JP2018173935A - 会計処理システム - Google Patents

Abstract

【課題】高精度の自動仕訳を行う会計処理システムを提供すること。【解決手段】証憑の画像データから金額、並びに、取引先及び摘要の少なくとも一方を含む仕訳要素を抽出する証憑入力部１１と、仕訳要素に対する勘定科目を選定した仕訳データを出力する仕訳判定部１２とを備え、仕訳判定部１２は、機械学習により仕訳要素と勘定科目との対応を学習した結果に基づいて仕訳データを生成する仕訳ＡＩ１２１と、設定されたルールに基づいて仕訳データを生成する仕訳ＡＩ補助システム１２２とを備える会計処理システム１を提供する。簿記的に複数のものが許容される場合に、仕訳ＡＩ１２１では信頼度が低い仕訳について仕訳ＡＩ補助システム１２２によって高精度化される。【選択図】図１

Description

本発明は、証憑の画像データを取り込んで自動的に仕訳を行う会計処理システムに関する。

貸借対照表、損益計算書等の会計帳票の作成は、いわゆる会計ソフトウェアに勘定科目及び金額を含む仕訳情報を各々の証憑毎に入力して行われていた。ここで、各々の証憑についての仕訳情報は、担当者が各々の証憑に基づいて判断し、入力していることが多かった。しかし、入力に要する時間が大きく、作業効率が悪くなってしまうという問題があった。

そこで、証憑を光学的に読取って電子データ化し（証憑自体が電子データである場合には金額等の仕訳要素を抽出し）、自動で仕訳を行う（勘定科目を生成する）システムが提案されていた。（例えば特許文献１、２）（以下勘定科目を生成することを「仕訳」と呼ぶ。）

特許文献１には、一般的な商取引、過去の入力、その他に基づく推論によって仕訳を行うシステムが開示されている。しかし、推論の正確性を保証できるものではなく、ユーザの確認を求め、その結果に基づいて、推論精度を高めるものである。

この点、特許文献２には、ユーザの過去の仕訳に基づいて、高頻度の仕訳を推奨仕訳とするシステムが開示されている。多数の過去の仕訳を活用すれば一定の精度になると考えられる。しかし、ユーザが小規模で過去の仕訳が必ずしも十分に存在しない場合があり、また、個別の証憑の中には、過去の仕訳では高頻度でなかった仕訳が正しいものも存在する。高精度の自動仕訳が実現できているものではない。

出願人は、特願２０１６−２４４７４１において、ＡＩ（人工知能）に教師付き学習を行わせることにより、自動仕訳の精度を高めたシステムを開示した。

特開２００７−３０４６４３号公報 特開２０１４−２３５４８４号公報

本発明は、高精度の自動仕訳を行う会計処理システムを活用する会計処理方法を提供することを課題とする。

学習により、あるいは特許文献２に開示されたように過去に高頻度の仕訳を用いることで、証憑に含まれる摘要、取引先等に基づいて仕訳が確定する（一意に定まる）証憑については高精度の自動仕訳が可能である。仕訳が確定しない証憑についての精度を高めることが重要である。

仕訳が確定しない証憑の例として、例えば以下のものが考えられる。証憑が飲食店のレシートである場合に、借方の勘定科目が「会議費」であるか「接待交際費」であるかは、個々の飲食の際の事情に依存し、いずれの場合もあり得る。証憑が自社発行の領収書である場合に、貸方の勘定科目が「売掛金」であるか「売上高」であるかは、取引態様に依存し、いずれの場合もあり得る。

仕訳が確定しない場合については、簿記のルールとして２以上の仕訳がいずれも認められるということが多い。（証憑に含まれる情報が不十分である等の場合も考えられるが、本明細書では特に考慮せず、十分な情報を得ることができるものとする。）学習の教師データ（又は特許文献２の手法における過去の仕訳）として統計的な信頼性を高めるために多数の会社の仕訳を用いるのであれば、多数の教師データの中には、同一の仕訳要素に対して相違した仕訳となっている複数のデータが存在すると考えられる。

一方、ユーザの１の会社に限定すれば、「この顧客には掛売をしない」等の事情があり、正確な判断基準を作成できる場合が多い。しかし、飲食店名や顧客名が判断に用いられることを学習あるいは頻度によって正確に推認することは困難である。

以上をまとめると、後述のとおり、仕訳ＡＩが多くの証憑については一定精度の自動仕訳を実行するが、対応できない証憑も存在する。具体的には、簿記のルールとして２以上の仕訳がいずれも正解として認められ、学習用の教師データに２以上の仕訳が存在する場合等は、仕訳ＡＩが判断に迷い、仕訳の信頼度を高めることができない。例えば、コーヒー・ショップでの飲食は、簿記的には「会議費」と「福利厚生費」のどちらでも正解であり、両方とも簿記的に正解ゆえに、仕訳ＡＩが判断に迷ってしまい、信頼度が高い仕訳を実施できない。この課題を解決するものである。

本発明は、ルールに基づいて仕訳データを生成することで、課題を解決する。

本発明の会計処理システムは、
証憑又は電子データの金額、並びに、取引先及び摘要の少なくとも一方を含む仕訳要素に対する勘定科目を選定した仕訳データを出力する仕訳判定部を備え、
前記仕訳判定部は、仕訳要素と勘定科目との対応を学習した結果に基づいて仕訳データを生成する仕訳ＡＩと、設定されたルールに基づいて仕訳データを生成する仕訳ＡＩ補助システムとを備え、
前記仕訳ＡＩ補助システムは、前記仕訳ＡＩの出力する仕訳データを入力し、
前記ルールは、ルール適用のための条件として、前記仕訳ＡＩの出力する仕訳データに含まれる勘定科目が何であるかを含むことを特徴とする。

仕訳ＡＩが多くの証憑について一定精度の自動仕訳を実行するが、対応できない証憑（簿記のルールとして２以上の仕訳がいずれも認められ、学習用の教師データに２以上の仕訳が存在する場合等）も存在する。この特徴によれば、仕訳ＡＩ補助システムがかかる証憑についての高精度化を行うことができる。例えば、特定のユーザについて「コーヒー・ショップでの飲食は簿記的には会議費でも正解であるが、福利厚生費の勘定科目を使用する」という形態の場合である。

ここで、仕訳要素については、証憑をスキャンしたデータ、電子化された証憑のデータ、会計処理ソフトやクラウド会計のデータ等から入力することができる。

本発明によれば、高精度の自動仕訳を行う会計処理システム、及び該会計処理システムを活用する会計処理方法を提供される。

図１は、会計処理システムの構成を示す図である。 図２は、仕訳データを示す図である。 図３は、ルールを示す図である。 図４は、出力される結果を示す図である。 図５は、証憑入力部の処理を示すフローチャートである。 図６は、精度判断部の処理を示すフローチャートである。 図７は、仕訳ＡＩ補助システムの処理を示すフローチャートである。 図８は、仕訳判定部を示す図である。

以下、本発明の実施例を説明する。

図１は、会計処理システムの構成を示す図である。会計処理システム１は、証憑３を入力し出力仕訳データ４を出力するシステムであり、証憑入力部１１、仕訳判定部１２、学習部１３及び結果出力部１４を備えている。

証憑入力部１１は、証憑３を入力し仕訳要素２１を出力する。なお、仕訳要素２１は、後述する仕訳データ２２に含まれる。証憑入力部１１は、仕訳要素２１以外のデータを有さない状態の仕訳データ２２（実質的に仕訳要素２１）を出力してもよい。

仕訳判定部１２は、仕訳要素２１を入力し、それに基づいて勘定科目を決定して出力仕訳データ４を出力する。仕訳判定部１２は、仕訳ＡＩ１２１、仕訳ＡＩ補助システム１２２及び精度判断部１２３を備えている。

図２は、仕訳データを示す図である。仕訳データ２２ａ，２２ｂ、学習仕訳データ２３及び出力仕訳データ４は、全て図２に示す構成である。なお、具体的なデータフォーマットについては適宜に設定してよく、仕訳データ２２ａ，２２ｂ、学習仕訳データ２３及び出力仕訳データ４において相違していてもよい。これらを総括して仕訳データ２２として説明する。

仕訳データ２２は、仕訳要素２１と勘定科目とを含むデータである。仕訳要素として、金額、取引先、摘要及び日付を含む。ここで、金額は、会計処理の上で必須である。また、取引先及び摘要は、仕訳判定部１２が勘定科目を生成するため少なくとも一方が必須である、ただし、勘定科目を生成できる限りにおいて一方のみであって両方でなくともよい。また日付は必ずしも必要でないが、年度の区分、月毎あるいは四半期毎の集計のために存在することが好ましい。図中、３１ａ、３１ｂは、それぞれ、１枚の証憑３に対応するデータを示す。

仕訳ＡＩ１２１は、学習結果１２１ａに基づいて仕訳を行う（勘定科目を生成する）ＡＩである。本実施例では、仕訳要素２１をベクトル化し、ニューラルネットワークに基づく学習を行ったものとするが、いかなる形態であってもよい。各種の公知の手法を用いることができる。例えば、ベクトル化されたデータに対する数学的なクラスタリングを用いても、ファジイ制御を用いてもよい。仕訳ＡＩ１２１は、仕訳要素２１を入力し、仕訳データ２２ａを出力する。

仕訳ＡＩ補助システム１２２は、ルール１２２ａに基づいて仕訳を行うプログラムである。本実施例では、後述する形式のルール１２２ａをデータとして読み込んで処理するものとするが、任意の形態であってよい。例えば、ルール１２２ａを仕訳ＡＩ補助システム１２２のサブルーチンプログラムとして構成してもよい。

図３は、ルールを示す図である。ルール１２２ａは、番号付けられたルールの集合データである。各々のルールは、図中の各行に示す通り、条件１２２ａ１と勘定科目１２２ａ２から構成される。条件１２２ａ１が充足された場合に勘定科目１２２ａを設定するためのものである。

図において、条件１２２ａ１を複数の数式として示しているが、これらの数式の全てが充足された場合に条件が充足されたものとする。ここで、集合の要素記号「∈」は、取引先が会計処理システム１の有するデータベース（非図示）において飲食店に分類されていることを示す。条件１２２ａ１のデータ形式は任意である。図のように数式を示すテキストであってもよく、例えばスクリプト言語のようにプログラム形式の記述であってもよい。

勘定科目１２２ａ２は、条件１２２ａ１が充足された場合に仕訳データ２２ｂに設定される勘定科目である。図中の空欄は、その勘定科目を仕訳データ２２ａから変更しないことを示す。仕訳ＡＩ補助システム１２２は、仕訳データ２２ａを入力し、仕訳データ２２ｂを出力する。

精度判断部１２３は、仕訳データ２２ａを仕訳ＡＩ補助システム１２２に処理させるか否かを決定する。精度判断部１２３によって仕訳ＡＩ補助システム１２２に処理させないと判断された仕訳データ２２ａは、出力仕訳データ４として出力される。精度判断部１２３によって仕訳ＡＩ補助システム１２２に処理させると判断された仕訳データ２２ａは、仕訳ＡＩ補助システム１２２によって処理され、その結果の仕訳データ２２ｂが出力仕訳データ４として出力される。なお、図中、精度判断部１２３を分岐として描いているが、分岐を主機能とするプログラムである。

学習部１３は、学習仕訳データ２３に基づいて学習を行い、その結果を学習結果１２１ａとして出力する。学習の処理については、仕訳ＡＩ１２１に合わせた公知の処理を用いればよい。学習処理は、実際に行われた仕訳における仕訳要素及び勘定科目を用いる教師付き学習とすることができる。ただし、仕訳要素のみを用いる教師なし学習で仕訳要素を分類し勘定科目を別途付与することも可能である。

結果出力部１４は、仕訳データ２２ａ及び仕訳データ２２ｂを結果２４として出力する。いかなる仕訳データを出力するかについては、任意に設計してよい。本実施例では、仕訳ＡＩ補助システム１２２の処理によって仕訳データ２２ａと仕訳データ２２ｂとが相違する場合に出力するものとする。このほか、例えば金額の大きな証憑についてユーザの確認を求めるために出力する等、任意に設計してよい。

図４は、出力される結果を示す図である。ルール番号２のルールが適用され、仕訳データ２２ａが仕訳データ２２ｂに修正されたこと、すなわち借方勘定科目が接待交際費とされたことを示している。なお「出力」は、ディスプレイに表示する、プリンターを用いて印刷する、データとして出力する、その他任意の方法でユーザに情報を伝達することができる。

証憑３は、レシート等の印刷されたもの、電子化されたデータ、その他入力可能な伝票類である。印刷されたものとしては、例えば領収書、請求書、銀行通帳等が証憑３となる。電子化されたデータとしては、例えばオンラインバンキングのデータ、会計ソフトウェアの出力データが証憑３となる。

出力仕訳データ４は、会計処理システム１の出力する仕訳データであり、会計ソフトウェア５に入力されるものである。仕訳データ２２ａ及び仕訳データ２２ｂと同一内容のデータである。なお、ｃｓｖ形式とする等、仕訳データ２２ａ及び仕訳データ２２ｂからのフォーマット変換を施して会計ソフトウェア５に合わせたものであってもよい。

会計ソフトウェア５は出力仕訳データ４に基づいて、会計帳票を作成する。広く用いられているソフトウェアを使用することができる。

以下、会計処理システム１の処理について説明する。

図５は、証憑入力部の処理を示すフローチャートである。会計処理システム１への証憑３の入力は、証憑入力部１１によって実行される。

証憑３が印刷物である場合、証憑入力部１１は、スキャナ等の光学的読取装置を用いて証憑３をスキャンする。その後、スキャンによって得られた画像データから仕訳要素を抽出する。仕訳要素は、テキストとして印刷されている（特に金額）場合や、ロゴなどのイメージとして印刷されている場合や、１次元又は２次元のバーコードとして印刷されている場合がある。いずれの場合についても、レシートなどを読み取って家計簿等を作成するために用いられる公知の手法によって仕訳要素２１を抽出することができる。

証憑が電子データである場合、証憑入力部１１は、電子データから仕訳要素を抽出する。

以下、２の証憑３１ａ及び３１ｂが入力され、図２に示す２の仕訳要素が抽出されたものとして説明する。図２には勘定科目も示されているが、この段階では勘定科目は未決定である。

なお、証憑３１として会計ソフトウェア、クラウド会計、入力代行サービス、その他のデータを用いる場合等、証憑入力部１１が必ずしも必要でない場合もある。

抽出された仕訳要素２１は、仕訳判定部１２の仕訳ＡＩ１２１に入力される。仕訳ＡＩ１２１は、学習結果１２１ａに基づいて仕訳を行う。仕訳ＡＩ１２１の行う仕訳については、出願人が特願２０１６−２４４７４１において開示した手法、あるいは公知の手法を用いることができるので、詳細な説明を省略する。仕訳ＡＩ１２１によって、図２に示すように勘定科目が決定される。

仕訳ＡＩ１２１の出力する仕訳データ２２ａは、精度判断部１２３に入力される。精度判断部１２３は、入力された仕訳データ２２ａに対して、それを仕訳ＡＩ補助システム１２２に処理させるか否かを判断する。仕訳ＡＩ１２１による判断が信頼できる場合には、それを検証するために仕訳ＡＩ補助システム１２２に処理させる必要に乏しいためである。

精度判断部１２３は、仕訳ＡＩ補助システム１２２に処理させないと判断された仕訳データ２２ａを、出力仕訳データ４として出力する。

図６は、精度判断部の処理を示すフローチャートである。精度判断部１２３は、仕訳ＡＩ１２１による判断が十分に信頼できない仕訳データ２２ａを抽出し、仕訳ＡＩ補助システム１２２に処理させる。

図には、仕訳ＡＩ１２１による判断が十分に信頼できない場合として、「仕訳要素が要注意要素か」（仕訳要素に依存して、例えば経験的に仕訳の誤りが知られている場合にその仕訳要素を「要注意要素」と呼ぶ）、「学習仕訳データに相反記載があるか」（簿記のルールによれば２以上の勘定科目が認められる）の２つのものを記載しているが、これらに限定されず、任意に設定してよい。例えば、仕訳ＡＩ１２１が学習データの基づく判断の確信度を出力し、それに基づいてもよい。ユーザに依存して仕訳ＡＩ補助システム１２２に処理させるべき仕訳データ２２ａは変動する。また、精度判断部１２３を設けずに、全ての仕訳データ２２ａを仕訳ＡＩ補助システム１２２に処理させることとしてもよい。

本実施例では、証憑３１ｂに係る仕訳データ２２ａについて、学習仕訳データ２３に相反記載があり（飲食店への支出について、借方勘定科目が「会議費」のものと「接待交際費」のものとがあり）、証憑３１ｂに係る仕訳データが仕訳ＡＩ補助システム１２２に処理させるものと判断されたとする。

仕訳ＡＩ補助システム１２２に処理させるものと判断されなかった証憑３１ａに係る仕訳データ２２ａは、出力仕訳データ４として出力される。

図７は、仕訳ＡＩ補助システムの処理を示すフローチャートである。仕訳ＡＩ補助システム１２２は、仕訳データ２２ａを検証し、必要に応じて修正して仕訳データ２２ｂを出力する。

仕訳ＡＩ補助システム１２２は、仕訳データ２２ａがルールの条件１２２ａ１に合致するか否かを、ルール毎に順に検証し、条件１２２ａ１に合致する仕訳データ２２ａについては、その勘定科目を、ルールの勘定科目１２２ａ２に修正する。むろん、仕訳データ２２ａの勘定科目がルールの勘定科目１２２ａ２と同一であれば、修正を必要としない。

ここで、１のルールの条件１２２ａ１に合致する仕訳データ２２ａについては、それ以降のルールの適用を行わないので、ルール１２２は、摘要の優先順にルール番号を付与しておくものとする。

ここで、図３に示されたルールは、ルール番号１のルールが個別のユーザの事情に基づくものであり（手帳は顧客への贈答品としても購入され得るが、文具店Ｃからは社員の業務に使用する手帳を購入するので「事務用品費」である）、簿記のルールによれば２以上の勘定科目が認められるものについて、そのうち１の勘定科目を選択するものである。また、ルール番号２のルールが法令の取り決めによって要求されているものである。ルール番号２のルールについて、１人当たり５０００円という法令の取り決め（特に「５０００」という具体的な数値）を学習で定めることは容易でない。なお、取り決めは法令によるものに限られず、会社や税理士事務所等の個別の仕訳ルールによるものであってもよい。

なお、ルール番号１のルールの変形として、文具店Ｃ以外の文具店について、勘定科目に「事務用品費」「消耗品費」の２つを含み、仕訳ＡＩ補助システム１２２がそれをユーザに提示して選択を求めることもできる。ルールが厳密に定められない場合に、ユーザの判断を尊重するものである。

修正された（又は修正されなかった）仕訳データ２２ｂが出力され、出力仕訳データ４として出力される。本実施例では、証憑３１ｂに係る仕訳データがるルール番号２のルールの条件に合致し、借方勘定科目が接待交際費に修正されている。

会計ソフトウェア５が出力仕訳データ４に基づいて、会計帳票を作成する。

以上詳細に説明したように、本実施例の会計処理システム１によれば、教師付き学習では精度を確保できない場合について、仕訳ＡＩ補助システム１２２を用いて精度を向上させることができ、高精度の自動仕訳を行うことができる。

本実施例は、会計処理システム１の実装方法に係るものである。会計処理システム１の構成は実施例１と同様であり、詳細な説明を省略する。

ユーザが小規模の企業等である場合、統計的な精度を保つだけの学習仕訳データ２３を準備することが困難である。そこで、学習仕訳データ２３として、ユーザ自身の仕訳のみに限定せずに、他の者の仕訳をも使用して多数の仕訳を使用する。小規模の企業等がユーザの場合にも、学習仕訳データ２３を準備して仕訳ＡＩ１２１を構築することができる。

複数の企業の仕訳を使用すると、各々の企業の方針等に依存して、学習仕訳データに相反記載がある可能性が高い。しかし、仕訳ＡＩ補助システム１２２において個別のユーザの事情に基づくルール１２２ａを処理することで、かかる問題を解決することができる。

ここで、個別のユーザの事情は、システム提供者でなくユーザが知識を有することが多い。例えば図３におけるルール番号１のルールである（手帳は顧客への贈答品としても購入され得るが、文具店Ｃからは社員の業務に使用する手帳を購入するので「事務用品費」である）。また、個別のユーザの事情は変化することもある。そこで、ルール１２２ａを更新可能なデータとして保持し、ユーザが結果２４を参照しつつ変更（更新、追加、削除）できるようにする。

一方、図３におけるルール番号２のルールのように法令の取り決めによって要求されているものは、システム提供者が事前に準備可能である。

出願人の実験によれば、仕訳ＡＩ１２１の仕訳精度が略９０％であるが、仕訳ＡＩ補助システム１２２を用いることで、ユーザの判断を求めることなく仕訳判定部１２の精度は略９８％となった。ユーザの判断を求めるのであれば、さらに高精度が期待される。

以上詳細に説明したように、本実施例の会計処理方法は、小規模の企業等でも実装可能であり、小規模の企業等でも活用できる会計処理方法が提供される。

本実施例は、仕訳判定部１２の構成に係るものである。仕訳判定部１２以外の構成、仕訳ＡＩ１２１、仕訳ＡＩ補助システム１２２は、は実施例１と同様であり、詳細な説明を省略する。

図８は、仕訳判定部を示す図である。仕訳判定部１２は、実施例１のものに加えて、仕訳ＡＩ事前補助システム１２４を備え、仕訳データ２２ｃが、実施例１の仕訳判定部に相当する機能で処理される。

仕訳ＡＩ事前補助システム１２４は、実施例１における仕訳ＡＩ補助システム１２２と同様に、ルールベースの仕訳を行う。ルールベースによる仕訳の一部は、条件に合致すれば確実な仕訳が可能であり、仕訳ＡＩによる仕訳を必要としない。かかる仕訳について、事前に処理するものである。

仕訳ＡＩ事前補助システム１２４によって、ルールのうちの１の条件に合致して仕訳が行われた仕訳データ２２ｃは、出力仕訳データ４として出力される。

仕訳ＡＩ事前補助システム１２４によって、いずれのルールにも合致しなかった仕訳要素２１は、実施例１と同様に処理される。

以上詳細に説明したように、本実施例の会計処理システム１は、仕訳ＡＩ事前補助システム１２４によって、効率的な処理を実施している。すなわち、仕訳ＡＩ補助システムを仕訳ＡＩの前に実施することも有効である。なお、仕訳ＡＩ事前補助システム１２４によって十分に精度が挙げられると判断される場合には、仕訳ＡＩの後に実施する仕訳ＡＩ補助システム１２２を設けないことも可能である。

高精度の自動仕訳を行う会計処理システム、及び該会計処理システムを活用する会計処理方法である。多くの企業による利用が考えられる。

１ 会計処理システム
１１ 証憑入力部
１２ 仕訳判定部
１２１ 仕訳ＡＩ
１２１ａ 学習結果
１２２ 仕訳ＡＩ補助システム
１２２ａ ルール
１２３ 精度判断部
１３ 学習部
１４ 結果出力部
２１ 仕訳要素
２２ 仕訳データ
２３ 学習仕訳データ
２４ 結果
３ 証憑
４ 出力仕訳データ
５ 会計ソフトウェア

Claims (1)

1. 証憑又は電子データの金額、並びに、取引先及び摘要の少なくとも一方を含む仕訳要素に対する勘定科目を選定した仕訳データを出力する仕訳判定部を備え、
   前記仕訳判定部は、仕訳要素と勘定科目との対応を学習した結果に基づいて仕訳データを生成する仕訳ＡＩと、設定されたルールに基づいて仕訳データを生成する仕訳ＡＩ補助システムとを備え、
   前記仕訳ＡＩ補助システムは、前記仕訳ＡＩの出力する仕訳データを入力し、
   前記ルールは、ルール適用のための条件として、前記仕訳ＡＩの出力する仕訳データに含まれる勘定科目が何であるかを含むことを特徴とする、会計処理システム。

Images