AI-OCR導入の進め方2026、PoCで失敗しない4ステップ

タイに拠点を置く日系企業のバックオフィスでは、請求書、納品書、受領書、通関関連の書類、勤怠や各種申請の紙帳票が、いまも人の手でシステムに打ち込まれています。AI-OCRという技術があることは、担当者もマネージャーも知っています。製品の比較記事も価格の相場も読んでいます。それでも導入まで進まない、あるいは導入したのに数か月で使われなくなる。この2つの失敗は、原因が同じところにあります。自社の帳票を数え、実際に試すという工程より先に、製品の話から入ってしまうことです。本記事はAI-OCR導入を「製品選び」ではなく「4つのステップからなるプロジェクト」として整理し、対象文書の棚卸しから出力先システムの確認、製品の比較評価、そしてPoCによる精度検証までを、タイの日系工場と現地法人の実情に即して解説します。

「AI-OCRは知っている」のに導入が進まない理由

まず現在地を確認します。バックオフィスの紙処理が非効率であることは、誰も否定しません。問題は、その認識から導入判断までのあいだに、意思決定に必要な材料が揃っていないことです。

現場で実際に起きている停滞は、だいたい次の3つの形を取ります。

• 対象がぼんやりしている。「紙をなくしたい」という目的は共有されているが、どの文書を月に何枚処理しているのかを誰も数えていない。
• 判断材料がカタログの数値しかない。製品ページに並ぶ認識精度は、どれも高い水準で拮抗しており、そこから自社に合うものを選ぶことができない。
• 効果の見積もりが立たない。削減できる工数を提示できないため、稟議が上がらない、あるいは上がっても差し戻される。

2つめは特に厄介です。AI-OCR製品を横並びで比較したメディアの整理によれば、2026年時点の市場では認識精度99%を超えると謳う製品が複数存在し、機能・精度・価格・連携・サポートといった5つ程度の軸で比較するのが一般的になっています。つまりカタログ上の精度では、もはや製品間の差がつきません。差が出るのは、その製品を自社の帳票に当てたときです。カタログの数値は、自社の請求書に押された社判のかすれや、取引先ごとにばらばらな明細の並びまでは説明してくれません。

一方で、周辺環境は明確に動いています。UOBが2026年6月30日に発表したBusiness Outlook Study 2026では、タイのSMEのうち70%超がすでにAIを導入しており、これは地域平均を上回る水準だとされています。同調査では、AIを導入したSMEの58%がコスト削減を、44%が生産性の向上を実感したと報告されています。技術が普及段階に入っているという前提で、自社が着手できていない理由を潰していく局面に来ている、と読むのが妥当です。

なお、AI-OCRを含むバックオフィス業務全体の自動化をどう組み立てるかについては、AI-OCRによるバックオフィス自動化の全体像で扱っています。本記事はその中から「導入プロセスそのもの」を切り出して深掘りする位置づけです。

生成AI搭載のAI-OCRは従来型と何が違うのか

導入を検討するうえで、最初に整理しておくべき技術的な前提があります。いま「AI-OCR」と呼ばれている製品には、性質の異なる2つの世代が混在しているという点です。

従来型のOCRは、読み取る位置をあらかじめ定義しておく方式が基本でした。この帳票のこの座標に日付があり、この枠に金額がある、という定義を人が作り込みます。定型のフォーマットが決まっている社内帳票であれば、これで十分に高い精度が出ます。ただし、取引先が書式を変更した瞬間に定義は無効になり、作り直しが発生します。取引先が数十社あり、それぞれ独自の請求書フォーマットを使っている状況では、定義の作成と保守そのものが新しい手作業になります。

これに対して、生成AIを組み込んだAI-OCRは、文脈を理解して読み取る点が異なります。文書の構造を意味として解釈するため、事前に位置を定義していない非定型の文書に対しても、項目名とその値の対応を推定できます。文書とデータ活用に関する解説でも、生成AI搭載のOCRは文脈理解によって非定型文書に対応できる点が、従来型との本質的な違いとして挙げられています。

両者の違いを整理すると次のようになります。

最後の行が、導入設計に直結する論点です。従来型の誤りは「読めなかった」という形で目に見えますが、文脈から推定する方式では、形式としては正しく見える値が入ってくることがあります。だからこそ、後述するPoCでは「読めた割合」ではなく「訂正が必要だった割合」を測る必要があります。どちらの世代を選ぶにしても、この検証の設計を省略できません。

AI-OCR導入は4つのステップに分けて進める

前置きが長くなりましたが、ここからが本題です。AI-OCRの導入は、次の4つのステップに分けると迷いません。この順序は、文書種別と処理量の調査から始めて、出力先システムの確認、製品の比較評価、そして検証という流れで整理されている一般的な進め方と一致します。

この4つのうち、順序を入れ替えてよいものはありません。特にステップ2をステップ4のあとに回すと、精度は十分だったのに会計システムに入れられないという理由でプロジェクトが止まります。以下、順に見ていきます。

ステップ1 対象文書の棚卸しと処理量の把握

最初の作業は、製品資料を集めることではありません。自社がいま何を何枚処理しているかを数えることです。この作業を飛ばしたプロジェクトは、ほぼ例外なく途中で対象が膨らみ、収拾がつかなくなります。

棚卸しでは、次の項目を文書種別ごとに埋めていきます。

この表を埋める過程で、多くの現場が同じことに気づきます。処理量は文書種別ごとに大きく偏っており、上位1つか2つの種別が全体の大半を占めているということです。請求書OCRから着手するケースが多く見られるのも、この偏りが理由でしょう。月に数枚しか発生しない申請書を最初の対象に選ぶと、効果が測れないまま検証期間が終わります。

現在の処理時間の実測については、1点だけ補足します。担当者に「1枚どのくらいですか」と聞くのではなく、実際に数枚を時間を計りながら処理してもらってください。聞き取りベースの数字は、慣れた担当者ほど短めに申告される傾向があり、後の効果試算が過大になります。入力そのものの時間だけでなく、原本を探す時間、不明点を発行元に問い合わせる時間、入力後に別の人が突き合わせる時間まで含めて測ると、実態に近い数字が出ます。

棚卸しの結論として決めるのは1つです。最初にAI-OCRの対象とする文書種別を、1つか2つに絞ることです。「まず請求書だけ」で構いません。範囲を狭めることは妥協ではなく、次のステップ以降の検証を成立させるための条件です。

ステップ2 出力先システムと連携仕様の確認

棚卸しの次は、読み取ったデータの行き先を確認します。AI-OCRは文字をデータに変えるところまでしか担当しません。そのデータが会計システムやERPに入って初めて、業務は短縮されます。

ここを軽視すると、典型的な失敗が起きます。読み取り精度は問題なかったのに、出力されたCSVの項目名が会計システムの受け入れ仕様と合わず、結局は人が並べ替えてから取り込むことになる、という状態です。転記作業が「入力」から「整形」に名前を変えただけで、削減工数はほとんど残りません。

出力先ごとに、確認すべきことは異なります。

特に注意したいのがコードの突き合わせです。請求書に印字されているのは取引先の社名であって、自社ERPの取引先コードではありません。読み取った社名を自社のマスタに突き合わせる仕組みがないと、コードを引くという作業が人の手に残ります。同じことが品目名と品目コード、部門名と部門コードのあいだでも起きます。棚卸しの段階で「読み取った文字列がそのまま使えるのか、マスタ照合が必要なのか」を項目ごとに判定しておくと、後の連携開発の見積もりが安定します。

もう1つ、承認フローとの関係も先に決めておきます。AI-OCRが読み取ったデータを、承認前に投入するのか、承認後に投入するのかで、必要な連携の作りが変わります。承認前に投入する設計にすると、訂正が承認者の作業として組み込めるため運用は素直になりますが、その分だけワークフロー側の改修が必要になることがあります。

ステップ3 製品の比較評価、判断軸をどこに置くか

ここまで整理して、ようやく製品の比較に入ります。順序としてはこの位置が正しく、逆にしてはいけません。棚卸しの結果がないまま製品を見ると、機能の多さで選ぶことになるからです。

前述のとおり、2026年時点では認識精度99%超を掲げる製品が複数あり、精度そのものは比較軸として機能しにくくなっています。実務的に差がつくのは次の6点です。

このうち、稟議の段階で最も問題になりやすいのがデータの保管場所です。請求書や勤怠帳票には取引先情報や個人に関する情報が含まれるため、読み取ったデータと元画像がどこに置かれ、誰がアクセスでき、どれだけの期間保持されるのかを、契約前に文書で確認しておく必要があります。本社の情報管理規程がある場合は、その要件を先に取り寄せてから製品候補を絞ると、後戻りが減ります。

製品ごとの機能や価格帯の細かい比較については、AI-OCR製品の比較と選び方で個別に整理しています。本記事では、比較の前に自社側の条件をどう用意するかに焦点を当てています。

この段階の出口は、候補を2から3製品に絞ることです。1製品に絞り込んでからPoCに入ると、結果が思わしくなかったときに次の手が用意されておらず、検証をやり直すところから始めることになります。逆に5製品以上を並行して検証すると、検証作業そのものが負担になり、期間内に結論が出ません。

ステップ4 PoCで自社の帳票を使って検証する

4つのステップのうち、省略されがちで、しかも省略すると最も高くつくのがこのステップです。AI-OCR導入時のポイントを整理した解説でも、選定にあたっては自社の主要な帳票のサンプルを使ったテスト検証が重要であると指摘されています。カタログの精度は、その製品が学習した文書に対する精度であって、自社の帳票に対する精度ではありません。

検証用サンプルの選び方

PoCの結論の質は、投入するサンプルで決まります。ここで避けるべきなのは、きれいな見本を提出することです。実務で流れている帳票は、押印が文字に重なっていたり、スキャンが傾いていたり、FAX経由でかすれていたり、手書きの追記が入っていたりします。こうした「汚れた実物」を含めないPoCは、本番で必ず崩れます。

サンプルの構成は、次のように組むと実態を反映できます。

• 主要な取引先の帳票を、社数の多い順に上位から集める。1社あたり数枚では書式のばらつきを拾えないため、同じ取引先の異なる月のものを複数含める。
• 過去に入力ミスや問い合わせが発生した帳票を、意図的に混ぜる。難しい帳票の割合が実態に近くなる。
• 手書きの追記、押印の重なり、傾き、かすれを含む現物をそのまま使う。加工したり選別したりしない。
• 対象がタイ語と日本語の混在であれば、両方を同じ比率でサンプルに含める。

何を測るのか

測定する指標は4つに絞ります。増やしても判断が難しくなるだけです。

読み取り精度については、文字単位ではなく項目単位で測ることを推奨します。文字単位の精度は数値として高く出やすい一方、業務上の意味は薄いためです。金額欄の1文字が違えば、その項目は訂正が必要になります。何文字合っていたかではなく、その項目をそのまま使えたかどうかで数えてください。

合格ラインは、PoCを始める前に決めておきます。検証結果を見てから基準を決めると、出た数字を追認する形になります。基準の置き方として実務的なのは、絶対的な精度ではなく所要時間の比較です。訂正作業を含めた1枚あたりの処理時間が、現行の手入力よりも短くなっているかどうか。この1点を主基準にすると、議論が発散しません。

PoCの期間と体制

期間は1か月から2か月を目安にします。1か月に満たないと、月末に集中する帳票や、特定の時期にしか届かない書類を拾えません。逆に3か月を超えると、関係者の関心が薄れ、当初の仮説を検証しないまま延長が続きます。

体制については、確認と訂正を実際に行う担当者を最初から巻き込んでください。PoCを情報システム部門だけで回すと、精度の数字は出ても、運用に耐えるかどうかの判断ができません。訂正がどの程度の負担なのかは、実際に手を動かした人にしか分かりません。

費用感と課金方式の考え方

金額は文書種別の数と処理量に強く依存するため、幅を持った目安として整理します。AI-OCRの費用に関する解説では、月額の基本料金がおおむね30,000円から200,000円程度の幅に収まり、課金方式には従量課金と定額制があると整理されています。この基本料に加えて、初期設定や既存システムとの連携にかかる費用が別途発生するのが一般的です。

課金方式の選択は、棚卸しで数えた月間処理量の偏りで決まります。月末に処理が集中する業務で従量課金を選ぶと、繁忙月だけ費用が跳ね上がります。逆に処理量が安定している業務で定額制の上限を高く設定すると、使わない分を払い続けることになります。ここでも、判断の根拠になるのはステップ1で数えた実数です。

タイでの調達を前提とした価格帯や課金方式の詳細については、AI-OCRの価格相場と費用の見方で個別に整理しています。本記事では、その費用をどのタイミングで、どの前提のもとに見積もるかという観点に絞っています。

タイの日系企業に固有の3つの論点

ここまでは、どの国の拠点でも共通する進め方です。ここからは、タイの日系工場と現地法人に固有の論点を3つ取り上げます。

日本語帳票とタイ語帳票の混在

タイ拠点のバックオフィスでは、日本の本社や日系サプライヤーとやり取りする日本語の帳票と、現地の取引先や当局向けのタイ語の帳票が、同じ担当者の机の上に並びます。この混在は、製品選定の条件を強く縛ります。

タイ語は文字の上下に母音や声調の記号が付く表記体系を持ち、文字体系が複雑なため、活字の認識としては難易度が高い部類に入ります。具体的にどの程度の精度になるかは製品と帳票の状態によって大きく変わるため、公表値をそのまま信じるのではなく、必ず自社のタイ語帳票をPoCのサンプルに含めてください。そうすれば、日本語の帳票だけで検証して合格を出し、本番でタイ語帳票の訂正作業が膨らむ、という失敗は避けられます。

少人数バックオフィスでの運用定着

タイの日系現地法人では、経理、総務、購買、人事を数名が兼務している体制が珍しくありません。この体制は、AI-OCR導入にとって追い風にも逆風にもなります。

追い風になるのは、意思決定が速く、部署間の調整が少なくて済む点です。逆風になるのは、新しい仕組みの立ち上げに割ける時間が構造的に少ない点です。したがって導入の設計では、担当者が新たに覚える操作を最小限にすることが、精度そのものと同じくらい重要になります。読み取り結果の確認画面を1つに集約する、訂正の判断基準を文書化しておく、といった地味な準備が、定着するかどうかを分けます。

引き継ぎを前提とした運用設計

駐在員の任期交代と現地スタッフの転職により、担当者は数年単位で入れ替わります。導入時に設定した項目定義や訂正の判断基準が、担当者の頭の中にしか残っていないと、交代のたびに運用が劣化します。

対策は単純です。導入時に、対象文書の一覧、項目のマッピング表、訂正の判断基準、連携先システムの仕様を、1つのフォルダにまとめて残すことです。PoCの過程でこれらは自然に作られるため、追加の作業はほとんど発生しません。作らずに済ませるか、残すかの違いだけです。

導入効果をどう見積もるか

稟議に必要なのは、削減できる工数の数字です。ただし、公開されている事例の数字をそのまま自社に当てはめると、期待値が過大になります。読み方を整理しておきます。

公開されている効果の例としては、カヤバが棚卸業務の所要期間を1か月から1週間へ短縮した事例や、住化農業資材が対象業務の70%を削減した事例が紹介されています。また、先に触れたUOBのBusiness Outlook Study 2026では、AIを導入したタイのSMEのうち58%がコスト削減を、44%が生産性の向上を実感したと報告されています。

これらの数字から取り出すべきなのは、パーセンテージそのものではありません。注目すべきは、いずれも「対象業務を限定したうえでの削減率」だという点です。全社の紙処理が70%減ったのではなく、対象として選んだ業務の中で70%が減っています。自社に当てはめる際も、棚卸しで絞り込んだ1つか2つの文書種別を分母に置いてください。

自社の試算は、次の4項目で組み立てられます。

最後の行について補足します。AI-OCR導入で実際に評価されやすいのは、削減された時間そのものよりも、月次の締め処理が数日前倒しになったという変化であることが多いです。締めが早まると、経営数値の確認が早まり、本社への報告の余裕が生まれます。この効果は金額に換算しにくいため試算表には載せにくいのですが、稟議の説明では有力な材料になります。

よくある質問

AI-OCRの導入にはどのくらいの期間がかかりますか

対象を1つか2つの文書種別に絞った場合、棚卸しと出力先の確認に3から4週間、製品の比較評価に2から3週間、PoCに1から2か月というのが現実的な目安です。合計すると2から4か月程度になります。この期間を短縮したい場合、削るべきは製品の比較評価であってPoCではありません。候補を2製品に絞って比較期間を圧縮するほうが、検証を省くよりもはるかに安全です。

帳票OCRは手書きの文字も読み取れますか

読み取れる製品はありますが、活字に比べて難易度が高く、製品ごとの差も大きい領域です。したがって、手書きが含まれる帳票を対象にする場合は、PoCのサンプルに必ず実物の手書き帳票を含めてください。加えて、手書き部分をどう扱うかを運用として決めておくことも重要です。手書きの欄だけは人が確認する、という設計にすれば、全体としては十分な効果が出ることも多くあります。すべてを自動化しようとすると、かえって導入が止まります。

請求書OCRの精度はどのくらいを目標にすべきですか

絶対的な数値を目標に置くのではなく、所要時間の比較で判断することを推奨します。訂正作業を含めた1枚あたりの処理時間が、現行の手入力より短くなっているかどうかが実務上の合格ラインです。金額欄のように誤りが直接影響する項目は全件を人が確認する運用にして、それ以外の項目で工数を削る、という組み立て方も現実的です。精度の目標値を先に決めてしまうと、その数値に届かないという理由だけで、実際には効果が出る組み合わせを見送ることになります。

タイ語の帳票と日本語の帳票を1つの製品で処理できますか

製品によって対応状況が異なるため、選定の初期段階で確認すべき条件です。両言語に対応していると記載されていても、対応の水準は帳票の状態によって変わります。判断は公表情報ではなくPoCで行ってください。仮に1製品でまかなえない場合でも、言語ごとに処理を分ける構成は可能です。ただしその場合、出力先システムへの連携が二重になるため、ステップ2で確認した連携仕様に照らして、追加の運用負荷が許容範囲かどうかを判断する必要があります。

PoCで期待した精度が出なかった場合はどうすべきですか

すぐに製品を切り替える前に、原因を3つに切り分けてください。帳票そのものの問題か、項目定義の設定の問題か、製品の適合性の問題かです。スキャンの解像度が低い、原本が折れている、といった入力側の問題であれば、スキャン手順の見直しで改善します。項目定義の粒度が粗いだけであれば、設定の調整で改善します。この2つを潰しても水準に届かない場合に初めて、製品の適合性を疑う順序が妥当です。この切り分けをせずに製品を替えると、同じ結果を繰り返します。

まとめ

AI-OCR導入がうまくいかない原因の多くは、製品の性能ではなく、順序にあります。自社が何を何枚処理しているかを数える前に製品を見に行き、カタログの精度で候補を決め、自社の帳票で試さないまま契約する。この順序で進む限り、どの製品を選んでも結果は大きく変わりません。

進め方は4つのステップに分解できます。対象文書の棚卸しでは、文書種別ごとの月間処理量と現在の処理時間を実測し、対象を1つか2つに絞ります。出力先システムの確認では、読み取ったデータが会計やERPにそのまま入るのか、マスタ照合が必要なのかを項目単位で判定します。製品の比較評価では、カタログの認識精度ではなく、対応言語、データの保管場所、連携手段、課金方式で候補を2から3に絞ります。そしてPoCでは、きれいな見本ではなく実務で流れている帳票を使い、訂正作業を含めた1枚あたりの処理時間で合否を判定します。

タイの拠点では、ここに日本語帳票とタイ語帳票の混在という条件が加わります。日本語の帳票だけで検証して合格を出すと、本番で訂正作業が膨らみます。少人数のバックオフィスで運用が定着するかどうかは、精度の高さよりも、担当者が新たに覚える操作の少なさで決まります。そして担当者が数年で交代することを前提に、項目定義と訂正の判断基準を文書として残しておいてください。

最初の一歩は、製品資料の請求ではありません。先月の請求書が何枚あったかを数えることです。この数字がないまま製品を選ぶと、比較の基準も、効果の試算も、PoCの合否判定も、すべて根拠を持てません。逆にこの数字が手元にあれば、その後の判断は驚くほど速く進みます。

自社の帳票がAI-OCRで処理できる状態にあるのか、既存の会計システムやERPとどこまで連携できるのかを整理したい段階であれば、お問い合わせページからご相談ください。検討段階でも構いません。現在の帳票の種類と処理量、既存システムの構成を伺ったうえで、どの文書種別から着手するのが現実的かを一緒に整理します。

参考情報

• OCRと生成AIの違いと導入の進め方 ワンビシアーカイブズ — 生成AI搭載OCRが文脈理解によって非定型文書に対応できるという従来型との違い、および文書種別と処理量の調査、出力先システムの確認、製品の比較評価、検証という導入の4ステップ
• AI-OCRの費用相場と課金方式 AIJIMY — 月額基本料がおおむね30,000円から200,000円程度の幅に収まること、従量課金と定額制という課金方式の違い、カヤバが棚卸業務を1か月から1週間へ短縮した事例、住化農業資材が対象業務の70%を削減した事例
• AI-OCR製品の比較動向 デジタル化の窓口 — 2026年時点で認識精度99%超を掲げる製品が複数存在すること、機能、精度、価格、連携、サポートといった5つ程度の軸での比較が一般的になっていること
• UOB Business Outlook Study 2026 ThaiPR — 2026年6月30日発表。タイのSMEのうち70%超がすでにAIを導入しており地域平均を上回ること、AIを導入したSMEの58%がコスト削減を、44%が生産性の向上を実感したこと
• AI-OCR導入時に注視すべきポイント NECソリューションイノベータ — 製品選定にあたって自社の主要な帳票のサンプルを使ったテスト検証を行うことの重要性