会計事務所がAIを定着させる2つの視点と3つのステップ
先日、セミナー後の懇親会で所長先生からこう聞かれました。
「AI-OCRを入れたんだけど、結局2人しか使ってなくて……」
よく聞く話です。
実は私、この手の相談をここ1年で何十件と受けています。
- ChatGPTのアカウントを契約したのに、触っているのは1人だけ
- AI-OCRを導入したのに、なぜか昔のOCRソフトを使い続けている。
- セミナーで聞いた事例を真似しようとしたけれど、うちでは再現できなかった
- 「AIで効率化」と言われても、何から手をつければいいかわからない
こういうこと、ありませんか？
先に結論を言います。
これは、職員のITスキルが低いからでも、
所長先生の導入判断が甘かったからでもありません。
会計事務所には“2種類の仕事”があって、
それぞれに必要なAIの使い方がまったく違う。
この整理ができていないだけです。
今回は、その「2つの視点」と、
AI定着のための「3つのステップ」をお話しします。
～～～～
この記事でわかること
- 会計事務所には「工場（製造）」と「サービス業（アウトプット）」の2つの顔がある
- 製造を改善するAIは工程が整っていることが前提で、アウトプットを改善するAIは個人から始められる
- 定着の3ステップは、工程に分解する・担当と期限を決める・AIを差し込む工程を選ぶ
会計事務所には「工場」と「サービス業」の2つの顔がある
あなたの事務所はどちらに近いですか？
工場としての側面。
資料を回収して、入力して、チェックして、
試算表を作って、申告書を仕上げて、納品する。
決まった業務を、決まった品質で、決まった期日までに処理する。
サービス業としての側面。
顧客の経営状況を読んで、課題を言語化して、
提案して、意思決定を支援する。
知識と経験と対話で、顧客に価値を届ける。
「どちらか」ではありません。
会計事務所は、この2つの側面を同時に持つ、かなり特殊なビジネスです。
これは、業界では「製販分離」という考え方で整理されています。
「製造（入力・チェック・申告書作成）」と
「販売（面談・提案・経営支援）」を分けて考える、という発想です。
同じ「担当税理士」という人間が、
ある日は製造ラインの作業者として動き、
ある日はコンサルタントとして動いている。
この構造こそが、AIの使い方を複雑にしている本質的な理由だと私は思っています。
なぜなら、「工場に使うAI」と「サービス業に使うAI」は、
まったく別物だからです。
～～～～
AIが得意な3つのこと
2種類のAI活用を説明する前に、
「そもそもAIは何が得意なのか」を整理しておきます。
① 情報の集約・分析
大量の情報を短時間で読んで、
要点を整理するのが圧倒的に速い。
たとえば、顧問先の過去3期分の試算表をまとめて読ませて
「この会社の傾向を分析して」と投げると、
人間が1時間かけてやる作業を数十秒でやってくれます。
業界情報の収集、補助金要件の整理、議事録の要約も同じです。
ただし、「速い」と「正確」は別です。
数字の読み間違い、事実の誤認が普通に起きます。
会計事務所という「数字の正確性が命」の現場では、
AIの出力は必ず人間がチェックする。これが大前提です。
② 思考の拡張
「こういう課題があるんだけど、どんな切り口がある？」と投げると、
自分では思いつかなかった視点を返してくれることがあります。
提案書の構成を一緒に考える、
試算表のコメントのたたき台をつくる、
顧客への説明の言葉を整える。
壁打ち相手として使うイメージが近いかもしれません。
ただし、これには条件があります。
出力の質は、投げる側の質問の質に依存します。
「何かいいアイデアある？」という雑な投げ方では、雑な答えが返ってくる。
「この顧問先はこういう課題を持っていて、こういう制約がある。
どんな提案が考えられるか」
という精度の高い問いを立てられる人ほど、AIの力を引き出せます。
つまり、思考の拡張は
「使う人のスキルを底上げするツール」ではなく、
「すでに考えられる人の思考をさらに広げるツール」です。
③ 単純作業の繰り返し
同じパターンの作業を、ミスなく何度でも繰り返すのも得意です。
資料の振り分け、データの転記、定型メッセージの生成、
チェックリストとの突き合わせ。
人間がやると100件目で精度が落ちる作業でも、
AIは1件目と同じ精度でやってくれます。
この3つの中で、最も信頼できる得意分野がここです。
期待を裏切られにくく、導入効果を数字で測りやすい。
～～～～
2つの視点：「製造を改善するAI」と「アウトプットを改善するAI」
AIの得意なことを、会計事務所の2つの顔に当てはめると、
使い方が整理できます。
| AIの得意なこと | 工場としての側面（製造改善） | サービス業としての側面（アウトプット改善） |
|---|---|---|
| 情報の集約・分析 | 異常値検知・過去データとの比較 | 試算表分析・業界動向サマリー |
| 思考の拡張 | ─ | 提案の切り口出し・コメント案の作成 |
| 単純作業の繰り返し | OCR・自動仕訳・リマインド自動化 | 議事録生成・定型レポート作成 |
「どのツールを使うか」より先に、
「この業務でAIの何の能力を借りたいか」を考える。
これだけで、選び方も使い方もぐっとクリアになります。
製造を改善するAI
業務の「速さ・正確さ・コスト」を上げることを目的とするAIです。
- AI-OCRによるスキャンデータの自動読み取りと仕訳案の作成
- 資料の不足検知と督促メッセージの自動送信
- 入力データの異常値検知・過去データとの自動比較
- 進捗管理・リマインドの自動化
ねらいはシンプルです。
同じ品質の仕事を、より少ない工数で届ける。
たとえば、ある事務所ではAI-OCRの導入で
OCRの仕訳単価を20円→１円以下に。
仕訳単価を60〜100円の価格帯で収益化しつつ、
入力工程の工数を大幅に圧縮しています。
製販分離を進めた事務所では、
記帳・入力業務を分離することで
担当者1人あたりの担当件数を20件から60件以上に増やした事例もあります。
これが「製造改善」の威力です。
アウトプットを改善するAI
顧客に渡すものの「質・深さ・スピード」を上げることを目的とするAIです。
- 面談後の議事録・アクションリストの自動生成
- 試算表を読んだコメントのたたき台作成
- 業界動向・補助金情報のサマリー
- 経営支援レポートや提案書の構成支援
ねらいはこちらもシンプルです。
担当者の知的アウトプットの質を、AIで底上げする。
ある担当者がChatGPTで試算表コメントのたたき台を作り始めたところ、
面談前の準備時間が1件あたり約20分短縮できた、という話があります。
月20件の顧問先を持っていれば、
20分×20件＝月に約7時間の余白が生まれる計算です。
この7時間を「もう少し深い提案」や「新しい顧問先への対応」に使えるなら、
これはかなり大きい。
一人の担当者が、より深い提案を、
より多くの顧客に届けられるようにする。
それがアウトプット改善AIの本質です。
～～～～
なぜ「どちらのAIか」を分けて考えることが大事なのか
この2種類は、必要な前提条件がまったく違います。
ここを混同すると、どちらも中途半端に終わります。
製造改善AIは「工程が整っていること」が前提
AIというのは基本的に、
「何かを受け取って（インプット）、何かを返す（アウトプット）」
という構造で動いています。
AI-OCRは、所定フォルダにあるスキャンデータを受け取って仕訳案を返す。
自動リマインドは、未回収の状態を検知してメッセージを送る。
でも、「資料がどこにあるか」が担当者ごとにバラバラなら、
AIに食わせるデータが準備できません。
「誰がいつスキャンするか」が決まっていなければ、
ツールが動くタイミングがない。
ある事務所では、AI-OCRを月額数万円で契約したものの、
資料回収ルールが未整備だったために
月30件の案件のうち実際にAIを通せたのは5〜6件だけ、
という状態が半年続いたそうです。
工程が整っていない事務所でAI-OCRを入れると、
「詳しい人だけが個人で使うツール」で終わります。
これをよく「うちの職員はITに弱いから」で片づけてしまいがちですが、
それはもったいない見立てです。
ツールが悪いのでも、人が悪いのでもありません。
どの業務のどの工程に差し込むか、という設計がなかっただけです。
アウトプット改善AIは「個人のハードルが低い」が「広がりにくい」
一方、アウトプットを改善するAIは、
個人が使い始めるハードルが低いという特徴があります。
ChatGPTやClaudeに「この試算表を見て気になる点をコメントして」と投げれば、
今日から使えます。
工程が整っていなくても、個人の武器として機能します。
ただし、組織全体には広がりにくいという弱点があります。
「田中さんはAIを使いこなしているけど、他のメンバーはまだ……」
という状態が長く続くのは、この理由からです。
製造改善AIは「土台（工程）がないと動かない」。
アウトプット改善AIは「個人では動くけど組織に広がらない」。
この違いを知らないまま導入すると、
どちらも「一部の人だけが使うツール」で止まります。
～～～～
うちの事務所は、どちらのAIが先か
では、自分の事務所にはどちらから取り組むべきか。
事務所の現状によって変わります。
「まず製造改善から」が向いている事務所
- 毎月の業務量が多く、繁忙期に職員がパンクしている
- 入力・チェック・申告書作成に時間がかかりすぎている
- 担当者によって仕事の速さや品質にばらつきがある
- 顧問先のITリテラシーが比較的低く、記帳代行が中心
この状態でアウトプット改善のAIを入れても、
そもそも提案に使う時間が捻出できません。
製販分離を進めた事務所では、
入力・資料整理を分離しただけで
通常期の残業が月60時間から20時間に減った事例もあります。
まず製造ラインを整えて、余白をつくることが先決です。
「まずアウトプット改善から」が向いている事務所
- 基本的な業務フローはなんとか回っている
- 顧問先からの相談対応・経営支援をもっと充実させたい
- 顧問料を上げたいが、「何が変わるのか」を説明しにくい
- 顧問先がクラウド会計を使っており、入力工数はすでに少ない
この場合、担当者の提案力・対話の質をAIで底上げすることが、
顧問料の引き上げや顧客満足度の向上に直結します。
両方詰まっている場合の順序
「製造もアウトプットも両方なんとかしたい」という場合、
組織への展開は製造改善を先に整えることをお勧めします。
製造ラインが整うと余白が生まれ、
その余白が「アウトプット改善に使える時間」になるからです。
ただし、所長先生ご自身がアウトプット改善AIを個人で使い始めることは、今すぐできます。
むしろ、所長先生が先に「これは便利だ」と体感することが、
工程整備へのモチベーションになるケースも多い。
「組織への展開」は製造改善が先。
「個人での試用」は今日から始められる。
この2つは並行して進めて大丈夫です。
～～～～
製造改善AIを機能させる3つのステップ
ここからが実践編です。
「製造改善から始めよう」と決めた場合、
次に必要なのが業務の工程を整えることです。
工程とは、
「インプット（受け取るもの）とアウトプット（渡すもの）が
決まっている仕事のまとまり」です。
たとえば月次記帳代行であれば、こう分けられます。
- 工程1：資料回収（顧客からの資料を所定フォルダに格納し、チェックリストを完了させる）
- 工程2：振り分け・スキャン（格納されたデータをスキャン・整理する）
- 工程3：入力・仕訳確定（会計ソフト上の仕訳データを完成させる）
- 工程4：レビュー（確認済みの試算表を仕上げる）
- 工程5：報告・返却（顧客への報告を完了させる）
このように工程が明確になると、
「工程2と3の間にAI-OCRを差し込める」という判断が初めてできます。
「どのタイミングでAIを走らせるか」が、設計として見えてくるからです。
ステップ①：1つの業務を選んで工程に分解する
全部一気にやる必要はありません。
まず「繁忙期に一番詰まっている業務」を1つ選んで、
工程に分解してみてください。
月次記帳代行でも、年次決算でも、年末調整でも構いません。
「受け取る→処理する→渡す」の流れを5つ前後に分けるだけで、
今まで見えなかったボトルネックが見えてきます。
ステップ②：工程ごとに担当と期限を決める
「田中さんが空いているときにやる」ではなく、
「資料回収完了は毎月10日まで、担当：佐藤・田中」という形にします。
担当と期限が決まって初めて、
工程は「設計」から「運用」になります。
ここがいわゆる「属人化」が起きるポイントでもあります。
担当と期限を明確にすることは、
属人化の見える化にもなるのです。
ステップ③：どの工程にAIを入れるかを判断する
工程が整ったら、各工程を見渡して、
「ここはパターン処理が多い。AIが得意な部分だ」という箇所を見つけます。
判断基準はシンプルです。
- 繰り返しが多い工程（入力・転記・チェック）→ AI向き
- 判断が必要な工程（レビュー・顧客対応）→ 人間が主役、AIは補助
- コミュニケーションが必要な工程（資料催促・報告）→ 定型部分はAI、個別対応は人間
この順序で進めると、
「導入したけど誰も使っていない」という失敗がほぼなくなります。
～～～～
アウトプット改善AIは、個人から始めてチームに広げる
アウトプット改善のAIは、アプローチが違います。
こちらは個人が使い始めて、その効果を周囲に見せることで広がる
という進め方が向いています。
まず1人が使って「これは便利だ」を見せる
まず担当者が自分の業務の中で使ってみる。
「これ、試算表のコメントを作るの速くなったよ」
「面談前にこのお客さんの課題を整理するのに使ったら、話が深くなった」
こういう体験が積み重なると、周囲が自然に興味を持ちます。
先ほどの例で言えば、
面談準備が1件20分短縮×月20件＝月7時間。
その7時間で「今までできなかった提案」を1件でも実行できたら、
周りの担当者も「自分も使ってみたい」となります。
チーム展開は「使い方の型」を標準化する
その段階で、
「じゃあうちのフォーマットに合わせたプロンプト（指示文）を作ろう」
という話になる。
事務所共通の使い方を標準化する、という流れです。
ここで一点、注意があります。
先ほど述べたように、「思考の拡張」としてのAIは、
使う人の問いの質に出力が依存します。
「いいプロンプトを作った人だけが使いこなせる」状態にならないよう、
「うちの事務所ではどんな問いを立てるか」を標準化するプロセスが、
チーム展開では重要になります。
たとえば、こんな型を事務所で共有します。
- 試算表コメント用：「この会社は○○業で、前期比で売上が△%変動している。主な変動要因と、次回面談で確認すべきポイントを3つ挙げて」
- 面談準備用：「この顧問先の直近3ヶ月の試算表から読み取れる課題と、経営者に伝えるべきポイントを整理して」
単にツールを共有するだけでなく、
「使い方の型」を一緒に作っていく。
これがアウトプット改善AIの定着のコツです。
～～～～
まとめ：事務所の最適解は「2つの視点」の掛け合わせで決まる
今日お伝えしたことを整理します。
会計事務所には「工場としての側面」と「サービス業としての側面」の2つがあります。
業界では「製販分離」と呼ばれる、この構造の理解がAI活用の出発点です。
AIにはそもそも3つの得意なことがあります。
情報の集約・分析、思考の拡張、単純作業の繰り返し。
ただし、集約・分析は「チェック必須」、
思考の拡張は「問いの質に依存する」という条件つきです。
AI活用も、事務所の2つの顔に合わせて2つの視点で分けて考えます。
製造を改善するAIは、業務工程を整えることで機能します。
工程が整っていない事務所に入れても、
「一部の人だけ使うツール」で終わります。
アウトプットを改善するAIは、
個人から始めて、使い方の型を標準化することでチームに広がります。
顧問料の引き上げや顧客満足度の向上に直結します。
そして、どちらを先にやるかは、事務所の現状によって変わります。
- 業務が詰まっているなら、まず製造改善から
- 提案力を上げたいなら、アウトプット改善から
- 両方なら、組織展開は製造改善が先で、個人試用は今すぐ
定着のための3つのステップは、
①1つの業務を工程に分解する
②工程ごとに担当と期限を決める
③パターン処理が多い工程にAIを差し込む
「AIをあこがれで終わらせない」ための第一歩は、
この2つの視点を区別して、
自分の事務所に何が必要かを判断することです。
「うちはどちらから手をつけたらいいかわからない」という場合は、
ぜひ一度ご相談ください。
一緒に整理していきましょう。
今日も良い一日を！
よくある質問
- AIツールを導入したのに、一部の職員しか使わないのはなぜですか？
-
職員のITスキルの問題ではないことがほとんどです。
製造を改善するAIは、工程が整っていないと動きません。
どの業務のどの工程に差し込むかという設計がないと、
詳しい人だけが使うツールで終わってしまいます。 - 会計事務所のAI活用は、何から始めればいいですか？
-
繁忙期に業務が詰まっているなら、まず製造の改善からです。
業務は回っていて提案力を上げたいなら、アウトプットの改善から始めます。
組織への展開は製造改善が先、個人での試用は今日からで大丈夫です。 - どの工程にAIを入れるべきか、どう判断すればいいですか？
-
繰り返しが多い入力・転記・チェックは、AI向きです。
レビューや顧客対応のように判断が必要な工程は、人が主役でAIは補助です。
資料催促や報告は、定型部分をAIに任せ、個別対応は人が担います。
あわせて読みたい記事
