中小企業融資の決算書整理AI：抽出・照合・根拠提示・人の審査への引継ぎをどう設計し、どう評価するか

1. 課題とお金の構造、責任の分け方

審査の工数は公表統計が見当たらないため、説明用の例で考えます。年6,000件、1件あたり財務の整理に2時間、時間単価5,000円なら年6,000万円です【架空例】（6,000×2×5,000＝6,000万円）。整理の時間を半分にすれば3,000万円分の時間が実態の把握や面談に回せます。一方、読み取りの誤りが見逃されて稟議に入れば、判断の誤りとして信用コストに跳ね返ります。

金融庁のAIディスカッションペーパーは、従来型AIの主な使い方として与信審査・信用リスク管理を挙げる一方、生成AIは多くの金融機関で社内の業務効率化にとどまり、生成の過程が見えにくいことによる誤情報の提示などを課題として整理しています。資料整理の仕組みは、この「社内の業務効率化」の範囲に置き、責任を次のように分けます。

2. 処理の設計：受付から指標計算まで

1. 受付・分類：届いたファイルを貸借対照表、損益計算書、販売費及び一般管理費の明細、勘定科目内訳、試算表、借入明細、税務関係の書類などに分類する。必要な資料が足りなければ、この時点で不足の一覧を出す。
2. 抽出：科目名・金額・期間・単位（円／千円）を表として取り出す。読み取った値ごとに、元のファイル・ページ・位置を記録する。
3. 正規化：会社ごとに違う科目名を、自社の標準の科目に対応づける（例：「長期借入金」「長期借入金（1年超）」）。対応づけに自信がないものは「未確定」として残す。
4. 照合：3節のルールで数字どうしの整合を確かめる。
5. 指標計算：照合を通った値だけで指標を計算する。経済産業省のローカルベンチマークの財務6指標（売上高増加率、営業利益率、労働生産性、EBITDA有利子負債倍率、営業運転資本回転期間、自己資本比率）は定義が公開されており、計算の検算に使いやすい。
6. 引継ぎ：結果を「確定」「要確認」「不整合」に分けて審査担当者に渡す（4節）。

検算：5÷4.8−1＝0.0417。1.5億÷2,500万＝6.0。6,500万÷（5億÷12＝4,166.7万）＝1.56。いずれも架空の会社の数字です。

3. 照合と根拠提示：誤りを見つける仕組みが本体

読み取りの精度を上げても、誤りはゼロになりません。2023年に公開された金融文書の質問応答の評価用データセット（FinanceBench）の論文では、検索の仕組みと組み合わせたGPT-4-Turboが、試験した質問の81%で誤答または回答拒否になったと報告されています（当時のモデルと構成での結果）。その後、財務諸表の数字の不整合を見つけ、場所を示し、説明する課題を独立に評価する研究（FinVerBench）も出ています。読む力と、矛盾を見つける力は別に評価する必要があるということです。

すべての値に根拠（ファイル名・ページ・位置、読み取った文字列そのもの）を付け、審査担当者が1クリックで元の資料を確認できるようにします。生成AIに要約や所見の下書きを書かせる場合も、文中の数字はすべて抽出済みの表から引用させ、表にない数字を書いたら差し戻す確認を入れます。

照合で見つかる不整合は、読み取りの誤りだけでなく、資料そのものの不備や作成時点の違いでも起きます。原因の判断は審査担当者が行い、仕組みは「合わない」という事実と根拠を示すにとどめます。

4. 人の審査への引継ぎ

審査担当者が値を直したら、元の値・直した値・理由を記録し、誤りの種類ごとに件数を集計して改善に使います。「確定」に入れる基準を緩めると速くなりますが、抜き取り確認で見つかる誤りの率を監視し、基準の変更は記録と承認を経て行います。

5. 評価：何を測るか

誤った「確定」の率は、全体の一致率より重く扱います。一致率が99%でも、残る1%が「確定」に紛れていれば、人は見ないからです。

6. 合成の決算書で演習する（実在企業の資料は使わない）

1. 架空の会社を作る：業種と規模を変えた架空の会社20社について、2期分の貸借対照表・損益計算書・借入金の内訳・金融機関別の借入明細を、整合した数字で作る。
2. 帳票にする：表計算から、書式の違うPDFを数種類作る（科目名の違い、千円単位、2段組みなど）。
3. 不整合を仕込む：20社のうち半分に、内訳の合計と本表のずれ、前期末と当期首のずれ、単位の混在、ページの欠落などを1〜2個ずつ入れ、正解表に記録する。
4. 仕組みを作る：抽出→正規化→照合→指標計算→引継ぎの区分まで。
5. 評価する：5節の指標を、不整合あり・なしで分けて出す。
6. 誤りを分類する：読み取り・対応づけ・照合ルールの不足のどれかに分け、改善案を書く。
7. 報告書を書く：A4で2枚。結論、審査担当者の作業がどう変わるか、限界、運用で監視する指標。

7. 成果物の評価基準

8. 失敗・延期の判断

• 要約から作り始める：所見の文章を先に作ると、数字の誤りが文章に埋もれて見えなくなります。表と照合を先に作ります。
• 資料の形式が多すぎる：手書きや画像の質が低い資料が多い場合は、対象を電子データや特定の形式に絞って始め、残りは人の作業に残します。
• 本番で監視しない：決算書の様式や会計ソフトの出力形式は変わります。月ごとに、区分別の件数、抜き取り確認で見つかった誤りの率、人の修正件数、処理時間を集計し、悪化したら「確定」の基準を一時的に厳しくして原因を調べます。読み取りの部品やモデルを入れ替えたときは、演習と同じ合成の決算書セットで再評価してから切り替えます。
• ログに個人情報や資料をそのまま残す：評価や改善のためのログは、必要な項目だけに絞り、保存期間とアクセスできる人を決めます。改善用のテストデータは合成の資料で作ります。
• 判定への流用：整理した指標をそのまま自動判定に使う場合は、スコアリングモデルとしてモデル・リスク管理の手続に乗せます（モデル・リスク管理の記事）。

9. 学ぶ順番

1. 決算書の構造（貸借対照表・損益計算書・株主資本等変動計算書・勘定科目内訳）
2. 融資の業務フローと審査担当者の作業 → 企業向けの解説
3. 文書の読み取り（表の抽出）と、科目の対応づけ
4. 照合ルールの設計と、誤りの分類・評価
5. 生成AIの出力に根拠を付ける方法と、その確認

求人の必須要件・年収は企業ごとに異なるため、この記事では断定しません。

10. 関連する記事

出典（2026年10月12日確認）

1. 金融庁「AIディスカッションペーパー（第1.1版）」（2026年3月）／第1.0版（2025年3月）
2. 経済産業省「ローカルベンチマーク ガイドブック（支援機関編）」
3. P. Islam ほか「FinanceBench: A New Benchmark for Financial Question Answering」（arXiv 2311.11944、2023年）
4. 「FinVerBench: Benchmark Validity and Calibration in Large Language Model Financial Statement Verification」（arXiv 2605.29586）
5. 金融庁「モデル・リスク管理に関する原則」（2021年11月12日）