> For the complete documentation index, see [llms.txt](https://docs.maiagent.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.maiagent.ai/maiagent-user-guide/ja/work/km/billing-assistant.md).
# 請求費用アシスタント
請求書・経費アシスタントの活用例：画像認識で水道光熱費や通信費などの精算用証憑を読み取り、ロール指示に従って部門コードと費用科目のルールを適用し、Google Sheets に書き込みます。
企業の経理チームは、日常的な経費精算を処理する際に、伝票が多いこと、手入力に時間がかかりミスも起きやすいことといった課題に直面しがちです。従来の OCR ツールは文字を認識するだけのものが多く、業務の文脈を理解できないため、部門コードや費用科目を自動で対応付けられず、依然として多くの手作業による修正が必要でした。今では、MaiAgent のインテリジェントなビジョン技術を活用して、専用の「請求書・経費アシスタント」を構築し、伝票の認識から ERP への入力までをインテリジェントに自動化できます！
## 活用シナリオ：企業の請求書を自動認識する Agent を構築する
あなたが企業の経理担当者で、毎月月末に各支社から届く水道光熱費や通信費などの精算用証憑を大量に処理する必要があるとします。これまでは、紙の伝票を見ながら、請求書番号、日付、金額を 1 件ずつ ERP システムに手入力するのに数時間かかることもありました。
従来の OCR ツールは「文字を読み取る」ことしかできず、業務ルールを理解できません。たとえば、伝票に「高雄市左営区」と書かれていても、従来のツールではこれが「高雄支社」に属し、部門コードが「K」であると自動で判断できません。また、会社の規定に従って支払日を「毎月 30 日」に統一して固定することもできないため、1 件ずつ手作業で確認・修正する必要があり、効率が低いだけでなく、疲労による入力ミスも起こりやすくなります。
現在は、MaiAgent のインテリジェントなビジョンと推論の技術を使えば、請求書の画像を Agent にアップロードするだけで、請求書番号や金額を正確に抽出するだけでなく、社内の業務ロジックまで直接実行できます！
## 活用の流れ
### 1. 請求書・経費 Agent を作成する
Agent 名を入力し、言語モデルを選択します
推奨モデル：Gemini 3.8 Flash（思考の強度を有効にできます）、または Claude 5.5 Opus など、画像入力に対応したフラッグシップモデル
注意：このアプリケーションでは、複雑な画像内の文字認識と論理判断（住所から部門コードへの変換など）を行うため、認識精度を確保するには、**画像入力に対応し、推論能力の高い**モデルを選択してください。組織で利用できるモデルは、[モデル利用権限](/maiagent-user-guide/ja/org/model-access.md)で開放されている一覧に従います。
Agent モードを選択します
### **2. 動作ロジックを設定する**
Agent に「文字を読む」だけでなく業務ルールを「理解」させるため、System Prompt に次のフィールド処理ロジックを定義します。以下は、「台湾水道公社」の水道料金の請求書を例にしています：
```
------------------------------------------------------------
| 台灣自來水股份有限公司 |
| Taiwan Water Corporation |
| 民国114年05月 口座振替（代理収納）水道料金 |
| 納付証明書 |
| |
| キャリア種別番号: /BB0001 |
| 期別: 11405 |
| 電子インボイス証明書: TP88776655 [ QR Code ] |
| [ 回回回 ] |
| 使用場所の住所: |
| 110 台北市信義区信義路五段7号 (台北101ビル) |
| |
|----------------------------------------------------------|
| 契約者名: テスト台北本社 |
| |
| 今期の請求対象期間 使用項目の明細 |
| 114/03/05 - 114/05/04 基本料金 100元 |
| 使用料金 950元 |
| 今期の納付開始日 ------------------------- |
| 114/05/21 営業税 50元 |
| |
| 次期の納付開始日 税抜小計金額 |
| 114/07/21 (ダミー F) 1,050元 |
| |
| 今期の検針日 代理徴収費用小計 |
| 114/05/04 廃棄物処理費 300元 |
| 水源保全費 100元 |
|----------------------------------------------------------|
| |
| お支払い総額 (合計) |
| $ 1,500 元 |
| |
| 支払期限: 114/05/30 消込番号: 998877665544 |
------------------------------------------------------------
```
**A. 基本情報の抽出**
Agent は、画像から次の主要な生データを識別する必要があります：
* 請求書番号：伝票上の請求書番号を正確に抽出します。
* 金額情報：「合計金額」と「税抜金額」を抽出します。
* 日付情報：請求書上の関連する日付の期間を抽出します。
**B. 業務ロジックのマッピング (Business Logic Mapping)**
これが、MaiAgent が従来の OCR と異なる中核的な強みです。Agent は内容に基づいて所属を自動判定できます：
1. 住所と部門の対応付け：
* ルール：認識した住所に「高雄」が含まれる場合、「支出部門」を自動で「高雄支社」に分類します。
* コード変換：上記に続き、部門が高雄支社の場合、「部門コード」に自動で「K」を入力します。
2. 支払先と科目：
* ルール：支払先が「台湾水道公社」と認識された場合、「費用項目」を自動で「水道料金」に分類します。
3. 支払日の自動化：
* ルール：請求書の日付にかかわらず、「支払日」欄は毎月 30 日に統一して固定します。
4. 摘要フォーマットの標準化：
* ルール：抽出した日付や情報を組み合わせて、固定フォーマットの文字列にします。
* フォーマット例：`YY/MM/DD-YY/MM/DD` + `地域` + `費用項目`（例：「114/08/20-114/10/18高雄水道料金」）。
5. 金額の計算と検証：
* ルール：システムは金額のロジックを自動で計算または検証できます。たとえば、`金額` = `合計金額` - `税抜金額` です（ERP のフィールド定義によります）。
ロール指示の例は次のとおりです：
```
# Role (ロール設定)
あなたは企業向けの「インテリジェント経理アシスタント」です。あなたの中核的な能力は、視覚認識 (OCR) と複雑な業務ロジックの推論を組み合わせることです。
あなたのタスクは、各種請求書のデータを正確に抽出し、あらかじめ定義された [Business Configuration] に従って、非構造化情報を標準的な ERP フォーマットに変換することです。
# Business Configuration (業務ルール設定)
**次のルール表に従って推論とフィールドのマッピングを行ってください：**
## 1. 部門マッピングルール (Department Logic)
* **ルール**: 請求書上の「住所」または「利用場所」のキーワードを読み取ります。
* 「台北」を含む -> 支出部門：「台北本社」 | 部門コード：「T」
* 「高雄」を含む -> 支出部門：「高雄支社」 | 部門コード：「K」
* その他 -> 支出部門：「要確認」 | 部門コード：「UNK」
## 2. 費用科目ルール (Expense Category Logic)
* **ルール**: 請求書上の「会社名」、「宛名」または「取引明細」を読み取ります。
* 「水道」を含む -> 費用項目：「水道料金」
* 「電力」、「台電」を含む -> 費用項目：「電気料金」
* 「中華電信」を含む -> 費用項目：「通信費」
## 3. 日付と摘要のルール (Date & Summary Logic)
* **支払日 (Payment Date)**: 伝票の月の「当月または翌月の 30 日」に統一して設定します (フォーマット YYYY-MM-DD)。
* **摘要フォーマット (Summary Format)**: 次の標準的な文字列に組み合わせる必要があります -> `[開始日-終了日]-[地域][費用項目]`
* *例*: `114/06/20-114/08/18高雄水道料金`
## 4. 金額計算ルール (Calculation Logic)
* **税抜金額 (Pre-tax)**: 計算によって取得する必要があります。計算式 = `[合計金額] - [営業税/税額]`。
* *注意*: 伝票の中ほどにある「小計」を直接読み取ってはいけません。代理徴収費用の漏れを避けるため、必ず「総額」から差し引いて計算してください。
---
# Workflow (実行フロー)
## Phase 1: 視覚認識とロジックの推論
1. **画像の分析**: 請求書番号、日付の期間、住所、取引先、総額、税額をスキャンします。
* *請求書番号のフォーマットチェック*: `^[A-Z]{2}\d{8}$` に一致する必要があります。
2. **マッピングの実行**: [Business Configuration] に基づいて、部門、科目、コードを判断します。
3. **確認用テーブルの出力**: ユーザーが確認できるよう、結果を Markdown テーブルで出力します。
**Phase 1 の出力例 (この形式を厳守してください):**
次のように直接返信してください：「以下の請求書情報をご確認ください：」
| フィールド名 | 識別・変換結果 | ロジックの根拠 |
| :--- | :--- | :--- |
| **A. 支出部門** | [例: 高雄支社] | [住所に基づく: 高雄...] |
| **B. 費用項目** | [例: 水道料金] | [取引先に基づく: 水道公社] |
| **C. 摘要** | [日付期間+地域+項目] | [フォーマットの組み合わせ] |
| **D. 請求書番号** | [英字 2 文字+数字 8 桁] | [OCR 識別] |
| **E. 金額 (税額)** | [税額の数値] | [OCR 識別] |
| **F. 税抜金額** | [計算値] | [総額 - 税額] |
| **G. 支払日** | [YYYY-MM-DD] | [固定ルール: 30日] |
| **H. 部門コード** | [例: K] | [マッピングコード] |
| **I. 合計金額** | [総額] | [OCR 識別] |
## Phase 2: データの書き込み (Action)
ユーザーが「確認」または「問題ありません」と返信したら：
1. MCP ツール `add_invoice_record` を呼び出してデータを書き込みます。
2. ツールの実行に成功したら、標準的な JSON 形式で出力し、Google Sheet のリンクを提示します。
---
# Attention (注意事項)
* 画像が不鮮明な場合は、「識別不可」と記載し、ユーザーに確認してください。
* 視覚的に確認できる「合計総額」の表記を優先し、途中の項目別小計は無視してください。
```
**C. 応用設定：Google Sheet と連携して自動で保管する**
{% hint style="info" %}
[MCP ツールを連携するには？](https://docs.maiagent.ai/tech/mcp/remote-mcp)
{% endhint %}
### 3. Agent の本番運用
請求書・経費を処理する際は、請求書や納付証明書を Agent に送るだけで、システムが内容を自動で判断し、抽出したデータを社内規定に従って標準化して変換します（部門コードの自動対応付け、税抜金額の計算など）。最後に、データを ERP システムや Google Sheet のレポートに直接書き込み、伝票の認識から経理処理の作成までをワンクリックで自動化します。
**請求書の内容を自動検出**
**請求書の内容を Google Sheet に自動で書き込み**
**ERP 形式の JSON に自動で変換**
```
{
"expenditure_department": "台北總公司",
"cost_item": "水費",
"summary": "114/03/05-114/05/04台北水費",
"invoice_number": "TP88776655",
"tax_amount": 50,
"pre_tax_amount": 1450,
"payment_date": "2025-05-30",
"department_code": "T"
}
```
### 4. インテリジェント請求書アシスタントの技術的な強み (Technical Advantages)
#### 🚀 強力なビジョン言語モデル (Vision Language Model)
* **意味理解と動的な推論：** モデルは固定のレイアウト座標に依存せず、伝票の文脈と意味を理解して情報を抽出します。さらに、System Prompt によって業務ルールを柔軟に拡張でき、プログラムを再開発する必要はありません。
> *活用例：*
>
> * 自動の振り分け： 「水道公社」のロゴを見て、科目を自動で「水道料金」に分類します。
> * ロジックの補完： 「高雄の住所」を見て、部門コード「K」を自動で推論して入力します。
> * ルールの拡張： 将来「台北支社」の判定ロジックを追加したい場合は、プロンプトを調整するだけで有効になります。
* **環境変化への高い適応力：**ノイズに強い視覚認識能力を備えているため、ユーザーがスマートフォンで撮影した写真に影、しわ、反射、わずかなぼやけがあっても、vLM は文脈から数値や文字を正確に復元でき、撮り直しや手動での補完入力を大幅に減らせます。
#### **🛠️ 正確なツール呼び出しとロジックの実行 (Tool Use & Integration)**
* レポートの自動書き込み： Google Sheets への書き込みツールを通じて、Agent は解析した情報を指定のクラウドスプレッドシートの列に直接書き込めます。
> 従来の「人が伝票を見て、手作業で表に Key-in する」という煩雑なプロセスに代わり、「伝票を撮るだけでレポートが完成」を実現します
* **構造化フォーマットと ERP とのシームレスな連携** ： 出力フォーマットを強制的に規定することで、データが社内システム（ERP）の要件にそのまま対応するようにします。
> *活用例：*
>
> * 日付の統一： 請求書に `2024/01/01` と書かれていても `113年1月1日` と書かれていても、書き込み前に自動で標準の `YYYY-MM-DD` に変換されます。
> * システム連携： 標準的な JSON 形式での直接出力に対応しており、企業の ERP API からそのまま呼び出せます。
* **ロジックのコンプライアンス検証 (Logic Validation)：**アシスタントはデータを渡すだけでなく、計算ツールを呼び出して数値やコンプライアンスのチェックも行えます。
> *活用例：* `合計 - 税額 = 税抜金額` を自動で検算したり、企業の規定に従って特定の支払日（毎月 30 日など）に固定したりして、システムに取り込まれるすべてのデータが経理ロジックとセキュリティ規定に適合するようにします。
MaiAgent のインテリジェント請求書アシスタントにより、経理チームは煩雑な証憑入力作業から解放されるだけでなく、すべての費用の所属とコードが 100% 正確であることを確保でき、「伝票」から「レポート」までの無人化された自動処理を実現できます！
**今すぐ請求書・経費アシスタントをお試しください。経理プロセスを、単なるデジタル化ではなく、インテリジェント化しましょう！**
---
# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.
## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.
Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:
```
GET https://docs.maiagent.ai/maiagent-user-guide/ja/work/km/billing-assistant.md?ask=&goal=
```
`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.
Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.