「AIで会計士の生産性が上がる」という話は溢れていますが、その多くはベンダーの宣伝か、実務を知らない一般論です。MIT SloanとStanfordの研究チームが発表したこの研究が貴重なのは、実際の会計事務所の取引データと会計士本人への調査で効果を測定した点にあります。数字は明快で、しかし手放しの礼賛でもありません。税理士の視点で読み解きます。
何が起きたのか
MIT Sloan助教授のChloe Xie氏とStanford大学のJung Ho Choi氏が、AI会計ソフト企業と提携し、中小企業79社・数十万件の取引データを分析、あわせて会計士277名に調査を実施しました。調査対象のうちAIを実務で使っているのは約1割で、AI利用者と非利用者を比較できる設計です。
結果として測定された効果は3つです。
- 時間配分の変化：取引の分類・データ入力といったルーチン業務から、クライアント対応・分析といった高付加価値業務へ約8.5%の時間が再配分された
- 報告品質の向上：総勘定元帳の粒度（記帳の細かさ・正確さ）が12%向上した
- 決算の早期化：月次決算の完了が7.5日短縮され、約2週間で完了するようになった
業務別では、取引分類・契約要約・帳簿の異常検出・データ入力で効果が大きく、クライアント分析や品質保証では中程度、経営判断を要する高度な分析では限定的でした。
一方で研究はリスクも数字で示しています。会計士の62%が「AIが生成したレポートの誤り」を懸念しており、さらに重要なのは、AIの信頼度スコアが低い場合でも会計士がAIの提案に従ってしまう傾向が観察されたことです。そして興味深いことに、経験豊富な会計士ほどAIのスコアを戦略的に使い分け、大きな効果を得ていました。
背景 ―― なぜ今なのか
ホワイトカラーの生産性に対する生成AIの効果は、コールセンターやプログラミングでは実証研究が蓄積されてきましたが、会計実務を実データで測った研究はほとんどありませんでした。会計は「間違いが許されない」「検証が必須」という点で、チャットの応答速度が上がれば良いコールセンターとは構造が違います。この研究は「検証が必要な専門業務でもAIは効果を出せるのか」という問いに、初めてまとまった実証を与えたものです。
もう一つの文脈は「AIで会計士は不要になる」言説への反証です。研究が示したのは代替ではなく時間の再配分——ルーチンが減り、人にしかできない業務が増えるという構図でした。ただし後述のとおり、これを楽観論で終わらせない読み方が必要です。
税理士の視点で読み解く
①「経験者ほど効果が大きい」は会計AIの本質。 この研究で最も重要な発見は、効果の大きさが経験に比例したことだと考えています。AIの出力は必ず検証が要る以上、検証できる力がある人ほどAIを速く安全に使える。つまりAIは初心者の穴埋めではなく、熟練者のレバレッジです。「AIがあるから新人でも大丈夫」という発想で体制を組むと、62%が懸念する「誤り」がそのまま成果物に流れ込みます。
②「信頼度が低くてもAIに従う」は自動化バイアスの実証。 経験の浅い担当者ほどAIの提案を鵜呑みにする——これは航空業界などで古くから知られる自動化バイアスが、会計実務でも起きることを示しています。月次決算が7.5日縮んでも、レビューの設計を変えなければ品質リスクはむしろ増える。「AIが分類した仕訳を誰がどの基準で見るか」を明文化することが、導入効果と同じくらい重要です。
③日本の記帳実務はまさにこの領域。 研究で効果が大きかった取引分類・異常検出・データ入力は、日本ではクラウド会計（freee・マネーフォワード等）のAI仕訳がすでに担いつつある領域です。記帳代行を収益の柱にしている事務所ほど、この研究の数字は単価下落の予告として読むべきです。逆に、8.5%の時間再配分が向かった先——クライアント対話・分析・予測——は、日本で言えば月次の経営助言、資金繰り支援、税務プランニングであり、顧問報酬の根拠をそちらに移す準備が要ります。
④「元帳粒度12%向上」は品質投資としてのAI。 見落とされがちですが、この研究はAIが「速くなる」だけでなく「記帳が細かく正確になる」ことを示しました。粒度の高い元帳は、税務調査での説明力、金融機関への報告、経営分析の精度に直結します。AI導入をコスト削減でなく品質投資として顧問先に説明できるのは、実務家にとって使い勝手の良いエビデンスです。
割り引くべき点もあります。研究対象は米国の中小企業会計であり、日本の税務申告固有の論点（消費税の課税区分判定、別表調整など）はカバーしていません。また「AI会計ソフト企業と提携した研究」である以上、対象企業がもともとデジタル化に前向きなサンプルである可能性は考慮すべきです。
実務家のアクション
- AI仕訳のレビュー基準を明文化する：「どの信頼度なら無検証で通すか／必ず人が見るか」を決め、自動化バイアスを仕組みで防ぐ
- 月次決算の所要日数を測る：自事務所・顧問先の現状値がなければ、7.5日短縮の議論は始まらない
- 記帳代行依存度を棚卸しする：売上のうち「AIが得意な領域」への依存が高いなら、助言業務への移行計画を
- 新人育成を再設計する：ルーチン業務が減ると従来型のOJTも消える。検証力を先に育てるカリキュラムが必要
- 一次研究を確認する：MIT Sloanの記事は平易な英語で、顧問先への説明資料の根拠としても使える