経理・事務における経費精算業務では、領収書や請求書といったデータの収集から入力、勘定科目の分類といった工程が存在します。
デジタル化が進んだ現在においても、領収書はPDF、画像、メール本文、テキストメモなど、形式が極めて多様な非構造化データであり、これらがデータ集計の自動化を阻害する大きな障壁となっています。
そこで本記事では、PC操作を自律的に行うAIエージェント「Claude Cowork」を活用し、これら散在する非構造化データを一括で解析・構造化し、実務に即したExcelレポートを自動生成する仕組みを解説します。
経理・事務作業を手作業で行うことによる「見えないコスト」
まずは、経理・事務作業を、人が手作業で行うことによる課題を整理します。
バックオフィス部門が領収書の書き起こしという目先の作業に追われることで、組織には深刻な「見えないコスト」が発生し始めます。
まず顕著に現れるのが、高付加価値業務へのリソース転換の遅れです。
人材が、単なるデータの転記や判読といったルーチンワークに多くの工数を割かれることは、組織全体の生産性を著しく低下させる要因となります。
また、こうした状況はガバナンスの形骸化を招きかねません。膨大な量のレシートを短時間で処理しようとすれば、本来厳格に行われるべき「支出の妥当性チェック」が形骸化し、私的支出の混入などのリスクを見逃す可能性が高まります。
さらに、意思決定の遅延も無視できない課題です。経費データの集計を月末にまとめて手動で行っている場合、コストの発生状況をリアルタイムで把握することが困難になります。
分析にタイムラグが生じることで、予算の進捗管理が後手に回り、経営判断のスピードを阻害する要因となります。
検証の設計ロジック
こうした「事務工数の増大」や「チェック機能の低下」といった課題を解消するためには、AIエージェントに単なる文字認識をさせるのではなく、「文脈の理解」と「判断の代行」を担わせる必要があります。
検証の全体像
そこで今回の検証では、以下の2つの価値を同時に提供するプロセスの構築を目指します。
- データの構造化（実行）：形式の異なるPDF、Markdown、画像ファイルから必要な項目を抽出し、一貫性のある基準でデータベース化する。
- 異常値のスクリーニング（検知）：内容から「私的支出の可能性」や「情報の不足」をAIが自律的に判定し、人間が確認すべき箇所を特定する。
本記事では、実際に「PDF10件・テキストメモ10件・画像10件」という形式がバラバラかつ、ノイズの多い母集団を用い、Claude Coworkがどこまで実務に耐えうる「精度」と「判断」を提供できるのかを検証します。
検証用データの設計
今回の検証の目的は、AIが「整理されたデータ」を扱う能力ではなく、実務現場に散在する「ノイズを含んだ非構造化データ」をどこまで自律的に構造化できるかを測定することにあります。
そのため、あえて形式や精度が不揃いな3つのカテゴリー、計30件のサンプルを用意しました。
検証に使用する母集団は、日常業務で発生し得る「情報の断片化」を再現すべく、以下の3つのファイル形式で構成しています。
PDF形式（10件）：デジタル原本およびスキャンデータ
クラウドサービスのインボイス、ホテル宿泊費、Amazonの領収書など。
英語表記、和暦（令和）、外貨換算、複雑な明細内訳が含まれるものを選定。
Markdown/テキスト形式（10件）：非定型な備忘録・ログ
チャットツールからのコピー、デスクトップの走り書きメモ、メール本文の抜粋といったテキストデータ。
例えば、原本の領収書は別途保管済みであるという前提の上で、「3/5 ビックカメラ 2,480円」といった最小限の情報から、文脈（目的）を含む報告文まで多岐にわたる。
JPEG形式（10件）：物理媒体のデジタル化データ
スマートフォンのカメラで撮影したタクシーや飲食店のレシート。
あえて「斜め撮り」や「他の書類の写り込み」などのノイズを含ませ、OCRとしての限界性能も検証対象に含める。
評価指標（KPI）の設定
本プロセスの有効性を評価するため、以下の3つの観点から検証を行います。
- 抽出精度：日付・支払先・金額の3要素に齟齬がないか。特に「略記された日付」や「税込合計」を正しく判別できているか。
- 推論の妥当性：支払先や但書から、適切な「勘定科目（会議費、消耗品費等）」を導き出せているか。
- 自律的判断：経費として不適切な項目や判読困難な箇所に対し、自律的に「要確認」のアラートを出せるか。
動作環境の構築
実行環境には、最新モデル Sonnet 4.6 の知能を備え、ローカルファイルの直接操作やプログラムの自律実行が可能なAIエージェント機能「Claude Cowork」を使用しました。
検証手順としては、検証用に作成した「2026_経費精算検証」フォルダに、上記30件のファイルを無秩序に格納。
前段の「仕分け」や「ファイル名の統一」といった人間による前処理を一切排除した状態で、AIエージェントに直接ディレクトリへのアクセスを許可する設計としました。
実践：Claude Coworkによる統合解析プロセス
では実際に、作成した検証用のデータをClaude Coworkに読み込ませ、自然言語による一括処理を指示してみましょう。
エージェントへの指示（プロンプト設計）
今回のプロンプトでは、あえて細かな手順は指定せず、最終的な「成果物」と「守るべきルール」のみを提示する以下の指示を投入しました。これにより、AIの判断能力を検証しています。
プロンプト（指示文）：
「このフォルダ内にある全ファイルを解析し、日付、支払先、金額、内容、勘定科目を抽出してください。PDF・メモ・写真が混在していますが、全て読み取った上でデスクトップに『経費精算リスト_検証結果.xlsx』として保存してください。勘定科目は内容から適切に分類し、判断が難しいものは『要確認』と明記すること。」
自律的な課題解決の推移
指示を送信すると、Claude Coworkは即座にフォルダの中身を確認し、PDFの解析を開始した直後、AIは自身のシステムにPDFを読み取るための機能が不足していることに気づきました。
そこでAIは自ら「機能を補うためのプログラム」をその場で導入し、人間が手を貸すことなく作業を継続できる状態に自らをアップデートしました。
また、一部のメモファイルがフォルダの中にさらにフォルダが作られている構造で保存されていることを察知すると、AIは自らフォルダの奥まで探索を行い、全てのファイルを漏れなく処理対象に加えました。
さらに、文字情報であるPDFやメモと、視覚情報であるレシート写真を統合的に処理してくれました。
スマホで斜めに撮影された低品質な画像に対しても画像認識機能を活用し、デジタルの表データへと変換しました。
実行過程に見る「判断」の形跡
AIが作業中に出力するログ（思考の記録）を確認すると、単にデータを書き写しているのではなく、常に「状況の全体像」を把握しようとしていることが見て取れました。
例えば、ファイル名に書かれた略称と、ファイルの中身に書かれた正式名称に食い違いがある場合、より情報の信頼性が高い「中身」を優先して採用するロジックを自ら組み立てていました。
解析が完了すると、AIは自律的にExcelファイルを生成し、デスクトップへ出力。人間が一切の「前処理」を行うことなく、未整理のフォルダが「構造化されたデータベース」へと変換されました。
検証結果：抽出精度と実務への適用可能性
生成されたExcelファイルを詳細に分析した結果、Claude Coworkは単なる「文字起こし」の領域を超え、実務上の判断を伴う「高度な構造化」を実現していることが明らかになりました。
高い抽出精度
今回の検証における処理結果は、30件中28件が人間による修正が不要なレベルの完全なデータ抽出を実現しました。
PDFとテキストといったデジタルデータにおいては、実務上「ミス・ゼロ」を達成しています。
PDFは、日付、支払先、金額の全項目で誤りがなく、英語表記や複雑な内訳も正確に構造化しています。
テキストおよびメモに関しても、断片的な記述から、文脈（目的）と数値を正確に紐付け、日付の正規化も完璧でした。
画像に関しては、見切れと横向きになっていた2件が、金額の特定をあえて「回避（要確認）」と判定しました。
つまり、判読困難なものは自ら「要確認」として処理を保留してくれ、AIが「800円を8,000円と読み間違える」といった致命的な誤入力は1件も確認されませんでした。
非構造化データからの「情報のサルベージ」
特筆すべきは、データの欠損や表記の揺れに対する補完能力です。
例えば、日付が和暦（令和8年）、西暦の略記（26/03/01）、英語表記（March 01, 2026）と形式がバラバラであったにも関わらず、AIは「2026/03/xx」という統一された日付データへと変換しました。
これにより、既存の会計システムへのインポートが即座に可能な状態となっています。
勘定科目の自動分類と「文脈の理解」
AIは「但書（何に使ったか）」の文脈から、適切な勘定科目を推論しました。
例えば、「喫茶ルノアール」の支払いを、単なる「飲食費」ではなく打ち合わせの文脈から「会議費」と特定。また、「なだ万」での会食メモをプロジェクトの節目であると判断し、「交際費」へと正確に分類してくれました。
ガバナンスへの寄与
さらに、本検証では「精度の高さ」以上に、「AIによる自律的な検知能力」が浮き彫りになりました。
母集団に混入させた「歯科診療」や「美容品」の領収書に対し、AIは機械的に入力するのではなく、「個人的支出の可能性があるため要確認」という注釈を立てました。
また、前述した通り、画像が不鮮明で金額が断定できないものに対し、無理に数値を予測せず「金額判読困難」として空欄またはエラーを返しています。
重複の検知
今回あえて、契約書と領収書という、形式は違うが内容が同じ画像をフォルダに入れておきました。
するとClaude Coworkは、それぞれを解析した上で、日付・支払先・金額が一致することを把握し、備考欄に「IMG_2083（No.27）と同一取引」と自律的に記載してくれました。
これは、AIが単に文字を追っているのではなく、「このデータとあのデータは、同じ事実を指している」と実態を理解していることを示しています。
Claude Coworkを実務で使いこなすためのポイント
今回の検証を通じて、Claude Coworkが単なる「自動化ツール」ではなく、高度なコンテキスト（文脈）理解を持つ「自律型エージェント」であることが確認できました。
しかし、そのポテンシャルを最大限に引き出し、実務に定着させるためには、以下の3つのポイントに留意する必要があります。
①ファイル名と中身の整合性を整える
Claude Coworkを実務で運用する際、従来のITツールとは「ファイル管理」に対するスタンスを切り替える必要があります。
従来のOCRや管理システムでは、検索性を高めるために「20260312_支払先_金額.pdf」といった厳格なファイル名規則が求められました。
しかし、Claude Coworkはファイル内部の構造を直接解析するため、人間がファイル名を整える必要性は極めて低いです。
運用上は、ファイル名を整える工数をあえて削り、AIの解析能力に委ねる方が全体の生産性は高まります。
むしろ注意すべきは、ファイル名と中身の乖離です。ファイル名に手動で情報を加筆した際、万が一中身（領収書の実数）と不一致が生じると、AIがどちらを優先すべきか混乱し、判定保留の原因となります。
人間は「正しい名前を付ける」ことに時間を使うのではなく、「AIが中身を読み取れる状態（鮮明な画像やPDF）でフォルダに入れる」という一点にリソースを集中させるのが、エージェントを使いこなすための最も効率的なスタンスだと言えるでしょう。
②プライバシーとセキュリティ
Claudeを利用して業務データを扱う際、セキュリティ管理とデータ保護は非常に重要です。
Anthropicはユーザーのプライバシーとセキュリティを重視しており、法人の業務データを扱う場合は、以下の機能や対策を理解・活用することが推奨されています。
データの暗号化と厳格なアクセス制限
入力したデータに関しては、転送中および保存時に自動的に暗号化され保護されます。
また、フィードバック提供の一部としてユーザーが明示的に同意した場合や、利用ポリシー実施のための審査時を除き、デフォルトでAnthropicの従業員は顧客の会話にアクセスできないよう厳格なアクセス制限が設けられています。
ロールベースの権限設定による管理の徹底
Claudeの法人向けプランであるTeamプランの「高度なアイデンティティとアクセス管理」機能を活用することで、管理者は「ロールベースの権限設定」を用いてアクセスレベルをカスタマイズし、組織全体のユーザー権限を制御することができます。
これにより、Claude上で扱う業務手順や指示書などの社内情報が、意図しない設定にならないようにすることができます。
機密情報のマスキング
必要に応じて、マイナンバーや特定の個人名など、精算に不要な機密情報を黒塗り（マスキング）した上で解析にかけるといった運用ルールが有効です。
③技術的な限界点と「失敗パターン」の把握
本検証で画像認識の精度が100％ではなかった通り、AIにも物理的な限界が存在します。
以下のパターンでは、解析エラーや判断保留が発生しやすくなります。
物理的な損壊と情報の重なり
レシートの印字が著しく擦れている（感熱紙の劣化）、あるいは他の書類と重なって撮影されており、文字の輪郭が判別できないケース。
極端な解像度不足とノイズ
手ブレが激しい写真や、極端に暗い環境で撮影された画像は、AIの画像認識機能でも補完が困難です。
複雑な手書き文字
崩し字の激しい手書き領収書などは、活字に比べて誤読のリスクが高まります。
これらの限界を理解した上で、「最初からAIが読み取りやすい形でデータを集める」という工夫が重要です。
具体的には、写真を撮る手間を省いて「最初からPDFの領収書をダウンロードする」ようにしたり、「チャットで金額をメモしておく」習慣をつけたりすることです。
「AIが苦手な写真」を減らし、「AIが得意なデジタルデータ（PDFやテキスト）」を増やすことで、人間が手直しする手間はさらに減り、業務全体の自動化率がさらに向上します。
拡張性：会計ソフトおよび外部データベースとの「MCP」連携
今回の検証では「Excelへの出力」までを自動化しましたが、さらに発展させ、抽出したデータを直接会計ソフトや社内データベースへ流し込むことも可能です。
そためには、MCP（Model Context Protocol）という共通規格を活用することで実行することができます。
主要クラウド会計ソフトとのダイレクト連携
2026年現在、主要な会計ソフトベンダーにおいて、AIエージェントがソフトを直接操作するための基盤整備が急速に進んでいます。
freee
freeeは、2026年3月に公式MCPサーバー「freee-mcp」をオープンソースとして公開しています。
これにより、今回の検証で抽出したデータを、Claudeが自律的にfreeeのAPIを叩いて「取引登録」や「仕訳入力」まで完結させることが可能です。
人間はソフトを開くことなく、チャット上で「登録しておいて」と指示を出すだけで業務が完了します。
マネーフォワード クラウド
マネーフォワードは、2025年10月より「マネーフォワード クラウド会計」において、AIエージェントを通じて会計業務を実行する「MCPサーバー」のβ版を提供開始しています。
これにより、ClaudeやCursorといったAIエージェント機能を持つMCPクライアントとクラウド会計ソフトを直接接続することが可能になりました。
ユーザーは従来の画面操作を行うことなく、AIエージェントから指示を出すだけで、AIが自律的に「仕訳入力」や「帳簿検索」、「データ確認」、「レポート作成」といった業務を自動で処理します。
弥生会計
現時点では、AIエージェントによる直接操作を行うための公式MCPサーバーに関する発表はされていませんが、CSVデータのインポートやRPA（ロボットによる業務自動化）を組み合わせたデータ連携が実用化されています。
SQL Server等のデータベースとの接続
「集計したデータを、自社の基幹システムやデータベースへ直接保存したい」という自動化ニーズにも、MCPを活用することで対応可能です。
これまでは、AIが作ったExcelを見て、人間がシステムに打ち込み直す必要がありました。しかしこの連携により、Claudeは社内システムの「経費テーブル」というデータの置き場所を理解し、解析したデータを直接システムへ書き込みに行きます。
データがシステムに自動で集約されるため、人間がExcelをまとめなくても、会社の「売上・経費ダッシュボード」などがリアルタイムで更新されるようになります。
セキュリティに関しても、MCPによる接続では「この場所への書き込みだけ許可する」といった厳格な権限制限をかけることができるほか、認証情報も安全に保護されており、許可された範囲内でのみ作業を行うことが可能です。
まとめ
本検証を通じて、Claude Coworkによる非構造化データの構造化は、実務レベルで十分に機能することが確認されました。
これにより、単なる入力作業に費やされていたリソースを、ガバナンスの強化や財務分析といった高付加価値な業務へ再配置することが可能となります。
AIエージェントの導入は、単なるツールの置き換えではなく、業務フローそのものを「入力中心」から「承認中心」へと最適化し、組織全体の生産性を底上げするための有効な手段となるでしょう。
無料メルマガ会員に登録しませんか？
IoTNEWSは、毎日新着ニュースを公開しております。
週一回配信される、無料のメールマガジン会員になっていただくと、記事一覧やオリジナルコンテンツの情報が取得可能となります。
- AIに関する最新ニュース
- 実践を重要視する方に聞く、インタビュー記事
- 業務改革に必要なAI活用方などのノウハウ
など、多岐にわたるテーマが配信されております。
また、無料メルマガ会員になると、会員限定のコンテンツも読むことができます。
無料メールから、気になるテーマの記事だけをピックアップして読んでいただけます。 ぜひ、無料のメールマガジンを購読して、貴社の取り組みに役立ててください。
無料メルマガ会員登録
現在、デジタルをビジネスに取り込むことで生まれる価値について研究中。IoTに関する様々な情報を取材し、皆様にお届けいたします。
