経理・財務への質問と回答

質問文（版 5）

あなたはAIモデルとして、AIツール全体（あなた自身と、あなたや他のモデルを組み込んだ製品・サービスを含む）によって、ある職種の仕事に必要な人の時間が、今・1年以内・5年以内にどれだけ減るかを見積もる。日本の読者向けの職業情報サイトに、あなたの回答がそのまま、あなたのモデル名と回答日付きで掲載される。読者はこの職種で働く人で、自分の仕事のどこがどれだけ変わるかを知りたい。

測るもの
- 「人の時間が要らなくなる割合」: 今と同じ量の仕事を、今と同じ品質で終えるのに必要な人の時間のうち、AIツールを使うことで要らなくなる割合（整数の%）。AIの結果を人が確認・手直し・承認する時間は、人の時間として残す。例: 100分かかっていた仕事が、AIの結果を5分確認するだけになれば95%。
- 「今」は今あるAIツールを、この職種の職場が十分に使った場合の値。まだ使っていない職場が多いことは、この値を下げる理由にしない。「1年以内」「5年以内」はその時点であると見込むツールを十分に使った場合の値。
- 仕事の量（需要）の増減はこの割合に入れない。別の問いで答える。
- 業務ごとに、仕事時間に占める比重（全業務の合計を100）と、その業務で人の時間が要らなくなる割合を出す。職種全体の割合は比重で重みづけした合計にする。業務の数で割る計算はしない。

見立ての立て方
- 人に残るとする部分にも、AIに移るとする部分にも、同じ基準で理由を書く。理由の種類は両側とも「技術」「制度・契約」「費用」「相手の受け入れ」の4つ。人に残る側なら、技術が足りない／制度や契約が人を求める／AIに任せると高くつく／顧客や相手が人を求める。AIに移る側なら、技術が足りている／制度や契約が妨げない／AIに任せると安い／顧客や相手が受け入れる。
- どちらの見立てにも、それが崩れる条件を書く。人に残るとした部分がAIに移る条件と、AIに移るとした部分が人に残る条件の両方を書く。
- 人が最終的な責任を負うことは、それだけでは人の時間がどれだけ要るかを決めない。責任を負うために、誰が何をどれだけ確かめるかで見積もる。逆に、AIが成果物を出せることは、それだけでは人の時間がなくなることを意味しない。確認・手直し・例外への対応にかかる時間を数える。
- 業務の中で人に残る部分は、次の5つの層で示す。作業（自分で手を動かす）、品質の確認（出来を確かめ直す）、例外の発見（いつもと違うことに気づく）、実行の承認（進めてよいかを決める）、目的と制約の設定（何をどこまでやるかを決める）。並びに順序や難易度の意味はない。どの層も人に残ることがあり、どの層もAIに移ることがある。残る層には、その層に人の時間がはっきり残るものだけを挙げる（5つ全部が残るのは、本当にそうである業務だけ）。その層で人が何をするかは、要点の文に書く。
- 根拠は下の資料と、あなたが知っている今のAIツールの機能、あなたが見込む今後の進歩。今できることと将来の見込みを分け、業務ごとに確信の度合い（高・中・低）を添える。人に残る時間が少ないという答えも、ほとんど変わらないという答えも認める。仕事の量の見立ては「不明」でもよい。
- 言い切れるところは言い切り、根拠の弱いところは弱いと書く。確信の度合いは項目で示し、「推定である」「統計値ではない」のような断り書きは文章に書かない（掲載時にあなたの見立てとして示す）。
- 研究や統計の数字、企業が公表した効果の数字を引用しない。人名を挙げない。ツールや製品の名前は挙げてよいが、企業の意図や方針を推測しない。
- 文章は日本語。業務を指すときは、番号や記号ではなく業務の内容を書く（読者は番号付きの一覧を見ない）。
- この会話にある情報と、あなた自身の知識だけで答える。ウェブを検索しない。過去の会話、保存された記憶、他のAIモデルの回答を参照しない。
- 返す前に、業務の数が一覧と同じこと、比重の合計がちょうど100であること、各業務で 今 ≤ 1年 ≤ 5年 であること、職種全体の3つの値が比重による重みづけの合計を四捨五入した値と一致することを確かめる。
- JSONだけを返す。

職種: 経理・財務（米国の職業分類では 簿記・会計・監査事務員、SOC 43-3031）

この職種の業務（米国 O*NET の業務記述の日本語訳）:
1. 会計ソフトで情報を記録・保存・分析する
2. 数値や財務データを分類・記録・集計し、仕訳帳や元帳に記録する
3. 現金収入などの会計・監査の報告書や表をまとめる
4. 支払額・利息・残高・割引などを計算する
5. 収支の見込みと過去の予算から、予算の資料をまとめる
6. 数字・転記・書類が正しく入力・計算されているかを確かめる
7. 注文書と請求書を照合し、必要な情報を記録する
8. 記録の不一致を照合し、見つけた食い違いを報告する

この職種で使われているAIツール（各社の公式ページの説明。判断材料の一部）:
- freee会計 × AI（freee）: 集まった証憑からの仕訳作成やデータ処理をAIが進め、人は最終確認をする。PDFの請求書からの仕訳登録や入力ミスのチェック。
- freee支出管理 受取請求書（freee）: 請求書や見積書・納品書をオンラインで受け取って管理する。AIが書類をフォルダに振り分け、明細行ごとに仕訳する。
- invox受取請求書（invox）: 届いた請求書をAI-OCR（必要ならオペレーターの確認つき）でデータにし、支払いと仕訳の計上までを進める。
- Robota・Steward ほか（ファーストアカウンティング）: 請求書や領収書の記載をAIが読み取って起票し、経費の申請内容との照合や伝票の確認を行う。
- バクラク（LayerX）: AIエージェントが請求書の収集とデータ化、支払申請の下書き、仕訳の作成と確認を行う。
- マネーフォワード クラウド会計（AI-OCR）（マネーフォワード）: アップロードした証憑をAI-OCRで読み取り、仕訳の候補を作る。候補は確認して登録する。

問い
1. 上の一覧のすべての業務について、一覧の順に次を答える。
   a. 比重: この職種の仕事時間に占める割合（整数の%。全業務の合計を100にする）。
   b. 今・1年以内・5年以内に、その業務で人の時間が要らなくなる割合（整数の%。今 ≤ 1年 ≤ 5年）。
   c. 5年後もこの業務で人の時間がはっきり残る層（作業／品質の確認／例外の発見／実行の承認／目的と制約の設定 から。層の名前だけを配列で。何も残らなければ空）。
   d. 5年後も人の時間が残る理由の種類（技術／制度・契約／費用／相手の受け入れ から、当てはまるものすべて。人の時間が残らなければ空）。
   e. 5年後にAIに移る理由の種類（同じ4つから、当てはまるものすべて。何も移らなければ空）。
   f. 5年後の見立ての要点と、それが崩れる条件（150字以内。人に残る部分がAIに移る条件と、AIに移る部分が人に残る条件を1文ずつ）。
   g. 確信の度合い（高／中／低）。
2. 職種全体で人の時間が要らなくなる割合（今・1年以内・5年以内）。1の比重で重みづけした合計を、整数に四捨五入する。
3. 2の理由。どの業務のどの層がAIに移り、どの種類のツールが引き受けるか（200字以内）。
4. 5年で、この職種への仕事の量（需要）はどう変わるか（増える／ほぼ同じ／減る／不明）と、その理由（150字以内）。
5. この職種は5年でどう変わるか。次の3つにそれぞれ答える（各200字以内）。
   a. 何が残るか: 人が担う業務と層。残るとした理由と、それが崩れる条件に触れる。
   b. 誰が残るか: 4の仕事の量の見立てと合わせて、担当者の人数・構成・経験の変化。
   c. 求められる力: 残る人に新たに求められる力。

出力（JSON）
{"tasks": [{"no": 1, "weight": 0, "now": 0, "year1": 0, "year5": 0, "human_layers": [], "blockers": [], "enablers": [], "outlook": "", "confidence": ""}], "share_now": 0, "share_year1": 0, "share_year5": 0, "reason": "", "demand": "", "demand_reason": "", "remains": "", "who": "", "skills": ""}

Claude Fable 5.1

Claude のモデル名の表示は「Claude Fable 5.1」。回答日 2026年10月21日。取得の条件: Claude Code のサブエージェントが回答（アプリではない）。職種ごとに新しい文脈で、入力は質問文のファイル1つだけ。ウェブ検索と他のファイルの読み込みを禁じた。他の職種・他モデル・版4の回答、モックの数値は渡していない。Claude Code の既定のシステム指示とプロジェクトの AGENTS.md が文脈に入る。検査に落ちた回答は新しい文脈で聞き直した（経理・財務と金融専門職の各1回。research/opinions/v5-2026-10-21/rejected/）。

仕事の量（5年）: 減る。定型の記帳と照合の時間が減るため、一人が担える取引量が増え、同じ規模の会社で必要な人数は減る。ただし電子取引の増加と会計基準の変化で確認や例外対応の仕事は残り、中小企業では外部委託や兼任が増える。仕事の量そのものが消えるというより、担当者当たりの処理量が増える形で人数が減る。

{"tasks": [{"no": 1, "weight": 15, "now": 40, "year1": 50, "year5": 70, "human_layers": ["品質の確認", "目的と制約の設定"], "blockers": ["技術", "制度・契約"], "enablers": ["技術", "費用", "相手の受け入れ"], "outlook": "記録と保存は証憑の自動取り込みでほぼ人の手を離れ、分析も会計ソフトの集計と対話型の問い合わせで進む。人は分析の問いを決め、結果の妥当性を確かめる。会計ソフト間の連携が整い監査が自動記録を認めれば確認も減る。逆に自社固有の勘定体系や例外処理が多い職場では手直しが残る。", "confidence": "中"}, {"no": 2, "weight": 20, "now": 55, "year1": 65, "year5": 80, "human_layers": ["品質の確認", "例外の発見"], "blockers": ["技術", "制度・契約"], "enablers": ["技術", "費用", "相手の受け入れ"], "outlook": "請求書や領収書からの仕訳起票はAI-OCRと仕訳候補の精度が実用水準で、定型の仕訳は確認だけになる。人は候補の抜き取り確認と、新規取引先や契約変更など前例のない取引の判断に時間を使う。電子取引の標準化が進めば確認も減る。紙や手書きの証憑が多い職場、勘定科目の判断が複雑な業種では人の修正が残る。", "confidence": "高"}, {"no": 3, "weight": 12, "now": 35, "year1": 45, "year5": 65, "human_layers": ["品質の確認", "実行の承認"], "blockers": ["制度・契約", "相手の受け入れ"], "enablers": ["技術", "費用"], "outlook": "定型の報告書や表はソフトの集計から下書きまで自動で出る。人は数字の整合と説明文を確かめ、社外に出す前に承認する。監査法人や金融機関が自動生成の報告を受け入れれば承認は形式的になる。逆に報告の様式が相手ごとに違い、説明責任を人に求める取引先が多ければ人の手直しが残る。", "confidence": "中"}, {"no": 4, "weight": 8, "now": 60, "year1": 70, "year5": 85, "human_layers": ["品質の確認"], "blockers": ["技術"], "enablers": ["技術", "費用", "相手の受け入れ"], "outlook": "利息や残高、割引の計算は規則が明確で、会計ソフトと表計算の自動処理に置き換わる。人は前提となる条件（利率、適用日、契約の特約）が正しく設定されているかを確かめる。契約データが構造化されて自動連携すれば確認も要らなくなる。契約条件が文書にしかなく読み取り誤りが起きやすい職場では人の確認が増える。", "confidence": "高"}, {"no": 5, "weight": 8, "now": 30, "year1": 40, "year5": 55, "human_layers": ["品質の確認", "実行の承認", "目的と制約の設定"], "blockers": ["技術", "相手の受け入れ"], "enablers": ["技術", "費用"], "outlook": "過去実績の集計と見込みの下書きはAIが作り、人は前提の置き方と部門との調整、経営に出す案の承認を担う。予算は社内の交渉を含むため、数字の生成が速くなっても調整の時間は残る。部門側もAIの案を直接扱うようになれば調整も減る。逆に経営判断の根拠を人の説明に求める組織では人の時間が多く残る。", "confidence": "低"}, {"no": 6, "weight": 12, "now": 40, "year1": 50, "year5": 70, "human_layers": ["例外の発見", "品質の確認"], "blockers": ["技術", "制度・契約"], "enablers": ["技術", "費用"], "outlook": "入力ミスや転記誤り、計算違いの検出はルール照合とAIのチェックで網羅的にでき、人は指摘された箇所の判断と、ソフトが拾えない文脈のずれに気づく役に移る。内部統制でAIのチェックを証跡として認める運用が広がれば確認はさらに減る。AIの誤検出が多い状態が続けば人の再確認が増える。", "confidence": "中"}, {"no": 7, "weight": 12, "now": 55, "year1": 65, "year5": 80, "human_layers": ["例外の発見", "実行の承認"], "blockers": ["制度・契約", "相手の受け入れ"], "enablers": ["技術", "費用", "相手の受け入れ"], "outlook": "注文書と請求書の突き合わせと記録は受取請求書サービスが自動化し、一致した分は人が見ない。人は金額や数量の不一致、未登録の取引先など例外の判断と支払の承認に時間を使う。発注データが電子で共有されれば例外も減る。取引先が紙やFAXを使い続け、支払承認を人に求める契約が多ければ人の時間が残る。", "confidence": "高"}, {"no": 8, "weight": 13, "now": 35, "year1": 45, "year5": 60, "human_layers": ["作業", "例外の発見", "実行の承認"], "blockers": ["技術", "相手の受け入れ"], "enablers": ["技術", "費用"], "outlook": "不一致の検出と原因候補の列挙はAIが行い、人は取引先や社内の担当者への問い合わせ、原因の特定、修正の決定を担う。相手が人への連絡を前提にしている限り、やり取りの時間は残る。取引先側もAIで応答するようになれば調査も自動で閉じる。逆に銀行や取引先のデータが連携しない職場では人の調査が多く残る。", "confidence": "中"}], "share_now": 44, "share_year1": 54, "share_year5": 71, "reason": "仕訳の起票、請求書の照合、計算、入力確認の作業の層は、会計ソフトのAI-OCRと仕訳候補、受取請求書サービス、AIエージェントによる支払申請の下書きが引き受ける。報告書や予算資料の下書き作成も対話型のAIと集計機能に移る。人には候補の品質の確認、例外の発見、支払や社外提出の承認、分析と予算の目的設定が残り、その時間が全体の約3割を占める。", "demand": "減る", "demand_reason": "定型の記帳と照合の時間が減るため、一人が担える取引量が増え、同じ規模の会社で必要な人数は減る。ただし電子取引の増加と会計基準の変化で確認や例外対応の仕事は残り、中小企業では外部委託や兼任が増える。仕事の量そのものが消えるというより、担当者当たりの処理量が増える形で人数が減る。", "remains": "残るのは、AIが出した仕訳や照合結果の品質の確認、前例のない取引や不一致の発見と原因の調査、支払や社外提出の承認、予算と分析の前提の設定である。理由は、内部統制と監査が人の確認を証跡として求めること、取引先との問い合わせが人を介すること、判断の根拠を人の説明に求める組織が多いことにある。電子取引の標準化と監査側の自動記録の受け入れが進めば、確認と承認の時間はさらに減る。", "who": "記帳や照合を専任で担う担当者の人数は減り、経理部門は少人数で確認と例外対応、承認を回す構成になる。入力担当の新人枠が減り、経験者が会計ソフトの設定と運用、取引先や監査との調整を担う。中小企業では一人経理やアウトソーシングが増え、担当者は会計だけでなくシステム運用と内部統制の知識を兼ねる人が中心になる。", "skills": "会計ソフトとAIツールの設定、仕訳ルールの設計と見直し、AIが出した結果の妥当性を短時間で判断する会計の基礎、例外取引の会計処理の判断、不一致の原因を取引先や社内に確認して解決する調整力、内部統制とデータ連携の設計の理解。数字を入力する力より、AIの出力を確かめ、例外を見抜き、処理の前提を決める力が求められる。"}

GPT-6 Astra

ChatGPT のモデル名の表示は「GPT-6 Astra」。回答日 2026年10月21日。取得の条件: Codex のタスク（gpt-6-astra 指定）が回答。ChatGPT アプリの一時チャットではなく、1つのタスク内で35職種をファイル名順に逐次処理（職種ごとの新しい文脈ではない）。そのタスクの文脈には版4の確認、版5草案の批評、Claude の取得記録と回答例の読み取りが含まれ、他モデルの回答を見せないという条件を満たさない。実行時のモデル名は独立に確認されていない。ウェブ検索はしていない。保存後に研究開発と映像・動画制作の「何が残るか」の文章を同じタスクが1語ずつ直した（数値の変更なし。research/opinions/v5-2026-10-21/astra-2026-10-21/corrections.json）。

仕事の量（5年）: ほぼ同じ。記帳、照合、報告の対象となる取引が、処理の自動化だけで減るとは考えない。電子取引や細かな管理の広がりで集計対象は増えうるが、会社数や取引量の増減までは読めず、必要な業務量はほぼ同じとみる。

{
  "tasks": [
    {
      "no": 1,
      "weight": 10,
      "now": 45,
      "year1": 55,
      "year5": 75,
      "human_layers": [
        "品質の確認",
        "目的と制約の設定"
      ],
      "blockers": [
        "技術"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "記録と集計は会計AIに移り、人は分析の目的と分類の妥当性を確かめるが、取引と目的を機械で照合できれば確認も減る。証憑と帳簿の連携が切れれば、自動記録に回した部分も人が補う。",
      "confidence": "中"
    },
    {
      "no": 2,
      "weight": 22,
      "now": 55,
      "year1": 65,
      "year5": 82,
      "human_layers": [
        "品質の確認",
        "例外の発見"
      ],
      "blockers": [
        "技術",
        "制度・契約"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "仕訳案の作成はAIに移り、人は新規取引の科目と計上時期を判断するが、契約の意味まで検証できれば判断も縮む。証憑に不足があったり会計方針が頻繁に変わったりすれば、定型仕訳にも人の修正が戻る。",
      "confidence": "中"
    },
    {
      "no": 3,
      "weight": 10,
      "now": 40,
      "year1": 50,
      "year5": 70,
      "human_layers": [
        "品質の確認",
        "実行の承認"
      ],
      "blockers": [
        "技術",
        "相手の受け入れ"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "定例報告の編集はAIが担い、人は数字と説明を確かめ提出を承認するが、提出先が検証済みの自動報告を受け入れれば承認も減る。報告様式や説明要求が案件ごとに異なれば、編集と照合の時間が残る。",
      "confidence": "中"
    },
    {
      "no": 4,
      "weight": 8,
      "now": 60,
      "year1": 70,
      "year5": 88,
      "human_layers": [
        "品質の確認"
      ],
      "blockers": [
        "技術"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "計算と条件の抽出はAIに移り、人は利率や適用日の設定を確かめるが、契約から設定までの整合を検証できれば確認も減る。特約の読み違いや条件変更の通知漏れが続けば、自動計算した値も人が再点検する。",
      "confidence": "中"
    },
    {
      "no": 5,
      "weight": 12,
      "now": 25,
      "year1": 35,
      "year5": 55,
      "human_layers": [
        "品質の確認",
        "目的と制約の設定"
      ],
      "blockers": [
        "技術",
        "相手の受け入れ"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "予算資料の集計と案出しはAIに移り、人は見通しの前提を部門と詰めるが、事業情報が共有され合意形成も任せられれば調整は減る。急な方針転換を資料に反映できなければ、案の作成から人が入り直す。",
      "confidence": "低"
    },
    {
      "no": 6,
      "weight": 14,
      "now": 40,
      "year1": 50,
      "year5": 72,
      "human_layers": [
        "品質の確認",
        "例外の発見"
      ],
      "blockers": [
        "技術",
        "制度・契約"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "入力と計算の照合はAIが進め、人は見逃しと誤検出を点検するが、例外を含む検査の有効性が確かめられれば点検も縮む。帳票の変更や不正な入力を検知できなければ、人が原資料から再確認する。",
      "confidence": "中"
    },
    {
      "no": 7,
      "weight": 12,
      "now": 55,
      "year1": 65,
      "year5": 85,
      "human_layers": [
        "例外の発見",
        "実行の承認"
      ],
      "blockers": [
        "技術",
        "制度・契約"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "注文書と請求書の突合はAIに移り、人は不一致と訂正内容を判断するが、取引先と訂正を自動照合できれば判断も減る。分納や値引きの事情が記録されなければ、一致しそうな取引にも人の照会が必要になる。",
      "confidence": "中"
    },
    {
      "no": 8,
      "weight": 12,
      "now": 30,
      "year1": 42,
      "year5": 62,
      "human_layers": [
        "作業",
        "例外の発見",
        "実行の承認"
      ],
      "blockers": [
        "技術",
        "相手の受け入れ"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "不一致の抽出と原因候補はAIが担い、人は現場への照会と訂正判断を行うが、根拠資料と回答がつながれば調査も減る。取引実態が資料と異なる場合は、AIが絞った候補も人が確かめ直す。",
      "confidence": "低"
    }
  ],
  "share_now": 44,
  "share_year1": 54,
  "share_year5": 74,
  "reason": "現在はAI-OCRによる証憑の入力、仕訳候補、請求書の突合で作業時間が減る。1年では会計データと証憑の連携が進み、5年では定例報告や不一致の原因調査まで広がる。人には例外の発見、会計方針に沿った品質の確認、訂正や提出の承認が残る。数字が一致しても取引実態まで正しいとは限らず、現場への照会と予算の前提づくりを含めて人の時間を残した。",
  "demand": "ほぼ同じ",
  "demand_reason": "記帳、照合、報告の対象となる取引が、処理の自動化だけで減るとは考えない。電子取引や細かな管理の広がりで集計対象は増えうるが、会社数や取引量の増減までは読めず、必要な業務量はほぼ同じとみる。",
  "remains": "新規取引の会計処理、証憑と実態の食い違いの調査、予算の前提設定が残る。人は単に最後に承認するだけでなく、誤りの影響を判断し、現場から不足する情報を集める。外部に出す報告では数字と説明の整合も確かめる。契約や取引条件が構造化され、相手方との照会まで自動で完結すれば、この確認と調整も減る。紙の証憑や個別の商慣行が多い職場では残る時間が長い。",
  "who": "業務量がほぼ同じなら、入力や定型照合を専任する人数は減り、一人が複数部門や会社を担当する形が増える。経験者には例外処理、会計方針の設定、現場や監査との調整が集まる。若手の採用がなくなるとは限らないが、転記を繰り返して経験を積む機会は減る。証憑から取引を追い、誤りを修正する実務を学べるようにしないと、将来の判断を担う人が育ちにくくなる。",
  "skills": "会計の基礎に加え、証憑から仕訳と報告までのデータの流れを設計する力が要る。自動処理してよい取引と、人へ戻す条件を決め、残高の一致だけでなく分類や計上時期も確かめる。誤検出と見逃しを調べて処理ルールを直し、例外案件では取引先や現場に必要な情報を聞き取る。数字を採用した根拠と未解決の点を、経営者や監査人に説明できることが重要になる。"
}