AI-OCRの開発とは？従来OCRとの違いと精度の考え方、既製品と自社開発の選び方
紙の帳票をひたすら手入力している、複数のフォーマットが混在していて自動化できない。こうした業務の解決策として検討されるのがAI-OCRです。
ただ、製品を比較して選ぶだけで解決するとは限りません。自社の帳票で実際に読めるかどうか、読み取った後の業務にどうつなぐかまで設計しないと、導入しても入力作業が残ります。
この記事では、AI-OCRの仕組みと従来のOCRとの違い、既製サービスと開発の使い分け、開発の進め方、精度の考え方、費用、法制度への対応、依頼先の選び方までを整理します。
| 確認したいポイント | 結論 | 詳細 |
|---|---|---|
| AI-OCRとは？ | AIで読み取り精度を高めたOCR | 画像から文字を抽出する技術にAIを組み合わせ、手書きや非定型の帳票にも対応できる。 |
| 開発は必要？ | まず既製サービスを試す | 既製品で要件を満たせる業務は多い。合わない部分だけ開発や連携で埋める判断が現実的。 |
| 精度はどう考える？ | 自社帳票での実測で判断 | 公表値は特定条件下の数値。実際の帳票で測り、人が確認する工程を前提に設計する。 |
| 注意すべき法制度は？ | 電子帳簿保存法への対応 | スキャナ保存には解像度や検索の要件がある。読み取りだけでなく保存要件まで確認する。 |
この記事でわかること
- AI-OCRの仕組みと、従来のOCRとの違い
- 既製サービスで足りる業務と、開発が必要になる業務の見分け方
- 対象帳票の棚卸しから運用までの開発の進め方
- 公表されている精度をどう読み、自社でどう測るか
- 電子帳簿保存法など、導入時に確認すべき法制度への対応
自社の帳票で実現できるか、要件の整理から相談したい方へ。
→ 無料相談フォームから、対象業務と帳票の状況をそのままお送りください。
AI-OCRとは何か
OCRは、印刷された文書を読み取って文字データに変換する技術です。AI-OCRは、そこに機械学習や深層学習を組み合わせたものを指します。
違いは精度だけではありません。扱える帳票の幅と、読み取った後にできることが大きく変わります。
仕組みから整理しておきます。
従来のOCRとの違い
従来のOCRは、あらかじめ決められた位置にある文字を、決められたルールで読み取る仕組みでした。そのため、フォーマットが決まった活字の書類には強い一方、手書きやレイアウトの違う書類には対応できませんでした。
AI-OCRは、大量の文字データを学習することで、文字の形のばらつきや手書きの癖にも対応できます。文字の位置がずれていても、周辺の情報から判断できる点も違いです。
さらに、読み取った文字列がどの項目に該当するのかを推定できるため、帳票ごとに位置を設定する作業を減らせます。
読み取りの仕組み
処理は大きく三段階に分かれます。まず画像の中から文字がある領域を検出し、次にその領域の文字を認識し、最後に認識した文字列を項目に割り当てます。
多くの現場でつまずくのは三つ目の段階です。文字は正しく読めているのに、それが請求金額なのか小計なのかを取り違えると、結果として使えません。
製品を比較する際は、文字認識の精度だけでなく、項目の割り当てがどれだけ正確かを確認してください。
定型帳票と非定型帳票
自社で様式を決めている申込書のように、レイアウトが固定されている帳票を定型帳票と呼びます。読み取る位置を指定できるため、比較的高い精度が出ます。
一方、取引先ごとに様式が違う請求書や領収書は非定型帳票です。位置の指定ができないため、内容から項目を推定する必要があり、難易度が上がります。
自社の対象帳票がどちらなのかで、必要な仕組みも費用も変わります。ここを最初に切り分けてください。
生成AIの登場で変わったこと
近年は、画像を直接扱える生成AIのモデルを使って、帳票から必要な項目を抽出する方法も選択肢に入るようになりました。
様式ごとの事前設定が少なく済むため、種類の多い非定型帳票では有力な選択肢になります。一方で、出力が毎回同じになるとは限らないため、確認の仕組みは従来以上に重要です。
従来型のAI-OCRと生成AIを組み合わせ、帳票の性質によって使い分ける構成も増えています。
検証段階の設計については、AIのPoCを本番運用につなげるポイントを解説した記事もあわせてご覧ください。
関連記事：AI受託開発とは？依頼できる範囲と進め方、契約形態や会社選びの注意点を解説
AI-OCRで扱える業務と向かない業務
どの業務に適用すると効果が出るのか。対象を見誤ると、投資に見合う結果になりません。
代表的な用途と、向かない業務を整理します。
請求書や注文書の入力
最も導入が多い領域です。取引先から届いた請求書を読み取り、会計システムや購買システムへ登録する流れを自動化します。
取引先ごとに様式が違うため非定型帳票の扱いになりますが、抽出する項目は日付、取引先名、金額、明細と決まっているため、設計はしやすい業務です。
月間の処理枚数が多いほど効果が出やすく、効果を金額に換算しやすい点も導入しやすい理由になっています。
契約書や申込書の項目抽出
契約書から契約期間や金額、更新条件を抽出して一覧化する用途です。件数が多く、内容の確認に時間がかかっている企業で効果が出ます。
文章の中から条件を読み取る必要があるため、単純な文字認識だけでは足りません。文脈を扱えるモデルとの組み合わせが必要になります。
誤りが契約上のリスクにつながるため、人が確認する工程を必ず残す設計にしてください。
手書き書類の読み取り
アンケート、作業日報、申込書など、手書きが含まれる書類の読み取りです。従来のOCRでは自動化を諦めていた領域で、AI-OCRの効果が最も見えやすい部分でもあります。
ただし、記入者の書き癖や記入欄からのはみ出しによって精度は変わります。枠のある様式に変えるだけで精度が上がることもあります。
読み取り側だけでなく、書く側の様式も含めて設計すると成果が出やすくなります。
本人確認書類や証憑の処理
免許証や各種証明書を読み取って登録する用途です。項目が定まっているため精度は出やすい一方、扱う情報の機密性が高くなります。
データの保管場所、アクセス権限、保存期間を含めて設計する必要があります。クラウド型を使う場合は、外部に送信してよいかを社内規程と照らして確認してください。
処理の記録を残せる仕組みも必要になります。
向かない業務
月に数枚しか発生しない書類の処理は、自動化しても投資を回収できません。人が読んだほうが早い場合もあります。
また、読み取った内容の正しさが人命や法的責任に直結する業務では、自動化の範囲を慎重に設計する必要があります。
そもそも紙をやめられる業務であれば、読み取るのではなく最初から電子で受け取る仕組みに変えたほうが根本的な解決になります。
どの帳票から着手すべきか、進め方を資料で確認したい方へ。
→ 資料請求フォームから、業務へのAI活用の進め方をまとめた資料をお受け取りいただけます。
関連記事：AI導入の費用相場はいくら？種類別の内訳とコストを抑える方法・補助金まで解説
既製サービスを使うか、開発するか
AI-OCRは提供されているサービスが多く、まずはそれで足りるかを確かめるのが順番です。開発ありきで進めると、費用が過剰になります。
判断の基準を整理します。
既製サービスが向いているケース
読み取る項目が一般的で、処理量もそれほど多くない場合は、既製サービスで十分なことがほとんどです。契約すればすぐ使い始められ、初期費用も抑えられます。
請求書や領収書のように、多くの企業が同じ課題を持つ帳票については、事前に学習済みのサービスが用意されているため、設定の手間も少なくて済みます。
まず無料の試用期間で自社の帳票を読ませてみてください。この検証だけで、開発が必要かどうかの判断がつくことも多くあります。
開発が必要になるケース
業界特有の帳票で既製サービスが対応していない、抽出したい項目が独自のもの、既存システムとの連携が複雑、外部にデータを出せないといった条件がある場合は開発を検討します。
また、読み取った後の処理まで含めて自動化したい場合も、開発の範囲になります。判定、振り分け、承認、システム登録といった一連の流れを組む必要があるためです。
この場合も、文字認識の部分は既存のエンジンやAPIを使い、周辺の仕組みだけを作るのが一般的です。ゼロから読み取りエンジンを作る必要はまずありません。
既製品を土台にして作り込む形
実務で最も多いのが、既製のAI-OCRを土台に、自社の業務に合わせた前後の処理を開発する形です。読み取り部分の精度は既製品に任せ、業務への組み込みを作ります。
この構成なら、開発費を抑えつつ、業務に合った仕組みにできます。読み取りエンジンだけを後から差し替えることも可能です。
提供されているAPIの仕様と、利用料の体系を確認したうえで設計してください。
判断の手順
対象帳票を数十枚用意し、既製サービスの試用で読ませる。満たせない項目を洗い出す。その差分を埋める方法として、設定変更、追加学習、開発のどれが必要かを判断する。
この順番で進めれば、必要以上の開発を避けられます。最初から開発を前提にせず、差分から考えることが費用を抑える最も確実な方法です。
差分が小さければ、業務側の運用で吸収するという判断も現実的です。
外注と内製の切り分けについては、AI受託開発の範囲と進め方をまとめた記事が参考になります。
関連記事：生成AI導入支援とは？依頼できる支援内容とサービスの種類、費用相場と選び方を解説
AI-OCR開発の進め方
開発を伴う場合の進め方を整理します。順番を守ることで、後の手戻りを減らせます。
五つの段階に分けて説明します。
対象帳票の棚卸し
最初に行うのが、対象となる帳票の洗い出しです。種類、様式の数、月間の枚数、記入方法、届く経路を一覧にします。
この作業で、実は様式が想定の倍あった、半分は電子で届いていたといった事実が判明することがよくあります。棚卸しの結果だけで、対象範囲が変わることも珍しくありません。
枚数の多い上位数種類だけで全体の大半を占めることも多いため、そこに絞る判断もできます。
要件定義
抽出したい項目、必要な精度、月間の処理量、処理にかけられる時間、連携先のシステムを決めます。ここが具体的なほど、見積もりの精度も上がります。
精度については、項目ごとに必要な水準を分けて考えてください。金額は高い精度が必要でも、備考欄は人が確認する前提でよい、といった整理です。
読み取った後に誰がどう確認するのかという業務フローも、この段階で設計します。
実際の帳票で検証する
試作した仕組みに、実際の業務で使っている帳票を読ませて測定します。きれいなサンプルではなく、汚れやかすれ、記入漏れのあるものも含めてください。
測定する際は、項目ごとの正解率と、人が修正に要した時間の両方を記録します。読み取り精度が高くても、確認に時間がかかっては意味がありません。
この段階で目標に届かない場合、原因が帳票の様式にあるのか、モデルにあるのかを切り分けます。
開発と既存システムとの連携
検証を通過したら、業務で使えるシステムとして作り込みます。取り込みの画面、確認と修正の画面、権限管理、連携先へのデータ送信までが範囲になります。
この確認と修正の画面の使いやすさが、実務での効果を大きく左右します。読み取り結果と原本を並べて表示する、修正した箇所を記録するといった配慮が必要です。
連携先が増えるほど工数は積み上がります。最初のリリース範囲は狭く設計してください。
運用と精度の維持
稼働後は、読み取れなかった帳票の傾向を確認し、必要に応じて設定や学習データを追加します。取引先の様式変更にも対応が必要です。
修正履歴を蓄積しておくと、どの項目でどんな誤りが起きやすいかが見えてきます。改善の材料になります。
この運用作業を誰が担うのかを、開発の段階で決めておいてください。
要件の整理や検証の設計について、具体的に相談したい方へ。
→ 無料相談フォームから、対象帳票と業務の内容をお聞かせください。
精度をどう考えるか
AI-OCRの検討で最も誤解が生まれやすいのが精度です。数字の読み方を間違えると、導入後に期待とのずれが生じます。
四つの観点で整理します。
公表されている精度は参考値
各社が公表している認識率は、いずれも特定のサンプルで測定した値です。全ての帳票で同じ結果が保証されるものではありません。
読み取り精度は帳票の様式や記入状態によって変わります。カタログの数値だけで判断せず、実際の帳票で検証することが不可欠です。
提案を受ける際は、自社の帳票を使った検証に応じてもらえるかを必ず確認してください。
精度が落ちる要因
スキャンの解像度が低い、傾いている、汚れやかすれがある、印影が文字に重なっている、記入欄からはみ出している。こうした要因で精度は下がります。
読み取り側の性能を上げるより、入力される画像の質を揃えるほうが効果が大きい場合もあります。スキャナの設定を見直すだけで改善することもあります。
様式そのものを見直せるなら、枠を設ける、記入例を示すといった対応も有効です。
人が確認する工程を前提にする
読み取り精度を100%にすることは現実的ではありません。誤りが一定の割合で発生する前提で、業務フローを設計します。
信頼度が低い項目だけを人に確認させる、金額など重要な項目は必ず目視する、といった設計が一般的です。全件を確認する必要はありません。
確認にかかる時間まで含めて、現行業務と比べてください。これが実際の効果になります。
業務単位で効果を測る
文字単位の認識率が高くても、1枚の帳票に一箇所でも誤りがあれば確認作業は発生します。評価は文字単位ではなく、帳票単位や業務単位で行ってください。
測るべき指標は、1件あたりの処理時間、修正が必要だった件数の割合、そして削減できた総工数です。
導入前にこれらを計測しておけば、導入後の比較ができます。
間接部門の業務改善全般については、バックオフィス業務を効率化する進め方をまとめた記事をご覧ください。
費用の考え方
既製サービスを使う場合と開発する場合で、費用の構造が変わります。両方を把握したうえで比較してください。
三つに分けて整理します。
既製サービスの料金体系
多くは月額の基本料金に、読み取り枚数に応じた従量課金を組み合わせた体系です。月額数万円から利用できるサービスもあります。
注意したいのは、読み取る枚数を把握せずに契約すると、使用頻度に見合わない料金が発生する点です。月間の処理枚数を事前に見積もってから、料金体系を比較してください。
枚数が多い場合は定額制、少ない場合は従量制というように、量によって有利な体系が変わります。
開発する場合の費用
既製のエンジンを土台に業務システムを作る場合、初期費用は100万円から500万円程度が一つの目安になります。連携先の数と確認画面の作り込みによって変動します。
独自にモデルを構築する場合は、学習データの準備が加わるため、さらに費用が上がります。ラベル付けの作業量が費用を左右します。
費用の大半は人件費です。作る範囲を絞ることが、そのまま費用の圧縮につながります。
運用にかかる費用と効果の試算
稼働後は、サービスの利用料に加えて、保守と改善の費用が発生します。取引先の様式変更への対応も継続的に必要になります。
効果の試算は、現行の入力作業にかかっている時間から行います。1件あたりの処理時間に月間の件数を掛け、そこに人件費の単価を掛ければ年間の効果額が出ます。
この金額と、初期費用に3年分の運用費を足した金額を比べてください。回収の見通しが立たない場合は、対象範囲を見直します。
費用の内訳をより詳しく知りたい場合は、AI開発の費用相場と内訳を解説した記事が参考になります。
法制度への対応を確認する
帳票を扱う以上、読み取りの性能だけでなく、保存や取り扱いのルールにも対応する必要があります。
導入前に確認しておきたい点を整理します。
電子帳簿保存法のスキャナ保存
請求書や領収書などを紙ではなく電子データとして保存する場合、一定の要件を満たす必要があります。読み取れればよいという話ではありません。
解像度は200dpi以上、色調はカラー画像での読み取りが求められるなど、装置側の要件も定められています(国税庁『スキャナ保存関係』)。
対象となる書類の範囲や、書類の重要度による要件の違いもあるため、自社が扱う書類がどれに該当するかを先に確認してください。
入力期間と検索の要件
スキャナ保存では、書類を受け取ってから電子化するまでの期間についても定めがあります。運用フローを設計する際は、この期間内に処理が回るかを確認してください。
保存したデータを後から探せるようにするための検索要件もあります。詳細は国税庁『電子帳簿保存法一問一答(スキャナ保存関係)』で具体的な事例とあわせて確認できます。
AI-OCRで抽出した項目を検索用のデータとして活用する構成にすると、この要件への対応と業務効率化を同時に進められます。制度は改正されることがあるため、最新の内容を確認してください。
個人情報や機密情報の取り扱い
読み取る書類に個人情報が含まれる場合、外部のサービスに送信してよいかを社内規程と照らして確認する必要があります。
クラウド型を使う場合は、データの保管場所、保存期間、学習への利用の有無を提供元に確認してください。社外に出せない場合は、自社環境に構築する形を検討します。
アクセス権限の設計と、処理の記録を残す仕組みも、あわせて設計しておいてください。
法制度への対応を含めた要件整理について、資料をご用意しています。
→ 資料請求フォームからご覧いただけます。
依頼先を選ぶときの確認項目
製品を選ぶ場合も、開発を依頼する場合も、確認すべき点は共通しています。
四つ挙げます。
自社の帳票で検証させてくれるか
公表されている精度ではなく、自社の実際の帳票で測った結果で判断してください。試用期間や評価版が用意されているか、検証に協力してもらえるかを最初に確認します。
検証を渋る、あるいはサンプルでの結果しか示さない場合は、自社の帳票では期待した結果が出ない可能性を考えたほうがよいでしょう。
検証には、実務で使っている状態の帳票を数十枚用意してください。
読み取り後の処理まで対応できるか
読み取って終わりなのか、既存システムへの連携や確認画面の構築まで担えるのか。対応範囲は会社によって差があります。
実務で効果を出すには、読み取り後の流れを含めた設計が必要です。ここを自社で担えない場合は、対応できる依頼先を選んでください。
既存システムのベンダーとの調整が必要になる場合は、その進め方も確認しておきます。
提供形態が自社の方針に合うか
クラウド型は導入が早く費用も抑えられますが、データを外部に送信することになります。自社サーバーに構築する形であれば社外にデータは出ませんが、初期費用と運用体制が必要です。
扱う情報の機密度と、社内の情報セキュリティ規程を踏まえて選んでください。両方を提供している会社であれば、要件に応じて選べます。
将来的な移行の可能性も考え、データを取り出せる形になっているかも確認しておきます。
実績と業種の理解
同じ業種、同じ種類の帳票を扱った実績があるかを確認してください。業界特有の様式や商習慣を理解している会社であれば、要件定義の時間が短くなります。
実績を確認する際は、どの帳票をどの精度で処理し、業務がどう変わったかまで聞いてください。
運用開始後のサポート体制と、様式変更への対応方法も、契約前に確認しておきます。
生成AIの活用範囲を広げたい場合は、生成AI導入支援で依頼できる内容をまとめた記事もご覧ください。
まとめ
AI-OCRは、従来のOCRに機械学習を組み合わせることで、手書きや非定型の帳票にも対応できるようにした技術です。文字を読むだけでなく、読み取った文字列をどの項目に割り当てるかまでを扱います。
開発を検討する前に、まず既製サービスで自社の帳票を読ませてみてください。満たせない差分を洗い出し、それを埋める方法として開発を位置づける順番であれば、費用を抑えられます。
精度については、公表されている数値は特定条件下の参考値だと考え、自社の帳票で実測してください。100%を目指すのではなく、人が確認する工程を前提に業務フローを設計するほうが現実的です。
あわせて、電子帳簿保存法のスキャナ保存要件や、個人情報の取り扱いといった制度面の確認も欠かせません。読み取りの性能だけでなく、保存と運用まで含めて設計することで、導入後に入力作業が残るという事態を避けられます。
AI-OCRの導入や開発について、自社の帳票に合わせて相談したい方へ。
→ 無料相談フォームから、対象業務と帳票の状況をお送りください。担当者が進め方をご案内します。
