税理士の決算申告AI活用
申告書を「作らせる」のではなく「3段ループ」で精度を上げる実務ガイド

結論｜決算申告のAI活用は「申告書を作る」のではなく「3段ループを整えて精度を上げる」

決算申告業務にAIを取り入れるとき、最初に整理しておきたいのが 「AIに何を任せるか」 だと考えています。

結論からお伝えすると、申告書をAIに「作らせる」のは現時点では現実的ではありません。一方で、 「人が作った申告書をAIにチェックさせる」「決算修正前のクレンジングをAIに任せる」 という用途は、すでに実用域に入ってきていると感じています。

本記事では、決算申告業務を以下の 「決算3段ループ」 で整理する独自フレームを提案します。

このマップから読み取れるのは、 AIが効くのは前段（ループ1）に集中し、後段（ループ3）は現状の課題として残っている という構造だと考えています。

なぜ決算申告業務は「全自動化」が難しいのか

決算申告業務をAIで全自動化するのが難しい理由は、大きく3つあると考えています。

① 申告書の最終責任は税理士に残る

税理士法上、税務代理・税務書類の作成・税務相談は税理士の独占業務とされており、 最終的な署名・押印・電子署名を行うのは税理士本人 です。

仮にAIが申告書のドラフトを完璧に作ったとしても、その内容を確認・修正し、署名するのは税理士の責務だと考えています。「AIが作って税理士が署名するだけ」というフローは、専門家責任の観点からは現時点では成立しないように思います。

② 「決算書↔申告書の往復」という構造的なボトルネックがある

決算業務を実務的に解きほぐすと、以下のような構造が見えてきます。

• 試算表 → 決算修正前確定 → 仮の決算書 → 申告書ソフトで税額計算
• 申告書ソフトで確定した法人税・消費税額を、未払税金として決算書に戻して計上
• 未払税金を計上した最終決算書 ↔ 申告書の最終確定

弊社が支援する竹岡税理士事務所の現場フィードバックでも、率直に「 現状では法人税や消費税の申告書ソフトで税額を計算しないと、未払法人税や未払消費税を決算書に計上できない。実務では決算書と申告書を行ったり来たりするので、1度で完全な決算書を作成するのは難しい 」というご指摘をいただいています。

この 「鶏と卵」構造 は、AIをどれだけ高性能化しても完全にはなくせないと考えています。決算書と申告書がお互いの値を必要としており、片方が確定しないともう片方が確定しない構造になっているためです。

③ 別表整備・添付資料の整合性確認は判断業務

別表4の加算減算項目の判断、別表5(1)の利益積立金額の計上根拠、勘定科目内訳明細書の科目選択など、 「機械的整合性チェック」と「実質的な判断」が混在する作業 が多いのが決算申告業務の特徴だと感じています。

機械的整合性チェック（数字が一致しているか、合計があっているか）はAIに任せやすい領域です。一方、「この支出は交際費か会議費か」「この役員報酬は損金不算入になるか」といった 判断業務はAIに任せきれない のが現状だと考えています。

決算業務の3段ループ｜AIの効きどころマップ

ここからは本記事の独自フレーム「決算3段ループ」の全体像を整理します。

3段ループの俯瞰

「前段から整える」が処方箋

3段ループの順番を意識せず、いきなり後段（ループ3＝申告書チェック）から効率化を狙ってしまうケースが現場ではよく見られると感じています。

しかし、後段から着手しても、前段（試算表・決算修正）の前提が崩れていれば AIチェックそのものが成立しません 。試算表に未確定残高が残ったまま申告書をチェックしても、誤りが構造的に混入するため、AIの異常値検知も信頼できなくなります。

そのため、 ループ1から順番に整える のが現実的な処方箋だと考えています。月次顧問の質を上げることが、結果として決算申告の効率化にも直結するという構造です。

【ループ1】決算修正前のクレンジング × AI

ループ1は決算修正に入る前の準備段階です。試算表を「決算修正をかけられる状態」にまで整えるフェーズで、AIの適合度が最も高いと考えています。

試算表の確定

決算修正に入る前提として、月次試算表の未確定残高を洗い出す必要があります。AIに任せやすい作業の代表例は以下です。

• 前年比較で異常値が出ている科目の抽出
• 月次推移で急変している科目の検出
• 残高が「ゼロのはずなのに残っている」「ゼロのはずなのにマイナス」などの不整合検出
• 仮払金・仮受金・未決算といった一時勘定の残高洗い出し

これらは月次顧問の異常値検知をそのまま年次決算に展開する用途で、月次のレベルがしっかりしている事務所ほどループ1の効率化メリットが大きいと感じています。

残高証明書との突合

期末残高の確定で時間がかかる作業の一つが、 残高証明書・借入金返済予定表・売掛金/買掛金明細との突合 だと感じています。

近年は残高証明書がPDF形式で発行されるケースも増えており、AI-OCR＋生成AIで以下のような流れを組めるようになってきました。

1. 残高証明書PDFをAI-OCRで読み取り
2. 期末残高・金融機関名・口座番号を構造化データに変換
3. 試算表の対応科目残高と自動突合
4. 差額が出た項目だけを人が確認

借入金返済予定表との突合も同じ流れで、 「合っているものはAIが確認・差額が出たものだけ人が見る」 という役割分担が組みやすい領域だと考えています。

期ズレ仕訳の検出

決算特有の論点として、前払費用・前受収益・未払費用・未収収益の期ズレ仕訳があります。

AIに任せやすいのは「 契約書・請求書から該当期間の按分計算を下書きする 」までで、最終的な「これは前払なのか繰延なのか」の判断は人に残す設計が現実的だと感じています。

棚卸資産の評価

棚卸資産については、AIの効きどころが限定的な領域だと考えています。

• AIに任せやすい：在庫表と試算表残高の突合・滞留在庫の自動検出
• AIに任せにくい：陳腐化評価・低価法評価・実地棚卸の妥当性判断

業種によっては棚卸の論点が決算の核心になるため、ここはAIで効率化するというより「人の判断時間を確保するために、機械的な突合作業をAIに寄せる」という考え方が向いていると感じています。

【ループ2】決算修正仕訳 × AI

ループ2は決算修正仕訳のフェーズです。竹岡税理士事務所での現場フィードバックでも、ここが「AIが半分入り込めるが、半分は人の判断が残る」主戦場だと感じています。

減価償却費

減価償却の論点では、固定資産台帳の整備状況がAI活用のしやすさを大きく左右すると感じています。

• 固定資産台帳が整っている顧問先：当期償却額の自動算定・除却資産の検出・少額減価償却資産の処理判定までAIで下書き可能
• 固定資産台帳が整っていない顧問先：そもそもの台帳整備からスタートする必要があり、AI以前の論点

特に 「除却したはずなのに台帳に残っている」「取得したのに台帳に載っていない」 という台帳の歪みは、AIに洗い出させるよりも、現場で物理的に確認するほうが速いケースが多いように感じています。

消費税

消費税の決算修正は、課税区分の見直しと控除対象外消費税の整理が主な論点です。

AIに下書きを任せやすいのは以下です。

• 課税・非課税・不課税・免税の区分が前期と整合しているかの機械的チェック
• インボイス制度における経過措置（80%控除・50%控除）の適用判定の下書き
• 控除対象外消費税の集計

最終的な判断は人が行う前提で、 「下書きをAIが、確認を人が」 という役割分担が組みやすい領域だと考えています。

引当金

貸倒引当金（法定・個別）・賞与引当金・退職給付引当金などの計算は、計算ロジック自体は機械的なので、AIに計算根拠の整理を下書きさせる用途が向いていると感じています。

一方で、 「個別評価金銭債権に該当するか」「賞与支給見込額の妥当性」 といった判断は人が行う必要があります。

税効果会計

中小企業では税効果会計を採用しないケースも多いため、本記事では深入りしません。採用している事務所では、 繰延税金資産の回収可能性判定 は人の判断が中心で、AIは「将来年度の課税所得シミュレーションの下書き」に留めるのが現実的だと考えています。

【ループ3】決算書↔申告書の往復をどう短縮するか

ループ3は本記事の独自視点であり、現時点でAIの適合度が最も低い領域だと考えています。

未払法人税・未払消費税の計上問題

繰り返しになりますが、決算書↔申告書の往復は構造的なものです。

• 仮の決算書（税金計上前） → 申告書ソフトで税額計算
• 確定税額（法人税・消費税） → 決算書に未払税金として計上
• 未払税金計上後の最終決算書 → 申告書の最終確定

AIが効くのは、せいぜい 「概算税額の事前計算」を決算修正段階で仮置きする ところまでで、最終確定は申告書ソフト（達人・JDL・TKC・MJSなど）に依存するのが実情です。

主要別表の整合性チェック

別表4・別表5(1)・別表7など、主要別表の整合性チェックはAIが効きやすい領域だと感じています。

• 別表4：加算減算項目と決算書PL科目との対応関係の機械的チェック
• 別表5(1)：利益積立金額の期首・当期増減・期末の整合性
• 別表7：繰越欠損金の繰越控除限度額計算の検算

これらは数字の機械的整合性チェックなので、AIに 「不整合な箇所だけを抽出して人に提示する」 という使い方が向いていると考えています。

地方税申告書との税額一致

法人税申告書と地方税申告書（事業税・住民税）の税額が整合しているかのチェックも、AIで自動化しやすい領域です。 特に複数地方税申告書を作成する事務所では、転記ミスのチェック工数を大きく削減できる可能性 があると感じています。

添付資料の整合性

事業概況説明書・勘定科目内訳明細書・株主資本等変動計算書などの添付資料は、決算書・申告書との整合性チェックが手作業になりがちな領域です。

• 勘定科目内訳明細書の合計値と決算書の科目残高の一致確認
• 株主資本等変動計算書と決算書BSの株主資本の一致確認
• 事業概況説明書の主要項目（売上高・従業員数・主要取引先）の整合

これらはAIに 「不一致箇所を漏れなく洗い出してもらう」 用途が向いていると考えています。

現状の現実解

ループ3の効率化は、申告書ソフトとの往復をゼロにはできないものの、 往復回数と1往復あたりの時間を減らす ことは射程に入ってきていると感じています。

• 1往復目：仮の決算書 → 概算税額計算（AI支援）
• 2往復目：未払税金計上後の決算書 → 確定税額計算（申告書ソフト）
• 3往復目：別表・添付資料の整合性最終確認（AIチェック）

このように整理すると、3往復で完結する設計を組めるケースも増えてきていると考えています。

申告書のAIチェック｜実用域に入った3つの用途

ハブ記事でも触れた「人が作った申告書をAIにチェックさせる」用途は、特に以下の3つで効果が出やすいと感じています。

① 税制改正の影響箇所抽出

一人税理士の現場では、 「税務通信だけでは制度改正のキャッチアップが限界」 という声が多く聞かれます。AIに当期の税制改正の主要論点を抽出させ、当該顧問先の決算で影響が出る箇所をリストアップする用途は、保険的な価値があると考えています。

具体例：

• 交際費等の損金不算入の改正
• 賃上げ促進税制の適用判定
• 電帳法スキャナ保存要件の見直し
• インボイス制度の経過措置の段階的縮小

② 前年比較の異常値検出

科目別・別表別の対前年増減率がしきい値を超える項目を自動抽出し、説明可能性をチェックする用途です。月次顧問の異常値検知と発想は同じですが、 年次決算では「前期との比較」が論点の中心になる 点が違いだと感じています。

③ 別表間・科目間の機械的整合性チェック

• 別表4の加算減算項目 ↔ 決算書PL科目
• 別表5(1)の利益積立金額 ↔ 別表4＋決算書BS
• 別表7の繰越欠損金 ↔ 過去申告書の累計
• 内訳明細書の合計値 ↔ 決算書BSの科目残高

「一致しているか」ではなく、 「不一致箇所をAIに漏れなく洗い出してもらう」 という使い方が、税理士の最終チェック工数の圧縮に直結すると考えています。

守秘義務の論点

申告書データは個人情報・税務情報の塊です。クラウド型AIに直接データを投入するか、ローカル処理（PCで完結するタイプ）にするかは、事務所のポリシーに応じて慎重に判断したい論点だと感じています。

• 学習利用設定の明示的な無効化
• データ保持ポリシーの確認（ゼロデータリテンション対応）
• 社内クローズドAIや専用環境の検討
• マスキング・匿名化処理のフロー化

決算申告AI導入の実務5ステップ

ここまでの内容を踏まえた、実務での導入ステップを整理します。

Step1：自事務所の決算業務ボトルネック棚卸し

「決算修正に時間がかかっている」「申告書チェックで残業している」「添付資料の整合性確認で工数を取られている」など、ボトルネックの所在は事務所によって異なると感じています。3段ループのどこに時間がかかっているかをまず棚卸しすることをおすすめします。

Step2：3段ループのどこに重点投資するか決める

棚卸し結果を踏まえて、ループ1・2・3のどこに重点投資するかを決めます。 前段（ループ1）から着手するのが基本 だと考えていますが、すでに月次顧問の質が高い事務所であれば、ループ2・3に直接投資するのも選択肢に入ります。

Step3：1〜2顧問先・1期の決算でスモールスタート

いきなり全顧問先で展開するのではなく、規模・業種・既存資料の整い具合を踏まえて1〜2顧問先からスモールスタートするのが現実的だと感じています。1期の決算を通すことで、AIとの相性が悪い科目・運用ルールの不備が明確になります。

Step4：所内ナレッジ化

スモールスタートで得られた知見を所内ナレッジにしていきます。

• 科目別マップ（どの科目でAIが効くか・効かないか）
• 別表チェックリスト（毎期確認すべき整合性項目）
• 税制改正反映表（当期の改正論点と影響顧問先）
• プロンプトテンプレート（AIへの指示文の標準化）

Step5：スタッフ研修と承認フロー化

最終確認は税理士に残す承認フローを設計しつつ、スタッフが自走できる範囲を広げていきます。

「AIが下書き → スタッフが1次確認 → 税理士が最終確認」というフローを基本にし、スタッフのスキルレベルに応じて1次確認の範囲を段階的に広げるのが現実的だと感じています。

決算申告AI活用でよくある3つの失敗パターン

失敗1：「申告書をAIに作らせる」に走ってしまう

冒頭でもお伝えした通り、現時点では「AIが作って税理士が署名するだけ」というフローは専門家責任の観点から成立しないと考えています。

特に陥りやすいのが、生成AIに申告書の数値を直接入れて「申告書を作って」と指示するパターンです。一見もっともらしい数値が返ってきますが、 法令適用・税制改正反映・別表間の整合性まで完璧に処理することは現時点では難しく、ハルシネーション（AIが事実と異なる回答を生成する現象）のリスクが残る と感じています。

失敗2：3段ループの順序を逆から始める

「申告書チェックから効率化しよう」と後段から着手するケースで起きやすい失敗です。

前段（試算表・決算修正）の前提が崩れていると、後段でAIチェックをかけても誤りが構造的に混入するため、 チェック結果そのものが信頼できなくなります 。「月次顧問の質が安定していない事務所が、いきなり決算AIに投資する」というパターンは、効果が出にくいと感じています。

失敗3：AIチェック結果を「鵜呑み」にする

別表間整合性チェックで「不一致箇所なし」とAIが返してきたとしても、それは 「AIが検出できる範囲では不一致なし」 にすぎないと考えています。

特に税制改正の反映漏れ検出は、AIの学習データが古いと見落とすリスクがあります。 「AIがチェックしました」ではなく「AIが1次チェック・人が最終確認」 という役割分担を最後まで崩さないことが大事だと感じています。

費用対効果のリアル試算

一人税理士・年次決算30〜40社モデル

竹岡税理士事務所での実証では、年間仕訳数約500件の小規模顧問先1社あたり「 事務員1人の1日分の労働時間相当（4.2〜8.5時間） 」の削減が確認されています。年次決算30〜40社で展開すると、 派遣依存からの段階的脱却 が現実的な射程に入ってくると考えています。

スタッフ5名・年次決算50〜100社モデル

規模が大きい事務所ほど、AI利用料に対する人件費削減効果が線形以上に拡大する傾向があると感じています。

TKC利用事務所での運用注意点

TKCを利用している事務所では、過去遡及NGなどの独自仕様があるため、運用ルールの設計が特に重要だと感じています。

• AI生成仕訳をTKCに取り込むタイミング（過去月への遡及は不可）
• 承認フロー（AIドラフト → スタッフ確認 → 税理士承認 → TKC本登録）の明文化
• 申告書ソフトとの連動は標準機能を基本に、AIは前段の整備に絞る

よくある質問

まとめ｜決算申告は「3段ループの前段から整える」が現実解

決算申告業務のAI活用は、 「申告書を作らせる」のではなく「3段ループを整えて精度を上げる」 という発想で取り組むのが現実解だと考えています。

本記事のポイントを整理します。

• AIが効くのは前段（ループ1＝クレンジング）に集中 しており、後段（ループ3＝決算書↔申告書の往復）は現状の課題として残っている
• 申告書はAIに「作らせる」のではなく「チェックさせる」 用途設計が、税理士法上の専門家責任とも整合する
• 効果が出やすい3つのAIチェック用途：①税制改正の影響箇所抽出／②前年比較の異常値検出／③別表間・科目間の機械的整合性チェック
• 失敗を避けるには、3段ループの順序（前段→後段）を守り、AIチェック結果を鵜呑みにせず「AIが1次・人が最終」の役割分担を崩さないこと

一人税理士〜中小規模事務所が決算期の繁忙を緩和し、新規受注の余地を取り戻すためには、 前段から着実に整える アプローチが、結果として最も近道だと感じています。