富士通AI経理が示す財務経理部門の経営参謀化と監査DX新潮流

AI予測が財務経理を変える必然

財務経理部門の仕事は、決算を締めて過去の数字を正しく示すだけでは足りなくなっています。価格改定、為替、サプライチェーン、人員計画、受注確度が短い周期で変わるため、経営陣は月次決算を待たずに先行指標を読みたいからです。

富士通の動きは、その変化を象徴しています。同社はOneERP+、OneCRM、OneDataなどを軸にグローバルの業務データを標準化し、FP&Aが受注と売上のAI予測を週次で管理する仕組みを整えています。財務経理を「記録の部署」から「経営判断の相棒」へ変えるには、AIそのものより先に、データ定義、業務プロセス、責任の所在をそろえる必要があります。

同時に、数字を速く読むほど誤判定のリスクも高まります。AI監査や異常検知は、不正や誤謬の早期発見に有効ですが、説明できないモデルに会社の意思決定を委ねることはできません。財務経理DXの本質は、予測力と監査可能性を同時に高める統治設計にあります。

富士通FP&Aを支えるデータ統合の実装

OneERP+とOneCRMの標準化基盤

富士通の統合レポート2025によると、同社は2020年に全社DXプロジェクト「Fujitsu Transformation」を本格始動しました。2022年4月に日本でOneDataを開始し、同年にはOneCRMを全地域へ展開して定義を統一しました。OneERP+は英国・アイルランドで先行稼働し、2024年10月には富士通本体と富士通Japanでも稼働しています。

この時系列が示すのは、AI導入の前提が「会計システムの置き換え」だけではないという点です。営業の案件情報、顧客情報、契約、原価、請求、回収、在庫、人員計画が異なる粒度で存在すれば、AIはそれらを横断して読めません。業績を先読みするには、どの受注をいつ売上に認識し、どの原価と結び付けるかという定義の共通化が不可欠です。

同社のFP&Aは、Fujitraのプロジェクトから発展し、2023年4月に正式な組織となりました。統合レポートでは、経営層を支えるCorporate FP&Aと、事業責任者を支えるBusiness FP&Aの2単位で構成されると説明されています。これは財務経理部門が中央で数字を集めるだけでなく、事業部の意思決定に入り込む設計です。

財務経理の現場では、システム統合の成否が役割転換を左右します。表計算ソフトに依存した予算管理では、数字の更新頻度が人手に縛られます。会計、営業、事業管理のマスターがばらつくと、会議ごとに「どの数字が正しいか」を確認する時間が増えます。標準化されたデータ基盤は、この摩擦を減らし、議論を原因分析と打ち手に向けるための土台です。

週次予測を経営対話に変えるFP&A

富士通のFP&Aで注目すべき点は、受注モデルと売上モデルを比較しながら週次の予測管理に使っていることです。受注は将来売上の入り口であり、売上は納品、検収、契約条件、リソース制約の影響を受けます。両者を別々のモデルで見ることで、単なる売上予測よりも早く変調をつかめます。

たとえば受注見込みが強いのに売上予測が伸びない場合、案件化の遅れ、納品体制の不足、価格条件の問題が疑われます。逆に売上見込みが強くても受注の厚みが弱ければ、翌四半期以降の成長余力に注意が必要です。FP&Aはこうした差分を経営者に示し、営業、開発、調達、人員配置の意思決定を前倒しできます。

2025年度の富士通の決算資料では、Service Solutionsの売上収益は2兆3469億円、Uvanceの売上収益は7093億円でした。Uvanceは前年から46.9%増え、Modernizationも2497億円と24.2%増えています。こうした成長領域では、過去実績だけを見た予算管理では判断が遅れます。事業ポートフォリオの転換期ほど、先行指標を扱うFP&Aの価値が高まります。

ただし、AI予測は経営会議の答えではありません。機械学習をFP&Aへ使う研究でも、予測と資源配分の因果判断を混同する危険が指摘されています。AIが「売上が伸びる」と示しても、その理由が価格、需要、営業活動、納期、為替のどれにあるかを分解できなければ、経営者は予算、人員、投資の意思決定に使えません。

そのためFP&Aには、モデルを読む力と現場仮説を組み立てる力が必要です。AIが異常値や先行変化を拾い、人が事業文脈を補う。この分担が成立して初めて、財務経理部門は集計係から経営参謀へ進化します。

AI監査で問われる数字の信頼性

仕訳全量検査と異常検知の進化

財務経理部門が経営に近づくほど、数字の信頼性は重くなります。短い周期で予測を回し、KPIを経営判断に使う場合、元データに誤りや恣意的な処理が混じれば、意思決定もゆがみます。ここで注目されるのがAI監査と会計データの異常検知です。

従来の監査はサンプリングやルールベースの検査に依存する場面が多くありました。これに対し、機械学習やLLMを使う研究では、仕訳データ全体を対象に通常パターンから外れた取引を抽出し、監査人が確認すべき候補を絞り込む手法が検証されています。2025年の複式簿記データの異常検知研究では、複数組織のデータを直接共有しにくい課題に対し、秘匿性を保つデータ連携型の学習手法が提案されました。

LLMを使ったAuditCopilotの研究では、合成データ上で従来のJournal Entry Testが多くの偽陽性を出す一方、LLMとIsolation Forestを組み合わせた手法が偽陽性を大幅に抑える結果が示されています。たとえば同研究の合成データでは、従来ルールの偽陽性が942件だったのに対し、Mistral-8Bを使う条件では12件まで減りました。これは研究環境の結果であり、実企業の監査品質をそのまま保証するものではありませんが、監査人の確認負荷を下げる可能性を示しています。

AI監査の価値は、不正を自動で断定することではありません。膨大な仕訳、請求、承認ログ、権限変更履歴の中から、人が見るべき違和感を早く提示することです。不適切会計の多くは、単一の仕訳だけでなく、売上計上の時期、契約条件、返品、在庫、評価損、内部承認の流れが組み合わさって表面化します。AIはこの複合パターンの探索に向いています。

説明可能性と人の懐疑心の役割

AI監査を実務へ入れる際の最重要論点は、説明可能性です。監査人、経理責任者、監査役、監査委員会が「なぜその取引が危険なのか」を理解できなければ、アラートは業務の騒音になります。逆に説明が粗いまま高リスクと判定すれば、現場はAIの判断を避けるようになります。

IAASBは技術に関する方針で、監査・保証業務における技術活用を進める一方、基準、ガイダンス、品質管理の継続的な見直しを掲げています。同ページでは、自動化されたツールと技法にはAIやロボティックプロセスオートメーションなどが含まれると説明されています。これは、AI監査が監査人の職業的懐疑心を代替するものではなく、監査手続を支援する道具であることを示します。

金融AIの監査可能性に関する2026年のサーベイ研究も、再現性と決定論性の課題を指摘しています。LLMや深層学習では、同じ入力でも実行環境やモデル更新により出力が揺れる場合があります。会計監査でこの性質を無視すると、なぜ前回は低リスクで今回は高リスクなのかを説明できなくなります。

したがって、企業側にはAIのログ管理、モデルバージョン管理、入力データの来歴管理、プロンプトやしきい値の変更履歴が必要です。監査法人側にも、AIの結果を鵜呑みにしない検証手続が求められます。AI監査は「人を減らす技術」ではなく、人が高度な判断に時間を使うための統制技術と捉えるべきです。

統制なきAI経理が抱える三つの盲点

AI経理の第一の盲点は、データ主権と機密保持です。富士通は企業向けAIの説明で、データ主権、セキュリティ、統制、説明可能性を重視しています。これは自社の財務データを扱う場合にもそのまま当てはまります。案件名、顧客別収益、未公表の業績見通し、個人情報を外部AIへ入力すれば、情報管理上の重大な問題になります。

第二の盲点は、社内統制との接続です。金融庁は2023年4月に財務報告に係る内部統制の評価・監査基準と実施基準の改訂意見書を公表しました。AIを使って予測や異常検知を行うなら、内部統制の評価範囲、IT統制、権限管理、変更管理にAIモデルをどう位置付けるかを明確にしなければなりません。

第三の盲点は、責任の空洞化です。AIが予測し、ダッシュボードがアラートを出し、FP&Aが経営へ報告する流れでは、誰が最終判断をしたのかが曖昧になりがちです。NISTのAIリスク管理フレームワークは、AIの設計、開発、利用、評価に信頼性の観点を組み込むことを狙います。企業の財務経理も、AI利用規程だけでなく、経営会議での使い方まで統治する必要があります。

日本では経済産業省と総務省が2024年4月にAI事業者ガイドライン第1.0版を取りまとめました。同ガイドラインは既存のAI関連ガイドラインを統合・更新したものです。法令だけでなく、業界標準や国際的なリスク管理の考え方を参照しながら、AI経理の運用ルールを設計する段階に入っています。

経営者が財務経理DXで見るべき指標

経営者が財務経理DXを評価する際は、AIツールの導入数ではなく、意思決定の質が上がったかを見るべきです。具体的には、予測の更新頻度、予実差異の発見までの時間、KPI定義の統一率、異常検知アラートの精度、監査対応に必要な証跡の完全性が重要です。

富士通はManagement Vision 2035で、Customer Zero AI-driven managementを掲げ、自ら技術を使って得た知見を顧客へ還元する方針を示しています。さらに2026年5月にはOpenAI、Anthropicとの連携も発表し、AIを単なる効率化ではなく、企業変革の中核に置く姿勢を鮮明にしました。

財務経理部門に求められるのは、AIを使いこなす技術者集団になることではありません。事業の現実を理解し、データの品質を守り、予測の限界を説明し、経営者に早い判断材料を出すことです。AI武装した財務経理が経営参謀になるか、単なる自動化部門にとどまるかは、データ統合とガバナンスをどこまで経営課題として扱えるかで決まります。

参考資料:

• Fujitsu Integrated Report 2025
• FY2025 Consolidated Financial Results
• Data & AI-driven management | Fujitsu Global
• AI to Drive Your Enterprise | Fujitsu Global
• Management Vision 2035
• Fujitsu to accelerate AI transformation in Japan’s enterprise sector through collaboration with OpenAI
• Fujitsu signs strategic partnership with Anthropic
• 「財務報告に係る内部統制の評価及び監査の基準並びに財務報告に係る内部統制の評価及び監査に関する実施基準の改訂について（意見書）」の公表について
• 「AI事業者ガイドライン（第1.0版）」を取りまとめました
• Technology | IAASB
• AI Risk Management Framework | NIST
• Machine Learning for Financial Forecasting, Planning and Analysis: Recent Developments and Pitfalls
• Anomaly Detection in Double-entry Bookkeeping Data by Federated Learning System with Non-model Sharing Approach
• AuditCopilot: Leveraging LLMs for Fraud Detection in Double-Entry Bookkeeping
• From Accuracy to Auditability: A Survey of Determinism in Financial AI Systems