投げると、補助科目までセットで返ってくる。ここまでをAIに任せ、人は例外仕訳の判定だけに集中する。

ポイントは、AIに渡す入力をOCR結果＋過去仕訳の要約に絞ること。顧問先の口座残高や個人情報まで送る必要はない。社内テンプレで「入力欄」を固定しておくと、職員が誤って機微情報を貼り付ける事故を構造的に減らせる。本気でやるなら、勘定科目判定モデルを過去仕訳で軽くファインチューニングするか、RAGで事務所固有のルールブックを参照させる構成にすると精度が上がる。RAGとファインチューニングの使い分けはRAGかファインチューニングかで詳しく書いた。

「自社の仕訳パターンでこれが動くか」が判断軸になる事務所が多い。初月無料の経営AI診断では、サンプルの仕訳データを匿名化したうえで、実際に勘定科目判定の精度を測るところまで一緒に走ってみることが多い。

顧問先からの資料回収と問い合わせ対応を任せる

毎月の月次や決算前に「あの顧問先からまだ通帳のコピーが来ていない」「源泉徴収票が揃わない」と職員が手で催促している事務所は、AIで一気に楽になる領域だ。

具体的には、顧問先ごとに必要書類のチェックリストをスプレッドシートで管理しているなら、未提出の項目を見て「いつ・誰に・どんな文面で催促するか」をAIにドラフトさせる。「先方の業種・社長の温度感・前回までのやり取り」を要約してプロンプトに入れると、機械的な催促ではなく「いつも◯◯の件でお世話になっております。9月分の通帳コピーがまだ届いていないようですので…」という、関係性を保った文面が出てくる。職員は内容を確認して送るだけだ。

問い合わせ対応も同じ構造になる。「年末調整で生命保険料控除証明書を紛失したらどうするか」「インボイス制度の経過措置の控除率は今いつまで何%か」のような頻出質問は、過去の回答を整理してRAGに入れておくと、顧問先からのメール本文を貼るだけで回答案が出てくる。AIに任せるのはあくまでドラフトで、税務代理・税務相談に該当する回答は税理士が必ず最終確認する。チャットボット化まで進めるならROI計算が前提になるのでAIチャットボットのROI試算を参照してほしい。

月次決算・税務相談のドラフトをAIで先に書く

決算前の社長面談や、月次試算表の説明資料は、過去資料と当期データさえ揃っていればAIに「叩き台」を書かせると所長の準備時間が半分以下になる。

たとえば月次試算表のコメント。前月比・前年同月比・業界平均との乖離をAIに渡し、「売上は前年同月比+12%だが、外注費が同+28%で利益率は2.1pt悪化している。理由として考えられる仮説を3つ挙げ、社長に確認すべき質問を5つ出して」と依頼すると、人がゼロから書き始めるよりはるかに早く論点が立つ。これは「顧問料に対して、月次でちゃんと付加価値を出している」と感じてもらうための準備時間の節約になる。

税務相談のドラフトも同じだ。社長からの相談文を貼り、過去判例・通達・法改正情報をRAGで参照させて、「考えられる選択肢は3つ。それぞれのメリット・税務リスク・必要書類」をAIに整理させる。税理士本人は、その整理を読んで自分の判断を上書きするだけでよい。税理士法上の最終責任は当然税理士が負う。

ここで一番効くのは「事務所内の暗黙知のRAG化」だ。顧問契約書のひな型、過去の判例メモ、過去の社長面談議事録などを検索可能な形にまとめると、若手職員でも所長と同じ水準のドラフトが書けるようになる。

AI導入で守るべきセキュリティと守秘義務

会計事務所がAI活用で最初に詰めるべきは技術ではなくデータ取扱いだ。顧問先データは税理士法・個人情報保護法の双方で重い守秘義務がかかっており、汎用ChatGPTの無料プランに貼り付ける運用は契約違反のリスクが高い。

具体的には次の3点をルール化する。第一に、利用するAIは「学習に使わない」契約のものに限定する。OpenAIのAPI経由・Claude APIのworkbench利用・Azure OpenAI・Google Cloudの Vertex AIなどは、各社の規約上、入力データを学習に使わない明記がある。第二に、AIに渡すのは「業務遂行に必要な最小限の抜粋」に絞る。決算書全体ではなく該当の科目だけ、顧客名簿そのものではなく業種・地域などの抽象化情報だけ、というルールを設計する。第三に、誰が・いつ・どの顧問先データをAIに送ったかのログを残す。後でインシデントになったとき、影響範囲を特定できないと顧問契約解除に直結する。

権限とログの設計は業種を問わず共通の鬼門で、生成AIに固有の落とし穴も多い。生成AIのデータガバナンスと権限設計の落とし穴で具体的なチェックポイントをまとめているので、導入前に一度目を通しておくと良い。

事務所所長が「とりあえず触ってみる」段階を超えて職員に展開する段階で、ここを定義していないと事故が起きる。実務上は、無料診断で運用ルールを言語化してから本格導入に進む順序が安全だ。

会計事務所がAI導入で踏むべき3ステップ

AI導入は「ツール選定→運用ルール→展開」ではなく、「1工程で効果を測る→ルールを言語化する→展開する」の順で進めると失敗しない。

第1ステップは、最も時間を取られている1工程を選び、所長または業務改善担当が自分で2週間試す。記帳の勘定科目判定でも、資料回収の催促文でも、月次コメントのドラフトでもよい。ここで「何時間削減できたか」「アウトプットの品質は顧問先に出せるレベルか」を実数で測る。職員に渡す前に必ず自分で評価する。

第2ステップは、効果が確認できた工程について、運用ルールを文書化する。「AIに渡してよい情報・渡してはいけない情報」「AIのアウトプットを誰が最終確認するか」「ログをどこに残すか」を1枚にまとめる。これがないまま職員に展開すると、必ず誰かが顧問先データを汎用AIに丸ごと貼り付ける事故が起きる。

第3ステップで、職員への教育とテンプレ配布を行う。プロンプトのテンプレを共有し、最初の1ヶ月は所長または業務改善担当が職員のアウトプットを確認する。ここまで来れば、所長は単価の高い税務判断に時間を戻せる。AI業務自動化全般のROI試算はClaude Codeで業務自動化したときのROI試算が参考になる。

どの工程から手をつけるか迷ったら、初月無料の経営AI診断（通常30万円相当）で、事務所固有の業務フローを聞きながら一緒に決めることができる。提案までセットなので、診断で出た改善案をそのまま社内展開する事務所が多い。

まとめ

会計事務所のAI活用は、記帳・資料回収・問い合わせ対応の3工程に集中させ、税務判断は税理士本人が押す前提で設計するのが現実解だ。ツール選定よりも先に「どの工程を、どの粒度で、誰の責任で任せるか」を決めることが、所長の時間を取り戻す最短ルートになる。1工程ずつ効果を測りながら広げていけば、AIに振り回されずに事務所の生産性を構造的に上げられる。

自社のどの業務から始めるべきか迷っているなら、初月無料の経営AI診断（通常30万円相当）で、業務工程の可視化と具体的な改善提案までご一緒する。社長や所長が自分で2週間試す前段階として、論点を整理する場として活用されることが多い。

関連記事

• 社内向けFAQボットの作り方 中小企業の問い合わせ対応自動化 — 関連: 問い合わせ対応のAI化を具体的に
• AIチャットボット導入のROI 中小企業の人件費vsサブスク逆算 — 関連: 顧問先対応の費用対効果判断
• 中小企業がClaude Codeで業務自動化する導入ステップとROI試算 — 関連: 工程選定とROI試算
• 生成AIのデータガバナンスと権限設計の落とし穴 — 関連: 顧問先データの守秘義務設計
• RAGかファインチューニングか 中小企業の判断軸 — 関連: 仕訳パターン学習の技術選定