JP2019057160A - 口座管理装置、口座管理方法及び口座管理用プログラム - Google Patents

Abstract

【課題】未来の口座状態を推定することを課題とする。【解決手段】口座を管理する情報処理装置に、前記口座の入出金データを蓄積する蓄積部２１と、少なくとも前記口座の入出金データを解析し、解析結果に従って、前記口座について今後発生すると予測される未確定入出金データを生成する解析部２２と、前記口座についての現在までの入出金データと、前記口座について生成された未確定入出金データのうち未来の指定時点までの未確定入出金データとを集計することで、該指定時点における前記口座の入出金履歴及び残高を推定する口座状態推定部２３と、を備えた。【選択図】図３

Description

本開示は、会計処理のための技術に関する。

従来、仕訳処理を自動化する会計処理システムが各種提案されている（例えば、特許文献１から３を参照）。

また、信頼性の高いタイムスタンプを付加できるタイムスタンプ付加装置が提案されている（例えば、特許文献４を参照）。

特開２０１７−０１６６９５号公報 特開２０１７−０１６６９６号公報 特開２０１６−１４９１０３号公報 特開２０１１−０７２０４２号公報

従来、会計処理システムは、過去から現在までの情報を取り扱っており、未来の入出金や残高等の、財務状況の見通しを知ることは出来ない。しかし、個人／企業体といった事業者や、事業者に融資を行う者（銀行等）に、未来の入出金や残高等の、財務状況の見通しを提供することが出来れば、経営や融資の判断材料とすることが出来、大きなメリットがある。

また、この際提供される未来の財務状況を、基本的に口座への入出金や残高等からなる形式（所謂通帳のような形式）で提供することが出来れば、会計や勘定科目に関する専門知識を有さない者でも容易に未来の財務状況を理解することができる。

本開示にかかる技術は、上記した問題に鑑み、未来の口座状態を推定することを課題とする。

本開示では、上記した課題を解決するために、以下の手段を採用した。即ち、本開示に係る装置は、口座を管理する情報処理装置であって、前記口座の入出金データを蓄積する蓄積手段と、少なくとも前記口座の入出金データを解析し、解析結果に従って、前記口座について今後発生すると予測される未確定入出金データを生成する解析手段と、前記口座についての現在までの入出金データと、前記口座について生成された未確定入出金データのうち未来の指定時点までの未確定入出金データとを集計することで、該指定時点における前記口座の入出金履歴及び残高を推定する口座状態推定手段と、を備える口座管理装置である。

また、前記口座管理装置は、複数の口座を管理し、前記蓄積手段は、前記複数の口座間での入出金データを蓄積し、前記解析手段は、前記複数の口座間での入出金データを解析し、解析結果に従って、前記複数の口座間で今後発生すると予測される未確定入出金データを生成し、前記口座状態推定手段は、前記複数の口座のうち指定口座についての現在までの入出金データと、該指定口座について生成された未確定入出金データのうち未来の指定時点までの未確定入出金データとを集計することで、該指定口座の該指定時点における入出金履歴及び残高を推定してもよい。

また、本開示に係る口座管理装置は、入金口座を指定する情報、出金口座を指定する情報、及び入出金額を示す情報を含む前記入出金データの入力をユーザー端末から受け付ける受付手段を更に備え、前記蓄積手段は、前記入出金データを、前記入金口座に指定された口座及び前記出金口座に指定された口座についての入出金データとして蓄積してもよい。

また、前記解析手段は、前記口座の所有者をノードとして、入出金をエッジとして表わしたネットワーク上の入出金の流れを解析することによって未来の入出金の期待値を算出し、算出された期待値に従って、前記口座について今後発生すると予測される未確定入出金データを生成してもよい。

また、前記蓄積手段は、送金済みの入出金データを確定入出金データとして蓄積し、未送金の入出金データを未確定入出金データとして蓄積してもよい。

また、本開示に係る口座管理装置は、前記未確定入出金データに基づいて、入金口座を指定する情報、出金口座を指定する情報、及び入出金額を示す情報を含む送金指示を外部の送金システムに送信する送金指示手段と、前記送金指示に基づいた前記送金ステムによる送金処理が完了した場合に、該送金指示に係る未確定入出金データを確定入出金データに変更する変更手段と、を更に備えてもよい。

また、前記解析手段は、更に、外部から取得されたテキストデータ及び口座の所有者のユーザーデータを含む情報を解析することで、未来の指定時点における、前記所有者が関連する産業の伸び、社会的変化、人々の趣向変化、及び新技術の発生頻度、の少なくとも何れかの期待値を算出し、前記解析手段によって算出された前記期待値に基づいて、前記所有者への融資の可／不可を判断するための信頼度を算出する評価手段を更に備えてもよい。

また、本開示に係る口座管理装置は、融資判定結果ドキュメントのテンプレート、過去の融資判定結果のデータ、及び前記所有者への融資の可／不可を示す情報に基づいて自然言語生成を含む処理を実行することで、融資判定結果ドキュメントを生成する、ドキュメント生成手段を更に備えてもよい。

また、本開示に係る口座管理装置は、前記口座状態推定手段によって推定された前記指定時点における前記口座の入出金履歴及び残高を出力する出力手段を更に備えてもよい。

本開示は、情報処理装置、システム、コンピューターによって実行される方法又はコンピューターに実行させるプログラムとして把握することが可能である。また、本開示は、そのようなプログラムをコンピューターその他の装置、機械等が読み取り可能な記録媒体に記録したものとしても把握できる。ここで、コンピューター等が読み取り可能な記録媒体とは、データやプログラム等の情報を電気的、磁気的、光学的、機械的又は化学的作用によって蓄積し、コンピューター等から読み取ることができる記録媒体をいう。

本開示に係る技術によれば、未来の口座状態を推定することが可能となる。

実施形態に係る会計処理システムの構成を例示する図である。 実施形態に係る会計処理システムのハードウェア構成の概略を示す図である。 実施形態に係る会計処理システムの機能構成の概略を示す図である。 実施形態におけるテキストデータ解析処理の流れを示すフローチャートである。 実施形態における画像データ解析処理の流れを示すフローチャートである。 実施形態における融資判定支援処理の流れを示すフローチャートである。 実施形態における融資判定結果ドキュメント生成処理の流れを示すフローチャートである。 実施例におけるシステムの概要及び通帳機能の初期画面を示す図である。 実施例における通帳の入力画面を示す図である。 実施例における取引先の一覧表示画面を示す図である。 実施例における通帳表示画面等を示す図である。 実施例における資金繰り予測表表示画面を示す図である。 実施例における支払の簡略化操作画面を示す図である。 実施例における入金予定登録画面を示す図である。 実施例における出金予定登録画面を示す図である。 実施例における定期入出金管理画面を示す図である。 実施例における取引先相手登録画面を示す図である。 実施例における取引先相手リスト表示画面を示す図である。 実施例における帳簿自動作成画面を示す図である。 実施例における経理業務のアウトソーシングを示す図である。 実施例における領収書転送及び名刺情報管理を示す図である。 実施例における不正防止機能を示す図である。 実施例における検索・管理機能を示す図である。 実施例におけるシステムの外部連携を示す図である。 実施例における融資申込を示す図である。 実施例に実装されるＡＩ技術を示す図である。 実施例におけるリスク判定・報告書自動作成を示す図である。 実施例におけるＡＩ多因子複素空間解析（Ｎ次元幾何モデル）を示す図である。 実施例における入出金ネットワークを示す図である。 実施例に実装されるタイムスタンプ技術を示す図である。 実施例におけるタイムスタンプトークン取得を示す図である。 実施例におけるタイムスタンプトークンを用いた検証を示す図である。

以下、本開示に係るシステム、情報処理装置、方法及びプログラムの実施の形態を、図面に基づいて説明する。但し、以下に説明する実施の形態は、実施形態を例示するものであって、本開示に係るシステム、情報処理装置、方法及びプログラムを以下に説明する具体的構成に限定するものではない。実施にあたっては、実施の態様に応じた具体的構成が適宜採用され、また、種々の改良や変形が行われてよい。

＜システムの構成＞
図１は、本実施形態に係る会計処理システムの構成を例示する図である。本実施形態に係る会計処理システムでは、複数の口座（アカウント）を管理するサーバー（口座管理装置）１、複数のユーザー端末（例えば、スマートフォーンやＰＣ等、Ｗｅｂを閲覧可能な端末を含む）及び外部送金システム（例えば、ＡＰＩの公開された銀行間送金ネットワーク等）が、ネットワークを介して互いに通信可能に接続されている。

図２は、本実施形態に係る会計処理システムのハードウェア構成の概略を示す図である。サーバー１は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）１１、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）１２及びＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）１３等からなる制御部１０と、ストレージ（補助記憶装置）１４と、通信インターフェース１５と、を備えるコンピューターである。但し、サーバー１の具体的なハードウェア構成に関しては、実施の態様に応じて適宜省略や置換、追加が可能である。また、サーバー１は、単一の装置に限定されない。サーバー１は、所謂クラウドや分散コンピューティングの技術等を用いた、複数の装置によって実現されてよい。

ストレージ１４には、オペレーティングシステムとともに、各種プログラムが格納されており、当該プログラムをバス及びＲＡＭ１２を介してＣＰＵ１１が読み込んで実行することによって、口座管理装置としての機能が実現される。

図３は、本実施形態に係る会計処理システムの機能構成の概略を示す図である。本実施形態において、サーバー１は、口座管理用プログラムをバス及びＲＡＭ１２を介してＣＰＵ１１が読み込んで実行することによって、蓄積部２１、解析部２２、口座状態推定部２３、評価部２４、ドキュメント生成部２５、受付部２６、送金指示部２７及び出力部２８を備える情報処理装置として機能する。

蓄積部２１は、複数の口座間での入出金データを、入金口座に指定された口座及び出金口座に指定された口座についての入出金データとして、データベースに蓄積する。なお、本実施形態において、蓄積部２１は、送金済みの入出金データを確定入出金データとして蓄積し、未送金の入出金データを未確定入出金データとして蓄積する。

解析部２２は、少なくとも複数の口座間での入出金データを解析し、解析結果に従って、複数の口座間で今後発生すると予測される未確定入出金データを生成する。より具体的には、本実施形態において、解析部２２は、口座の所有者をノードとして、入出金をエッジとして表わしたネットワーク上の入出金の流れを解析することによって未来の入出金の期待値を算出し、算出された期待値に従って、口座について今後発生すると予測される未確定入出金データを生成する。本実施形態に係る会計処理システムでは、ＡＩ／機械学習等による予測を取り入れることで、数年に一度のやや突発的な入出金等も、過去のネットワークの時系列変化から予測できる。

但し、未確定入出金データの予測は、個々の口座／ユーザーに係る過去の入出金データから単純に類推する手法等、より単純な手法で行われてもよい。本実施形態に係る会計処理システムでは、複数の口座（個人／企業体又は口座単位）についての入出金データを連携させており（例えば、Ａ社のＢ社への出金予定は、Ｂ社のＡ社からの入金予定となる）、あるユーザー（口座）による入出金データの登録が、入出金の相手先である他のユーザー（口座）の入出金データとしても登録される。このため、ユーザー数Ｎの増加に従ってＮ：Ｎのネットワークは複雑化し、漏れの少ない入出金データ取得が可能となるため、単純な予測手法であっても、高精度の予測を行うことが可能となる。

更に、解析部２２は、外部から取得されたテキストデータ及び口座の所有者のユーザーデータを含む様々な情報を解析することで、未来の指定時点における、所有者が関連する産業の伸び、社会的変化、人々の趣向変化、及び新技術の発生頻度、の少なくとも何れかの期待値を算出する。

口座状態推定部２３は、複数の口座のうち指定口座についての現在までの入出金データと、当該指定口座について生成された未確定入出金データのうち未来の指定時点までの未確定入出金データとを集計することで、当該指定口座の当該指定時点における入出金履歴及び残高を推定する。

評価部２４は、解析部２２によって算出された期待値に基づいて、所有者への融資の可／不可を判断するための信頼度を算出する。

ドキュメント生成部２５は、融資判定結果ドキュメントのテンプレート、過去の融資判定結果のデータ、及び所有者への融資の可／不可を示す情報に基づいて自然言語生成を含む処理を実行することで、融資判定結果ドキュメントを生成する。

受付部２６は、入金口座を指定する情報、出金口座を指定する情報、及び入出金額を示す情報を含む入出金データ（未確定入出金データであってもよいし、確定入出金データであってもよい）の入力を、ユーザー端末から受け付ける。また、受付部２６は、未確定入出金データに基づく実際の送金を実行するための指示を、ユーザー端末から受け付ける。

送金指示部２７は、未確定入出金データに基づいて、入金口座を指定する情報、出金口座を指定する情報、及び入出金額を示す情報を含む送金指示を外部の送金システムに送信する。

変更部２７は、送金指示に基づいた送金ステムによる送金処理が完了した場合に、当該送金指示に係る未確定入出金データを確定入出金データに変更する。本実施形態に係る会計処理システムによれば、実際のお金の動き（入出金データ）から離れた、未確定の入出金イベントを管理する仮想送金システムと見做すことが出来る。そして、この仮想送金システム上の入出金（未確定入出金データ）のうち、確定させるものについては、銀行の公開するＡＰＩを介して外部の送金システムにリクエストを送信し、実際の送金として確定させる（確定入出金データに変更する）ことが可能である。

出力部２８は、口座状態推定部２３によって推定された指定時点における口座の入出金履歴及び残高を出力する。未来の指定時点における口座の入出金履歴及び残高が出力されることで、本実施形態に係る会計処理システムのユーザーは、従来のシステムで見ることが出来る「過去の通帳」及び「現在の通帳」に加えて、いわば「未来の通帳」を見ることが出来る。

また、出力部２８は、解析部２２によって算出された期待値や、評価部２４によって算出された信頼度、ドキュメント生成部２５によって生成された融資判定結果ドキュメントについても、出力を行う。

＜処理の流れ＞
次に、本実施形態に係る処理の詳細を説明する。なお、本実施形態において説明される処理の具体的な内容及び順序等は、本開示に係るシステム、情報処理装置、方法及びプログラムを実施する上での一例である。具体的な処理内容及び順序等は、実施の態様に応じて適宜選択されてよい。

図４は、本実施形態におけるテキストデータ解析処理の流れを示すフローチャートである。本フローチャートに示された処理は、会計処理システムが稼働している間、サーバー１によって定期的に実行される。

ステップＳ１０１からステップＳ１０３では、テキストデータから特徴量データが抽出される。解析部２２は、所定時間ごとに、インターネット等の外部から得られるテキストデータを収集し、システムに入力する（ステップＳ１０１）。そして、解析部２２は、自然言語解析処理を実行することで、テキストデータから特徴量データを抽出する（ステップＳ１０２）。ここで、自然言語解析処理には、例えば、構文解析や単語頻度解析等のアルゴリズムが用いられる。抽出された特徴量データは、時系列テキストデータとして、データベースに蓄積される（ステップＳ１０３）。その後、処理はステップＳ１０４へ進む。

ステップＳ１０４からステップＳ１０６では、テキストマッチング解析が行われる。解析部２２は、所定時間ごとに、口座の所有者（ユーザー）及び関連個人／企業体（以下、「関連ユーザー」）についてのテキストデータを収集し、システムに入力する（ステップＳ１０４）。そして、解析部２２は、ステップＳ１０１で収集されたテキストデータと、ステップＳ１０４で得られたテキストデータとのテキストマッチング解析を実行することで、マッチングテキスト集積データを得る（ステップＳ１０５）。

ここで実行されるテキストマッチング解析には、より具体的には、単語のマッチングからの頻度解析や、テキストの特徴量抽出、ＡＩ／機械学習の基本処理（Ｋ近傍法、Ｋ平均法、サポートベクターマシン等）を用いたクラスター判定処理が含まれる。抽出されたマッチングテキスト集積データは、時系列テキストデータとして、データベースに蓄積される（ステップＳ１０６）。本フローチャートに示された処理が繰り返し実行され、テキストデータが時系列でデータベースに蓄積されることで（ステップＳ１０３及びステップＳ１０６）、本実施形態に係る会計処理システムは、長期間の時系列テキストデータを得ることができる。その後、本フローチャートに示された処理は終了する。

図５は、本実施形態における画像データ解析処理の流れを示すフローチャートである。本フローチャートに示された処理は、会計処理システムが稼働している間、サーバー１によって定期的に実行される。

ステップＳ２０１からステップＳ２０３では、画像データから特徴量データが抽出される。解析部２２は、所定時間ごとに、インターネット等の外部から得られる画像データを収集し、システムに入力する（ステップＳ２０１）。そして、解析部２２は、画像解析処理を実行することで、画像データから特徴量データを抽出する（ステップＳ２０２）。ここで、画像解析処理には、例えば、画像の特徴量抽出等のアルゴリズムが用いられる。抽出された特徴量データは、時系列画像データとして、データベースに蓄積される（ステップＳ２０３）。その後、処理はステップＳ２０４へ進む。

ステップＳ２０４からステップＳ２０６では、画像マッチング解析が行われる。解析部２２は、所定時間ごとに、口座の所有者及び関連ユーザーについての画像データ（例えば、様々な箇所に設置されたカメラ等を用いたｖｉｓｕａｌ ｓｅｎｓｉｎｇによって得られた画像データ）を収集し、システムに入力する（ステップＳ２０４）。そして、解析部２２は、ステップＳ２０１で収集された画像データと、ステップＳ２０４で得られた画像データとの画像マッチング解析を実行することで、マッチング画像集積データを得る（ステップＳ２０５）。

ここで実行される画像マッチング解析には、より具体的には、テンプレートマッチングや、画像の特徴量抽出、ＡＩ／機械学習の基本処理を用いたクラスター判定処理が含まれる。抽出されたマッチング画像集積データは、時系列画像データとして、データベースに蓄積される（ステップＳ２０６）。本フローチャートに示された処理が繰り返し実行され、画像データが時系列でデータベースに蓄積されることで（ステップＳ２０３及びステップＳ２０６）、本実施形態に係る会計処理システムは、長期間の時系列画像データを得ることができる。その後、本フローチャートに示された処理は終了する。

図６は、本実施形態における融資判定支援処理の流れを示すフローチャートである。本フローチャートに示された処理は、融資判定の対象となるユーザー（個人／企業体）を指定した、融資判定リクエストが受け付けられたことを契機として開始される。この融資判定リクエストは、銀行等の融資を行うユーザーから受け付けられてもよいし、融資を受けるユーザーから受け付けられてもよい。

ステップＳ３０１からステップＳ３０３では、大局的／長期的信頼性予測が行われる。解析部２２は、システムが有するユーザーデータ、過去の融資判定基準データ、図４及び図５のデータ解析処理で用いられたデータ及びデータベースに蓄積されたデータを入力データとして、公知のデータからの大局的／長期的信頼性予測計算を行う。

ここで、ユーザーデータには、例えば、ＩＤ、名前、住所、資産、システム利用歴、過去から未来に亘る口座内の入出金データ（通帳データ）、及びユーザーの仕事から引き出せるテキスト関連情報でシステムに保管されているデータ等、システムがユーザーを特定した時点で有するデータが含まれ得る。また、過去の融資判定基準データは、例えば、銀行等の融資判定のクラスター分類のための返済確率、倒産確率、ユーザーの発展の期待値、起こりそうなイベントや起こらなそうなイベントの期待値、確率分布、確率分布の特性を表す分布波形の特徴データ（例えばガウス分布では分散値や平均値等）である。

具体的には、解析部２２は、以下の解析を行うことで、大局的／長期的信頼性予測を行う。解析部２２は、各口座の所有者であるユーザー（個人／企業体）についてデータベースに蓄積された入出金データ（通常の経理の収支データ）を用いて、従来型の２群判定、及びクラスター分類計算を行い、処理結果として、様々な要素を次元とする空間における判定結果の配置データを得る（ステップＳ３０１）。また、解析部２２は、構文解析や単語頻度解析を含む自然言語解析処理によって、各ユーザーの将来性予測を行う（ステップＳ３０２）。より具体的には、将来性予測には、
（１）産業の伸びに関する単語からの確率期待値計算による、ユーザーに関連する産業の伸び解析、
（２）社会的変化、人々の趣向変化の単語からの確率期待値計算による、社会的変化、人々の趣向変化予測、及び
（３）発見と技術の単語からの頻度の時系列計算による、新しい発見と技術の発生頻度予測
が含まれる。

そして、解析部２２は、ステップＳ３０１及びステップＳ３０２の処理の結果得られた、大局的／長期的信頼性予測結果（将来性の大局的な期待値）を出力する（ステップＳ３０３）。この際、算出された大局的／長期的信頼性予測結果は、表や図等の形式で出力されてもよい。また、ここで出力された大局的／長期的信頼性予測結果は、必要な時（例えば何年も経った時）に必要なデータをデータベースから復元できるように、ｎ年の信頼度（Ｘｎ）を決定した際の関連データに関連づけて保存される。このようにすることで、ｎ年の信頼度（Ｘｎ）を決定した際の関連データを復元し、機械学習等で再利用することができる。また、時間が経過してから再度大局的／長期的信頼性予測を行なった場合、現在算出された予測結果とは異なる予測結果が得られると予想されるため、時間とともに変化する評価データ（予測結果）の傾向についても保存しておくことが好ましい。その後、処理はステップＳ３０４へ進む。

ステップＳ３０４からステップＳ３１０では、局所的信頼性予測が行われる。解析部２２は、ユーザーをノードとし、入出金をエッジとした時系列のＮ：Ｎネットワーク構造と、当該ネットワーク上のノード間／エッジ上のお金の流れ及び情報の流れと、長期間の時系列集積データと、ステップＳ３０３で得られた大局的／長期的信頼性予測結果と、を用いて、局所的信頼性予測を行う。ここで、長期間の時系列集積データとは、図４及び図５のデータ解析処理で用いられたデータ及び処理の結果出力、蓄積されたデータである。また、ネットワーク上のノード間／エッジ上のお金の流れとは、ユーザーの口座に記録された入出金データや、ステップＳ３０１での解析結果等に基づいて把握可能なお金の流れである。

より具体的には、解析部２２は、以下の解析を行うことで、局所的信頼性予測を行う。解析部２２は、ユーザーのノード、エッジの時空間特徴解析（ステップＳ３０４）、時間、空間のネットワーク構造のロボストネス解析（ノードを取り除いて構造が安定して存在するかの解析）（ステップＳ３０５）、ハブノード解析、中心指数解析（ステップＳ３０６）、ネットワーク上の入出金の流れ解析、未来の入出金の期待値（確率）計算（ステップＳ３０７）、ネットワークの構造パターン、トポロジーの変化と各種イベント（未払いや倒産等）との相関解析（ステップＳ３０８）を行う。

そして、解析部２２は、ステップＳ３０４からステップＳ３０８の解析結果を用いてネットワークの時系列シミュレーションを行い、ネットワーク構造及び当該ネットワーク構造の変化から各種イベントが起こる確率を機械学習、強化学習する（ステップＳ３０９）。処理の結果、解析部２２は、計算された各種期待値等に従って、将来のネットワーク上のお金の流れ（未確定入出金データ）、及びノードの安定性を出力する（ステップＳ３１０）。その後、処理はステップＳ３１１へ進む。

ステップＳ３１１からステップＳ３１３では、ユーザー（個人／企業体）の信頼度が算出される。評価部２４は、ステップＳ３１０で得られた将来のネットワーク上のお金の流れ（未確定入出金データ）、及びノードの安定性に基づいて、ＡＩ／機械学習の基本処理を用いたクラスター判定処理及び機械学習を実行することで、ノードの特性や期待値、各種イベントの期待値等、信頼の目安となる因子を広く集める（ステップＳ３１１）。そして、評価部２４は、得られた特性や期待値等の因子と過去の事例との相関（相関係数）を計算し、過去の事例との相関の高い因子を抽出する（ステップＳ３１２）。更に、評価部２４は、抽出された因子を平均化することで、ユーザー（個人／企業体）の信頼度を算出し、出力（表示等）する（ステップＳ３１３）。但し、信頼度の算出には単純な平均化ではなく、その他の計算方法（例えば、重み付けを行った上での平均化等）が採用されてもよい。ユーザー（個人／企業体）の信頼度が算出されると、本フローチャートに示された処理は終了する。

一般的には、特定のユーザー間だけで圧倒的なお金の流れ（入出金データ）があるだけよりは、多くのユーザーと関係がある方が、あるユーザーとの関係が突発的に壊れた際に安定して同じような規模のビジネスを続けることができる。このため、ネットワーク解析では、関係のあるユーザー数を基準とした、ネットワークの安定性の観点からの計算をネットワーク構造やお金の流れ（入出金データ）から行い、ネットワークの構造パターンと安定性を深層学習する。

一例としては、ある場合の結果について多次元座標を２次元にマップして例えばＡＩ多因子複素空間解析のＮ次元幾何モデル（図２８を参照）を生成し、このＮ次元幾何モデルを入力として、ＡＩが、Ｎ次元幾何モデルの内容と、Ｎ次元幾何モデルが表現する判定結果の元になるデータとを関連付けるということを多数繰り返す学習（深層学習）を行い、更に、シミュレーション等を利用した強化学習も行う。結果として、判定結果が妥当であったか等の自己評価ができるような学習結果が得られ、解析部２２及び評価部２４は、評価結果を再評価し、最終的に高い信頼性のある評価を達成することができる。

ユーザー（個人／企業体）の信頼度が算出されると、算出された信頼度等に基づく融資判定が行われる。この融資判定は、閾値等を用いてサーバー１によって自動的に行われてもよいし、算出された信頼度等を参照した融資判定の担当者等によって行われてもよい。本実施形態に係るシステムによれば、文脈データを利用した信頼性予測を行うことで、ユーザーの長期的な収支の展望を予測することが可能となる。このため、短期的には資金が不足すると予測されるユーザーであっても、長期的な展望（未来の信頼度）に基づいて、融資の可／不可を判断することが出来る。

図７は、本実施形態における融資判定結果ドキュメント生成処理の流れを示すフローチャートである。本フローチャートに示された処理は、融資判定の結果（融資の可／不可）が決定した後に、融資判定結果と伴にドキュメント生成リクエストが受け付けられたことを契機として開始される。

ステップＳ４０１では、過去の事例と融資判定結果とのテキストマッチング解析が行われる。解析部２２は、融資判定結果ドキュメントのテンプレート（書式）、過去の多数の融資判定結果のデータ、及び今回の融資判定結果等のテキスト／数値データ等に基づいて、過去の事例と融資判定結果とのテキストマッチング解析を行う。ここで、融資判定結果等のテキスト／数値データは、融資判定の基準に合わせた結果である。このため、融資判定結果等のテキスト／数値データには、例えば、融資可／不可を示す数値、融資可／不可の理由となる、現在の状況の流れのデータ、将来性、回収の期待値等、単語の頻度等から数値を求めるときに用いた多数の単語、文脈がわかる周囲のテキストあるいは当該テキストを引用できるインデックス値、等が含まれる。これらのデータは、例えば、過去の同じような数値や単語との関連等、整合性のチェックのためのテキストマッチング処理及び事例学習のために用いられる。

なお、過去の事例と融資判定結果とのテキストマッチング解析は、クラスター判定のアルゴリズムを用いて行われる。より具体的には、解析処理には、単語のマッチングからの頻度解析、数値比較、テキストの特徴量抽出、ＡＩ／機械学習の基本処理が含まれる。その後、処理はステップＳ４０２へ進む。

ステップＳ４０２及びステップＳ４０３では、融資判定結果ドキュメントが生成される。ドキュメント生成部２５は、融資判定結果ドキュメントのテンプレート（書式）、過去の多数の融資判定結果のデータ、及び今回の融資判定結果等のテキスト／数値データ等に基づいて、機械表現系のフォーマットで、融資判定結果ドキュメントを生成する（ステップＳ４０２）。なお、機械表現系とは、プログラム言語、機械語等、単語や論理展開等が自然言語ではなく定数やパラメータ、コマンド等で表現されたものを指し、融資判定結果には、単なる融資の可／不可を示す情報のみならず、そのような融資結果となった理由を検証可能なデータも含まれる。

そして、ドキュメント生成部２５は、機械表現系の融資判定結果に基づいて、融資判定結果ドキュメントのテンプレートに沿った、自然言語による融資判定結果ドキュメントを生成する（ステップＳ４０３）。具体的には、ドキュメント生成部２５は、知識ベースや論理形式等をもとに自然言語生成処理（統語的／形態素的処理、正書法処理等）によって、機械表現系の融資判定結果を自然言語に変換することでテキストを作成し、融資判定結果ドキュメントのテンプレートに配置することで、自然言語による融資判定結果ドキュメントを生成する。このようにして、本実施形態では、融資判定結果ドキュメントが自動生成される。その後、本フローチャートに示された処理は終了する。

＜効果＞
本実施形態に係る会計処理システムによれば、未来の口座状態を推定することが出来る。また、本実施形態に係る会計処理システムでは、複数の口座について未来の口座状態を推定することで、融資判定の判断材料としたり、口座間での入出金を相殺して送金回数を減らし、送金の手間や手数料を軽減させたりすることも可能となる。また、本実施形態に係る会計処理システムでは、ユーザーが入力するのは勘定科目が設定されない入出金データのみでよいため、会計や勘定科目に関する専門知識を有さない者でも容易にシステムを利用し、未来の財務状況を理解することができる。

［実施例］
次に、本開示に係るシステム、情報処理装置、方法及びプログラムの実施例を、図面に基づいて説明する。但し、以下に説明する実施例は例示であって、本開示に係るシステム、情報処理装置、方法及びプログラムを以下に説明する具体的構成に限定するものではない。実施にあたっては、実施の態様に応じた具体的構成が適宜採用され、また、種々の改良や変形が行われてよい。

電子社会における金品のやり取りでは、悪意ある成りすましや誤謬を避け得る安心安全なシステムを提供し、悪意ある成りすましやシステムの事故で生じる成りすまし効果をきめ細かく排除していかねばならない。公正な経済活動の基礎となる経理業務及び融資業務を電子社会に適用させ業務効率を向上させることは経済活動の高効率化のために不可欠である。特に、スマートフォーン等（ＰＣ等、Ｗｅｂを閲覧可能な端末を含む）からの利用も前提にし、個人／企業体をユーザーとし、日々発生する取引の人手による情報入力作業を簡便化すると共に仕訳処理、領収書の自動化処理を可能にした会計処理システムとしての利便性を提供すること、それと同時に、同一のシステムで、融資も統合化されるように、相互運用を可能にする情報処理システムを提供し、安全かつ安心な形でお金のやり取りが出来るようにすることは社会全体での喫緊の課題となっている。

銀行の観点からは個人／企業体に対する融資を簡略化できるシステムとして、イベントごとに電子証明と時刻認証とを行って成りすましをきめ細かく排除することで、正確にイベントの流れの傾向や取引履歴（入出金データ）を活用できることから、機械学習等人工知能を介したユーザーの信用度、ユーザーニーズを把握することも極めて重要な課題である。従来の経理のシステムでは、表示される結果は、処理途中の数ヶ月月前の結果であり、消費税が計算されていない、経理担当者だけがわかるような結果が出てくる等の理由により、経理担当者の数が必要なわりに、経理のシステムが与える数字は過去についての経理処理の途中経過に過ぎず、現時点で予算がどの程度残り、今後どの程度使われていくのかが経営者にとって必要な数字を当たる者ではなく、予算の執行状況や展望がわかりにくい欠点があった。

上記の課題は、１）イベントごとに電子証明と時刻認証とを行って成りすましをきめ細かく排除した金銭のトラフィックを行える情報ネットワーク環境を整え、正確にイベントの流れの傾向や取引履歴を活用しやすくし、機械学習等人工知能を介して的確な判断のサービスをユーザーに対して行い、２）インターネットバンキング等銀行システムへアクセスし、インターネットバンキングの通帳の結果の数字をそのまま取り込むことをスマートフォーン等任意の端末からでも行うことができることを前提にし、３）予測、契約収支の予測、入金登録が自動化される、振込先の関連画像提示し振込先の間違いがないようにすること、更には３）個人／企業体に対して経理と融資とを一体化した相互運用の情報システムとすることで、４）日々発生する取引の人手による情報入力作業を自動化し、過去だけでなく将来の入出金を予測して表示することで解決できる。同時に、５）領収書の仕訳処理の自動化、会計処理業務の判断を人工知能により的確に行い、６）従来の銀行の融資業務を簡略化できるシステムとしても活用するようなシステム機器を開発・導入・運用することでより一層の効果を得ることができる。

本実施例によれば、スマートフォーン等からの利用も前提に、悪意ある成りすましや誤謬をきめ細かく排除し得る安心安全なシステムが提供でき、日々発生する取引の人手による情報入力作業を簡便化すると共に仕訳処理、領収書の自動化処理を可能にし、それと同時に、正確にイベントの流れの傾向や取引履歴を活用できることから、融資の観点からも、個人／企業体に対する融資とを簡略化でき、機械学習等人工知能を介したユーザーの信用度、ユーザーニーズを把握することも実現できる。従来は独立に扱われていた経理と融資の情報化を統一化・統合化したインフラの仕組みを確立することができ、経済の活性化に大きく貢献できる。本実施例によって、支払（入出金）を間違えずに行え、過去だけでなく将来の予算の執行が予測できるため、経営者が現在の予算の執行状況や将来展望を理解しやすく、支払（入出金）を簡素化、間違いを防ぐことで、また無駄なコストを削減しつつ、安心して経済活性ができるという利点がある。

一実施例を図８に示す。図８は本実施例のシステムの概要及び通帳機能の初期画面を示す図である。１−１は個々のユーザーが用いるスマートフォーン等で扱えるユーザーインターフェースを備えたスマートフォーンを示す。また、インターネットあるいはイントラネットにある人工知能で管理されたネットワークとしてのＧｌｏｂａｌ Ａｃｔｉｖａｔｉｏｎと命名したサービスＡＰＩを１−３で示す。１−２はスマートフォーン等とサービスネットワークをつなぐ無線ＬＡＮにあたる。１−４はサービスネットワークを管理及び制御する人工知能（ＡＩ）プログラム群である。１−５はサービスネットワークとは別の第三者の時刻認証局、及び電子署名認証局を示す。セキュリティ関して、金融機関の信頼を得るために、金融庁の関係団体である公益財団法人金融情報システムセンター（ＦＩＳＣ）が作成した「金融機関等コンピューターシステムの安全対策基準・解説書」に準拠するための一例として、広く使われているインフラソフトウェアであるＳａｌｅｓｆｏｒｃｅ（登録商標）を念頭にしたシステム構成をここで与えるが、同様に広く使われているＡｍａｚｏｎ（登録商標） Ｗｅｂ Ｓｅｒｖｉｃｅｓ（ＡＷＳ）インフラソフトウェアでも同様に成り立つ。本システムはスマートフォーン１−１だけでなく、タブレット端末１−７でも、いわゆるパーソナルコンピュータ１−９でもブラウザーベースで扱うことができる。

本実施例の特徴の一つは、通常の通帳を銀行のＡＴＭで行うよりも簡便に、スマートフォーンを普通に使うことで通帳機能を誰でもわかりやすく自然に金銭のやりとり、お金の流れを把握、確認できる手段を与える。これは図８から図１９に詳細にインターフェースを記載している。

＜通帳機能および経理システム＞
使い勝手の良いユーザーインターフェースの一実施例である通帳機能としての初期画面を図８の１−６から１−１６に示す。これらによって、予測、契約収支の予測、入金登録の自動化、更には入金の際に振込先に間違いがないように関連画像を見せる、様々なＯｐｅｎ ＡＰＩの提供を図ることができる機能を提供する。

そこでは一画面で、本経理／融資システムに入ること、銀行関係であること、ユーザーパスワードを入力し、記憶することを通常のインターフェース機能として一画面にまとめこんでいる。１−６は本実施例のサービスネットワークの提供者（Ｇｌｏｂａｌ Ａｃｔｉｖａｔｉｏｎ）を示し、全画面に共通に表示される。この部分はある場合にはサービスネットワークを提供者の社名が表示されるが、ある場合にはバナー広告も出せる。特に、「未来の通帳」１−９であること、情報処理として金庫のイメージ１−１０であることを視覚的にユーザーが理解できるものになっている。部分１−１２はユーザーＩＤ記入欄１−１３及びパスワード記入欄１−１４であることを強調できる構成になっている。一方、通常のスマートフォーンではどの指先であっても指紋によって生体認証をおこなうことができる。指紋を用いた生体認証を採用する場合、指の指紋が指先を酷使することで消えた時にも、通帳が使えるインターフェースを準備する。

図９は通帳の入力画面であり、通帳機能及び経理システムの目次に相当し、これから図１２から図１９を用いて説明するする項目への選択画面である。２−１は電子通帳に入ったことを知らせる画面の項目である。画面２−２の「資金繰り予測表」をクリックすると、画面２−２−１になる。これは図１２に対応している。同様に、画面２−２の「絞り込み検索」をクリックすると、画面２−２−２になる。これは図１３に対応している。また、画面２−２の「入金予定登録」をクリックすると、画面２−２−３になり、図１４に対応している。更に、画面２−２の「出金予定登録」をクリックすると、画面２−２−４になり、図１５に対応する。画面２−２の「取引相手先登録」をクリックすると、画面２−２−５になり、図１７に対応する。画面２−２の「帳簿自動作成」をクリックすると、画面２−２−６になる。これは、図１９に対応する。

このような実装の一例を図１０及び図１１に示す。本実装では、本サービスを受ける個人／企業体はネットワークコマンドである「取引先」ボタンを選ぶことで、取引先の一覧（２−補１−１）が表示され、画面２−補１−１の下のバーから追加あるいは削除できる画面に移行できる。画面２−補１−１で特定の取引先を選択すれば、図１７に示すような取引先の名称、郵便番号、住所、電話番号、メールアドレス、地図が表示される。

取引先の削除のボタンを押せば、取引先の一覧で選んだ取引先が削除された場面が表示される。取引先を新しく追加する場合には、相手のＷｅｂサイトにアクセスすることで、登録情報を自動的に収集し、追加する。追加あるいは、削除するときに、ユーザーにいちいち確認をとるモードと、確認を取らずに実行するモードを選択できる機能を持つ。

画面２−補１−２で画面の特定の位置を押すと、メニュー画面が現れ、ホーム、アカウント、ログアウト、バーションの文字が画面の左側に現れ、そこからホームにも戻れ、アカウント情報を表示し、ログアウト、現在のソフトウェアのバーションが確認できる。

画面２−補１−２で出金なのかどうかを入金の文字の入った丸いボタンを画面の右下に表示し、ショートカットボタンで、出金か入金かをボタンで選択し、相手の会社への支払額（出金する金額）のかを決定できる。同様に、定期的な入出金を行えるようなショートカットボタンを特定の画面の右下に表示する。日付は常時、Ｗｅｂのカレンダー機能を会社内部で共有し、登録した段階で関係者グループに画面２−補１−２のようにカレンダーの内容が共有される。

以下、図１２から図１９を用いて、それぞれの画面での通帳機能及び経理システムの一連のユーザーインターフェースを示す。

ネットワークサービスとしてのインターフェースであるため、図１２において、３−１には、現在スマートフォーンを使用している個人／企業体（ユーザー）が表示される。また、図１２に示すインターフェースには、当該個人／企業体に関して、例えばカレンダーやリストボックスを用いて選択することで月毎（３−２）に対する、払戻金及び預かり金情報及び残高情報（３−４）、現在の決算及び月末日の予定金額（３−５）、出金予定（３−６）、入金予定（３−７）が表示される。払戻金及び預かり金及び残高情報情報（３−４）の表示方法について述べる。払戻金のバーを選択すると、金額がバーの下に表示され、取引先相手が、右に表示される。預かり金のバーを選択すると、金額がバーの下に表示され、取引先相手が、その左に表示される。過去の情報について、未入金の時、支払期限が過ぎた時にアラートのマークが表示される。ここでは、他の会社からの入金予定、自分の出金予定等から未来に対しても予測ができ、予測結果も合わせて表示される点に特徴がある。

全体を見たいときも、特に払戻金と預かり金のみを見やすくするように、それぞれのバーを選択すると色の濃淡等を用いて、ユーザーは画面を好みにあった形に調整することができ、一方のみの情報をハイライトできる。サービス会社ではこの情報をもとにＡＩが判定して、時刻認証と電子署名を行った形で未入金のアラートを、スマートフォーンを使用している個人／企業体に知らせる。図１１の画面２−補２−３にあるように、過去、未来にかかわらず、ある期間内に自社と取引のある一覧が表示される。

融資ボタン（３−３）を押すと電話あるいはネットワーク経由で融資を相談したい旨、取引先の銀行に対して連絡が届く。サービス提供者側のＡＩでは後に詳述するように、融資の判定を、自動的に確率や信頼度を表示する形で行い、時刻認証と電子署名を行った形で銀行の営業部署に連絡する。

図１２の資金繰り予測表（出金及び入金の予定表一覧）が表示されるところでは３−８にまとめたように下記の機能が行われる。
１．銀行通帳データの取り込み機能（アカウントスクレイピング／Ａｃｃｏｕｎｔ ａｇｇｒｅｇａｔｉｏｎ）
２．相手先への自動データ反映機能（ブロックチェーンが用いられてもよい）
３．将来の入出金予測・提示機能
４．融資ボタンの銀行呼び出し機能
５．未入出金アラート機能
６．ＡＩ自動メール送信機能

次に図１３の支払（入出金）の簡略化操作により、手数料を削減する機能について説明する。図１２において、会社を選択すると、図１３の画面に遷移する。ここではユーザーをＨ社とし、相手の会社をＧ社として、Ｈ社とＧ社との間の支払（未確定の入出金）を、可能な場合には４−３に示すようにまとめ上げる（相殺する）。このようにして調整された最終金額の支払（入出金）のみを行えば、手数料コストを削減できる。即ち、両社の間の相互の振込に相殺をかけ、相互に領収書の発行の証明を行うことで、本システム上での未確定入出金データを、ユーザー間であたかも仮想通貨的のように機能させることができる。また、相殺をかけた後の合計額で入出金処理を行うことで、振込の数を削減でき、振込手数料を抑えることができる。この際、会社名は実際には様々に表記されるので、システムに装備された辞書でシノニムを判定する。同様に、会社の規模によって消費税が必要であったりなかったりもし、また会社同士の商習慣で振込金額に振込手数料を入れたり入れなかったりするので、これらについても会社と振込手数料、消費税のあるなしのリストをシステムに用意させ、必要な場合に送金者にその旨を確認する機能を装備する。

予定している入金登録のためのインターフェースの画面を図１４に示す。５−１は入金登録のためのインターフェースであることを示す表示である。５−２ではリストボックスを用いて年月日を決定する。また５−３ではカレンダーから年月日を選択、あるいは、リストボックスの結果を確認できる。５−４は金額の記入欄である。５−５は〇〇〇社が入金する相手先企業名を記入する。この際、カレンダー上では繰り返し登録：毎週／毎月等も指定できる。企業名だけでは似ている名前の企業からの入金を予定してしまう可能性があるので、後述する取引先登録画面で設定された企業のロゴを５−６に表示し、５−８では地図での会社の本社の位置確認でも確認できる。５−７ではスマートフォーンあるいはクラウド計算機の情報のカレンダーに入金登録をアップデートする。５−９で登録ボタンを押すと、結果を時刻認証と電子署名を行った形でアラートを、スマートフォーンを使用している個人／企業体にメール及び５−１０に示すように音声でも知らせる。まとめると下記のようになる。
１．カレンダー日付指定機能（カレンダー画面から選択）（繰り返し登録：毎週／毎月等）
２．登録相手先名リスト表示機能（ロゴ／写真の連動表示）
３．相手先への自動データ反映機能
４．カレンダー追加機能グーグルカレンダー「〇〇〇株式会社に〇〇〇円入金」
５．音声認識

図１５に、送金先の確認のために、予定している出金登録のためのインターフェースの画面を示す。６−１は出金登録のためのインターフェースであることを示す表示である。このインターフェースは出金予定であり、入金予定とは異なっていることを示すために、画面全体の色調を変化させて区別する。この仕方はスマートフォーンごとに調整可能にするが、記入の項目は図１４と同じである。

６−２ではリストボックスを用いて年月日を決定する。また６−３ではカレンダーから年月日を選択、あるいは、リストボックスの結果を確認できる。６−４は金額の記入欄である。６−５は〇〇〇社が出金する相手先企業名を記入する。この際、カレンダー上では繰り返し登録：毎週／毎月等も指定できる。企業名だけでは似ている名前の企業に振り込み予定をしてしまう可能性があるので、後述する取引先登録画面で設定された企業のロゴを５−６に表示し、５−８では地図での会社の本社の位置確認でも確認できる。５−７ではスマートフォーンあるいはクラウド計算機の情報のカレンダーに出金登録をアップデートする。５−９で登録ボタンを押すと、結果を時刻認証と電子署名を行った形でアラートを、スマートフォーンを使用している個人／企業体にメール及び５−１０に示すように音声でも知らせる。まとめると下記のようになる。
１．カレンダー日付指定機能（カレンダー画面から選択）（繰り返し登録：毎週／毎月等）
２．登録相手先名リスト表示機能（ロゴ／写真の連動表示）
３．相手先への自動データ反映機能
４．カレンダー追加機能グーグルカレンダー「〇〇〇株式会社に〇〇〇円出金」
５．音声認識

図１６にあるように定期入出金はまとめて画面で確認できる。図１４と図１５では、将来の入出金予測・提示機能をつけたスマートフォーンでの画面インターフェースを示したが、図１７では、取引先企業等を登録するための登録画面について説明する。７−１は取引先の登録画面であることを示す。画面の色調を他のメニューと異なるようにしておく機能を持っている。すでに登録されている会社名７−２、郵便番号７−３を入れ、自動登録ボタンをクリックすると、画面の色調が変化してすでに登録されている登録情報が画面に現れ、情報の確認画面になる。画面の情報を修正し、Ｗｅｂサービスの側で、登録すれば従来情報も残したいときには残せるが、通常は、最新情報に置き換える。初めての場合には、ネット情報、郵便番号等から住所７−５を取り込む。

名刺のスマートフォーンの写真をもとにＯＣＲ（Ｏｐｔｉｃａｌ Ｃｈａｒａｃｔｅｒ Ｒｅｃｏｇｎｉｔｉｏｎ）処理してテキスト化するソフトを用いるか、あるいは、対応する会社のデータ別のホームページからデータを直接にコピーすることによって、特定のユーザーにつながる住所７−５、住所に対応した地図７−６、電話番号７−７、メールアドレス７−８が自動入力される。ロゴ情報は７−９によって確認できる。参照ボタン７−１０で好みのロゴをリストボックスの中から選ぶ。

本社の経理部門に主としてつながるが、多くの場合には、事業所ごとに変わってくる場合もあり、登録画面では同じ企業でも多数の場合がある。大企業で多数の取引銀行が事業所ごとに変わってくる場合には、多数の登録が必要になるが、サービス会社は最もよく使う事業所と銀行を順位付けて一番使われるものをそれぞれの顧客のスマートフォーンに的確に配信する等して利便性を高くする。多数の入力が必要な場合には一括登録画面を用いる。また、図１８の７−１１では取引銀行の口座も必要な場合には提示する。７−１２は一括登録の場合を扱う。いくつかのフィールド（項目）を区切り文字であるカンマ「，」で区切ったテキストデータ及びテキストファイルである、ＣＳＶ（ｃｏｍｍａ−ｓｅｐａｒａｔｅｄ ｖａｌｕｅｓ）形式を直接入力に用いる。７−１３は通常の登録画面である。７−１４に本画面での機能をまとめた。
１．郵便番号による住所の自動登録機能
２．名刺情報からの自動登録及び口座情報の自動的に取り入れる。
３．地図表示機能
４．ロゴ／画像の個別登録機能（登録が面倒な場合はデフォルト使用）（Ｎ×（Ｎ−１）通りをサーバーに格納）
５．ＣＳＶ形式による一括登録機能（委託を受けることも可能）

図１８にあるように、取引先の相手リストはユーザーが表示７Ｂ−１することができ、そのリストに対して編集７Ｂ−２ができる。

図１９では、本実施例のシステムから下記が可能になることが示されている。８−２からは入出金の一括比較（１月／６月／１年／期間自由設定）が可能になる。また、８−３では決算の様子と月末の予測数値が出る。帳簿の自動作成ボタン８−４を押すと、機能８−５によって帳簿がＰＤＦファイル／エクセルファイルとして自動作成され、スマートフォーンあるは指定されたサーバーに例えばメールの形で送付される。
１．入出金の一括比較機能（１月／６月／１年／期間自由設定）
２．帳簿自動作成機能（ＰＤＦファイル／エクセルファイル）（作成したファイルをメール送信）

図２０に示すように、本実施例のシステム９−２は電子情報保存法の改正で経理業務のアウトソーシングを実現できることから、本システムの例えば、Ｓａｌｅｓｆｏｒｃｅ（登録商標）と第三者時刻認証及び電子署名を経たサービスは、クライアント側から見るとセキュアなＡＩ経理プラットフォームであり、帳簿管理を任せることができる「未来の通帳」である。

図２０に示すように、本システムを用いることで下記が可能になる。従来の会社の経理部門では、データ整理と書類作成に長い時間と大きな労力がかかっていたが、領収書等をスマートフォーンで撮影するだけで、ＯＣＲで文字認識し、氏名、金額、会社名、日付、地図（ＧＰＳ）等の情報を自動的にデータベースに登録できる。データベースの絞り込み検索と、帳簿自動作成機能（ＰＤＦファイル等）も搭載。カレンダー等とも連携した極めて高効率の経理システムを形成できる。集積された領収書のデータから絞り込み検索機能９−４等を用いた絞り込み検索をかけ、データをリストアップする機能も実現している。また、帳簿の自動生成も可能である。領収書と同様に名刺についてもＯＣＲのテキストデータ読み込み、ＡＩの自然言語処理機能でＯＣＲの誤りを修正して、正解率高くＯＣＲの誤り訂正が可能にできることから、名刺についても自動読み取りが実現でき名刺の登録も実現している。したがって精算のために本システムに名刺も登録することで、図２１に示すように、個別社員のスマートフォーン１０−１から領収書を経理部門に簡単転送可能になり、経理部門では本実施例「未来の通帳」で、立替払い情報と名刺情報を一括して管理できる。負荷的効果として、本システムを経理部門だけでなく営業部門も共有していことから、名刺情報を共有することで営業効率を促進する効果もある。本システムによって、経理部門のアウトソーシングに利用することが可能である。

図２２では、ＡＩが従来の支払（入出金）パターンからの逸脱をチェックして経理上の不正や誤り防止の機能を持たせた場合の、閾値の設定方法、ユーザーインターフェースの例を示す。

以上の発展系として図２３に示すように下記が実現できる。
１．インターネットバンクでの入出金への結合（アカウントスクレイピング）
２．複数銀行の通帳間の合算
３．ＣＳＶ形式の取り込み（ＰＣで取り込み、スマートフォーンで閲覧）
４．ＣＳＶと「未来の通帳」間で金額（手数料）、振込先の表記が違う場合自動補正とマージ。
５．カード会社のデータから直接取り込み（アカウントスクレイピング）
６．経費表示の（詳細＜−＞まとめ）選択機能（例：個別給与とまとめ給与支出）

＜融資の自動化システム＞
図２４に示すように、本実施例のシステムは電子情報保存法の改正で経理業務のアウトソーシングを実現できることから、本システムのサービスはクライアント側から見るとＡＩ経理プラットフォームであり、帳簿管理ができる「未来の通帳」であり、融資を実行する銀行側から見ると大規模なトランザクションのデータを活用できることから、オンラインＡＩ融資プラットフォームである。これまでは、経理の通帳としての機能をユーザー側から詳述したが、ここからは銀行業務の融資の自動化システムとして、融資システムの観点から本実施例を以下で詳述する。

図２５に示すように、図１９の画面の８−１にある融資ボタンをクリックすると、個人／企業体から銀行に対して融資の申し込みがネットワークを介して行われる。融資ボタンをクリックしたユーザーを特定することによって、銀行側から見ると、新規融資先の拡大がこのボタンを押したユーザーを同定することから実現が可能になる。ユーザーの登録は事前に銀行の通帳の開設という形で行われている。

そこで、スマートフォーンの電子認証及び時刻認証によって、データの流れを把握することで、ＡＩネットワークサーバー１３−５にある人工知能１−３によって、入出金ユーザーの金銭のトラッフィクのビッグデータ（１３−９）から融資判定、更には個人／企業体の信頼度、倒産確率等を過去のトラッフィックのランキング、点数、及び図２９で後述する本実施例独自の信頼度評価から行う。

Ｎ：Ｎのユーザーのネットワークとして繋げるＡＩを導入する効果としては、下記があげられる。
（１）品質の高い書類自動作成：自然言語処理技術の進歩によって、ＡＩによって、現在ではかなり品質の高い書類自動作成もイベントドリブンで行うことができる。これによって１３−７に示したように、各銀行からユーザーに対して、融資の確実性を高めた形で営業がユーザー訪問することができ（１３−７）、融資の効率化を図ることができる。これらの人工知能の本実施例に関係技術については図２８及び図２９にて後に述べる。
（２）融資判定のために書類自動作成：図２６に示すように、一般には難しい専門職のデータ整理、書類作成、融資判定をＡＩによって自動化し、更により精度を高めることが可能なスマートシステムに出来ることから、人件費とコストを大幅に削減することが可能になる。
（３）高精度な信頼度評価による高度な融資判定の実現：高度な融資判定独自のユーザー間のＮ：Ｎのネットワークの時間変化データを解析することで、高い信頼性の評価の実現により、従来に比べて高度な融資判定が可能になる。
（４）復元可能なお金のフローの把握：ユーザーの間でのお金の送受信を単純化することにより、安全かつ簡素にある種の仮想通貨を実現する。更に、日時のデータとともに簡素化したお金の送受信データが保存されるため、必要な時に詳細なお金のやり取りのデータを復元できる。
（５）確かで分かり良い通帳：ＡＩを導入することで高精度な未来の収支予測ができ、均一の記載方法により分かり良い会計簿、通帳を得ることが可能になっている。

上記のＡＩを効率的に動作させるためには、ビジュアルセンサー１４−２、論文１４−３、書籍１４−４及び事務的なドキュメント１４−５の大規模データを整理し、図２７に示すようにドキュメントを利用し易くして駆使するためのデータ化が必要であり、ビッグデータのためのデータベースとそのデータベース利用技術、データをＡＩが学習し解析するための深層学習等の技術、更にはデータを複素化して高次元空間処理を容易に行うための複素空間幾何学解析等が用いられる。これらをベースに自然言語処理技術を合わせて用いることで、銀行の融資のリスク判定・報告書自動作成を行う。

以下解析方法について述べる。例えば、図２８に示すように、ＡＩが多因子複素空間解析（Ｎ次元幾何モデル）を行うことで、空間の多数の点を破線の円１６−１と実線の円１６−２の２群に分ける。このようにして多数のユーザーを点で表し、融資ができるほど信頼のある確率を満たすユーザーは実線の円で、そうでないユーザーは破線の円とで表すクラスタリングを行う。これらのクラスタリングは従来から存在しているユーザーの信頼性を評価に有用な入手可能なデータ群からも推定ができる。

本システムは単独あるいはそれらのユーザーの信頼性を、評価に有用な入手可能なデータ群と組み合わせ、図２９に示すようにインターネットバンキングのユーザーインターフェース１７−６を介して、入出金データ１７−１を人工知能サーバー１７−２が解析して、毎日のデータのトラッフィクデータと各ユーザーの起こす事象とを蓄積していく（図４から図７を参照）。具体的には、ユーザーインターフェース１７−６のように各ユーザーの多次元の事象データを高次元空間における点（ノード）１７−３として表記し、各点の相関関係をエッジ１７−４で表現したネットワークに対して、ネットワーク解析１７−７（２点間の距離の最短経路、あるいはネットワークがどこで分断されるか等の解析方法も用いた解析）等から、様々な事象間のトラッフィクの傾向を学習、分析していき、ネットワークのトラッフィクの傾向、様々なデータを総合的に用い、融資をしても大丈夫かどうかのユーザーの信頼度を最終的に信頼度として評価していく。

より簡単な実施例としては、企業を点（ノード）として表現し、入出金データに基づいてお金のやり取り（送金）を有向エッジで表現した２項関係とみなして、自動作成した入出金のネットワークを、全体を有向グラフとみなしてグラフ理論解析を行って、流れの良い悪い（お金の流れの良い悪い）、ネットワークの切断が起こりやすいか否かから、今まで関係があったのに切断が起こる確率、お金の流れの渋滞の起こりやすさ等、お金の流れが急に悪くなったり急に途切れたりする確率、あるいは、二つの異なった点で表された二つの会社の最短距離が、どのくらいのノードを経るか等で二つの会社の相関関係を求める等、図２９に示すようなＮ：Ｎの時間とともに変化していくネットワークのトポロジー、一連のネットワークの数理解析（ノードとエッジの関係式、ハブノード解析、ノードやエッジを取り除いた変化を見るロボストネス解析、中心性の指数等）する。

解析結果には、局所的かつやや短期的な傾向が強く反映される。一部はこれらの結果にも含まれるが、上記の解析の他に、社会全体の傾向、産業の伸び、それを支える新技術の芽生え、人々の趣向の傾向等、長期的、大局的な観点も加味するため、図２５及び図２６にあげたビッグデータから推定される単一ノードとして固有に推定される時間発展傾向を総合して信頼度を評価する。この際、ネットワークトポロジーの構造パターン及びその時系列変化と未払い、倒産等との相関解析を行い、結果を随時機械学習し、例えば未払い、倒産特定のパターンを抽出していき、シミュレーションを加え強化学習等をしていき、予測精度を高める。

最後に、図３０、図３１、図３２を用いて、セキュリティの本実施例における確保について述べる。図３０に示すように、図１−１７で用いたメール送信や重要と思われる融資の要請やその旨を受け取った返信メール、入出金の帳票の自動生成、名刺の電子化、領収書の画面の電子化等信頼度が必要なネットワークの確保にはＳａｌｅｓｆｏｒｃｅ（登録商標）やＡｍａｚｏｎ（登録商標） Ｗｅｂ Ｓｅｒｖｉｃｅｓ（ＡＷＳ）、Ｇｏｏｇｌｅ（登録商標） ｃｌｏｕｄ等を用い、同時に第三者による時刻認証と電子署名が必要である場合には本システムは両方を同時に用いる。例えばメールを用いる場合には、特開２０１１−０７２０４２のタイムスタンプ付加装置、タイムスタンプ付加方法、電子メール中継サーバー及びコンピュータプログラムを用いることで、ヘッダーに第三者による時刻認証を入れ、簡単に署名を行うことが出来る。このような技術を用いれば、メールのプロバイダーとの契約によってヘッダー情報を確保し、時刻認証が残す形でメールの添付情報を圧縮するか、メールの添付情報を圧縮しないようにすれば、簡単に信頼性を向上させることができる。

図３１で示したように、本システムは、上記の重要なデータのやり取りを行うときには、テキスト／画像を指定して、タイムスタンプトークンを取得するオペレーションを行う。一方、本システムは、人工知能を用いてトランザクションを常に管理することから、常時あるいは定期的に、蓄積されたテキスト／画像とタイムスタンプトークンとを指定してＡＩ検証を行う。更に、間隔をおいて人が結果を見て検証することで、プログラムのエラーや過学習によるＡＩの偏向的な動作が起こらないように常に別のＡＩや人が監視し誤りを修正していく。

文字や背景の色は、人それぞれによって見え方が変わっており、また同一の個人であっても端末によって見え方が変わってくるので、端末に合わせて、背景、バーの色等を個人の好きな色、文字のフォントに変更が可能なように、それぞれの機器に合わせて色指定できるデータを読み込ませることも可能である。

１−１ スマートフォーン
１−２ ネットワークサービス提供者
１−３ 本ネットワークサービスインターネットあるいはイントラネット内にＡＩサーバーとサービスネットワーク
１−４ 本ネットワークサービスを行うＡＩプログラム群
１−５ 電子認証局及び電子署名認証局
１−６ ネットワークサービス提供者のバー
１−７ タブレット
１−８ パソコン画面
１−９ 経理／融資を統合化したネットワークサービス名称
１−１０ 上記サービスロゴマーク
１−１１ 上記サービスの文字入りロゴマーク
１−１２ ユーザーＩＤとパスワード記入欄
１−１３ ユーザーＩＤ記入欄
１−１４ パスワード記入欄
１−１５ パスワード記憶欄の画像イメージ
１−１６ スマートフォーンの電源スイッチ、指先認証
２−１ 本システムの現在ページが目次であり、かつユーザーをシステムが認識したことを示すバー表示
２−２ それぞれの作業に移動するための目次にあたり、目次をクリックすることで別の画面に移動できるインターフェース画面
２−２−１から２−２−６ 目次に沿った内容の作業用インターフェース画面
２−補１−１ サービスを受ける取引先の関係性を表示した時の取引先一覧画面
２−補１−２ カレンダー機能画面の一実施例
２−補２−１ 通帳の一実施例での通帳表示画面
２−補２−２ ホーム、アカウント、ログアウト、バーションの一括表示画面表示例
２−補２−３ 指定期間内に取引のある表示の例
３−１ 個人／企業体のシステムユーザー
３−２ 月日のリストボックスインターフェース
３−３ 融資ボタン
３−４ 銀行通帳データの取り込み結果で払戻金、預かり金及び残高情報
３−５ 現在の決算及び月末日の予定金額
３−６ 出金予定ボタン
３−７ 入金予定ボタン
３−８ ３−１から３−７までの機能一覧
４−１ 個人／企業体のシステムユーザーの支払先名称
４−２ 払戻金と預かり金を色分けして区別できる払戻金、預かり金情報及び残高情報表示
４−３ ４−１及び４−２の機能一覧
５−１ 入金登録のためのインターフェース表示
５−２ 年月日のリストボックス
５−３ リストボックスの結果確認
５−４ 金額の記入欄
５−５ 相手先企業名を記入欄
５−６ 取引先登録画面で設定された企業のロゴ
５−７ スマートフォーンあるいはクラウド計算機の情報のカレンダーアップデート確認
５−８ 地図
５−９ 登録ボタン
５−１０ 機能一覧
６−１ 出金登録のためのインターフェース表示
６−２ 年月日のリストボックス
６−３ リストボックスの結果確認
６−４ 金額の記入欄
６−５ 相手先企業名を記入欄
６−６ 取引先登録画面で設定された企業のロゴ
６−７ スマートフォーンあるいはクラウド計算機の情報のカレンダーアップデート確認
６−８ 地図
６−９ 登録ボタン
６−１０ 機能一覧
７−１ 取引先情報登録画面インターフェース表示（画面の色調を他のメニューと異なるようにしておく機能を持っている。）
７−２ 登録されている会社名
７−３ 郵便番号
７−４ 自動入力ボタン
７−５ 住所
７−６ 住所に対応した地図
７−７ 電話番号
７−８ メールアドレス
７−９ ロゴ情報
７−１０ 参照ボタン
７−１１ 取引先銀行情報
７−１２ 一括登録画面呼び出しボタン
７−１３ 登録ボタン
７−１４ 機能一覧
８−２ 入出金の一括比較（１月／６月／１年／期間自由設定）
８−３ 決算の様子と月末の予測数値
８−４ 帳簿の自動作成ボタン
８−５ 帳簿をＰＤＦファイル／エクセルファイルとして自動作成
９−２ ネットワークサービス
９−４ 絞り込み検索機能
１０−１ 個別社員のスマートフォーン
１３−６ 時刻認証（タイムスタンプ認証局電子署名認証局）
１３−９ 入出金ユーザーの金銭のトラッフィクのビッグデータ
１６−１ ノードで表現したユーザー（融資可能）
１６−２ ノードで表現したユーザー（融資不可能）
１７−１ 入出金データ
１７−２ ＡＩサーバー
１７−３ ノードで表現したユーザー（出金）
１７−４ ノードで表現したユーザー（入金）
１７−５ ネットワーク解析：最短距離計算の模式図
１７−６ 有効グラフでのネットワーク解析

Claims (11)

1. 口座を管理する情報処理装置であって、
   前記口座の入出金データを蓄積する蓄積手段と、
   少なくとも前記口座の入出金データを解析し、解析結果に従って、前記口座について今後発生すると予測される未確定入出金データを生成する解析手段と、
   前記口座についての現在までの入出金データと、前記口座について生成された未確定入出金データのうち未来の指定時点までの未確定入出金データとを集計することで、該指定時点における前記口座の入出金履歴及び残高を推定する口座状態推定手段と、
   を備える口座管理装置。
2. 前記口座管理装置は、複数の口座を管理し、
   前記蓄積手段は、前記複数の口座間での入出金データを蓄積し、
   前記解析手段は、前記複数の口座間での入出金データを解析し、解析結果に従って、前記複数の口座間で今後発生すると予測される未確定入出金データを生成し、
   前記口座状態推定手段は、前記複数の口座のうち指定口座についての現在までの入出金データと、該指定口座について生成された未確定入出金データのうち未来の指定時点までの未確定入出金データとを集計することで、該指定口座の該指定時点における入出金履歴及び残高を推定する、
   請求項１に記載の口座管理装置。
3. 入金口座を指定する情報、出金口座を指定する情報、及び入出金額を示す情報を含む前記入出金データの入力をユーザー端末から受け付ける受付手段を更に備え、
   前記蓄積手段は、前記入出金データを、前記入金口座に指定された口座及び前記出金口座に指定された口座についての入出金データとして蓄積する、
   請求項２に記載の口座管理装置。
4. 前記解析手段は、前記口座の所有者をノードとして、入出金をエッジとして表わしたネットワーク上の入出金の流れを解析することによって未来の入出金の期待値を算出し、算出された期待値に従って、前記口座について今後発生すると予測される未確定入出金データを生成する、
   請求項２又は３に記載の口座管理装置。
5. 前記蓄積手段は、送金済みの入出金データを確定入出金データとして蓄積し、未送金の入出金データを未確定入出金データとして蓄積する、
   請求項２から４の何れか一項に記載の口座管理装置。
6. 前記未確定入出金データに基づいて、入金口座を指定する情報、出金口座を指定する情報、及び入出金額を示す情報を含む送金指示を外部の送金システムに送信する送金指示手段と、
   前記送金指示に基づいた前記送金ステムによる送金処理が完了した場合に、該送金指示に係る未確定入出金データを確定入出金データに変更する変更手段と、
   を更に備える、請求項５に記載の口座管理装置。
7. 前記解析手段は、更に、外部から取得されたテキストデータ及び口座の所有者のユーザーデータを含む情報を解析することで、未来の指定時点における、前記所有者が関連する産業の伸び、社会的変化、人々の趣向変化、及び新技術の発生頻度、の少なくとも何れかの期待値を算出し、
   前記解析手段によって算出された前記期待値に基づいて、前記所有者への融資の可／不可を判断するための信頼度を算出する評価手段を更に備える、
   請求項２から６の何れか一項に記載の口座管理装置。
8. 融資判定結果ドキュメントのテンプレート、過去の融資判定結果のデータ、及び前記所有者への融資の可／不可を示す情報に基づいて自然言語生成を含む処理を実行することで、融資判定結果ドキュメントを生成する、ドキュメント生成手段を更に備える、
   請求項７に記載の口座管理装置。
9. 前記口座状態推定手段によって推定された前記指定時点における前記口座の入出金履歴及び残高を出力する出力手段を更に備える、
   請求項１から８の何れか一項に記載の口座管理装置。
10. 口座を管理するコンピューターが、
    前記口座の入出金データを蓄積する蓄積ステップと、
    少なくとも前記口座の入出金データを解析し、解析結果に従って、前記口座について今後発生すると予測される未確定入出金データを生成する解析ステップと、
    前記口座についての現在までの入出金データと、前記口座について生成された未確定入出金データのうち未来の指定時点までの未確定入出金データとを集計することで、該指定時点における前記口座の入出金履歴及び残高を推定する口座状態推定ステップと、
    を実行する口座管理方法。
11. 口座を管理するコンピューターに、
    前記口座の入出金データを蓄積する蓄積ステップと、
    少なくとも前記口座の入出金データを解析し、解析結果に従って、前記口座について今後発生すると予測される未確定入出金データを生成する解析ステップと、
    前記口座についての現在までの入出金データと、前記口座について生成された未確定入出金データのうち未来の指定時点までの未確定入出金データとを集計することで、該指定時点における前記口座の入出金履歴及び残高を推定する口座状態推定ステップと、
    を実行させるための口座管理用プログラム。

Images