【2026年最新】Fuzzy Matchingによる二重申請検知の高度化と検知精度の定量的評価

企業のガバナンス強化において、経費精算の不正検知は常に重要な課題です。特に、同一の領収書を複数回申請する「二重申請」は、故意・過失を問わず発生しやすく、従来の完全一致検索では検知が困難なケースが増えています。本記事では、AIによるOCR解析とFuzzy Matching（曖昧マッチング）を組み合わせた最新の検知ロジックと、その定量的評価手法について解説します。

1. 経費精算における「曖昧な重複」の構造

従来の経費精算システムでは、日付、金額、支払先が「完全一致」する場合のみをアラート対象としていました。しかし、実際の不正や過失では、OCRの読み取りミスや手入力時の微細な差異により、完全一致をすり抜けるケースが頻発しています。例えば、「株式会社ABC」と「（株）ABC」といった表記揺れや、OCRによる「1」と「7」の誤認識がこれに該当します。

最新の調査データによると、AI導入前の企業における二重申請の潜在的発生率は、全申請件数の約0.8%〜1.5%に達すると推計されています。これを金額ベースで換算すると、大企業では年間数千万円規模の損失リスクを抱えていることになります。

2. Fuzzy Matchingアルゴリズムの実装と評価

二重申請の検知精度を高めるためには、レーベンシュタイン距離やジャロ・ウィンクラー距離といった文字列類似度アルゴリズムの活用が不可欠です。これにより、OCRが生成したテキストデータ同士の「近さ」を定量的に測定し、閾値を超えたものを「重複の疑いあり」として抽出します。

定量的な評価指標として、F1スコア（適合率と再現率の調和平均）を用いることが一般的です。偽陽性（誤検知）を抑えつつ、偽陰性（見逃し）を最小化するためのチューニングが、AIエンジニアの腕の見せ所となります。特に、日本の商習慣特有の領収書形式や、手書き文字のOCR解析精度を考慮したモデル構築が求められます。

3. 画像ハッシュ値を用いた多角的な不正検知

テキストベースの検知に加えて、近年注目されているのが「Perceptual Hashing（知覚ハッシュ）」を用いた画像そのものの類似性比較です。これは、領収書を撮影した画像から特徴量を抽出し、ハッシュ値を生成する手法です。たとえOCRが文字を誤読しても、「見た目が同じ領収書」であれば高い精度で検知可能です。

この多層的な検知アプローチにより、意図的に金額を書き換えて再申請するような悪質な不正も、画像のレイアウト特徴からあぶり出すことが可能になります。データ・インテグリティの観点からも、画像とテキストの両面から証憑を検証するプロセスは、監査対応において強力なエビデンスとなります。

4. 運用の自動化と将来的な展望

AIによる検知精度の向上は、経理部門の目視確認コストを劇的に削減します。2026年現在のトレンドでは、検知されたリスクスコアに基づき、低リスクの申請は自動承認し、高リスクなものだけを人間が精査する「ハイブリッド・ワークフロー」が主流となっています。これにより、ガバナンスと業務効率のトレードオフを解消することが可能です。

この記事の執筆者

安田 修

専務取締役 COO

Meets Consulting株式会社

あわせて読みたい

非構造化帳票のAI-OCR解析と深層学習による勘定科目推論の最適化

バックオフィス業務を劇的に変えるAI活用：3つの自動化フェーズ

鉄は熱いうちに打て：AI-OCRとLLMによるリード対応速度の極大化