入金明細と売掛金の消込候補を作成する

処理の起点を決める

毎朝8時の時刻起動にします。

前日分の入金明細を一括処理する構成です。リアルタイム処理は不要で、むしろ日次でまとめたほうが、まとめ入金の組み合わせ探索がしやすくなります。

入力データを集める

データの取得方法を決める

入金明細： インターネットバンキングから全銀形式（またはCSV）でダウンロードします。ダウンロードの自動化は、銀行がAPIを提供していればAPIで、していなければRPAで行います。RPAでのログイン自動化は、銀行の利用規約で禁止されている場合があります。契約内容を確認してください。

売掛金残高： 会計システムのAPI、または日次エクスポートで取得します。

名寄せ辞書： 過去2年分の消込実績から、「振込名義（カナ）→ 取引先コード」の対応表を作ります。これがこの構成でもっとも効く資産です。 一度作れば、同じ取引先からの入金は以後すべてルールで処理できます。AIを使うのは、辞書にない新しい名義だけになります。

AIへ渡す前に整形する

1. 名義の正規化 … 全角/半角、カタカナ/ひらがな、スペースの有無を揃えます。「カ）」「（カ」「(カ)」を「カブシキガイシャ」に統一します
2. 辞書照合 … 正規化した名義が辞書にあれば、その時点で取引先が確定します
3. 手数料控除の判定 … 入金額に手数料マスタの金額（440円、660円、880円など）を足した値が、未消込請求の金額と一致するかを試します
4. まとめ入金の組み合わせ探索 … その取引先の未消込請求から、合計が入金額と一致する組み合わせを探します。組み合わせが複数ある場合は、支払期日の古い順を優先する規則を先に決めておきます
5. AIを呼ぶ対象の絞り込み … 1〜4で決まらなかったものだけをAIに回します

5が重要です。 名寄せ辞書が育つほどAIを呼ぶ件数は減り、月700件が月100件程度まで下がります。

AIに処理させる

規則で書けない部分だけを任せます。

金額の一致判定と組み合わせ探索は、AIにさせません。 計算はプログラムのほうが確実で速く、費用もかかりません。AIは「どの取引先か」の判断に限定します。

指示内容を固定する

あなたは経理の売掛金担当を支援する担当者です。
以下の入金について、どの取引先からの入金かの候補を挙げてください。

【厳守事項】
- 候補は、提示された取引先マスタの中からのみ選んでください。
  マスタにない取引先を挙げないでください。
- 該当しそうな取引先がない場合は、candidates を空の配列で返してください。
  無理に候補を作らないでください。
- 金額の一致判定は既に行われています。金額から取引先を推測しないでください。
- 各候補には、名義のどの部分が一致すると判断したかを evidence に書いてください。
  書けない候補は挙げないでください。
- 個人名義の場合、その氏名が取引先の代表者名または担当者名として
  マスタに登録されている場合のみ、その法人を候補にしてください。
  登録がなければ候補を挙げないでください。

【入金情報】
振込日: {date} / 振込名義（カナ）: {payer_name}
金額: {amount} / 銀行: {bank} {branch}

【取引先マスタ（カナが部分一致する上位10件）】
{customer_candidates}

【各候補の未消込残高】
{outstanding_by_customer}

「マスタにない取引先を挙げない」「無理に候補を作らない」の2行が重要です。 これがないと、AIは似た響きの取引先を無理に挙げます。間違った消込は、売掛金残高を狂わせ、後の督促で取引先に誤った請求をすることにつながります。 候補ゼロで人に回すほうが、誤った候補を出すよりはるかに安全です。

出力形式を固定する

{
  "candidates": [
    {
      "customer_code": "",
      "customer_name": "",
      "confidence": "high | medium | low",
      "evidence": "",
      "matching_invoices": [
        { "invoice_no": "", "amount": 0 }
      ],
      "amount_difference": 0,
      "difference_reason": "振込手数料 | 一部入金 | 不明"
    }
  ],
  "no_candidate": false,
  "note": ""
}

amount_difference と difference_reason を必ず返させます。差額の理由が「不明」のまま消し込むと、後で原因不明の残高が積み上がります。

システムへ連携する

承認後、会計システムへ消込データを登録します。

多くの国産ERPでは、消込のCSV取込機能が用意されています。 仕様は製品によって異なるため、自社の会計システムのベンダーに確認してください。この部分は利用環境に応じた個別確認が必要です。

消込が確定したら、その「振込名義 → 取引先コード」の対応を名寄せ辞書へ自動で追加します。これにより、次回から同じ名義はルールで処理されます。この学習の仕組みが、運用するほど効率が上がる構造を作ります。

人が確認する

全件、人が承認します。

理由は、消込が会計帳簿を確定させる処理だからです。誤った消込は、売掛金残高の誤り、督促の誤送付、決算数値の誤りにつながります。

ただし、確認の重さを段階で変えます。

ルール照合分を一括承認にすることが、効果の前提です。 ここを1件ずつ見る運用にすると、削減効果は出ません。

例外に対処する

記録を残す

この業務では、ログが監査対応の資料になります。

• 入金明細の原本（銀行からのCSV）
• 各段階の処理結果（ルール照合 / 辞書照合 / 組み合わせ探索 / AI候補）
• AIが挙げた候補と evidence
• 承認者、承認日時
• 人がAIの候補と違う判断をした場合の、変更内容

最後の項目は、名寄せ辞書の改善に直接使えます。AIの候補が誤っていた名義を辞書に正しく登録すれば、同じ誤りは繰り返されません。