毎月の転記作業、まだ人の目と手に頼っていませんか
10人規模の会社でも、書類は毎月たまります。取引先から届く請求書のPDF、営業がもらってきた見積書、顧問先から送られてくる契約書、問い合わせのメール。中身は大事なのに形式がばらばらで、そのままでは集計も検索もできません。だから誰かがExcelに転記します。経理担当の方なら、月末の数日をこの作業に使っている実感があるはずです。仮に請求書が月120枚あり、1枚の転記と目視確認に3分かかるとすれば、それだけで月6時間。しかもこの6時間は締め日の直前に集中し、他の仕事を止めます。
Claudeを使っている方なら、一度は試したことがあるかもしれません。ファイルを何個か添付して、これを表にしてくださいと頼む方法です。10件程度なら、かなりの精度で表になります。ところが実務の量に広げようとすると、壁が2つ現れます。
1つ目は量の壁です。一度に渡せるファイル数には上限があり、数百件のPDFを処理するには分割して何度も依頼することになります。時間がかかり、APIで回すならコストもかさみます。2つ目が確認の壁で、こちらの方が深刻です。AIが作った表の数字が合っているかを確かめる方法が、元の書類を開き直して探すことしかない。転記が速くなっても、検証に元と同じ時間がかかるなら、自動化の効果は半減します。
この2つ目の壁に正面から取り組んだサービスが、先日、米国の技術系掲示板Hacker Newsで発表されました。今回はその中身と、そこから私たちが持ち帰れる考え方を書きます。
Parsewiseは何を発表したのか
発表したのはParsewiseという米国のスタートアップです。Yコンビネーター（多くの有名企業を輩出してきた米国のスタートアップ支援機関）の2025年プログラムに参加しています。創業者の2人は、片方がPalantirという大手データ分析企業で企業向けのデータ処理基盤とAIワークフローを作っていた人物、もう片方がコンサルティング会社のBainで金融業界の複雑なデータ分析をしていた人物です。書類とデータの泥臭い現場を10年見てきた上での起業だと本人たちは説明しています。
サービスの内容はこうです。数百から数千件のPDF、Excel、メール、電話の文字起こしといった形式ばらばらのデータを一括で受け取り、あらかじめ決めた表の形に沿って整理して返します。この表の設計図をスキーマと呼びます（どの列に、どんな種類の値が入るかを先に決めておく仕組みです）。たとえば1列目は顧客名、2列目は契約日、3列目は金額という具合に、器を先に用意しておき、AIはその器を埋める役に徹するわけです。
他の文書読み取りサービスと違う点は3つあります。1つ目は、複数の書類をまたいで推論することです。1枚ずつ機械的に値を抜くのではなく、たとえば保険証券と通話記録とメールを突き合わせて、1人の顧客の情報として統合します。2つ目は、出力されたすべての値に出典が付くことです。どのファイルの、どのページの、どの一文から取った値なのかを、単語レベルでたどれます。3つ目は、全件を探索することです。よくあるRAG（検索拡張生成。関連しそうな箇所だけを抜き出してAIに読ませる方式）は候補を絞り込むため取りこぼしが起きますが、Parsewiseは絞り込まず、該当する値をすべて洗い出した上で判断します。書類をまたいだ推論、全値への出典、全件探索の3点セットが、このサービスの本体です。
出典がたどれると、仕事はどう変わるか
出典付きという性質は、地味に見えて仕事の景色を変えます。専門的にはデータリネージ（値がどこから来たかの来歴を追える状態）と呼ばれる考え方です。
出典がない場合を想像してください。AIが作った1,000行の表があり、そのうち数行が間違っているかもしれない。どの行かは分かりません。すると担当者は、結局1,000行すべてを元書類と突き合わせることになります。1行の確認に元書類を探して開いて該当ページをめくる時間が1分かかれば、それだけで丸2日です。これでは手で転記していた頃と大差ありません。
出典があれば、値の横に元の文がそのまま表示されます。たとえば支払期日の列に2026年7月31日とあれば、その隣に、お支払いは2026年7月31日までにお願いします、という請求書の原文が引用される形です。確認は表示された原文を読むだけで、1行あたり数秒です。さらにParsewiseは、複数の書類で値が食い違ったとき、AIが勝手にどちらかを選ばず、不確実な箇所として人に知らせる設計にしています。人が見るべき行だけが浮かび上がる仕組みです。
創業者たちの説明で目を引くのは、力の入れどころです。AIモデルの性能を競うのではなく、人がAIの結果を信頼するまでの手間とクリック数を減らすことに注力したと述べています。実際に顧客と接する中で、導入が止まる原因は精度の数字ではなく検証のしにくさだった、という観察がその根拠です。AI導入が止まる本当の理由は精度の不足ではなく、正しさを確かめる手間にある。この一点が、この発表から持ち帰るべき教訓です。
非エンジニアの私たちが持ち帰れる3つの考え方
Parsewise自体はAPI（システム同士をつなぐための接続口）を軸にした、開発チームを持つ企業向けのサービスです。10人の会社が今日契約するものではありません。それでも、設計思想は明日の自分の仕事に移植できます。
1つ目は、AIに答えと一緒に根拠の場所を言わせることです。Claudeに書類の要約や抽出を頼むとき、各値の出典を付けてくださいと一文足すだけで、確認の手間が大きく減ります。これはプロンプトの書き方の問題であって、特別なツールは要りません。契約書の要約でも議事録の整理でも理屈は同じで、該当箇所を原文のまま引用させれば、要約が正しいかをその場で判定できます。
2つ目は、業務の専門家が輪の中に入ることです。Parsewiseは、何をどう抜き出すかの定義と、結果の検証に、現場のビジネス担当者を巻き込む設計にしています。裏を返せば、どの書類のどの項目が大事で、どんな食い違いが起きがちかを知っている経理担当や総務担当の知識こそが、自動化の中核部品だということです。たとえば、この取引先は締め日の都合で請求書の日付と計上月がずれる、という知識は書類のどこにも書かれていません。AIの時代に現場の経験が無価値になるどころか、その経験が仕組みの精度を決めます。
3つ目は、全部を任せず、怪しい箇所だけ人が見るという分担です。AIに100%を求めると導入は永遠に始まりません。AIが9割を処理し、不確実な1割に印を付け、人はそこだけ見る。この分担が現実的な落とし所です。
業種別に見る、書類の山が表に変わる場面
自分の会社に引き寄せて考えられるよう、4つの業種で具体的な場面を描きます。
保険代理店: 顧客ごとの契約一覧と満期管理
8人規模の保険代理店を考えます。顧客ごとに保険証券のPDF、募集時の通話メモ、やり取りのメールが別々の場所に散らばっていて、満期日の一覧を作るには事務担当が1件ずつ開いて転記するしかありませんでした。ここに書類またぎの抽出を入れると、証券と通話記録から保険会社、商品名、保険期間、満期日、保険料の一覧が出典付きで作れます。満期3か月前の顧客リストが自動で手元に届き、担当者は出典を開いて証券の該当ページを数秒で確認してから連絡に移れます。実はParsewiseの発表文にも、保険証券のPDFと文字起こしされた通話とメールから、書類をまたいで推論しながら情報を抜き出したいという保険業界の顧客の声がそのまま引用されています。世界中で同じ悩みが繰り返されているわけです。
税理士・社労士事務所: 顧問先資料の月次入力
職員6人の税理士事務所には、顧問先30社から毎月、領収書の束、通帳のコピー、給与台帳、雇用契約書が届きます。会社ごとに様式が違い、スキャンの質もまちまちです。ここで日付、金額、摘要、取引先を出典付きで抽出し、仕訳の下書きまで作らせると、職員の仕事は入力から確認に変わります。手書きの領収書や不鮮明なスキャンは、無理に読ませず不明として印を付けさせるのがコツです。人が読むのは印の付いた数枚だけになり、月次入力の時間は目に見えて減ります。読めた行を疑って全部見直す運用から、読めなかった行だけ見る運用への転換です。浮いた時間は、顧問先への提案や決算対策の検討といった、本来の専門業務に回せます。
不動産管理会社: 契約書800件の台帳づくり
管理戸数800戸、社員20人の賃貸管理会社では、賃貸借契約書のフォーマットがオーナーや契約時期によってばらばらです。賃料、共益費、契約期間、更新料、そしてペット可否や原状回復の特則といった特約を一覧にしたくても、800件を読み直す工数が出せずに放置されがちです。更新通知の漏れは直接の損失につながります。全件から出典付きで台帳を作れば、更新期日の管理が仕組みになり、特約のように文言が1件ずつ微妙に違う項目も原文の引用ごと一覧に残ります。入居者と揉めたとき、該当条文に一発で戻れることの価値は、経験のある方ほど分かるはずです。
製造業の受発注: 単価の食い違い検出
15人の部品加工会社では、注文がFAX、メール添付のPDF、Excelの仕様書と、あらゆる形式で届きます。厄介なのは、単価改定がメールの一文で行われ、後日届く注文書には古い単価が載っているような食い違いです。1枚ずつ読むだけの仕組みでは検出できません。書類をまたいで突き合わせ、最新の見積メールと注文書の単価が合わない案件に印を付けさせれば、営業事務の方は毎朝、印の付いた案件だけを確認すればよくなります。気づかず古い単価で納品して失う利益を考えれば、確認の仕組み自体が利益を守る投資になります。
Claudeで小さく試す手順
Parsewiseを待たなくても、この記事の考え方はClaudeで今日から試せます。ブラウザ版のClaudeやClaude Coworkにファイルを添付できる環境があれば十分です。手順は6つです。
- 対象の業務を1つだけ選びます。毎月発生していて、書類から表への転記が仕事の中心になっているものが向いています。逆に、判断や交渉が絡む業務は最初の題材には向きません。
- 欲しい表の列を先に決めます。これが自分の業務のスキーマです。列は5〜7個までに絞ると精度が安定します。あれもこれもと欲張ると1列あたりの精度が落ち、確認の手間がかえって増えます。
- ファイルを5〜10件だけ添付します。最初から全件を入れないでください。少数で当たり外れの癖をつかむのが先です。
- 次のようなプロンプトで依頼します。ポイントは、出典を言わせること、推測を禁じること、食い違いに印を付けさせることの3つです。
（コピーして使えるプロンプト:）
添付した書類から、次の列を持つ表を作ってください。
列: 取引先名、書類の種類、日付、金額、支払期日
ルール:
- 各行の末尾に出典の列を追加し、どのファイルの何ページ・どの記述から
取った値か、元の文を短くそのまま引用してください
- 書類に書かれていない値は推測せず、不明と書いてください
- 複数の書類で値が食い違う場合は行を分けて両方書き、
要確認と印を付けてください
- できた表の出典を全行チェックします。最初の1回だけは全行です。どんな書類で間違えやすいかが分かったら、たとえば手書きの備考欄は読み取らず不明とする、といったルールを1行足して再実行します。
- 精度に納得できたら件数を増やし、依頼文をClaudeのプロジェクト機能に保存して毎月の定型作業にします。
所要時間の目安は、列の設計に30分、最初の検証に1時間ほどです。半日あれば、自分の業務に使えるかどうかの判断材料がそろいます。最初の1回だけ全行を検証し、癖をつかんでからは印の付いた行だけ見る。この順番を守れば、確認の手間は回を重ねるほど減っていきます。
注意点とよくある誤解
試す前に、つまずきやすい点を4つ挙げます。
誤解の1つ目は、AIの読み取りは正確だから確認は不要だ、というものです。逆です。かすれたスキャン、手書き、表組みの崩れたPDFでは読み間違いが普通に起きます。出典付きの運用は、間違いが起きる前提で確認を速くする仕組みであって、間違いをゼロにする魔法ではありません。
2つ目は、出典が付いていれば正しい、という思い込みです。引用された原文自体は本物でも、解釈を誤ることがあります。たとえば3通の契約書のうちどれが最新版かという判断は、書類の中に明示されていなければAIには決められません。日付が新しいものを優先する、押印済みのものを正とする、といった判定ルールや優先順位は、業務を知る人が言葉で決めて指示に含める必要があります。
3つ目はデータの取り扱いです。顧客の個人情報や取引条件を含む書類を外部サービスに渡す前に、そのサービスがデータを学習に使わない設定になっているか、契約上の秘密保持と両立するかを必ず確認してください。Claudeの法人向けプランは入力データを学習に使わない方針が明示されていますが、無料の個人利用と混同しないことが大事です。氏名や口座番号を伏せ字にしてから渡す運用も有効です。
4つ目はコストです。数千件規模の処理をAPIで回すと、従量課金は思ったより膨らみます。まずは月数十件の範囲で試し、1件あたりの処理コストと削減できた確認時間を並べて記録してください。全社展開の構想より先に、1つの業務で確認時間が何分減ったかを測ってください。その数字が次の投資判断の根拠になります。
まとめ: 検証コストから逆算する
Parsewiseの発表が示したのは、書類を読むAIの精度競争が一段落し、勝負が人が結果を信じられるまでの手間に移ったという流れです。この種のツールは今後も増えます。名前を覚える必要はありません。選ぶときの物差しとして、出典がたどれるか、食い違いに印が付くか、現場の担当者が検証の輪に入れるかの3点を持っておけば十分です。
そして物差しは、ツール選びの前に自分の運用にも当てられます。今日決めることは2つだけです。どの転記業務から手を付けるか。欲しい表の列は何か。この2つが決まれば、上のプロンプトを貼り付けるだけで最初の実験が始まります。
自社のどの業務から始めるべきか迷う方には、Claude Worksの無料30分相談で、書類の種類と業務の流れを伺いながら最初の1本を一緒に決めています。無料30分相談はこちらからどうぞ。
