本文へスキップ
SNAMO Logo
SNAMO
AIを活用して法改正対応や顧客別タスク、決算ヒアリング、OCR確認、出典チェックを効率化する税理士事務所の業務風景

法改正対応に追われる税理士事務所がAIで顧客別タスクを整えるまで

20 min read

夕暮れの「みなと税務・労務事務所」では、税務や労務の法改正通知が机いっぱいに積まれていた。税理士の佐伯は一枚の資料を手にしたまま、どの顧客に関係し、誰がいつまでに何を確認するのか分からず、窓の外の空を見つめていた。

「概要は読めても、顧客別の仕事に分けるところで止まってしまいますね」

社会保険労務士の水野が、給与制度の違う顧客一覧を広げた。事務スタッフの由衣は、通知の内容を表計算ソフトへ転記していたが、対応漏れや二重入力が心配だった。

「生成AIで要約はできます。でも、法令の根拠を確かめて、顧客別タスクにするのは別の仕事です」

机の上には、通知、メール、就業規則、顧客資料が重なっている。みなと事務所は、生成AIを使って法改正情報を整理しながら、匿名化や権限管理、有資格者の確認をどう組み込むか、静かに考え始めた。

この記事の答え

  1. 結論税理士事務所はAIで法改正情報を顧客別タスクに整理できます。
  2. 根拠根拠資料と影響理由を付け、有資格者が確認・承認する仕組みが必要です。
  3. 最初の一歩匿名化した顧客コードで法改正情報の整理を小さく試し、根拠項目を必須化します。
01

第1章 夕暮れの事務所に積み上がる法改正通知

夕暮れの事務所で法改正通知を整理する税務労務チーム

第1章 夕暮れの事務所に積み上がる法改正通知 - 本文

夕方六時四十分、みなと税務・労務事務所には、まだ紙をめくる音が残っていた。窓の外では、港へ向かう車のライトが細く流れ、コピー機が最後の一枚を吐き出していた。

佐伯の机には、税務や労務に関する通知、届いたメール、顧客の就業規則、給与資料が重なっている。どの紙にも大切なことが書かれているのに、山の中から一枚を抜くと、別の二枚が崩れそうだった。

佐伯は、ある通知の見出しを指でなぞった。概要は読める。変更される日も、確認すべき制度も分かる。それでも、顧客ごとに何をするのかを並べようとすると、手が止まった。

「概要は読めても、顧客別の仕事に分けるところで止まってしまいますね」

向かいの席で、水野が顧客一覧を広げた。社会保険労務士の水野は、給与制度の欄に青い丸をつけ、従業員数の欄には赤い線を引いていた。同じ通知でも、月給の会社と時給の会社では、確認する場所が違う。

「A社は固定給が中心です。B社は短時間で働く人が多い。C社は就業規則を昨年変えたばかりです」

水野は、三つのファイルを順番に開いた。通知をそのまま一斉送信すれば、全社に同じ説明はできる。けれど、必要な確認や期限まで同じとは限らない。

「全員に同じ案内を出すだけでは、足りないんです。顧客ごとに、見る資料も、聞く質問も、動く人も変わります」

窓際の由衣は、表計算ソフトの画面を見つめていた。事務スタッフの由衣は、通知の内容を読み、顧客ごとに確認事項を一行ずつ入力している。A社には給与台帳、B社には雇用契約書、C社には就業規則、と入力欄は少しずつ違っていた。

一つの通知を三十社分に写すと、似た文章が画面いっぱいに並ぶ。コピーしたつもりで一行を飛ばしていないか。前に入力した内容を、もう一度入れていないか。由衣は保存ボタンを押す前に、何度も指を止めた。

「この前の一覧、確認済みの会社が二つの表に入っていました。片方を消してよいのか、私には判断できなくて……」

佐伯は由衣の画面をのぞき込んだ。表の右端には、担当者、確認期限、顧客への連絡日を入れる欄がある。だが、空白のままの欄も多く、誰が次に動くのかは、画面を見ただけでは分からなかった。

水野が小さく息をついた。法改正の通知が届くたび、最初に読む人、内容を調べる人、顧客資料と照らす人、連絡文を作る人が必要になる。その順番が決まっていない日は、同じ資料を二人が別々に開いてしまう。

「生成AIで、通知を短くまとめることはできます。メールの文案も、たたき台なら作れます」

由衣は、以前使った画面を思い出した。長いお知らせを貼り付けると、三行の要約が返ってきた。やわらかな言葉のメールも、すぐにできた。けれど、その先の顧客別タスクまでは、誰も試していなかった。

「法令の根拠を確かめて、顧客ごとの作業に変えるのは、別の仕事ですよね」

佐伯はうなずいた。生成AIの答えが、そのまま正しいとは限らない。法令や公的な資料を確認し、税理士や社会保険労務士が判断しなければ、顧客に送ることはできない。

事務所の共有画面には、由衣が開いたe-Govのページが残っていた。通知の出どころを確かめるための場所だが、そこから顧客ごとの資料を一つずつ探す作業は、まだ人の手に残っている。

佐伯の本棚には、辻・本郷税理士法人の生成AI利活用ガイドラインを印刷した紙もあった。2025年9月1日付の資料には、情報収集や資料作成を助ける一方で、出力の確認や情報漏えいへの対策が必要だと書かれている。

「顧客名や住所を、そのままAIに入れてはいけませんね」

「ええ。匿名化、つまり名前や住所を消して、誰の情報か分からなくすることが先です。それから権限管理。誰がどの資料を見てよいかも決めないと」

水野の言葉に、由衣は表計算ソフトの共有設定を見た。便利さだけを急いで追えば、別の心配が増える。税務と労務の資料は、顧客の会社だけでなく、そこで働く人の暮らしにもつながっていた。

時計が七時を知らせた。佐伯は通知を閉じず、白い付箋に「根拠」「対象顧客」「担当者」「期限」と書いた。まだ仕組みはできていない。それでも、三人の視線は、紙の山ではなく、法改正情報を顧客ごとの仕事へ変える道の入口に集まり始めていた。

02

第2章 古い要約文が顧客への確認依頼に混ざった朝

生成AIの要約と法令資料を確認する税務事務所

第2章 古い要約文が顧客への確認依頼に混ざった朝 - 本文

翌朝、由衣は前日に生成AIで作った法改正の要約を開き、複数の顧客へ送る確認メールを準備していた。画面には、青葉製作所への給与制度の確認事項と、別の顧客向けの税務確認が、ひとつの一覧に並んでいた。

事務所には、まだ朝の白い光が差していた。由衣は通知の見出しを見ながら、顧客名を宛先欄へ入れ、確認してほしい項目をメール本文へ貼り付けていった。

「青葉製作所には、給与の計算方法と就業規則の確認ですね」

由衣は小さく声に出した。けれど、その下には、法人税の申告に関する確認項目も続いていた。青葉製作所には関係のない内容だったが、前日の要約に一緒に入っていた。

送信前の下書きには、別の顧客の名前も残っていた。由衣はそれに気づかず、宛先を変えながら同じ文章を整えていた。コピーした文字の色が少し違って見えたが、急いでいたため、そのまま作業を続けた。

「由衣さん、そのメールはまだ送らないでください」

水野が背後から画面をのぞいた。手には、厚生労働省の公式ページを開いたタブレットがあった。水野は由衣の肩越しに、要約文の一行を指で示した。

「この表現、前の情報のままです。今の資料では、適用される条件がもう少し細かく分かれています」

由衣は画面を見直した。生成AIの文章は自然だった。短い文でまとまり、仕事の順番まで示しているように見えた。しかし、どの法令のどの部分をもとにしたのかは、文章だけでは分からなかった。

水野は公式通知と法令の条文を並べた。そこには、給与制度の種類だけでなく、対象となる事業者や適用時期を確認する必要があると書かれていた。要約文は、その条件を省いていた。

「青葉製作所は給与制度の確認が必要です。でも、税務の項目まで同じ依頼に入れると、先方は全部対応しなければならないと思うかもしれません」

「それに、別の顧客には、青葉製作所の確認項目が混ざっています」

由衣の指が止まった。メールの下書きはまだ送信箱に入ったままだった。送信ボタンには触れていない。小さな赤い印が、画面の端で静かに点滅していた。

佐伯は二人の声を聞き、奥の机から歩いてきた。昨日の要約資料を手に取ると、余白に鉛筆で書かれた「顧客別」という文字を見つめた。

「要約は速い。でも、顧客に渡す仕事の一覧まで任せたら、判断の根拠が見えなくなる」

佐伯はそう言って、資料を机の中央へ置いた。生成AIは、長い通知を読みやすくしたり、確認メールの文案を作ったりする。けれど、誰に何が適用されるかを決めるのは、法令と顧客資料を照らし合わせる仕事だった。

「生成AIは、法令判断の代わりではありません。情報を集めて、整理して、文案にするための道具です」

水野の言葉に、由衣はうなずいた。判断とは、似た文章を並べることではない。顧客の制度や状況に、法令の条件が本当に重なるかを確かめることだった。

佐伯は、辻・本郷税理士法人の生成AI利活用ガイドラインを画面に表示した。そこにも、生成AIの出力は正確性や完全性が保証されず、関連法令と有資格者による確認が必要だと示されている。

「まず、要約の各項目に根拠を付けましょう。法令名、官公庁の資料、該当するページを一緒に残します」

「そのあとで、顧客ごとに分けるんですね」

「はい。税務は私が確認します。給与や就業規則は水野さんが確認します。由衣さんは、確認済みの項目だけをメールの下書きへ入れてください」

三人は、送信前のメールをいったん閉じた。青葉製作所には給与制度に関する確認だけを残し、税務の項目は別の顧客の一覧へ移した。対象外の作業を削ると、メール本文は半分ほどの長さになった。

昼前、佐伯は青葉製作所向けの下書きを読み上げた。確認事項の横には、根拠となる資料へのリンクがあり、担当者の名前と確認期限も記されていた。水野が制度の条件を確認し、佐伯が税務項目の混入がないことを確かめた。

「これなら、なぜ確認するのかを先方にも説明できます」

由衣は、昨日までの一覧と今日の下書きを見比べた。前の一覧には、顧客名と作業名がただ並んでいた。新しい下書きには、根拠、担当者、期限がそろっていた。

送信ボタンを押す前に、佐伯が最後の確認欄へ印を付けた。古い情報と対象外の作業は、顧客へ届かなかった。けれど、三人の机には、送られなかったメールのコピーが残った。

「止められてよかったです。次は、最初から根拠を見られる形にします」

由衣がそう言うと、水野は公式資料を閉じ、佐伯は新しい一覧の先頭に「根拠確認」と入力した。生成AIの速さを借りながらも、最後に顧客へ届ける仕事は、人の目で確かめる。その順番が、朝の小さな事故を境に、事務所の日課になり始めた。

03

第3章 「探す・分ける・頼む・待つ」を描いたホワイトボード

ホワイトボードでAIエージェントの流れを考える税務事務所

第3章 「探す・分ける・頼む・待つ」を描いたホワイトボード - 本文

翌朝、みなと税務・労務事務所に、業務改善を支援するIT担当者の森が訪れた。森との打ち合わせで、佐伯たちは法改正への対応をAIエージェントの流れに分け、顧客別タスクへ変える仕組みを考え始めた。

窓から入る光が、積み重なった通知の端を照らしていた。由衣はノートを開き、水野は顧客一覧を机の中央へ寄せた。

「昨日の話を聞いて、仕事を四つの動きに分けるとよさそうだと思いました」

森は白いホワイトボードに、ゆっくり四つの言葉を書いた。

探す 分ける 頼む 待つ

「AIエージェントという言葉を使いますが、難しくありません。決められた順番で情報を集め、整理し、確認の依頼を出し、期限を管理する助手です。最後の判断を、AIに丸ごと任せるものではありません」

佐伯は、前章で起きた送信前の誤りを思い出した。要約には古い情報が混ざり、対象外の顧客向けの作業まで入り込んでいた。

「まずは『探す』ですね。どこから情報を集めるのですか」

「官公庁の発表やe-Gov法令検索のような一次情報です。法改正の概要、施行日、対象者、必要な手続を拾います。ニュース記事だけで終わらせず、根拠の場所も一緒に残します」

森はホワイトボードの最初の言葉に、細い線を引いた。AIが見つけた内容の横には、参照したページと確認日が並ぶ仕組みだという。

次に森は、「分ける」の下へ、顧客の名前ではなく項目を書き込んだ。業種、企業規模、給与制度、利用している税制、就業規則の有無が並んだ。

「法改正の条件と、顧客の属性を照合します。たとえば、ある制度が特定の給与制度だけに関係するなら、その条件に合う顧客だけを候補にします。名前を覚えて判断するのではなく、登録した事実を照らし合わせるのです」

水野は顧客一覧を見つめた。会社ごとの違いを頭の中だけで覚えようとしていたことに、初めて気づいた。

「それなら、私の記憶ではなく、みんなが見られる条件表になりますね」

「その通りです。ただし、AIには三つの箱を用意します。『対象』『対象外』『情報不足・要確認』です。迷うものを、無理にどちらかへ押し込まないことが大切です」

「頼む」では、顧客ごとの仕事を小さな札に変える。札には、確認すること、顧客へ依頼する資料、事務所内の担当者を書く。

「たとえば、由衣さんには資料の依頼、水野さんには就業規則の確認、佐伯先生には法令と判断の承認を頼む、といった形です。AIは依頼文の下書きや一覧作成を助けますが、送る前には人が内容を見ます」

由衣の肩から、少し力が抜けた。これまでは、通知を読んだあとに表計算ソフトへ転記し、メールを作り、別の表で期限を確認していた。

最後の「待つ」には、回答期限、未回答の顧客、専門家による承認待ちを並べる。森は、色の違う付箋を三枚貼り、止まっている仕事を見えるようにした。

「待つことも仕事です。返事がない顧客を忘れず、承認が終わっていない案件も追えるようにします。期限が近づいたら、担当者へ知らせるだけにして、勝手に完了にはしません」

佐伯は、ホワイトボードの四つの言葉を見比べた。仕事が一つの大きな塊ではなく、順番のある道に見えてきた。

森は、もう一つの枠を端に描いた。そこには、個人名、マイナンバー、給与明細と書かれている。

「顧客情報は必要最小限にします。個人名やマイナンバー、給与明細のような機微情報は、原則としてAIへ入力しません。必要なら匿名化し、権限を持つ人だけが見られる場所で扱います」

佐伯はうなずいた。便利さを急ぐほど、守る線を先に決めなければならない。

森は、2025年9月1日付で策定された辻・本郷税理士法人の生成AI利活用ガイドラインを示した。そこにも、情報収集や資料作成に生成AIを使いながら、出力の正確性を法令と有資格者が確認する考え方が記されているという。

「AIは、探して、分けて、頼んで、待つところまで支えます。でも、法令の根拠を確かめ、顧客へ出す判断を承認するのは人です」

静かな部屋に、時計の音が響いた。佐伯は一枚の通知を手に取り、対象となりそうな顧客を三社だけ選んだ。

「まず、この通知で試してみましょう。三つの箱に分け、顧客別の確認事項と依頼資料を作る。私が根拠を確認し、水野さんが判断し、由衣さんが期限を管理する」

「やってみましょう」

由衣の返事は、昨日よりも明るかった。森はホワイトボードの「探す」に丸をつけ、佐伯は通知の余白に、最初のタスクを書き始めた。

04

第4章 匿名の顧客データで始めた小さな実験

匿名データをMicrosoft Excelで確認する税務事務所

第4章 匿名の顧客データで始めた小さな実験 - 本文

夕暮れの事務所で、みなと事務所は三つの架空顧客コードを使った小さな実験を始めた。いきなり全顧客へ広げず、法改正の影響を判定する流れだけを、匿名のデータで確かめることにした。窓の外では、港のクレーンが赤い空に細く浮かんでいた。

由衣は、顧客名と法人番号を対応表から外した。対応表は別の暗号化フォルダに置き、AIへ渡す表には「M-014」「M-027」「M-031」という顧客コードだけを残した。

「入力するのは、影響判定に必要な項目だけです。顧客コード、業種、従業員規模、給与の締め日、就業規則の改定状況。賃金額や住所、担当者名は入れません」

由衣はMicrosoft Excelに新しいシートを作った。列は、顧客コード、業種、従業員規模、給与の締め日、就業規則の改定状況、確認できていない項目の六つにした。空欄をそのままにせず、「未確認」と入力する欄も加えた。

森は、事務所の検証用AIエージェントを開いた。由衣がExcelの表を読み込ませる前に、三人で指示文を読み合わせた。

「一次情報を確認する。根拠URLを記録する。影響理由を一文で書く。不明点は、対応不要ではなく要確認にする。これは必ず入れましょう」

「それから、これは判定ではなく、判定案だと書きます。AIの答えを結論にしないためです」

佐伯がそう付け足すと、水野はうなずいた。検索先にはe-Gov法令検索や、所管する省庁の公開資料を指定した。法改正の概要だけを載せたまとめ記事は、参考資料として別に扱うことにした。

最初の実行結果は、すぐに画面へ並んだ。M-014は「対応候補」、M-031は「要確認」と表示された。しかし、M-027には「対応不要」と出ていた。

由衣は、M-027の行を指でなぞった。給与の締め日は「毎月末」と入っていたが、給与制度の欄は空白だった。短時間勤務者の扱いや固定手当の変更状況も、まだ確認していなかった。

「この会社は、対応不要ではありません。分からないだけです」

水野の声が少し低くなった。AIは、空白を「該当なし」と読み違えたらしい。画面の「対応不要」という文字が、夕方の光の中で妙に強く見えた。

佐伯は、すぐに結果を消さなかった。誤判定の行を残し、どの入力が足りなかったのかを記録した。

「失敗した場所が見えました。ここを直せば、次の確認が変わります」

水野は判定結果の列を組み替えた。状態は「対応候補」「対応不要」「要確認」の三つにし、「根拠URL」「影響理由」「不足情報」を必須項目にした。入力欄に一つでも「未確認」があれば、AIが対応不要を選んでも、最後は自動で「要確認」に戻すルールにした。

森はMicrosoft Power Automateの流れも見直した。AIが作った顧客向け文章は、Microsoft Teamsの確認欄に送るだけにする。「承認済み」の印が付くまで、外部への送信処理へ進まないようにした。

「自動で送るのではなく、承認を待つ流れを自動にします」

その言葉を聞いて、由衣は小さく笑った。これなら、忙しい日に確認前の文章が飛び出す心配が減る。

二度目の試行で、M-027は「要確認」に変わった。理由には、「給与制度と対象者の条件が未確認のため、影響の有無を判断できない」と一文で表示された。不足情報には、「短時間勤務者の扱い」「固定手当の変更状況」と残った。

佐伯は、AIが作ったタスク案を一つずつ法令と照合した。e-Gov法令検索で施行日を確認し、対象条件を読み、必要書類を確かめた。さらに、顧客へ説明する文章が、法令の内容を広げすぎていないかも見た。

「施行日が合っていても、対象条件が違えばタスクは変わります。根拠URLがあるから、確認する場所へすぐ戻れますね」

水野は、AIの文章に残っていた「必ず対応してください」という表現を削った。「対象となる場合は、次の資料をご確認ください」と書き換え、税理士か社会保険労務士が承認するまで送信できない状態を確かめた。

事務所の壁際では、情報管理の確認も進んでいた。原本と匿名化前の対応表は、担当者を限ったフォルダに置いた。AIサービス側の学習利用の有無、保存期間、管理者設定、通信と保存時の暗号化を、契約条件と管理画面で確認した。

「機微情報は入力しない。利用目的を決める。必要な期間を過ぎたデータは残さない。迷ったら、森さんに確認する」

由衣は、その四つを職員向けの一枚のマニュアルに書いた。Microsoft Teamsで共有するチェックリストには、根拠URLの有無、未確認項目の有無、有資格者の承認、送信前の確認欄を並べた。

辻・本郷税理士法人が2025年9月1日付で公開した生成AI利活用ガイドラインにも、匿名化や暗号化、出力の有資格者確認が示されている。佐伯はその考え方を参考にしながら、自分たちの顧客情報に合わせて手順を短く整えた。

三つのコードでの試行は、完璧にはならなかった。けれど、空白を見つけたAIが「要確認」と知らせ、根拠と不足情報を示すところまで、流れは育っていた。

佐伯は、赤い「要確認」の印を見つめた。以前なら、AIに任せるか、全部を人手でやり直すかの二つしかないように思えた。今は、AIに探させ、人が確かめる場所を見つけられる。

「自動化は、確認をなくすことではないんですね。確認すべき場所を、見つけやすくすることです」

その夜、由衣はマニュアルの最後に、短い一文を加えた。「不明点を不明のまま残せること」。事務所の灯りが一つずつ消えるころ、次に試す架空コードの空欄が、静かに用意されていた。

05

第5章 顧客名の横に、今日やる仕事が並んだ午後

生成AIで顧客別タスクを確認する税務事務所

第5章 顧客名の横に、今日やる仕事が並んだ午後 - 本文

数週間後の午後、みなと税務・労務事務所の画面に、法改正情報から分けられた顧客別タスク一覧が並んでいた。以前なら通知の束から顧客名を探していた時間に、職員も顧客も、自分に関係する作業だけを見られるようになっていた。

画面の左側には、顧客コードが並んでいる。その中の「A-03 青葉製作所」を開くと、「就業規則の確認」「給与処理への影響確認」「担当者との面談」という三つの作業が表示された。

由衣は、タスクを一つ選んだ。長い通知の全文ではなく、AIエージェントが作った短い要約と、法令を確かめるための根拠URLが、同じ画面に出ている。さらに、なぜ青葉製作所に関係するのかという影響理由、担当者、期限、不足している情報も並んでいた。

「前は、通知を読み返しながら、顧客名を探していました」

「今は、理由を見てから、元の資料へ戻れますね」

佐伯は、画面の右端にある承認欄を一つずつ確認した。AIの要約をそのまま仕事にせず、法令の根拠と顧客資料を照らし合わせ、判断が必要な案件だけを自分の机へ引き寄せていく。

「要約は入口です。最後に確認するのは、私たちの仕事です」

青葉製作所の下には、別の顧客も表示されていた。給与制度が異なるその顧客には、就業規則や面談のタスクはなく、税務上の確認だけが出ている。

水野は顧客ごとの画面を切り替えた。匿名化した顧客コードを使い、権限に応じて必要な情報だけを見せる仕組みだったため、関係のない顧客の資料が混ざることもなかった。

「今回お願いしたいのは、この資料の確認だけです」

水野は、対象外の顧客へ余計な依頼を送らずに済んだことに気づいた。以前は念のために広く資料を求めることがあり、そのたびに顧客へ説明する文章も増えていた。

この事務所が、いきなり全顧客へ広げず、小さく試して効果を見える形にした背景には、業界全体の迷いもあった。430名を対象にしたインターコム調査では、電子化・ペーパーレスに対応している割合は73.5%で、内訳は一部対応46.3%、多くの業務で対応27.2%だった。非対応は26.5%で、対応しない理由として効果が不明確25.4%、顧客が未対応23.7%が挙げられている(出典:インターコム調査、430名対象)。

その数字は、みなと事務所の成果ではない。佐伯たちは、まず一部の顧客コードで、根拠URLの確認や有資格者の承認まで含めて流れを確かめ、どこで迷いが減るのかを画面で見えるようにしていた。

しばらくして、水野の受信箱に青葉製作所から返信が届いた。以前のように、「何を出せばよいか分からない」という言葉から始まるメールではなかった。

「今回の確認に必要な資料が分かりました。給与処理への影響について、担当者との面談で確認したい点も整理できています」

由衣は、その文面を読みながら、肩の力が抜けていくのを感じた。法改正通知を何度も開き直す代わりに、顧客との会話が、確認する資料と次の作業から始まっている。

佐伯の画面には、まだ承認を待つ項目が残っていた。けれど、それは机いっぱいの紙の中に埋もれた不安ではなく、顧客コードの横に名前を持った仕事として、静かに並んでいた。

窓から差し込む午後の光が、画面の端を白く照らした。由衣は次のタスクを開き、水野は新しいメールを書き、佐伯は一つの根拠資料をゆっくり確認した。事務所の空気には、追われるだけだった午後とは違う、次に何をするか分かっている落ち着きがあった。

06

第6章 朝の画面に残った「人が確かめる」という欄

AIエージェントの確認画面を囲む税理士事務所の朝

第6章 朝の画面に残った「人が確かめる」という欄 - 本文

それからの事務所では、AIエージェントが準備した法改正タスクを人が確かめる朝が始まった。顧客ごとの相談には、前よりもゆっくり向き合えるようになっていた。

朝の光が、みなと税務・労務事務所の窓から細く差し込んでいた。由衣がパソコンを開くと、前日に集められた法改正情報と、顧客ごとの確認待ちタスクが画面に並んだ。机の上には、通知の束ではなく、一杯の白い湯気が残っている。

「昨日の通知は、もうここまで分かれているんですね」

画面には、法改正の要点が短く表示されていた。その下には、根拠となる省庁や公的機関の一次情報、顧客への影響判定、必要な資料、担当者、期限、承認状況が続いている。顧客名は管理番号に置き換えられ、見る人の権限に応じて表示される範囲も違っていた。

佐伯が席に着くと、処理済みの一覧には目を向けず、「人が確かめる」という欄を先に開いた。そこには、AIが作った案と、まだ専門家の確認を待っている箇所が、静かな色で示されている。

「自動処理済み、と書いてあっても、それで終わりにはしないんですね」

「法令の読み方も、顧客への影響も、最後は私たちが見ます。AIは早く並べてくれる。でも、決める仕事までは預けません」

佐伯は、根拠の文章と顧客の給与制度を交互に見た。ひとつの言葉の違いに気づくと、影響判定を修正し、確認者の名前を入力した。画面の欄がひとつ埋まるたび、紙の上で迷っていた時間が、顧客のための時間へ静かに変わっていった。

水野は「対象外」と判定された顧客の一覧を開いていた。判定の理由と参照した情報が残っているため、問い合わせが来ても、記憶だけを頼りにしなくてよい。

「対象外なのは、給与制度がこの改正の条件に当たらないからです。ほら、ここに根拠と確認日があります」

水野は画面を見せながら、電話の向こうの担当者にゆっくり説明した。以前なら、通知の山から該当する資料を探す間に、相手を待たせていた。今は、話すべき内容が顧客ごとの一枚にまとまっている。

そのとき、由衣が新しい法改正通知を見つけた。以前のように顧客へ一斉送信することはない。まず通知の発信元と日付を登録し、元のページを一次情報として保存する。それから、給与制度や就業規則などの顧客属性と照らし合わせる。

「一次情報というのは、最初に出した役所の情報です。要約だけでなく、元の文章も一緒に残します」

由衣はそう言って、顧客名やマイナンバーを入力しない欄を確かめた。必要な人だけが見られるように権限を選び、確認待ちの札をつける。送信ボタンは、まだ押さなかった。

壁には、森が最初に書いた言葉が残っていた。『探す・分ける・頼む・待つ』という文字の下に、由衣が小さく『確かめる』と書き足している。朝の光がその一文字だけを、少し明るく照らしていた。

夕方になっても、机の上に通知は積み上がらなかった。佐伯は青葉製作所の担当者と画面を閉じ、法改正の説明ではなく、これからの給与運用について話していた。

「新しい制度に合わせるだけでなく、毎月の確認をどう楽にするかも、一緒に考えましょう」

窓の外には、最初の章と同じように夕暮れの空があった。ただ、佐伯は資料を手にしたまま立ち尽くしてはいなかった。由衣が最後の確認欄を閉じると、事務所にはキーボードの音と、落ち着いた相談の声だけが残った。

関連キーワード

法改正対応
税理士事務所
社会保険労務士
生成AI
顧客別タスク
根拠確認
AIエージェント
e-Gov
情報セキュリティ
匿名化

著者について

鈴木信弘(SNAMO)

鈴木信弘(SNAMO)- 静岡県を拠点に活動する総経験19年のフルスタックエンジニア。AI時代の次世代検索最適化技術「レリバンスエンジニアリング」の実装者として、GEO(Generative Engine Optimization)最適化システムを開発。2024年12月からSNAMO Portfolioの開発を開始し、特に2025年6月〜9月にGEO技術を集中実装。12,000文字級AI記事自動生成システム、ベクトル検索、Fragment ID最適化を実現。製造業での7年間の社内SE経験を通じて、受注システム自動化による業務時間の短縮や検品作業のデジタル化など、現場の課題を技術で解決してきた。富山大学工学部卒、基本情報技術者保有。

プロフィールを見る

よくある質問

Q1税理士事務所が法改正対応で抱えていた課題は何ですか?
法改正の通知を顧客ごとの具体的な作業に分けられず、情報の転記漏れや二重入力が発生していました。また、顧客に送る内容へ古い情報や対象外の作業が混ざることも課題でした。
Q2生成AIだけで法改正情報を顧客へ案内しても問題ありませんか?
生成AIの出力をそのまま案内するのは危険です。古い情報や誤った対象判定が混ざる可能性があるため、法令・官公庁資料などの根拠確認と、有資格者による最終承認が必要です。
Q3AIエージェントは法改正対応でどのように使われましたか?
法改正情報を「探す・分ける・頼む・待つ」という流れで整理し、顧客別のタスクへ変換するために使われました。対象顧客の判定や担当者、期限の整理を支援し、職員が確認しやすい状態を作りました。
Q4顧客情報をAIに入力する際、どのような情報管理が必要ですか?
個人情報や機密情報をそのまま入力せず、匿名化した顧客コードなどを使うことが重要です。記事では、架空の顧客コードで検証し、安全性を確認しながら運用設計を進めています。
Q5AIが顧客を誤判定した場合はどう対応しますか?
AIの判定を確定情報として扱わず、根拠URLや判断理由、不足している情報を必須項目にします。そのうえで、有資格者が内容を確認・承認してから顧客への連絡や作業依頼を行います。
Q6法改正タスクにはどのような情報を含めるとよいですか?
法改正の要約だけでなく、根拠となるURL、顧客への影響理由、具体的な作業内容、担当者、期限などを含めます。これらを一画面で確認できるようにすると、対応漏れや確認の手間を減らせます。
Q7AI導入によって税理士事務所の業務はどう変わりましたか?
通知内容の転記や顧客別の振り分けに追われる時間が減り、職員は具体的な作業や顧客への説明から業務を始められるようになりました。AIが整理を支援し、専門家は判断や顧客の給与運用など、より重要な業務に集中できるようになります。