味之素金融解決方案與Fast Accounting共同開發的會計AI代理正式上線運作
味之素集團的AFS與Fast Accounting共同開發的「會計AI代理」已正式上線運作。該系統能自主執行報帳審批，達成93.3%的正確率，預計每年可節省1萬小時工時。
📋 文章處理履歷
- 📰 發表: 2026年4月24日 19:00
- 🔍 收集: 2026年4月24日 10:31
- 🤖 AI分析完成: 2026年4月25日 02:57（收集後16小時25分鐘）
負責味之素集團國內企業財務會計業務的味之素完全子公司——味之素金融解決方案株式會社（總部：東京都中央區，代表取締役社長：高木 泰，以下簡稱 AFS）與致力於實現會計奇異點的Fast Accounting株式會社（總部：東京都港區，代表取締役社長：森 啟太郎，以下簡稱 Fast Accounting），攜手推進了具備會計與稅務專業知識的會計AI代理的共同開發。
我們在此宣布，該AI代理已率先於AFS正式上線運作。
在本專案中，針對過去由人工處理的報帳審批業務，我們建構了一套由AI自主完成從登入系統到確認申請內容、審批及判斷是否退件等環節的機制。結果證實，在維持品質的同時，業務效率獲得了大幅提升。
我們將此舉視為邁向AI會計業務變革的重要一步。
■ 專案背景
在集中處理味之素集團國內財務會計業務的過程中，AFS面臨以下課題：
- 報帳與發票處理每年需耗費數萬小時的檢查工時
- 需要會計與稅務知識的判斷業務過於依賴個人經驗
- 專業知識傳承困難
- 即使活用BPO（業務流程委外）*，在品質維持與可持續性上也存在極限
*BPO（Business Process Outsourcing）：將企業活動中的部分業務流程委託給外部專業公司處理。
針對這些課題，Fast Accounting長久以來不斷自行設計與開發，並反覆研究會計專用的AI語言模型。
雙方攜手合作，啟動了本專案。目標是活用結合AI技術的會計AI代理，建立能在維持工作品質的同時，進行快速且具可持續性會計判斷的體制；並打造出不侷限於單純的RPA或現有生成式AI應用，而是能「真正承擔會計判斷的AI」。
■ 會計AI代理的建構
具體而言，我們以應用AI為前提，重新架構了AFS受託處理的多家企業會計審批業務。將Fast Accounting提供的會計專用AI技術，與其長年累積的AI OCR、憑證處理及業務自動化技術（如Remota／Robota等）相結合，並寫入味之素集團的業務規則與知識。因此，我們成功自動化了會計審批所需的一系列流程（從登入到判斷、審批），且這並非基於死板的規則，而是能根據會計知識進行靈活判斷。
此外，與依賴畫面欄位或條件的RPA不同，它具備通用性，也可橫向擴展至其他公司及業務。這使得我們能在控制確認成本的同時，實現兼具再現性與實效性的自動化。
藉此，過去每件需耗時4至5分鐘的報帳會計判斷，現在可透過比對申請數據與影像來自動完成。對於每月處理10,000件規模憑證的會計現場而言，預計每年可帶來約1萬小時的縮減效益。本次在AFS內部的報帳業務上線後，未來將進一步擴展至其他受託公司的審批業務。
此外，未來在發票處理業務方面，也目標將申請數據與影像比對、預付費用判定、資本支出判定、預扣所得稅對應、租賃交易判定等會計判斷予以自動化。
在AFS率先上線的AI代理流程圖：
由AI進行判定，人類則專注於事後抽樣檢查等內部控制的把關。
■ 彌補生成式AI極限的獨家技術
大型語言模型（LLM）雖然具備強大的生成能力，但存在著「幻覺（Hallucination）」問題，即會煞有其事地輸出與事實不符的內容。在會計業務中，這點有時會成為阻礙AI應用落地的障礙。甚至有人指出，無論LLM本身的精準度如何提升，要完全排除這個問題都非常困難。
正因為Fast Accounting一直以來專注於會計領域自行開發AI，我們選擇正面迎擊這個問題。最終，我們不把重點放在單純增加LLM的輸出上，而是重視以可信賴的方式完成業務；在設計了業務的前提條件、步驟及確認重點（驗收條件）後，才建構出應用AI的AI代理模式。透過整合至今累積的各種技術，我們實現了能將會計審批一系列流程完全自動化的會計AI代理。
■ 93.3%的正確率
為了驗證結合了Fast Accounting累積的會計與財務領域業務邏輯與LLM的「會計AI代理」的有效性，針對「收據必填項目確認」、「發票制度合規檢查」、「稅務上的交際費判定」這三個項目進行了
我們在此宣布，該AI代理已率先於AFS正式上線運作。
在本專案中，針對過去由人工處理的報帳審批業務，我們建構了一套由AI自主完成從登入系統到確認申請內容、審批及判斷是否退件等環節的機制。結果證實，在維持品質的同時，業務效率獲得了大幅提升。
我們將此舉視為邁向AI會計業務變革的重要一步。
■ 專案背景
在集中處理味之素集團國內財務會計業務的過程中，AFS面臨以下課題：
- 報帳與發票處理每年需耗費數萬小時的檢查工時
- 需要會計與稅務知識的判斷業務過於依賴個人經驗
- 專業知識傳承困難
- 即使活用BPO（業務流程委外）*，在品質維持與可持續性上也存在極限
*BPO（Business Process Outsourcing）：將企業活動中的部分業務流程委託給外部專業公司處理。
針對這些課題，Fast Accounting長久以來不斷自行設計與開發，並反覆研究會計專用的AI語言模型。
雙方攜手合作，啟動了本專案。目標是活用結合AI技術的會計AI代理，建立能在維持工作品質的同時，進行快速且具可持續性會計判斷的體制；並打造出不侷限於單純的RPA或現有生成式AI應用，而是能「真正承擔會計判斷的AI」。
■ 會計AI代理的建構
具體而言，我們以應用AI為前提，重新架構了AFS受託處理的多家企業會計審批業務。將Fast Accounting提供的會計專用AI技術，與其長年累積的AI OCR、憑證處理及業務自動化技術（如Remota／Robota等）相結合，並寫入味之素集團的業務規則與知識。因此，我們成功自動化了會計審批所需的一系列流程（從登入到判斷、審批），且這並非基於死板的規則，而是能根據會計知識進行靈活判斷。
此外，與依賴畫面欄位或條件的RPA不同，它具備通用性，也可橫向擴展至其他公司及業務。這使得我們能在控制確認成本的同時，實現兼具再現性與實效性的自動化。
藉此，過去每件需耗時4至5分鐘的報帳會計判斷，現在可透過比對申請數據與影像來自動完成。對於每月處理10,000件規模憑證的會計現場而言，預計每年可帶來約1萬小時的縮減效益。本次在AFS內部的報帳業務上線後，未來將進一步擴展至其他受託公司的審批業務。
此外，未來在發票處理業務方面，也目標將申請數據與影像比對、預付費用判定、資本支出判定、預扣所得稅對應、租賃交易判定等會計判斷予以自動化。
在AFS率先上線的AI代理流程圖：
由AI進行判定，人類則專注於事後抽樣檢查等內部控制的把關。
■ 彌補生成式AI極限的獨家技術
大型語言模型（LLM）雖然具備強大的生成能力，但存在著「幻覺（Hallucination）」問題，即會煞有其事地輸出與事實不符的內容。在會計業務中，這點有時會成為阻礙AI應用落地的障礙。甚至有人指出，無論LLM本身的精準度如何提升，要完全排除這個問題都非常困難。
正因為Fast Accounting一直以來專注於會計領域自行開發AI，我們選擇正面迎擊這個問題。最終，我們不把重點放在單純增加LLM的輸出上，而是重視以可信賴的方式完成業務；在設計了業務的前提條件、步驟及確認重點（驗收條件）後，才建構出應用AI的AI代理模式。透過整合至今累積的各種技術，我們實現了能將會計審批一系列流程完全自動化的會計AI代理。
■ 93.3%的正確率
為了驗證結合了Fast Accounting累積的會計與財務領域業務邏輯與LLM的「會計AI代理」的有效性，針對「收據必填項目確認」、「發票制度合規檢查」、「稅務上的交際費判定」這三個項目進行了