財務におけるAIの測定：決算期間、請求書1件あたりのコスト、予測精度
Turn this article into takeaways for your work.
Each assistant summarizes the article only for you and suggests best practices for your work.
財務におけるAIの測定とは、財務部門がすでに信頼している少数の運用指標（決算日数、請求書1件あたりのコスト、予測誤差）を選び、ツールの稼働前にそれぞれを記録し、稼働後に同じ定義で比較することを意味します。 難しいのはツールそのものではありません。難しいのは、数字が動いたのは閑散期だったからでも、新しい人が入ったからでも、定義が変わったからでもなく、AIのおかげだと、CFOや監査人に証明することです。
本記事は、AIのパイロットを1つ以上稼働させている、またはこれから始めようとしていて、結果を報告する必要があるコントローラー、財務ディレクター、FP&Aリーダー向けです。月次決算、買掛金管理、FP&Aのプロセスガイドを土台にしています。まだ導入の初期段階にある場合は、より広い問いであるAIのROIの証明が難しい理由も参考になります。
重要なポイント
- 2018年にCFO.comが報じたAPQCの総合会計ベンチマーク調査では、回答者2,300人のうち、上位25%の組織は決算に暦日で4.8日以内、中央値は6.4日、下位25%は10日以上でした（CFO.com）。
- この指標でのサイクルタイムは、試算表の実行から連結財務諸表の完成までを指し、実作業と待ち時間の両方を含みます（CFO.com）。
- Ardent Partnersの2025年版State of ePayablesレポートは、AP・財務のリーダー204人を対象とし、最優秀クラスのAPチームは請求書1件あたり$2.65で、平均は$12.42でした（Ardent Partners）。
- 予測の教科書的なガイダンスは、MAPEを絶対パーセント誤差の平均と定義し、実績値がゼロのときパーセント指標は無限大または未定義になり、ゼロに近いときは不安定になると警告しています（Hyndman and Athanasopoulos）。
- 同じテキストは、テストセットが理想的には必要な最長の予測期間と同じ長さ以上であるべきだと述べ、各予測がそれ以前のデータだけを使うローリングオリジン評価についても説明しています（Hyndman and Athanasopoulos）。
財務チームがパイロットの前に測定計画を必要とする理由
財務のAIパイロットの多くは、感覚で評価されます。AP担当者は速くなったと言い、コントローラーは決算が「スムーズに感じられた」と言いますが、6か月後には、どれだけ変わったのか誰にも言えません。これには2つの理由で問題があります。
1つ目は予算です。結果を示せないツールは、役に立っていたとしても、次の計画サイクルで削られます。2つ目は統制です。AIのステップが財務報告に関わるなら、それが許容範囲内で動いている証拠が必要になります。内部統制ガイドでは、その証拠としてバックテストと精度の結果を挙げています。測定は二重の役割を果たします。
よいニュースは、財務にはすでによく理解された指標があることです。新しいAIのスコアカードは必要ありません。必要なのは、整ったベースラインを備えた従来のスコアカードです。
3つの基軸指標
決算期間
決算期間とは、試算表の実行から連結財務諸表の完成までの暦日数です。これが上記のAPQCの指標の定義であり、実作業だけでなく待ち時間も含みます。
ベンチマークの幅は、有用な背景情報になります。中央値が6.4日で、上位四分位が4.8日以内、下位四分位が10日以上ということは、よい決算と遅い決算の差が数日あるということです。ただし、これは2018年の1つの調査の質問に対する報告ですので、おおよその位置を知るために使い、目標の設定には使わないでください。誰かの中央値よりも、自社の推移のほうが重要です。
AIが動かすべきもの：照合にかかる時間、手動仕訳の件数、明細表の催促にかかる時間、決算後の調整です。AIだけでは動かしてはならないもの：最終承認のステップで、これは引き続き人が行います。
請求書1件あたりのコスト
請求書1件あたりのコストとは、ある期間にAPプロセスを運営するための全部込みのコストを、その期間に処理した請求書の件数で割ったものです。「全部込み」の範囲は、チームの意見が分かれるところです。AP担当者の給与だけを数えるチームもあれば、ソフトウェア、銀行手数料、間接費、他部門の承認者の時間を加えるチームもあります。
Ardentの数字は、幅の感覚をつかむのに役立ちます。最優秀クラスのチームが$2.65、平均が$12.42です。これをそのまま事業計画に転用しないでください。レポートのサンプル、請求書の構成、コストの定義は、自社と一致しません。ベンダーがベンチマークを示してきたら、その数字に何が含まれているのかを尋ねてください。コストの構成要素は自社で定義するものであり、唯一のルールは、前後で同じものを使うことです。
AIが動かすべきもの：請求書1件あたりの処理時間、手動での仕訳入力が必要な請求書の割合、例外処理の時間、検知された二重支払です。件数も重要です。買収後に請求書の件数が2倍になれば、総コストは増えても請求書1件あたりのコストは下がることがあり、それ自体は問題ありませんが、レポートにそのことを明記してください。
予測精度
予測精度とは、モデルが見ていないデータで測定した、予測が実際に起きたことにどれだけ近かったかを表すものです。教科書的な指標は、平均絶対誤差（MAE）、二乗平均平方根誤差（RMSE）、平均絶対パーセント誤差（MAPE）です。MAPEはパーセントで表されるため財務でよく使われますが、ゼロ付近では機能しなくなります。そのため、正味キャッシュフローよりも売上に向いています。ゼロをまたぐ項目には、MAEかスケール調整した指標を代わりに使ってください。この選択については、キャッシュフロー予測ガイドでさらに詳しく扱っています。
予測の指標を誠実に保つ習慣が2つあります。1つは、モデルを当てはめた履歴ではなく、必ず取り置いた期間で評価することです。当てはめ精度は、実際の精度よりも常に良く見えるからです。もう1つは、「来月は昨年の同じ月と同じ」のような素朴なベースラインと比較することです。AIモデルが自社のデータでそれを上回れないなら、その存在価値を示せていません。FP&Aガイドでは、単純な手法がしばしば健闘する理由を説明しています。
AIが動かすべきもの：明細行ごと、期間ごとの誤差、バイアス（一貫して過大または過小に予測していないか）、期末から予測資料の完成までの日数です。
測定表
1ページのスコアカードの骨組みとして使ってください。自社のプロセスに合わせて行を追加します。
| 指標 | 定義・計算式 | ベースラインの方法 | AIが動かすべきもの |
|---|---|---|---|
| 決算期間 | 試算表から連結財務諸表までの暦日数（待ち時間を含む） | 直近6～12回の決算、同じ定義、四半期末と年度末は別に追跡する場合を除いて除外 | 照合時間、手動仕訳、催促の時間。日数は短縮するはず |
| 決算あたりの手動仕訳件数 | 手作業で転記した仕訳の件数 | 同じ決算期の元帳から件数を取得 | 照合と見越計上が提案されるにつれて、件数が減る |
| 決算後の調整 | 決算完了を宣言した後に計上された仕訳 | 決算日より後の日付の元帳仕訳 | 増えてはならない。増加は、品質を犠牲にした速度を示す |
| 請求書1件あたりのコスト | 期間内の全部込みのAPコスト ÷ 期間内に処理した請求書数 | 1四半期分のコストと件数、コストの構成要素を書き出したうえで | 処理時間、手動での仕訳入力の割合、例外処理 |
| タッチレス率 | 人の修正なしに転記された請求書 ÷ 全請求書 | 直近の請求書のシステムログのサンプル | 精度とともに上昇するはず |
| 項目の精度と修正率 | レビュー担当者が変更した項目 ÷ 抽出された項目 | 自社の請求書に対するレビュー担当者のサンプル | 修正率は時間とともに低下するはず |
| 予測誤差（MAE、MAPE） | 絶対誤差、または絶対パーセント誤差の平均 | 素朴な予測と現行の手法を、同じ取り置き期間で採点 | 2つのベースラインに対する誤差を、明細行ごと、期間ごとに |
| 予測バイアス | 符号付き誤差の平均 | 同じ取り置き期間 | ゼロに近づくはず |
| 予測のサイクルタイム | 期末から予測資料の完成までの日数 | 直近6サイクル | 日数は短縮するはず |
| 上書き率 | 人がAIの出力を変更した項目 ÷ 全項目 | パイロット開始時から | 初期は高く、信頼とチューニングが改善するにつれて低下する |
ベースラインをステップごとに設定する方法
1つのプロセスと、2～3つの指標を選びます。 すべてを測りたい気持ちを抑えてください。決算なら決算期間と手動仕訳の件数、APならば請求書1件あたりのコストとタッチレス率、予測なら1つの予測項目の誤差とバイアスです。
定義を書き留めます。 時計はどこで始まり、どこで止まるのか。どのコストを含めるのか。どの請求書を除外するのか。今1段落書いておけば、後の議論を防げます。
履歴を取得します。 できれば少なくとも6期間分を使い、1か月の異常値でベースラインが決まらないようにします。買収、システム移行、休日の多い月など、特異な事情はメモしておきます。
誰かがプロセスを変える前に記録します。 パイロットは、熱意だけで、スナップショットなしに始まりがちです。各指標の元データが信頼できる程度に整っているかを確認するには、データ準備ガイドが参考になります。
素朴な比較を加えます。 予測では、「昨年と同じ」や「直近の値」の予測を同じ期間で採点します。決算の場合、比較対象は単に昨年の推移です。
可能なら並行して実行します。 数サイクルのあいだ、従来のプロセスとAI支援のプロセスを並べて走らせ、明細行ごとに比較します。これは、監査人が見たがる内容でもあります。
テスト用のデータを取り置きます。 予測では、少なくとも最長の予測期間と同じ長さの直近の期間をモデルに見せずに取り置き、各予測が過去のデータだけを見るように、ローリングオリジン評価を使います。
決まったスケジュールで報告します。 毎サイクル、同じ指標、同じ定義です。毎回、現在の数字の隣にベースラインを置いてください。
職種別の例
コントローラー、月次決算。 ある中堅企業のコントローラーが、直近8回の決算について暦日数と手動仕訳の件数を記録し、その範囲を書き留めたとします。銀行口座とグループ会社間勘定に自動照合を追加した後、コントローラーは同じ2つの数字に加えて、決算後の調整を追跡します。目標は、日数の減少、手動仕訳の減少、調整は横ばいです。調整が横ばいであることが、決算の短縮に説得力を与えます。
APマネージャー。 あるチームが毎月の請求書件数を数え、含めているすべてのコスト、つまりAP担当者の給与、ソフトウェア、銀行手数料、調達部門の時間の一部を書き出します。文書の読み取りを展開した後は、請求書1件あたりのコスト、タッチレス率、レビュー担当者の修正率を報告します。修正率が早期警戒のサインです。タッチレス率が上がるのと同時に修正も増えているなら、そのツールは誤りを下流に押し出しています。
FP&Aリーダー。 チームが現行の売上予測、素朴な季節予測、機械学習モデルを、直近12か月の取り置きデータで採点します。モデルが一部の製品ラインでは素朴なベースラインを上回り、他では下回ったとします。チームは勝っているところにモデルを導入し、それ以外では従来の手法を維持します。誠実に報告された混在した結果は、「AIで精度が向上しました」という一括の主張よりも価値があります。
よくある落とし穴
ベースラインがありません。 最も多い失敗です。以前の数字がなければ、どの結果も逸話にすぎません。
プロジェクトの途中で定義を変えます。 稼働後に「決算」が別のステップから始まるようになれば、短縮された日数の一部は会計上のトリックです。
品質を測らず速度だけを測ります。 決算後の調整が増えた速い決算や、二重支払が増えた速い請求書処理は、改善ではありません。速度の指標には、必ず品質の指標を組み合わせてください。品質面は、精度管理ガイドで扱っています。
学習データで予測を採点します。 当てはめ精度は、実際の精度を過大に見せます。
実績がゼロになる場合にMAPEを使います。 正味キャッシュフローや小さな費用項目では、誤解を招くパーセンテージが出ます。それらを扱える指標を選んでください。
定義のないままベンチマークを借用します。 ベンダーの「請求書1件あたりの平均コスト」は、自社とは異なるコストを数えているかもしれません。同じ条件のものを比較するか、比較しないかのどちらかです。
すべてをAIの手柄にします。 季節性、件数の変動、新しいスタッフ、プロセスの整理は、いずれもこれらの数字を動かします。可能であれば、ツールを使わない1つの法人や製品ラインのような、対照群を残してください。
平均してストーリーを消してしまいます。 明細行、法人、請求書の種類ごとに報告してください。良好な平均が、ツールがうまく機能していない区分を隠すことがあります。
コスト面を無視します。 ソフトウェア、導入、レビューの時間、手戻りは、ROIに含めるべきものです。
今四半期にやるべきこと
1つのプロセスを選んでください。2つの指標の定義を平易な言葉で書き、6期間分の履歴を取得し、素朴な比較を採点します。1週間の作業で、次のパイロットが物語から結果に変わります。そのうえで、稼働前に、どんな結果を成功とみなし、何があれば中止するのかを合意しておきます。
Head of Finance Strategy