GmailとAIで実現する請求書処理自動化：経理用プロンプト集

月末の「転記作業」から解放される日

「またこの季節が来たか…」

月末になると、Gmailの受信トレイは請求書が添付されたメールで溢れかえります。PDFを開き、請求金額を目で確認し、スプレッドシートや会計ソフトへ手入力する。単純だけど、絶対に間違えられないプレッシャー。この「転記作業」に、あなたの貴重な時間のどれくらいが奪われているでしょうか。

AIエージェント開発や業務システム設計の現場において、最もインパクトが大きいのは、こうした「現場の定型業務」の自動化です。長年の開発現場で培った知見から言えるのは、技術の本質を見抜き、ビジネスへの最短距離を描くことが重要だということです。

多くの企業が「経理DX」と称して高額なSaaS（Software as a Service）を導入しますが、実はそこまでしなくても、手元のGmailと生成AI（ChatGPTやGeminiなど）を組み合わせるだけで、驚くほど精度の高い自動化システムが作れます。「まず動くものを作る」というプロトタイプ思考で、仮説を即座に形にして検証してみましょう。

今回は、エンジニアがいない中小規模の企業や一人社長の方でもすぐに試せるよう、「コピペして使えるAIへの指示書（プロンプト）」をテンプレートとして用意しました。これを活用すれば、あなたのGmailは単なるメールボックスから、優秀な経理アシスタントへと進化します。

さあ、単純作業はAIに任せて、人間はもっと価値のある「経営数字の分析」に時間を使いましょう。

1. このテンプレート集で実現できる経理の自動化とは（見出し番号を調整）

まず、私たちが目指すゴールの全体像を共有しましょう。これから構築するのは、単に文字を読み取るだけのOCR（光学文字認識）ではありません。文脈を理解し、整理整頓まで行う「インテリジェントなデータパイプライン」です。

Gmailに届く請求書の山を自動処理する全体像

通常、人間が行っているプロセスを分解すると、以下のようになります。

1. 受信: メールを開き、請求書（PDFや本文）を確認する。
2. 抽出: 取引先名、金額、日付、登録番号などを読み取る。
3. 判断: これが「通信費」なのか「消耗品費」なのかを判断する。
4. 入力: 指定のフォーマット（Excelや会計ソフト）に入力する。

今回紹介する手法では、この「2. 抽出」「3. 判断」「4. 入力データの作成」を生成AIに任せます。

具体的には、Gmailの内容（本文や添付ファイルのテキストデータ）をAIに渡し、事前に用意したプロンプトに従って処理させ、その結果をGoogleスプレッドシートに自動で書き込ませるという流れです。これにより、人間は最終的な「確認」だけを行えば良くなります。

本記事のテンプレートの使い方とカスタマイズ範囲

本記事で提供するプロンプトテンプレートは、ChatGPT（最新モデル推奨）やGoogle Gemini、Claudeなどの生成AIに入力して使用します。

各テンプレートには、{{ここにメール本文を貼り付け}} といったプレースホルダー（書き換え箇所）や、自社のルールに合わせて調整すべきパラメータが含まれています。これらを状況に合わせて微調整するだけで、すぐに実務レベルのアウトプットが得られるよう設計しました。

AI OCR導入で削減できる具体的な作業時間

適切に導入した場合、月間約150件の請求書処理を行っていた経理部門で、入力作業だけで月間約12時間の削減に成功した事例があります。さらに大きかったのは「入力ミスの撲滅」です。人間は疲れると数字を見間違えますが、AIは疲れません。

ただし、AIも万能ではありません。「ハルシネーション（もっともらしい嘘）」をつくリスクはゼロではないため、完全に人間を排除するのではなく、「AIが下書きし、人間が承認する」というプロセスを組むことが、実務運用における成功の鍵です。

2. AIを経理アシスタントに育てるためのプロンプト設計の基本（見出し番号の整理）

AIに正確な仕事をさせるためには、正確な指示が必要です。これを「プロンプトエンジニアリング」と呼びますが、難しく考える必要はありません。要は「新人のアルバイトに業務マニュアルを渡す」のと同じ感覚です。

「曖昧な指示」がミスを生む：経理特有の厳密さの伝え方

「このメールから金額を抜き出して」

これだけでは、AIは混乱します。税抜金額なのか、税込なのか。合計金額なのか、明細の金額なのか。あるいは、メールの署名欄にある電話番号を金額と勘違いするかもしれません。

経理業務において「だいたい合ってる」は「間違っている」と同義です。AIに対しては、以下の3要素を明確に伝える必要があります。

• Role（役割）: あなたは誰として振る舞うべきか
• Context（背景情報）: 何のための処理か
• Constraints（制約条件）: 絶対に守るべきルールは何か

OCR精度を高めるための「役割定義」フレームワーク

実務の現場で推奨される、経理特化型のプロンプト構成は以下の通りです。

あなたはベテランの経理担当者です。
以下のメール文面から、請求書データを抽出し、会計システム用の台帳を作成してください。
数字の正確性は最優先事項です。不明な点は勝手に補完せず「不明」と出力してください。

このように「ベテラン経理担当者」という役割を与えるだけで、AIの出力精度、特に文脈理解の質が向上することが一般的な傾向として分かっています。

個人情報と機密情報の取り扱いルール

AIサービスを利用する際、最も注意すべきはデータガバナンスです。無料版のChatGPTなどでは、入力データが学習に使われる可能性があります。

企業情報や個人情報を含む請求書データを扱う場合は、必ず「学習に利用されない設定（オプトアウト）」を行っている環境、またはAPI経由での利用を推奨します。また、プロンプト内でも「個人名はイニシャルに変換せよ」といったマスキング指示を入れることで、リスクを低減できます。

3. テンプレート①【基本抽出】：請求書メールから主要項目を抜き出す

それでは、実践的なテンプレートを見ていきましょう。まずは基本となる「主要4項目（取引先、日付、金額、インボイス番号）」の抽出です。

メール本文・添付PDFテキストから4大要素を抽出する

請求書メールは、本文に請求内容が書かれている場合と、PDFが添付されている場合があります。最近のAIモデルは画像認識も可能ですが、ここでは汎用性を高めるため、テキストデータからの抽出を想定します。

プロンプト例：金額・日付・取引先・インボイス番号

以下のプロンプトをコピーして、AIチャットツールで試してみてください。

# 指示
あなたは優秀な経理アシスタントです。
以下の【メール本文】から、請求書データを抽出し、指定の【出力フォーマット】に従って出力してください。

# 制約条件
- 金額は必ず「税込合計金額」を抽出すること。
- 金額に「,（カンマ）」や「円」を含めず、半角数字のみで出力すること。
- 日付は「YYYY/MM/DD」形式に統一すること。年が省略されている場合は、メール受信日（{{受信日}}）の年を補完すること。
- インボイス登録番号（Tから始まる13桁の数字）があれば抽出すること。なければ「null」とすること。

# 出力フォーマット
- 取引先名: 
- 請求日: 
- 税込合計金額: 
- インボイス番号: 

# 【メール本文】
{{ここにメール本文を貼り付け}}

表記ゆれ（(株)や株式会社）を統一させる指示

実務で困るのが「表記ゆれ」です。「（株）ＡＢＣ」「株式会社ABC」「ABC Inc.」これらが混在すると、集計時に別々の取引先として扱われてしまいます。

これを防ぐには、上記の制約条件に以下の一行を追加します。

• 取引先名は法人格を省略せず、「株式会社」「有限会社」などで正式に記載すること。また、半角カタカナは全角に変換すること。

これだけで、データベースとしての品質がグッと上がります。

4. テンプレート②【高度な構造化】：スプレッドシート直結のJSON形式出力

テキスト形式での出力は人間には読みやすいですが、システム連携には不向きです。Google Apps Script (GAS) などで自動処理を行うなら、プログラムが理解しやすい「JSON形式」で出力させましょう。

システム連携を前提とした厳格な出力スキーマ

JSON形式にすることで、スプレッドシートへの転記だけでなく、会計ソフトへのAPI連携も見据えたデータ構造を作ることができます。

プロンプト例：明細行ごとのデータ構造化

# 指示
以下のテキストから請求書情報を抽出し、JSON形式で出力してください。
余計な解説文は不要です。JSONデータのみを返してください。

# JSONスキーマ
{
  "vendor_name": "文字列（取引先名）",
  "billing_date": "YYYY-MM-DD",
  "total_amount_inc_tax": 数値（税込合計）,
  "tax_rate_10_percent_amount": 数値（10%対象額）,
  "tax_rate_8_percent_amount": 数値（8%対象額）,
  "invoice_number": "文字列（T+13桁数字 または null）",
  "items": [
    {
      "item_name": "品目名",
      "unit_price": 単価,
      "quantity": 数量,
      "line_total": 行合計
    }
  ]
}

# 【テキストデータ】
{{ここにテキストデータを貼り付け}}

複数税率（8%・10%）が混在する場合の処理

インボイス制度以降、軽減税率（8%）の処理は複雑化しています。上記のJSONスキーマのように、tax_rate_10_percent_amount と tax_rate_8_percent_amount を分けて定義しておくことで、AIに対して「税率ごとに集計する必要がある」という意図を暗黙的に伝えることができます。

もしAIが計算ミスをする場合は、「明細行の合計と、請求総額が一致するか検算してください」という指示を追加すると、精度が劇的に向上します（これをChain-of-Thoughtプロンプティングと呼びます）。

5. テンプレート③【仕訳・分類】：勘定科目と部門の自動判定

データ抽出ができたら、次はその中身の「意味」を理解させましょう。これがAIの真骨頂です。キーワードマッチングだけでは難しい「文脈による勘定科目の判定」を行います。

取引内容から勘定科目を推測させるロジック

例えば、「Amazon」からの請求書でも、購入したものが「コピー用紙」なら消耗品費、「技術書」なら新聞図書費、「サーバー代」なら通信費かもしれません。AIに明細（品目名）を読ませることで、適切な科目を推論させます。

プロンプト例：過去データに基づく部門コード付与

# 指示
抽出した請求書データに基づき、適切な「勘定科目」と「部門コード」を推測して付与してください。

# 参照データ（勘定科目リスト）
- 消耗品費: 事務用品、PC周辺機器など
- 通信費: インターネット回線、サーバー利用料、切手など
- 交際費: 飲食代、贈答品など
- 新聞図書費: 書籍、定期購読など

# ルール
1. 明細の品目名から最も適切と思われる科目を一つ選んでください。
2. 確信が持てない場合は「仮払金」とし、備考に「要確認」と記載してください。
3. 部門については、内容が「開発」に関連すれば「DEV001」、「営業」に関連すれば「SAL002」を割り当ててください。

# 出力フォーマット
勘定科目: 
部門コード: 
推論理由: 

「不明」な場合のフラグ立てルール

AIに無理やり答えを出させると、誤った仕訳が計上されるリスクがあります。上記のルールの通り、「確信度が低い場合は『仮払金』や『未確定』にする」という逃げ道を用意してあげることが、システム全体の信頼性を保つコツです。

6. テンプレート④【異常検知】：インボイス制度対応と不正チェック

最後に、人間の目の代わりとなる「チェック機能」を実装します。AIはパターン認識が得意であり、最新のモデルでは複雑な論理的整合性の確認も可能になっています。通常とは異なる異常値や形式不備、インボイス制度上の要件を満たしているかを自動でスクリーニングする仕組みを構築しましょう。

登録番号の形式チェックと有効性確認の準備

インボイス制度では、登録番号（T+13桁）が記載されているか、そしてその番号が有効かが重要です。ここでは単なる文字列の一致だけでなく、AIに「監査視点」を持たせるプロンプトを設計します。

プロンプト例：請求日のズレや重複請求の警告

最新のAI技術トレンドでは、モデル自体が推論時に計算や論理検証を行う「推論時コンピュート（Inference-time compute）」の能力が向上しており、以前のように複雑な計算手順を人間が細かく指示しなくても、高い精度で整合性を判断できるようになりつつあります。

しかし、経理業務においては「結果」だけでなく「なぜその判断をしたか」という根拠（監視可能性：Monitorability）が不可欠です。そのため、プロンプトには判定結果だけでなく、検証プロセスを出力させる項目を設けます。

# 指示
抽出したデータに対して、経理的なリスクチェックを行ってください。
各項目についてステップバイステップで検証し、その根拠を明示した上で判定を行ってください。

# チェックリスト
1. インボイス番号形式: Tから始まる13桁の半角数字であるか。
2. 日付の妥当性: 請求日が {{対象月}} の範囲内か。あまりに古い日付や未来の日付ではないか。
3. 金額の異常: 合計金額が100万円を超える高額請求ではないか。
4. 必須項目の欠落: 取引先名や日付が空欄になっていないか。

# 出力フォーマット
検証プロセス: (各チェック項目の判断根拠を簡潔に記述)
ステータス: [OK / WARNING]
警告内容: (問題がある場合のみ具体的に記述)

異常値（金額の桁間違い等）のアラート設定

このプロンプトを通すことで、スプレッドシートに書き込まれた際に「WARNING」の行だけ赤色にする、といった条件付き書式設定が可能になります。

また、検証プロセスを出力させておくことで、後から「なぜAIがこれを警告したのか」を追跡できます。人間は赤い行と検証コメントを重点的にチェックすれば良いため、確認作業の負荷と心理的ストレスが大幅に軽減されるでしょう。

7. 実装ガイド：GASと連携して完全自動化へ

ここまで作成したプロンプトを、毎回手動でChatGPTにコピペしていては本当の自動化とは言えません。Google Apps Script (GAS) を使って、GmailとAI API（OpenAI APIなど）をつなぎましょう。

作成したプロンプトをGoogle Apps Scriptに組み込む手順

詳細なコードは長くなるため割愛しますが、概念的な実装ステップは以下の通りです。

1. Gmail取得: GASで特定のラベル（例: invoice_inbox）がついた未読メールを取得する。
2. プロンプト構築: 取得したメール本文を、今回作成したテンプレートの {{メール本文}} 部分に代入する。
3. APIリクエスト: OpenAI APIのエンドポイントに、構築したプロンプトを投げる。
4. レスポンス処理: 返ってきたJSONデータをパース（解析）し、スプレッドシートの最終行に追加する。
5. ラベル変更: 処理済みメールには processed ラベルを付け、重複処理を防ぐ。

APIコストを抑えるためのトークン節約術

メール本文には、過去の返信履歴や署名など、請求処理に関係のない情報が大量に含まれています。これらをすべてAPIに投げるとコストがかさみます。
GAS側で、-----Original Message----- 以降をカットしたり、正規表現で添付ファイルのテキストのみを抽出したりする前処理を行うことで、トークン消費量を節約し、かつAIの精度を高めることができます。

まずは「下書き」作成から始める安全な運用フロー

いきなり会計ソフトに自動登録するのは危険です。まずはスプレッドシートに「下書き一覧」として出力し、週に一度人間が目視確認して「承認」ボタンを押すとCSVが出力される、といった半自動化フローから始めることを強くお勧めします。

これは「Human-in-the-loop（人間がループの中にいる）」と呼ばれる設計思想で、AIシステムの信頼性を担保する基本形です。

まとめ：AIは「最強の事務アシスタント」になれる

今回ご紹介したプロンプトテンプレートを使えば、専門的なプログラミング知識がなくても、高精度な請求書処理システムを構築できます。

• 基本抽出: 正確なデータ読み取り
• 構造化: システム連携用のJSON化
• 判断: 勘定科目の自動推論
• 検知: インボイス不備や異常値の発見

これらを組み合わせることで、あなたの経理業務は劇的に効率化されます。しかし、真の価値は「空いた時間」にあります。

入力作業から解放されたあなたは、その時間でコスト分析をしたり、より良い仕入先を探したり、経営陣に財務面からの提案を行ったりできるはずです。それこそが、AI時代における経理担当者の新しい価値なのです。

まずは一番シンプルな「テンプレート①」から試してみてください。その精度の高さに、きっと驚くはずです。

【無料ダウンロード】経理自動化プロンプト・コンプリートセット

本記事で紹介したテンプレートに加え、さらに詳細な例外処理パターンやGAS連携用サンプルコードを活用することで、より高度な自動化が可能になります。インターネット上には、コピー＆ペーストですぐに使えるテキストファイル形式の完全版ガイドやプロンプト集が無料で公開されていることも多いため、ぜひ探してみてください。