freee はなぜ、経理の自動化を一気に AI エージェントまで進めなかったのか？
SaaS の新機能一覧に「AI で自動化」という項目が並ぶのを見たことがあるはずだ。だが自分のプロダクトに AI 機能を組み込むとなると、多くのチームは「LLM の API を呼べば終わり」ではないことに気づく。freee の経理自動化は、ルールベースの自動仕訳から AI-OCR、そして LLM エージェントへと段階を踏んで拡張されてきた。なぜ最初からエージェントに任せなかったのか。
- freee の経理自動化は、決定的なルールベースの自動登録 → 統計的な AI-OCR によるデータ化 → 自然言語で業務を実行する LLM エージェント、という 3 段階を踏んで広がってきた
- 段階が進むごとに「AI に委ねる裁量」が広がり、裁量が広がるほど誤動作の影響範囲も広がるため、必要なガードレールの重さが変わる
- freee-mcp や freee AI アシスタントでは、権限制御・監査ログ・トークンコスト最適化が明示的な設計原則として組み込まれている
自動化の三段階 — freee は何を、どう広げてきたか
freee の経理自動化がやっていることは大きく 2 つある。領収書や銀行明細から日付・金額・取引先を読み取る「データ化」と、それをどの勘定科目に割り当てるかの「仕訳判断」だ。この 2 つの作業を、AI に任せる範囲を広げながら 3 段階で自動化してきた。
┌──────────────┐
│①ルールベース │
│ if 条件→then │
└──────┬───────┘
▼
┌──────────────┐
│②AI-OCR │
│ 画像→データ化 │
└──────┬───────┘
▼
┌──────────────┐
│③LLMエージェント│
│ 指示→API実行 │
└──────────────┘
裁量↑ほどガードレール必須
それぞれの段階は前の段階を置き換えるのではなく、上に積み重なっている。ルールベースの自動登録は今も現役で動いており、AI-OCR や LLM エージェントが対応しきれない部分を補っている。
フェーズ 1: ルールベースの自動登録 — 決定的だが、条件は人間が書く
freee の自動登録ルール（銀行明細などの内容が条件に合致したとき、あらかじめ定めた処理を自動で行う if-then 型の設定）は、「どんな内容の明細に」という条件と「どう処理するか」という 2 要素で構成される。イメージとしては次のようなものだ。
条件: 摘要に "Amazon" を含む 処理: 勘定科目 = 消耗品費 として登録
この方式の強みは決定的なことにある。同じ入力には常に同じ出力が返り、なぜその仕訳になったかを人間がそのまま説明できる。弱みは逆に、想定していないパターンの明細には無力な点だ。新しい取引先が増えるたびに人間がルールを追加しなければならず、ルールの数が増えるほど管理そのもののコストも膨らんでいく。
フェーズ 2: AI-OCR — 認識は統計的でも、実行は人に残す
ルールが拾えない「未知の明細」を減らすために導入されたのが AI-OCR だ。領収書や請求書をスキャン・撮影した画像から、日付・金額・取引先・振込先といった項目を機械学習で読み取り、構造化データに変換する。freee は sweeep 社のエンジンを採用した強化で、手書き文字にも対応した状態で 98.5% の読み取り精度（sweeep 社の調査による）を達成し、電子帳簿保存法のスキャナ保存における検索要件をクリアできる水準のデータ化を実現したとしている。
ここまで聞くと「AI を入れた以上、あとは自動でどんどん仕訳されていくのだろう」と思えるかもしれない。しかし実際には、読み取り結果は自動で仕訳確定されるわけではなく、登録済みの取引先データとの照合や複数回の確認を経てから登録される設計になっている。AI-OCR が担っているのは「判断」ではなく「認識」だけであり、最終的に何の勘定科目にするかを決める主体は、依然として人間かフェーズ 1 のルールのままだった。
新しく入った経理担当者に仕事を任せる場面を思い浮かべてほしい。初日からいきなり法人カードを渡して「好きに経費精算していい」とは言わないはずだ。最初はチェックリスト通りの定型作業だけを任せ（フェーズ 1 のルールベース）、次に伝票を読んで下書きを作らせるが最終確認は自分がやり（フェーズ 2 の AI-OCR）、信頼できると分かって初めて法人カードと決裁権限を渡す。ただしその場合も利用明細は必ず記録に残し、あとから誰でも追跡できるようにする。AI への権限委譲もこれと同じ順序をたどる。
フェーズ 3: LLM エージェント — 指示から実際に API を実行する
freee は 2026 年 3 月、AI エージェントが freee の基幹業務を直接操作できる MCP サーバー「freee-mcp」を OSS として公開した。MCP（Model Context Protocol、LLM と外部ツールを接続するためのオープンプロトコル）を使うことで、AI エージェントは会計・人事労務・請求書・工数管理・販売の 5 領域、約 270 本の freee API を「ツール」として呼び出せるようになる。ここで初めて、AI は「候補を提示する」だけでなく「実際に請求書を発行する」「経費を仕訳登録する」という書き込み操作まで自律的に行えるようになった。フェーズ 1・2 とは、AI に委ねている裁量の質そのものが違う。
freee はこの上に freee AI アシスタントという製品層を重ね、低コスト設計（トークンコストの最小化）・持続的成長・高い安全基準（権限制御と監査ログ）・信頼できる実行力という 4 つの価値を明示的な設計原則として掲げている。書き込み権限をエージェントに渡す以上、何を・誰が・いつ実行したかを追跡できる仕組みとセットで設計されている。
自分のプロダクトに AI 機能を足すときも同じ順序が使える。最初から「なんでも自然言語で操作できるエージェント」を目指すと、検証すべき異常系が組み合わせ的に増えて破綻しやすい。まず範囲を絞った統計的な支援機能（候補提示・自動補完）から始め、外部システムへの書き込みを伴う自律実行は、権限スコープと監査ログの設計を終えてから解禁する。この段階を飛ばして「LLM が賢いから」と自律実行だけを先に作ると、あとから権限制御を継ぎ足すはめになる。
freee-mcp は npm パッケージとして公開されているため、インストールせずに公開情報だけでも設計の一端が見える。依存パッケージの一覧から、書き込み権限を持つエージェント向けにどんなガードレールが組み込まれているか確認する。
curl -s https://registry.npmjs.org/freee-mcp/latest | python3 -c "
import json, sys
d = json.load(sys.stdin)
print(d['name'], d['version'])
print(d['description'])
print('deps:', sorted(d.get('dependencies', {}).keys()))
"
依存関係の中に zod（入力スキーマ検証）、express-rate-limit / rate-limit-redis（レート制限）、helmet（HTTP セキュリティヘッダ）、@opentelemetry/*（トレーシング、監査ログの基盤になる）が並んでいるのが確認できるはずだ。「AI エージェントに業務操作を許可する」という設計判断が、権限・レート制限・追跡可能性としてコードレベルに落とし込まれている証拠になる。
- AI 機能を入れる = 最初から LLM エージェントに全部任せること — 実際には決定的なルール → 統計的な認識支援 → 自律実行、と裁量を段階的に広げるのが一般的な進め方で、いきなり自律実行を作ると検証コストに耐えられなくなりやすい。
- LLM エージェントは賢いから、権限制御や監査ログは後回しでよい — 出力が非決定的な分、書き込み権限を持つエージェントほど誤動作の影響が実害に直結しやすく、権限スコープと追跡可能性は最初から設計に組み込む必要がある。
- ルールベースの自動化は古い技術だから、今のプロダクトにはもう不要 — 決定的で挙動を説明できるため、条件を明確に列挙できる業務では今でも第一選択であり、AI-OCR や LLM エージェントと並存して使われている。
- MCP（Model Context Protocol）
- LLM エージェントが外部のツールやサービスを呼び出すための、標準化されたオープンプロトコル。
- AI-OCR
- 機械学習で画像中の文字を認識し、手書き文字や多様なレイアウトの書類にも対応した OCR（光学文字認識）。
- 自動登録ルール
- 明細の内容が条件に合致したとき、あらかじめ定めた処理を自動で行う if-then 型の設定。
- ガードレール
- AI エージェントが実行できる操作の範囲や条件を制限し、誤動作の影響範囲を限定する設計上の仕組み。
- 監査ログ
- 誰が・いつ・何を実行したかを記録し、後から追跡・検証できるようにするログ。
- freee、AIエージェントからfreeeの基幹業務を操作可能にするMCPサーバー「freee-mcp」をOSSとして公開 | freee株式会社 — freee-mcp の対応 API 数・対応領域・公開形態を一次情報で確認できる。
- freee AI OCRの機能を強化 電子帳簿保存法のスキャナ保存にかかる入力作業を大幅に削減 | freee株式会社 — AI-OCR の精度数値と、電子帳簿保存法との関係を説明する一次情報。
- freee、AI戦略の実現に向けた次なる取り組みとして「freee AIアシスタント」と「freee カスタムオーダー」の提供を開始 | freee株式会社 — LLM エージェント層の設計原則（D4U）を確認できる。
- Introducing the Model Context Protocol | Anthropic — MCP がどんな課題を解決するために作られたプロトコルかを、提唱元の一次情報で解説している。