TL;DR
請求書の読み取りをクリーンなデジタル請求書で試すと、テストした4モデルのうち3つが、9項目すべてを30枚中30枚で正しく読み取りました。同じ請求書をスキャン風に加工したものでは、最良のモデルでも30枚中22枚でした。間違いが金額にあることはほとんどありませんでした。VAT IDと請求書番号にありました。そして定番の安全策である「税抜金額+VATが合計に一致するか」の検算がフラグを立てたのは、誤りのあった63枚のうち3枚だけでした。VAT IDに関する2つの単純なルールで、上位3モデルの誤りのあった32枚のうち31枚を検出できました。最も安いモデルは請求書1,000枚あたり USD 0.43 でしたが、スキャンでは価格が17倍のモデルに並ばなくなりました。30枚中14枚に対して22枚です。Gemini 3.8 FlashはSonnetの22枚に、およそ半額で並びました。
このテストは2026年10月22日に、新しい架空の請求書のセットで再実行しました。この記事の数字はすべて再実行のものです。
Denysです。フルスタック・AIエンジニアです。今年、請求書読み取りのプロトタイプを作りました。PDFの請求書を項目に変換するWebアプリとAPIで、自信のない項目は人間が確認できるようにフラグを立てます。サンプルデータで動いていて、背後にモデルはありません。そこで請求書の読み取りについて書く前に、実際にテストしました。チェコ、ドイツ、ポルトガルの架空の仕入先請求書30枚、4モデル、240回の呼び出しで、請求額は USD 0.76 でした。
請求書の読み取りで、AIは何を正しく、何を間違える?
各モデルは、すべての請求書を2通りで読み取りました。会計ソフトが出力するPDFのようなクリーンなレンダリングと、グレーで少し傾き、ぼやけて圧縮された、スキャン風に加工したものです。請求書が「正しい」と数えるのは、9項目がすべて一致したときだけです。請求書番号、発行日、支払期日、仕入先のVAT ID、請求先のVAT ID、通貨、税抜合計、VAT合計、税込合計の9項目です。
| モデル | クリーン、9項目すべて正解 | スキャン、9項目すべて正解 | 請求書1,000枚あたりのUSD | 1枚あたりの処理時間の中央値(秒) |
|---|---|---|---|---|
| Claude Haiku 5.5 | 30枚中30枚 | 30枚中14枚 | 0.43 | 6.13 |
| Claude Sonnet 5.5 | 30枚中30枚 | 30枚中22枚 | 7.18 | 8.50 |
| Gemini 3.8 Flash | 30枚中30枚 | 30枚中22枚 | 3.51 | 8.43 |
| GPT-5.6 Luna | 30枚中29枚 | 30枚中0枚 | 1.52 | 10.85 |
費用は、OpenRouterが各呼び出しに実際に請求した額で、定価からの見積もりではありません。クリーンな請求書ではClaude Haiku 5.5とClaude Sonnet 5.5は同じ正解数で、どちらも30枚中30枚でした。スキャンではSonnetが22枚、Haikuが14枚を正しく読み取り、費用は約17倍でした。
請求書のデータ抽出に、いまもOCRは必要?
このテストでは、独立した工程としては不要でした。4モデルとも、ページを画像として受け取り、9項目を直接返しました。間にOCRの層はありません。結果を左右するのはページの質です。会計ソフトが出力したクリーンなPDFにはテキスト層がありますが、スキャンにはなく、ピクセルだけです。上の表の「スキャン」の列は、まさにOCRの品質の問題で、モデルの差が出るのもここです。最も良いモデルはスキャン30枚中22枚を正しく読み取り、最も弱いモデルは1枚も読み取れませんでした。
従来型のOCRエンジンやテンプレート型のツールは試していないため、同じ30枚でどの程度の結果になるかは分かりません。このテストが示すのは、モデルがスキャンを読むときのリスクの所在です。それはVAT IDと請求書番号で、後述のチェックで見つけられます。
テストはどう設計した?
請求書はスクリプトで生成したので、すべての正解値が1セント単位で分かっています。請求書は架空のもので、会社名にはVzor、Muster、Beispiel、Exemplo が入り、すべての請求書の下部に現地語で「SAMPLE - fictitious invoice / no real company」と書かれたフッターがあります。それぞれに、その国の経理担当者が実際に出会う落とし穴を入れました。
- 現地の数字の書式。 チェコ語の
175 011,84 Kč、ドイツ語の10.465,61 €、ポルトガルの請求書では1 234,56と1.234,56の両方。 - 請求書番号の隣にあるもう1つの識別子。 チェコの変動シンボル、ドイツの顧客番号、ポルトガルのATCUDコード。
- もう1つの日付。 チェコの課税対象取引日とドイツのサービス提供日が、発行日の隣にあります。
- 1ページに2つのVAT ID。 さらに、VAT IDに見えるがそうではないドイツの税番号(Steuernummer)。
- 難しいケース。 複数のVAT税率、VATなしの請求書、リバースチャージの請求書、金額がマイナスのクレジットノート、各国9行の請求書。
すべてのVAT IDには有効なチェックディジットがあり、python-stdnumライブラリで検証済みで、どれも登録されていません。使った33個のID(仕入先ID 30個と国ごとの請求先ID 1個)をそれぞれEUのVIESサービスで調べ、すべて「not valid」と返ってきました。チェコのIDの元になっているチェコの企業番号11個も、チェコの事業者登録簿ARESで調べましたが、見つかりませんでした。4モデルすべてに同じプロンプトを、temperature 0、画像1枚につき1回の呼び出しで与えました。
なぜ合計額の検算はほとんど何も見つけなかった?
「税抜金額+VATが税込合計に一致するか」の確認は、ほとんどの読み取りパイプラインが最初に入れるルールで、私のプロトタイプも使っています。このテストでは、4モデル合計で誤りのあった63枚のうち3枚にフラグを立てました。Gemini 3.8 Flashのスキャン1枚(cz06。税込合計が間違い)、GPT-5.6 Lunaのスキャン1枚(cz08。発行日、請求先のVAT ID、税抜合計、VATが間違い)、Lunaのクリーンな請求書1枚(pt02。税抜合計が間違い)です。
理由は、誤りの場所にあります。Claude Haiku 5.5、Claude Sonnet 5.5、Gemini 3.8 Flashの3つは合計32件の誤読をしましたが、金額が間違っていたのは2件だけです。上のGeminiのスキャンと、税抜合計とVAT合計がわずかにずれていたものの税抜+VATが税込合計とまだ一致していたためチェックが黙ったままだったHaikuのスキャン(cz09)です。残りは、VAT IDの数字や、FV-2026-0738をFV-2026-0758と読んだ請求書番号の数字を読み違えたものでした。GPT-5.6 Lunaは7枚の請求書で実際に金額を間違えましたが、そのうち5枚では税抜、VAT、税込がそれでも合っていました。モデルは、読み取った他の内容と整合する合計を読みます。だから算術のチェックは、モデルの間違いの大半を素通りさせてしまいます。
どのチェックが誤りを見つける?
VAT IDに関する2つのルールで、どちらも数行のコードです。
- チェックディジット。 VAT IDの末尾には、他の桁から計算したチェックディジットがあります。DIČの元になるチェコの企業番号とポルトガルのNIFはモジュロ11、ドイツのUSt-IdNrはISO 7064です。python-stdnumのようなライブラリは、この3つすべてを実装しています。1桁の読み間違いは、ほぼ確実にこれを壊します。
- 自社のVAT ID。 受け取る請求書では、請求先は自社です。自社のものではない請求先VAT IDは、誤りか、その請求書が自社宛てではなかったことを意味します。
残った1件、Geminiのスキャンのcz06は、税込合計が間違っていました。VAT IDのルールではこれは見えず、Geminiは自信のない項目を挙げないので、合計額の検算だけが見つけました。各モデルに自信のない項目を挙げてもらいました。
| モデル | 誤りのある請求書 | 2つのルールで検出 | 「自信なし」フラグだけで検出 | 検出できず | 正しいのにフラグが付いた請求書 |
|---|---|---|---|---|---|
| Claude Haiku 5.5 | 16 | 16 | 0 | 0 | 44枚中13枚 |
| Claude Sonnet 5.5 | 8 | 8 | 0 | 0 | 52枚中19枚 |
| Gemini 3.8 Flash | 8 | 7 | 0 | 1 | 52枚中0枚 |
| GPT-5.6 Luna | 31 | 30 | 0 | 1 | 29枚中0枚 |
Gemini 3.8 Flashは項目を「自信なし」として挙げることが一度もなかったため、このモデルでは頼れるのはチェックだけです。今回は2つのルールが、誤りのあった8枚のうち7枚を検出し、残り1枚は合計額の検算が検出しました。Claudeの2モデルは、少なすぎるのではなく多すぎるくらいにフラグを付けました。Haikuは正しい44枚のうち13枚(30%)、Sonnetは52枚のうち19枚(37%)にフラグを付け、すべてスキャン版で、クリーンな請求書にフラグを付けたものは1枚もありません。買掛金管理では、担当者がさっと確認するコストの方が誤った支払いより小さいので、これは望ましい取引です。
ほかに2点ありました。GPT-5.6 Lunaの誤りはIDだけに限りませんでした。誤りのあった31枚のうち30枚がスキャンで、20枚は請求書番号が、13枚は発行日が、15枚は支払期日が間違っていて、7枚の請求書で金額の項目が15個間違っていました。「検出できず」の列にある1枚は、税抜合計が間違ったクリーンな請求書pt02で、2つのルールも自信なしフラグも見逃しましたが、合計額の検算は見逃しませんでした。また、チェックディジットはすべての読み違いを検出できるわけではありません。間違った番号が有効になることもあるからです。ただし今回の実行では、2つのルールを両方通過した誤ったVAT IDはありませんでした。
請求書の読み取りにはどのモデルを使うべき?
このデータセットでのスキャン結果は次のとおりです。Claude Sonnet 5.5は30枚中22枚で誤りは8枚、請求書1,000枚あたり USD 7.18。Gemini 3.8 Flashも30枚中22枚で誤りは8枚、USD 3.51でおよそ半額。Claude Haiku 5.5は30枚中14枚で誤りは16枚、USD 0.43です。GeminiはSonnetと同じ精度をおよそ半額で出しましたが、自信なしの項目を一切挙げません。Geminiの誤りのある請求書は、VAT IDの2つのルール(7枚)と合計額の検算(1枚)が検出したのに対し、Sonnetは正しい52枚のうち19枚にもフラグを付けました。チェックを併用すれば、HaikuとSonnetのどちらでも誤りのある請求書が黙って通り抜けることはなく、最も安いモデルで増えるのは訂正すべき誤りのある請求書(16枚と8枚)であって、元帳に入る誤りではありません。請求書ごとにモデルへ送るなら、モデルが大きなコストになることはまれです。AIエージェントの費用も同じ構造です。GPT-5.6 Lunaは、このテストではスキャンに使えません。
このランキングは、30枚の請求書による1回のテストの結果です。選ぶ前に、自社の請求書を2〜3のモデルで試してください。
そもそもモデルは必要?
多くの場合は不要で、国によっては年々不要になっています。請求書の画像をモデルに送る前に、データがすでにファイルの中にないか確認してください。
- 日本。 適格請求書には、発行事業者の登録番号(「T」+13桁)の記載が必要です。国税庁は、どの番号も照会できる公開サイトを運営しています。そのため、モデルが読み取った仕入先IDは、ヨーロッパのVAT IDと同じように検証できます(国税庁 適格請求書発行事業者公表サイト、国税庁 タックスアンサー No.6625)。
- ポルトガル。 認証済みソフトウェアが出力するすべての請求書には、双方のNIF、日付、請求書番号、ATCUD、税率ごとの課税標準額とVATを含むQRコードが必須です(Portaria n.º 195/2020、ATのQRコード仕様)。QRコードを読めば、ほとんどの項目が正確に得られます。
- ドイツ。 2025年1月1日から、通常のPDFはドイツの事業者間では電子請求書として扱われなくなりました。移行期間中は紙とPDFの請求書も認められ、この期間はすべての事業者について2027年末に終わります(連邦財務省のFAQ)。XRechnungとZUGFeRDの請求書には、直接読める構造化データが含まれています。
- チェコ。 多くの会計ツールは、PDFの中にISDOCのデータ層を埋め込みます。Fakturoidは2022年12月から、すべてのPDF請求書に追加しています(Fakturoid)。
つまり、うまくいく順序はこうです。データ層があればそれを読み、残りだけをモデルに送り、そのうえでチェックを実行します。モデルは最初の手段ではなく、フォールバックです。
抽出した項目は、どうやってExcelや会計システムに入る?
下にリンクしたアーカイブには、すべての結果を1抽出1行で並べたCSVがすでに入っているので、出力はそのままExcelで開けます。私の請求書読み取りのプロトタイプも、アプリの水準で同じ仕組みです。承認済みの項目をエクスポートでき、PDFを受け取って請求書ごとに項目をJSONで返すAPI呼び出しを1つ備えています。
そこから先は、CSVやXLSXのファイルをファイル取り込みに対応した会計システムへインポートするか、小さなスクリプトでJSONを渡します。プロトタイプはサンプルデータで動いており、特定の会計製品とは接続していません。明細行を含めてPDFからExcelの2シート構成のブックまで作る実行については、PDF請求書をExcelにデータ化:AIが必要なときと不要なときをご覧ください。
会社のどの業務を自動化する価値があるかまだ見極めている段階でしたら、選ぶところからお手伝いし、その後に構築まで行います。詳しくは中小企業向けAI導入支援・AIコンサルをご覧ください。 小さな会社でAIを最初に使うもう一つの定番は顧客メッセージです。WhatsAppチャットボットの1返信あたりの費用を、Metaの料金込みでまとめています。
このテストで分からないことは?
- 請求書は架空のものです。 国ごとに1つのレイアウトを、スクリプトで、サンプルの会社名を使って生成しました。実際の仕入先請求書は、はるかにばらつきます。
- スキャンは加工による再現です。 クリーンなレンダリングに、ぼかし、傾き、ノイズ、JPEG圧縮を加えたもので、スキャナーで読んだ紙やスマホの写真ではありません。
- 請求書1枚につき1回の呼び出し、30枚のセットが1つです。 セットによって結果は大きくぶれます。この記事は最初、別の30枚のセットで実行しており、Haiku、Sonnet、Geminiのスキャン結果は30枚中22、22、17枚でした。このセットでは14、22、22枚です。各国には請求先VAT IDが1つあり、10枚の請求書で繰り返されるため、1つの読み違えた文字列で最大10枚の請求書が同時に誤りになりえます。
- 価格は変わります。 費用は、2026年10月22日にOpenRouterが請求した額です。
- 対象は9項目だけです。 明細行、IBAN、支払条件は含みません。
自社の請求書で再現するには
- 実際の請求書を30〜50枚選びます。受け取る中で最も悪いスキャンも含めてください。正解値は手で書き出します。
- 1つのプロンプトと、自信のない項目のリストを含む固定の出力スキーマを、temperature 0で使います。
- 2〜3のモデルを実行し、定価ではなく、呼び出しごとの実際の請求額を記録します。
- 項目単位ではなく、請求書単位で採点します。VAT IDの1桁の誤りは、誤りのある請求書です。
- チェックディジットのルールと自社VAT IDのルールを加えて、何を検出するか測ります。
- 仕入先のソフトウェアがデータ層を提供しているなら、まずそれを読みます。
スクリプト、生成した請求書、すべての結果は1つのアーカイブにまとめています。ジェネレーター、実行スクリプト、採点スクリプト、そして240回の読み取りすべてを収めたCSVです。これを買掛金の業務プロセスに組み込みたい場合は、ワークフロー自動化の一部として対応できます。
すでに運用している業務の流れにこのような読み取りを加えたい場合は、既存プロダクトへのAI組み込みとして対応できます。
関連記事: 文書管理システム 中小企業向けを価格で比較.
似たケース
不動産の証明書を、2〜3週間かかりEUR 200〜300かかっていたものから、2〜3分でEUR 99のものに変えるサービスを、スクリプトとビジョンAIで作りました。構築の内容は不動産書類の自動化の事例にあります。
請求書のデータを手作業で、または信頼できないツールで抽出していますか?ご連絡ください。最適な選択肢を一緒に考えます。