AIによる支出分析：会社の支出を分類し、削減する

著者: Jane Ha · 更新日: 2026年10月11日

AIによる支出分析とは、機械学習と言語モデルを使って、会社が何を、誰から、いくらで購入しているかを整理・分類・分析することです。これにより、財務部門と調達部門は、削減余地、重複する仕入先、合意済みの契約の外で行われた購買を見つけられます。 難しいのは分類の段階です。すべての請求書の明細が一貫したカテゴリに収まるまでは、CFOの単純な問いに誰も答えられません。外注の人件費、運賃、ソフトウェアに、いくら使っていて、何社の仕入先を使っているのか、という問いです。

本記事は、帳簿のどこかにお金が眠っているとは思うものの、それが見えていないCFO、財務ディレクター、コントローラー、調達担当者向けです。AI for Financeコレクションの中で、事業の購買側を掘り下げる記事にあたります。部門全体の視点は、ハブであるFP&AにおけるAIからお読みください。これらの発見に基づいて動くエージェントについては、AI調達エージェントをご覧ください。

重要なポイント

• GAOの支出分析に関する報告書（GAO-04-870、2004年）は、支出分析を、誰が購買者で、誰が仕入先で、何にいくら使っていて、どこで購買力を活かせるかを示すツールと説明しています。民間企業が、調達への戦略的アプローチの土台としてこれを使っていることも明らかにしました（GAO）。
• 同報告書では、保健福祉省（HHS）が2002会計年度の契約案件約49億ドルを調べ、集約の余地がある24のサービスカテゴリ（約17億ドル相当）を特定しました（GAO-04-870）。
• これとは別に、HHSは、事務用品、機器、IT周辺機器の割引契約によって価格が7〜54%下がり、年間で少なくとも950万ドルに相当すると見積もりました（GAO-04-870）。
• Deloitteの2025年Global Chief Procurement Officer Survey（40か国のCPO 250人超）では、上位4分の1の「Digital Masters」が予算の最大24%をテクノロジーに投じ、生成AIで平均3.2倍のリターンを得ていました。追随する組織の予測は1.5倍をわずかに上回る程度です（Deloitte）。
• 同じ調査では、CPOの64%が、サプライチェーンの可視性の向上をリスク軽減策の上位3つに挙げていました（Deloitte）。

支出分析の役割

支出分析は、すでに使ったお金について4つの問いに答えます。何を買ったか。誰から買ったか。交渉した条件で買ったか。もっと良い買い方はできなかったか。

従来の支出分析では、コンサルタント、数か月の期間、表計算ソフトでこれらに答えていました。チームが1年分の買掛金管理のデータを抽出し、仕入先名を手作業で統一し、明細をカテゴリに割り当てて、1回限りのキューブを作ります。完成するころには、内容は古くなっています。2004年のGAOのレビューは、この考え方が昔からあることを示しています。目指すところは変わっていません。変わったのは、モデルが分類作業を継続的に行えるようになったことです。

AIが役立つ場面は4つあります。

1. クレンジング。 「Acme Corp」「ACME Corporation Ltd」「Acme Inc.」を、1つの仕入先レコードにまとめます。
2. 分類。 明細の説明、仕入先、勘定科目、金額を合わせて使い、請求書や発注書の各明細を分類体系のカテゴリに割り当てます。
3. 検知。 削減余地を示すパターンを見つけます。同じ品目の価格差、推奨されていない仕入先からの購買、数百社に散らばったテールスペンドなどです。
4. 説明。 アナリストが「今四半期のマーケティングサービスの支出は何が変わったか」と普通の言葉で尋ね、明細までたどれる答えを得られます。

AIが支出を分類する仕組み

実際の支出の多くは、整っていません。明細は「雑コンサル 第3四半期」とだけ書かれ、カード取引は加盟店名しかなく、勘定科目は何でも入る受け皿です。ルールエンジンは「仕入先がFedExなら運賃」といった処理はできますが、ロングテールには対応できません。

分類モデルは、通常、複数のシグナルを組み合わせます。

• テキスト。 明細の説明、発注書のテキスト、契約のタイトルです。言語モデルは、略語や誤字も含めてうまく読み取ります。
• 仕入先。 仕入先がおもに何を販売しているかを、その仕入先の他の明細から学習します。
• 文脈。 勘定科目、コストセンター、金額、承認者です。
• フィードバック。 アナリストによる過去の修正で、これが学習用の事例になります。

出力は、カテゴリと信頼度スコアです。信頼度が高い明細は自動で分類されます。信頼度が低い明細や金額が大きい明細は、人に回されます。これは最も単純な形のヒューマン・イン・ザ・ループの設計であり、修正のたびにモデルが学習するため、精度が時間とともに向上する理由でもあります。

モデルより分類体系が重要

モデルは、仕分け先のカテゴリの質以上には役立ちません。多くの企業は、勘定科目を軸にした社内の分類体系を使っています。UNSPSC（国連標準製品サービス分類コード）のような標準を採用する企業もあります。これは、大分類から、ファミリー、クラスを経て、個々の商品に至る階層です。標準の分類体系なら、事業部間での支出比較、外部データとのベンチマーク、仕入先とのデータ共有が容易になります。

実践上のルールが2つあります。1つ目は、実際に使える深さを選ぶことです。すべてのアナリストが理解できる3階層の分類体系は、誰も信用しない10階層のものに勝ります。2つ目は、分類体系と勘定科目表を意図的に対応付けることです。そうすれば、財務と調達は、切り口が違うだけの同じ合計を見ることになります。

分析で見つかること

支出がきれいに分類されると、削減につながるパターンが見えてきます。次の表は、それぞれがどう見えるか、どう対処するかを示しています。

最初に見るべきは契約外購買です。契約がすでにあるため、修正の費用が最も小さくて済みます。誰も調達イベントを実施する必要はなく、契約を使うのが楽な道になるようにするだけです。

GAOの例は、規模感を思い出させてくれます。HHSの集約に向けたレビューは、魔法のような仕入先を1社見つけたわけではありません。契約の支出をサービスと仕入先のカテゴリに分け、そのうえで、より少なく大きな契約にまとめる意味のある場所を探しました。同じ考え方は中堅企業にも当てはまります。目標は、すべてのベンダーを絞り上げることではなく、分散によってどこで交渉力を失っているかを見ることです。

職種別の実例

調達。 ファシリティサービスのカテゴリマネージャーが、22の拠点で14社の清掃・保守の仕入先を使っていることに気づいたとします。AIによる分類で、すべて同じカテゴリを販売していることが確認できます。マネージャーは地域で1回の入札を実施し、離れた2拠点には地元のバックアップ仕入先を残します。

買掛金管理。 買掛金管理の責任者が、同じ法人が3つの仕入先IDで登録され、支払条件がそれぞれ少しずつ異なることを発見します。これらを統合すれば、二重支払いのリスクがなくなり、調達部門は実際の合計額を把握できます。請求書の読み取りと照合の仕組みは、買掛金管理におけるAIで解説しています。

経費とカード支出。 従業員のカード取引は、典型的なテールです。加盟店と明細の説明で分類します。財務は、カードで購入されたソフトウェアのサブスクリプションが、ライセンス契約済みの全社ツールと重複していることに気づきます。ポリシーと異常検知の面は、AIによる経費管理で扱っています。

FP&A。 来年度の予算を作るアナリストは、前年の勘定科目別合計ではなく、カテゴリ別に分類した支出をベースラインとして使います。30%増えたカテゴリは、上積みを認める前にまず問い直されます。計画の面はFP&AにおけるAIにあります。

財務リーダー。 CFOが知りたい数字は1つです。上位20社の仕入先にいくら支払っていて、そのうち契約に基づく割合はどれだけか。以前は、この答えを得るのにプロジェクトが必要でした。きれいな分類があれば、ダッシュボードで分かります。

AIによる支出分析をステップごとに導入する

1. まず問いを決めます。 「支出を減らす」では漠然としすぎています。目標を選びます。間接費のカテゴリで契約外支出を見つける、ファシリティの仕入先を集約する、来年度の予算のベースラインを作る、などです。
2. データを、ある場所から集めます。 買掛金管理の請求書、発注書、カードのフィード、契約、仕入先マスタです。季節性が現れるよう、少なくとも12か月分を含めます。準備状況は、AIのための財務データの準備状況で確認してください。
3. 仕入先マスタを整理します。 重複を統合し、名称を標準化し、親会社がある場合は紐付けます。この1つの手順が、どんなモデルよりも仕入先数を大きく変えることがよくあります。
4. 分類体系を選びます。 自社のカテゴリツリーか、UNSPSCのような標準を使い、勘定科目表と対応付けます。
5. 分類し、サンプルをレビューします。 モデルにすべてを分類させ、調達のアナリストにランダムなサンプルと、金額が大きい明細および信頼度が低い明細のすべてを確認させます。誤り率は、全体だけでなくカテゴリ別に記録します。
6. 検知の工程を実行します。 契約外購買、価格差異、重複する仕入先、契約からの逸脱を探します。発見事項の件数ではなく、回収できる金額の順に並べます。
7. 担当者を割り当てます。 すべての発見事項に、調達または財務の担当者と期限を付けます。担当者のいない発見事項は、誰も開かないダッシュボードになります。
8. ループを閉じます。 修正をモデルに戻し、毎月再実行して、分析を最新に保ちます。そうしないと、また1回限りのキューブになってしまいます。

避けるべき落とし穴

分類は解決済みと思い込む。 全体として精度が高いモデルでも、特定のニッチなカテゴリでは、はるかに高い頻度で誤ることがあります。お金が動いている場所で精度を測ってください。

仕入先マスタを後回しにする。 「Acme」が5つのレコードに分かれていれば、モデルは忠実に5社の仕入先を分析します。先に整理してください。

現場に持ち込むと崩れる削減を追う。 書面上は8%削減できても、現地のサービスレベルを損なう仕入先の集約は、割に合いません。何かを変える前に、調達と予算の責任者が合意しておく必要があります。

価格以外の価値を無視する。 支出分析が見るのは請求書です。品質、リードタイム、取引関係は見えません。会話を終わらせるためではなく、始めるために使ってください。

言語モデルに計算させる。 モデルは分類と説明に使います。合計は、基幹システムまたはクエリから出し、すべての数値を明細までさかのぼれるようにします。同じ原則は、財務におけるAIのハルシネーションのリスク全般に当てはまります。

ガバナンスを見落とす。 支出データには、仕入先の価格設定と、場合によっては従業員の経費に含まれる個人データが入っています。読み込む前に、誰が何を見られるかを決めてください。

測定すべき指標

• 分類のカバー率： 信頼度のしきい値を超えて分類された支出の割合と、レビューが必要な割合。
• カテゴリ別の精度： サンプルレビューによる誤り率。
• 対象となる支出額： 集約、契約、価格の機会を見つけたカテゴリの金額。
• 契約遵守率： カテゴリ内の支出のうち、推奨仕入先に支払われた割合。
• 実現した削減額： 実際に損益計算書に反映された額で、財務と合意したもの。見込みの削減額とは別にします。

実現した削減額と見込みの削減額は、別々の行にします。混ぜてしまうのは、財務チームの信頼を失う最短の道です。

次に読む記事

今四半期に1つだけやるなら、ファシリティ、マーケティングサービス、ソフトウェアなど、間接費のカテゴリを1つ選び、その仕入先レコードを整理し、12か月分の支出を分類して、契約外購買を探してください。そのうえで、AI調達エージェントを読み、発見事項がどう行動につながるかを確認し、より広い領域については調達管理をお読みください。分類したベースラインを計画に取り込むには、FP&AにおけるAIをご利用ください。