協力会社から届いた請求書の金額を会計ソフトに打ち直す。現場で書いた手書きの作業日報を、事務所で改めてパソコンに入力する。建設会社の事務仕事には、こうした「紙に書いてあることを、もう一度打ち込む」作業が驚くほど多く残っています。この打ち直しを機械に肩代わりさせる技術がOCRです。この記事では、OCRとは何かという基本から、文字を読み取る仕組み、手書きはどこまで読めるのかという精度の実際、現場と事務所での使い方、公的資料が示している削減時間、そして導入前に知っておきたい注意点までを、順に整理します。
OCRとは
OCRとは、Optical Character Recognition（光学文字認識）の頭文字をとった言葉で、紙や画像に写っている文字を、コンピューターが扱えるテキストデータに変換する技術のことです。読み方は「オーシーアール」。スキャナーで取り込んだ書類やスマホで撮った写真は、そのままでは「文字の形が写っている絵」にすぎず、検索も集計もコピーもできません。OCRはその絵の中から文字を見つけ出し、「請求金額 1,250,000円」という文字列として取り出してくれます。
身近な例で言えば、スマホで撮影した書類の文字を長押しでコピーできる機能、複合機で「検索できるPDF」として保存する設定、名刺アプリで撮影するだけで会社名と氏名が登録される仕組み。これらはすべてOCRが動いています。特別なものではなく、すでに多くの人が意識せずに使っている技術です。
なぜいま注目されるのか。背景には、事務作業に人手を割きにくくなっている事情があります。国土交通省の令和6年度 国土交通白書では、建設業の2023年度（令和5年度）の年間の平均労働時間は2,018時間で、他産業と比較して62時間ほど長いと述べられています。現場に出る人手も事務所に残る人手も限られるなかで、打ち直しのような付加価値を生まない作業から先に減らしたい、という発想でOCRが選ばれています。
OCRの仕組みをざっくり理解する
細かい理屈を知る必要はありませんが、「どこでつまずくのか」を把握しておくと、うまくいかないときの原因が読めるようになります。OCRの処理は、おおむね次の順番で進みます。
1画像として取り込む
スキャナー、複合機、スマホのカメラなどで書類を画像にします。この段階の写りが悪いと、後の工程で挽回できません。斜め、影、ピンぼけ、折り目が読み取り失敗の主な原因です。
2画像を整える
傾きを直し、明るさやコントラストを調整し、背景の汚れやノイズを取り除きます。人間が読みやすい状態に近づける下ごしらえの工程です。
3文字のかたまりを切り出す
どこが文章でどこが表・罫線・印影・写真なのかを判別し、一文字ずつの領域に切り分けます。罫線が入り組んだ帳票や、印鑑が数字に重なった書類でつまずきやすいのがこの段階です。
4文字を推定する
切り出した形を、あらかじめ学習した文字の特徴と照合して「この形はおそらく8」と判定します。近年の製品は前後の文脈も手がかりにするため、単独では読みづらい崩れた文字も推定できるようになっています。
5データとして出力する
認識した文字をCSVやテキスト、検索できるPDFとして書き出します。ここで会計ソフトや表計算ソフトに渡せる形になって、はじめて業務が楽になります。
大事なのは、最後の「データとして出力する」段階まで届いてはじめて効果が出るという点です。読み取っただけで、結局その数字を人が別のソフトに手入力しているなら、手間はほとんど減りません。OCRを検討するときは、読み取ったあとのデータがどこへ流れるかまで含めて考えてください。
OCRの種類と、AI-OCRとの違い
ひと口にOCRといっても、得意分野の違うものがあります。カタログを比べるときは、この分類を頭に入れておくと迷いにくくなります。
- 活字OCR：印刷された文字を読み取る、もっとも古くからある方式。書類の形式が決まっていれば安定して高い精度が出ます
- 手書きOCR：手書き文字を読み取る方式。書き癖や崩し字の影響を受けやすく、活字より難易度が上がります
- AI-OCR：機械学習を取り入れ、書式の違いや文字の崩れに柔軟に対応できるようにしたもの。請求書のように会社ごとに様式が違う帳票でも、金額や日付といった項目の意味を推定して抜き出せます
- 検索できるPDF（透明テキスト付きPDF）：見た目は元の書類のまま、裏側に読み取った文字を埋め込む形式。過去の書類をあとから探せるようにする用途に向きます
従来型のOCRは「決まった位置の、決まった書式」を読むのが前提で、様式が違うたびに設定をやり直す必要がありました。AI-OCRはそこを緩めた発展形だと考えると分かりやすいでしょう。画像から意味のある情報を取り出すという点では、画像認識AIと地続きの技術でもあります。読み取る対象が文字ならOCR、ひび割れや保護具の有無といった物や状態なら画像認識、という住み分けです。
建設業でのOCRの使い方
建設業は、紙のやりとりがまだ多く残っている業種です。だからこそOCRの使いどころははっきりしています。実際に使われている場面を挙げます。
- 請求書・注文書の処理：協力会社ごとに様式が違う請求書から、取引先・日付・金額を抜き出し、会計ソフトへの入力を省く
- 手書きの作業日報・出面表：現場で書いた紙をスマホで撮り、人員数や作業時間を表計算ソフトに集約する
- 納品書・受領書：資材の数量と単価を読み取り、原価管理表と突き合わせる
- 安全書類・作業員名簿：氏名や資格の情報を転記する手間を減らす。取り違えが許されない書類なので、確認は人が行う前提で使う
- 図面の文字情報：室名や部材記号、寸法の数値を拾い出し、拾い出し表や機器リストの下ごしらえに使う
- 過去書類の検索：倉庫に眠る竣工書類や施工記録を検索できるPDFにして、「あの現場の仕様書はどこか」を探す時間をなくす
- 名刺・資格者証：担当者情報を台帳に登録する作業を短縮する
紙ではなく打合せの音声を文字にしたい場合は、用途が変わります。録音からの書き起こしは文字起こしAI（議事録AI）の領分で、OCRとは別のツールです。「紙と画像はOCR、音声は文字起こしAI」と覚えておけば十分です。
OCRの精度は実際どれくらいか
検討する側がいちばん気にするのは「本当に読めるのか」という点でしょう。公的な検証結果が公表されているので、数字で見ておきます。総務省の「自治体におけるAI活用・導入ガイドブック（導入手順編）」には、つくば市が町田市・横浜市・福岡市・郡山市・市川市とともに実施した共同研究の結果として、正読率約93％という数値が示されています。同じガイドブックのつくば市の事例では、つくば市の20帳票について正読率は文字単位で93.41％、項目単位で89.11％だったとされ、行政分野で使われる申請書等の文字判読について約9割の読取効果を確認した、と記載されています。
同じ資料では、本格導入後の読み取りの精度は95％程度で、読み取れない画像はその部分だけが画面に表示され、人が見てテキストを入力するとCSVファイルに反映される運用になっている、とも紹介されています。ここが実務上の要点です。9割台という数字は「1割前後は人が直す」という意味でもあり、精度100％を前提にした運用は成り立ちません。裏を返せば、直すべき箇所だけを人に回す仕組みがあれば、9割台でも十分に戦力になるということです。
民間の例も同じガイドブックに載っています。みずほ銀行の非定型帳票向けソリューションについて、帳票入力業務の約8割がAIにより代替可能と確認されており、帳票1枚を登録する時間を10分の1に、コストをおよそ半分にできると期待されている、という記述です。桁を1つ間違えれば実害が出る業務でも、人の確認を前提にすれば実用になる、という水準感がうかがえます。
導入すると何がどう変わるか
実際に導入した組織が公表している数字を見ておきます。まず建設業の例です。NTT西日本が公開している導入事例では、土木工事業で従業員36名の大政建設株式会社が、請求書から仕訳伝票の作成、支払い一覧表の作成、銀行振込依頼書の記入までを人手で転記していた状況を課題として挙げています。毎月10日ほどの限られた期間内にすべての作業を終える必要があり、社員の稼働を圧迫していたとされています。
AI OCRで請求書を読み取ってCSVに出力し、仕訳伝票や振込依頼書の作成を自動化した結果、1週間程度を要していた一連の作業が1日程度にまで短縮され、作業時間の約8割短縮を実現したと紹介されています。転記ミスによる銀行からの差し戻しが解消されたこと、経験の浅い社員でも簡単に素早く作業できる仕組みが整ったことも効果として挙げられています。従業員36名という規模は、多くの中小建設会社にとって現実的な参考値でしょう。
規模の大きい例としては、総務省の地域DXポータルサイトに掲載されている大阪府豊中市の事例があります。RPAとAI-OCRを83業務に導入し、年間で約10,900時間を削減した（令和6年3月時点）とされています。ここでも単独ではなく、読み取ったデータを自動でシステムに登録する仕組みと組み合わせている点が共通しています。
共通しているのは、OCRを「入力の入口」として位置づけ、その先の登録作業まで含めて自動化していることです。まず小さく試して効果を測り、それから広げるという進め方はPoC（概念実証）の考え方そのもので、社内の説得材料としても有効です。
メリットと注意点
見落とされがちなのが、書類を外部に預けることになるという点です。請求書には取引先名と金額が、作業員名簿には個人情報が載っています。総務省のガイドブックでも、個人番号欄を含む書類をマスキングせずに読み取る場合の留意点や、クラウド型のAI-OCRを利用する場合はサービス自体も安全管理措置等の要件を満たしている必要があることが指摘されています。導入前に、データの保存場所と取り扱いを確認しておいてください。詳しくは情報漏洩対策も参考になります。
費用の考え方についても、同じガイドブックのつくば市の事例に参考になる記述があります。自前で構築しようとすると億単位のコストがかかるため、共同利用型のサービスを使うことにした、というものです。自社にサーバーを立てて作り込むのではなく、月額や従量課金のサービスから始めるのが、規模の小さい会社にとって現実的な選択になります。
紙の書類を電子で保存する場合の基礎知識
「OCRで読み取ったら、紙は捨てていいのか」という質問はよく出ます。国税関係書類の電子保存には国税庁が定める要件があり、OCRの有無だけで判断できるものではありません。国税庁の「電子帳簿保存法一問一答【スキャナ保存関係】（令和7年6月）」には、スキャニング時の解像度は25.4ミリメートル当たり200ドット以上、階調は赤・緑・青それぞれ256階調（1677万色）以上といった要件が示されています。
検索についても同じ資料に説明があります。検索の条件として取引年月日その他の日付・取引金額・取引先を設定できることが要件とされており、スキャナで読み取った画像データをテキスト化して保存できる機能が備わっていない場合であっても、これらを手入力するなどして検索の条件として設定できるようにする必要がある、と述べられています。つまりOCRは要件そのものではなく、その要件を人手をかけずに満たすための手段という位置づけです。
失敗しない始め方
OCRは、道具そのものより「どの書類に当てるか」で成否が決まります。次の順番で進めると、無駄な出費をしにくくなります。
1打ち直している書類を数える
まず1か月分について、何をどこに打ち直しているかを書き出します。書類の種類、月あたりの枚数、1枚あたりの入力時間の3つが分かれば、削減できる時間の見当がつきます。ここを飛ばすと、導入後に効果を説明できません。
2対象を1つに絞る
毎月発生し、枚数がまとまっていて、様式がある程度そろっている書類を1つだけ選びます。多くの会社では請求書か作業日報が候補になります。
3自社の実物で試し読みさせる
カタログの精度表示ではなく、実際に自社でやりとりしている書類を、無料試用期間のあいだに読ませます。汚れた紙、手書きの走り書き、印鑑が数字に重なった書類など、状態の悪いものを必ず混ぜて試すことが重要です。
4読み取ったあとの流れを決める
出力されたCSVを誰がどのソフトに取り込むのか、誰がどこまで確認するのかを決めます。ここが曖昧だと、結局は担当者が全件を目視で照合することになり、効果が消えます。
5確認のルールを紙1枚で共有する
金額と日付は必ず原本と突き合わせる、読み取れなかった項目は誰が直すといった取り決めを、簡潔にまとめて共有します。全件確認ではなく、間違えると実害が出る項目に絞るのが続けるコツです。
6効果を測って次に広げる
最初に数えた入力時間と比べ、どれだけ短くなったかを確認します。数字が出てから、次の書類へ広げます。
よくある質問
Q. 手書きの日報でも読み取れますか？
読み取れますが、活字より精度は下がります。総務省のガイドブックに掲載された自治体の共同研究では、手書きを含む行政の申請書等について正読率約93％、本格導入後の精度は95％程度と紹介されています。実務では「1割前後は人が直す」前提で、読めなかった箇所だけを人が入力する運用が現実的です。枠からはみ出さない、続け字を避けるといった書き方の工夫でも結果は変わります。
Q. OCRとAI-OCRは何が違うのですか？
従来型のOCRは、決まった位置に決まった書式で書かれた文字を読むことを前提としており、様式が変わるたびに読み取り位置の設定が必要でした。AI-OCRは機械学習を取り入れることで、様式の違いや文字の崩れに柔軟に対応し、金額や日付といった項目の意味を推定して抜き出せるようにしたものです。協力会社ごとに請求書の形が違う建設業では、後者のほうが実情に合う場面が多くなります。
Q. スマホで撮った写真でも使えますか？
使えます。専用のスキャナーがなくても、現場で撮影してそのまま事務所へ送る運用は広く行われています。ただし写りの影響を強く受けるため、書類を平らに広げ、影が入らない明るさで、真上から傾けずに撮ることが前提になります。撮り方が定まらないうちは、事務所の複合機で取り込んだほうが結果は安定します。
Q. 読み取ったら紙は捨てられますか？
書類の種類によって扱いが異なり、OCRで読み取ったかどうかだけでは判断できません。国税関係書類については、国税庁の電子帳簿保存法一問一答（スキャナ保存関係）に、解像度は25.4ミリメートル当たり200ドット以上、階調は赤・緑・青それぞれ256階調以上といった要件や、取引年月日その他の日付・取引金額・取引先を検索の条件に設定できることといった要件が示されています。原本を廃棄してよいかどうかは、最新の資料を確認のうえ、顧問税理士や所轄の税務署に確認してください。
Q. 小さな会社が導入しても元は取れますか？
書類の量次第です。NTT西日本の導入事例では、従業員36名の土木工事業の会社が、請求書の到着から支払書類の作成までに1週間程度かかっていた作業を1日程度に短縮し、作業時間の約8割短縮を実現したと紹介されています。月に何枚の書類を何分かけて打ち直しているかを先に数え、その時間と月額費用を並べて比べるのが確実な判断方法です。
Q. 図面の文字も読めますか？
室名や部材記号、寸法の数値といった文字情報は読み取れます。ただし図面は罫線や記号が密集しており、一般の帳票より難易度は上がります。また、記号や線が示す意味の解釈まで求める場合は、文字を読むOCRの範囲を超え、図面向けの専用ツールの領域になります。まずは拾い出しの下ごしらえに使い、最終確認は人が行う形が無難です。
どこから手をつけるか迷ったら
OCRは、AIの中でも効果が数字で見えやすい部類の技術です。ただし、成果が出るかどうかは「自社のどの書類に当てるか」と「読み取ったあとの流れをどう作るか」で決まります。AI番頭では、打ち直し作業の棚おろしから、対象書類の選定、確認ルールづくりまでを一緒に組み立てています。支援の内容はサービス紹介をご覧ください。「うちの請求書で読めるのか試したい」という段階のご相談も、無料診断・お問い合わせから承っています。