書類の読み取り・文字起こしをAIで行う精度比較
請求書・名刺・手書きメモなど17種の検証結果
「うちの書類、AIで自動でデータ化できないか」。よく聞かれる問いですが、答えは書類の種類で大きく変わります。私たちは請求書・名刺・レシートから、手書きメモ・グラフ・見積書の検算まで、17種類の書類とタスクを自作サンプルで用意し、生成AIに実際に処理させて結果を記録しました。うまくいった例だけでなく、AIが外した例も含めて、種類ごとの「任せられる／任せられない」を一次データで示します。
17種の横断比較（実検証データ）
各行のリンクから、その書類を実際にAIに処理させた検証レポート（入力サンプル・結果・限界）に飛べます。判定は「明示された情報をそのまま読めるか」を基準に3段階で並べました。
TIER 1 ── そのまま実用：明示情報を構造ごと読む（9種）
| 書類／タスク | AIができたこと（実検証） | 限界（正直に） |
|---|---|---|
| 請求書 | 標準／複数税率／手書き風の3種で抽出ミス0。軽減8%・10%の税区分と集計も正確 | クリーン画像での結果。汚れ・かすれは未検証 |
| 名刺 | 標準／デザインの2種で全項目正確。TEL/FAX/携帯のラベル区別・階層も保持 | 2パターンのみ。履歴書の空欄の扱いは別の検証（空欄を埋めた回答は0件） |
| レシート | 12明細＋傾き・低コントラスト画像で取りこぼし0。軽減税率・カード下4桁も正確 | 2パターンのみ。記載の矛盾の点検は別の検証（Haiku 4.5は登録番号の桁を数え違えた） |
| 車検証の記載事項 | 文字で渡した13件の転記は4回とも全件正確。型式と車台番号、所有者と使用者の取り違えは0件 | 文字のサンプル1つ・各1回。写真と二次元コードは未確認 |
| 生命保険料控除証明書 | 文字で渡した12件の転記は4回とも全件正確。契約者・被保険者・受取人、払込保険料と差引払込保険料の取り違えは0件 | 文字のサンプル1つ・各1回。写真と複数枚の合算は未確認 |
| 宅配便の送り状 | 文字で渡した13件の転記は4回とも全件正確。手書きで訂正された個数は4回とも訂正後の3と読んだ | 文字のサンプル1つ・各1回。写真と本物の手書きは未確認 |
| 自動車税の納税通知書 | 文字で渡した13件の転記は4回とも全件正確。納付すべき額の1,000円の食い違いは4回とも指摘 | 文字のサンプル1つ・各1回。画像と税額の正否は未確認 |
| ねんきん定期便 | 文字で渡した18件の転記は4回とも全件正確。加入期間の合計の食い違いは4回とも指摘 | 文字のサンプル1つ・各1回。画像と年金額の正否は未確認 |
| 給与明細 | 金額の転記は4回中3回で全件正確。Opus 5.5は合計の一致・500円の食い違いを正しく判定 | 2枚・各1回。Haiku 4.5は誤読による誤報と見逃しが各1回 |
| 表／結合セル | 16セル正確。縦結合・階層見出しを各行に展開してCSV化 | 罫線が明確な表で検証 |
| 値札 | 取り消し線の元値と割引後を取り違えず、単価・割引率も正確 | 手書き値引きは未検証 |
| 飲食メニュー | 暗背景＋金文字でも全項目。コースの「ドリンク付」など付帯条件も保持 | 2パターンのみ |
| 利用規約の抽出 | 解約・返金・免責・禁止を条番号つきで抽出。否定形「返金しない」も正確 | 要約であり法的解釈は別 |
| 会社名の名寄せ | 前株／後株／カナの表記ゆれを1社に統合しつつ、別企業は誤統合せず | 法人格の確定には法人番号が必要 |
| 申込書のチェック | 崩れ5種のうち意図が明確な3/3を正答。曖昧なものはAIが自ら「曖昧」と申告し誤読0 | 本物の雑な手書きチェックは別 |
TIER 2 ── 条件つき実用：内容を解釈して整理する（5種）
| 書類／タスク | AIができたこと（実検証） | 限界（正直に） |
|---|---|---|
| 議事録のToDo抽出 | ToDo5件を担当・期限つきで抽出。間接依頼も検出し、雑談は除外 | 抽出基準の設計に依存 |
| アンケート分類 | 12件を8カテゴリに整理。複合意見を複数観点に分解し、要望2件も抽出 | カテゴリ設計に精度が依存 |
| メール仕分け | 6通を緊急度3層に。「至急」表記がなくても内容から「高」と判定 | 優先度の閾値に主観が残る |
| ビジネス翻訳 | 定型敬語を英語の慣習に変換し、省略された主語をwe/Iで補完 | 文化依存の婉曲（前向きに検討）は含意が落ちる |
| 文章校正 | 仕込んだ誤り4個を全検出。正しい固有名詞・専門用語は過剰指摘ゼロ | 「直しすぎ」の境界は文脈に依存 |
TIER 3 ── 人の確認が必須：推定・計算・本物の手書き（3種）
| 書類／タスク | AIができたこと（実検証） | 使いどころ |
|---|---|---|
| グラフの数値 | ラベルありは5本すべて完全正確。大小・順位も正しく把握 | ラベルなしは目分量で最大±5ずれ（検証画像の目盛りのずれの影響を含む。2026年9月25日に訂正） → ラベル付きのみ信頼する |
| ホワイトボード | 文字の転記は4回とも誤り0件。隠れた数字は作らず、矢印の意味も足さなかった。取り消し線の「赤」は、Haiku 4.5が2回とも色の値として並べた | 1枚・2通りの依頼文で各1回。手書き風フォントで作った画像で、撮影した写真は未検証 |
| 在庫表 | 品名・数量・単位は4回とも誤り0件。書き直した数量は書き直し後の数字で返し、単位の換算はしなかった | 2枚・各1回。手書き風フォントでの結果で、本物の手書きは未検証 |
| シフト表 | 読めるマスの転記は4回とも誤り0件。塗りつぶしのマスは「読めない」、空欄は「空欄」と返した | 2枚・各1回。手書き風フォントでの結果で、本物の手書きは未検証 |
| 手書きメモ | 手書き「風」フォント・整った字は日付／電話番号まで正確 | 本物の癖字・殴り書きは対象外 → 印字・整字に限る |
| 見積書の検算 | 仕込んだ計算ミス2件を検出し、連動修正まで提示 | LLMの計算は万能でない → ミス発見の補助に。検算の保証は別手段と併用。3社の見積書の比較表づくりは別の検証（Haiku 4.5はただ頼むと税込の額を税抜の欄に入れた） |
なぜこの境界が生まれるのか
17本を通して、AIが強い領域と外す領域はきれいに分かれました。理由は、いまの生成AI（マルチモーダルLLM）の得意・不得意の構造そのものにあります。
- 得意：書かれている情報を構造ごと認識する。請求書の金額、表の結合セル、規約の条番号のように「画像や文章に明示された情報」を、項目の関係（階層・対応づけ）ごと読み取るのは安定して正確でした。
- 苦手①：描かれていない数値を推定する。ラベルのない棒グラフのように「目分量で読むしかない」ものは、傾向は当てても数値は最大±5ずれました（この誤差には検証画像の目盛りのずれの影響が混ざっており、グラフの記事で訂正しています）。
- 苦手②：学習データから外れた字形。整った手書き「風」は読めても、本物の癖字・殴り書きのように崩れた字は別物として外しました。
- 苦手③：論理的な正しさの保証。計算ミスの「発見」はできても、計算自体の正しさを保証する用途（検算）や、法的な解釈には向きません。
実務での使い分け
- そのまま任せてよい（Tier 1）：請求書・名刺・レシート・表・規約など。人は最終チェックのみで、転記作業を仕組みに置き換えられます。
- 条件つきで任せる（Tier 2）：分類・仕分け・翻訳・校正など。カテゴリ定義や判定ルールを先に固定し、サンプルで人とすり合わせてから回すと安定します。
- 人の確認が必須（Tier 3）：目分量の読み取り・本物の手書き・計算の保証。AIは下書きや候補出しに留め、最終的な数値と判断は人が持ちます。
書類ごとに「任せてよい・下書きまで・人が必ず見る」を並べた表は、AIに任せてよい書類・下書きまでの書類・人が必ず見る書類の判断早見表にあります。
2026年9月の再確認で分かったこと
2026年9月25日、17本すべてに「そのまま使えるプロンプト」を追加し、同じサンプルをClaude（Opus 5.5）でもう一度処理しました。結果の多くは6月と同じでしたが、次の4点は結論に関わるため、ここにもまとめます。
- 訂正：グラフの数値。ラベルなしの棒グラフの画像で、目盛りの数字が補助線とずれて描かれていました。「最大±5のずれ」には画像の不具合の影響が混ざっており、AIだけの誤差としては示せません。
- 補足：値札。割引値札の通常価格は数字の一部がバッジに隠れていて、1,280円は値引後の金額から計算で補える数字でした。
- 判定の変化：申込書のチェック・会社名の名寄せ。「要確認」「保留」という答え方をプロンプトで用意すると、6月にどちらかへ決めていた迷うマークや法人格の無い社名を、AIが保留に回しました。
- 新しい指摘：手書きメモ・文章校正。メモの日付と曜日の食い違い、お知らせ文の「下記のとおり」に続く内容が無い点など、書き手側の誤りも見つけました。
17種のプロンプトは業務書類のAIプロンプト集に一覧でまとめています。
9月25日・26日の4条件検証（答えを知らないAI）
上の17種は、答えを知っている同じサンプルでの確認でした。9月25日・26日には、答えを知らない状態のClaude（Opus 5.5・Haiku 4.5。9月26日の稟議書はモデルの版の記録が無く、同じ作業環境の既定の版）に、「ただ頼む」「プロンプトを使う」の2通りで解かせ、正解と照らした検証を21の業務で行いました。数字は各記事の結果表からの転記で、いずれも1つのサンプル・各条件1回の結果です。
| 業務 | Opus 5.5 | Haiku 4.5 |
|---|---|---|
| 表記ゆれ（10組） | 2条件とも10組を発見。プロンプトありで誤指摘0（ただ頼むと2） | 4〜6組 |
| 誤字脱字（10か所） | 一覧に9か所（小さい「っ」の脱字は全文でだけ直した） | 8〜9か所 |
| 名寄せ（30件・8組） | 誤った統合0。プロンプトありで7組、ただ頼むと2組をまとめた | プロンプトありで8組・誤った統合1、ただ頼むと5組・誤った統合5 |
| 議事録（ToDo 5件） | ToDoは5件とも正しく、見込みを書き分けた | ToDoはほぼ正しいが、2条件とも見込みを「予定」に言い換えた |
| アンケート（混ざった意見4件） | 2条件とも4件を分けた | ただ頼むと1件、プロンプトありで4件を分けた |
| 画像の文字起こし | 2条件とも型番まで正しく読んだ | 2条件とも型番の2〜3文字を読み違え、小さい注記に画像に無い文を混ぜた |
| 二重敬語（6つ） | 2条件とも6つを発見。ただ頼むと定着した言い方1つを誤りにした | 2条件とも6つを発見。プロンプトありで直さなくてよい2つを誤りにした |
| 要約（要点10） | プロンプトありで10、ただ頼むと8 | プロンプトありで10（条件の言葉1つが落ちた）、ただ頼むと6 |
| お詫びメール | 4条件とも、未定の補償や再発防止策を約束しなかった | |
| 報告書 | 2条件ともメモに無い書き足し0 | プロンプトありで2か所、ただ頼むと1か所の書き足し |
| 稟議書（9月26日） | 4条件とも未決定を断定しなかった。ただ頼んだ2条件はメモに無い数字（年間の出張費・差額など）を作った | |
| 英訳（9月26日） | 2条件とも7項目を満たした | 2条件とも7項目を満たした。ただ頼むと社名の「商会」を “Shoji” と訳した |
| 日報（9月26日） | 2条件とも7項目を満たし、メモに無い書き足し0 | 2条件とも、不在だった訪問先の再訪の予定を書き足した |
| 顛末書（9月26日） | 2条件とも、推測の原因・未決定の対策・口頭だけの削除を確定に変えなかった | プロンプトありはメモに無い年を補っただけ。ただ頼むと原因・対策・削除の3か所を確定に変えた |
| 催促メール（9月26日） | 2条件とも7項目を満たした | プロンプトありは7項目を満たした。ただ頼むと、社内だけの日付を相手への回答期限にした |
| お礼メール（9月26日） | 2条件とも7項目を満たした（ただ頼むと、同じメールの中で「昨日」と「明日10月7日」が食い違った。採点の外） | プロンプトありは7項目を満たした。ただ頼むと見学の日付が無かった |
| 提案書（9月26日） | 2条件とも、効果の数字も実績も作らず、効果は試用で確かめる形にした | 2条件とも効果の数字は作らなかったが、メモに無い利点を足した。ただ頼むと導入先の効果の実績も足した |
| リマインドメール（9月26日） | 4条件とも7項目を満たした。違いは未定の出席者の言い回しと、件名・差出人の抜け（採点の外） | |
| 異動の挨拶メール（9月26日） | プロンプトありは7項目を満たした。ただ頼むとメモに無い相手の評価を足した | 2条件とも担当の最終日を落とした |
| 督促状（9月26日） | 2条件とも7項目を満たした。遅延損害金・法的措置・口座番号は書かなかった | 遅延損害金・法的措置・口座番号は書かなかったが、年の補いや送る日の書き換えで点を落とした |
| 日程調整メール（9月26日） | プロンプトありは7項目を満たした。ただ頼むとメモに無い経緯（先日送った資料）を足した | プロンプトありは7項目を満たした。ただ頼むとメモに無い曜日を足し、2026年の暦と合わなかった |
モデルごとの使い分けはClaudeのOpusとHaikuの使い分け、プロンプトの効き方はプロンプトとは・業務での書き方にまとめています。
条文を扱うときAIが曲げた点（条文系4記事の実測）
規約・規程・日付の欄のように、条文や日付の形をそのまま扱う4つの検証で、AIが曲げた点だけを並べます。数字は各記事の結果表からの転記で、いずれも1つのサンプルの結果です（和暦、新旧対照表、社内規程は各条件1回。契約書の条項抽出は1回分の結果）。
| 記事 | Opus 5.5 | Haiku 4.5 |
|---|---|---|
| 和暦から西暦への変換（20行、存在しない日付4行） | 2条件とも20／20。存在しない4行すべてに、存在しない日付だと書いた | プロンプトありは18／20（実在する2行を「存在しない日付」とした）。ただ頼むと16／20（存在しない4行を黙って西暦にした） |
| 規程の新旧対照表（10条、7項目） | 2条件とも7／7。条番号だけが繰り上がった条を書き分けた | プロンプトありは7／7。ただ頼むと5／7（条番号が同じ別の条どうしを同じ行に並べた） |
| 社内規程のやさしい説明（5項、7項目） | 2条件とも7／7。数字を取り違えた文面は0 | プロンプトありは7／7。ただ頼むと6／7（「継続して勤務し」の条件が落ちた） |
| 契約書・規約の条項抽出（全10条） | 条番号と要点は6月と9月の再確認で同じ。「返金を行わない」を取り違えなかった | この記事では試していません。同じ規約系の利用規約の要点の抜き出しでは、ただ頼むと6／7（規約から読み取れない点を3つ付けた） |
- Opus 5.5が点を落としたのは、4つの検証のどれでも0条件でした。ただし契約書の条項抽出は、答えを知っている同じサンプルでの確認です。
- Haiku 4.5のただ頼む条件は、4つの検証のすべてで点を落としました。落とし方は、存在しない日付の黙った変換、別の条の取り違え、条件の言葉の欠落、規約に無い点の書き足しと、検証ごとに違います。
- プロンプトで確かめさせても、すべて解決はしませんでした。和暦のプロンプトありのHaiku 4.5は、実在する日付まで存在しないと判定しました。
- 条文や日付を扱う作業でも、AIの出力は原文と1行ずつ見比べて使います。各記事のプロンプトは、それぞれのページからコピーできます。
よくある質問
AIは手書きの書類を読めますか？
手書き「風」フォントや整った字は実検証で日付や電話番号まで正確に読めました。一方、本物の癖字や殴り書きは対象外で、人の確認が必要です。
請求書やレシートの軽減税率（8%／10%）の区分まで正しく処理できますか？
自作サンプルでは、軽減8%と10%の判断および集計まで正確でした。ただしクリーンな画像での結果であり、汚れやかすれのある書類は別途検証が必要です。
AIに見積書などの検算を任せられますか？
仕込んだ計算ミスの検出はできましたが、LLM自体の計算は万能ではないため、計算の正しさの保証は別の手段と併用するのが安全です。
どの書類が読み間違えやすいですか？
この比較では、ラベルのない棒グラフの数値が最大±5ずれました（検証画像の目盛りのずれの影響を含みます）。給与明細では、Haiku 4.5が誤読による誤報と見逃しを各1回出しました。レシートでは、Haiku 4.5が登録番号の桁を数え違えました。いずれも自作サンプルで各1回前後の結果です。
どんな書類は人の確認が要りますか？
この比較では、目分量で読むグラフの数値、本物の癖字や殴り書きの手書き、見積書の検算の保証を、人の確認が必須としています。読み取れた結果も、最終的な数値は人が確かめてください。
これらのAI書類処理は実際の業務で使えますか？
合同会社フューチャープロンプトでは見積書のデータ化を受託で実運用しています。書類の種類・画像品質・確認フローの設計次第で実用になります。
合同会社フューチャープロンプト（AIプロダクト開発・業務自動化／東京・渋谷）が、2026年6月に公開した実検証17本をまとめたものです。各検証はマルチモーダル生成AI（Claudeを使用）に自作サンプルを処理させ、結果を自社で記録しました。当社は「今日の一皿」「LLM News」「資格問題ドリル」などのAIプロダクトを自社開発・本番運用しています。会社の詳細はトップページをご覧ください。
検証の進め方は実測の進め方をご覧ください。
AIに任せられる書類の見極めのご相談
書類のデータ化や業務自動化を、どの書類を任せどこを人が見るかの切り分けから、検証・実装・運用定着まで一貫して支援します。「うちの帳票でも使えるか」のご相談から歓迎します。
お問い合わせ →