韓国の事業者登録データを
サプライヤーKYC用にExcelへ抽出する方法

サプライヤーKYCにおける事業者登録証（사업자등록증）：その概要とデータが必要な理由

韓国の事業者登録証は、韓国で事業を営むすべての事業体にとって基本となる身分証明書です。付加価値税法第8条（부가가치세법 제8조）および所得税法第168条（소득세법 제168조）に基づき国税庁（NTS, 국세청）が発行するもので、個人事業主から多国籍企業に至るまで、すべての事業者は開業から20日以内に登録し、この証明書を取得しなければなりません。この文書の法的効力は税務行政にとどまりません。韓国の金融実名法（금융실명법, 実名金融取引及び秘密保障に関する法律）の下、事業者登録証は、すべての金融取引、銀行取引、商業契約における事業体の主要な身分証明として機能します。

サプライヤーKYCの文脈では、この証明書から取引先候補に関する以下の8つの情報が得られます。

これら8つの項目は、KYCチームが韓国のサプライヤーを確認するために最低限必要とするデータセットです。しかし実際には、これらの情報は、メールに添付されたPDFスキャン、ラミネート加工された証明書をスマートフォンで撮影した写真、ファックスで送られたコピー、国税庁のホームタックス（홈택스）ポータルからのスクリーンショットなど、さまざまな形式で届きます。これらの形式はいずれもデータベースへの入力用に構造化されておらず、ここにデータ抽出の問題が始まります。

ステップバイステップ：事業者登録証（사업자등록증）のデータをExcelに抽出する

韓国の事業者登録証を構造化されたスプレッドシートの行に変換するプロセスは、4つのステップで完了します。1枚処理する場合でも50枚処理する場合でも、セットアップにかかる時間は同じです。これこそが、手入力ではなく抽出を利用する最大のメリットです。

ステップ1：証明書を収集する

受け取ったすべての사업자등록증の書類を集めてください。メールの添付ファイル（PDFまたは画像）、現場スタッフがスマートフォンで撮影した写真、サプライヤーポータルからのスキャンコピーなど、形式は問いません。本ツールはJPG、PNG、PDF、WebP形式に対応しているため、ファイルを変換したり統一したりする必要はありません。すべてを一度にアップロードしてください。50枚のサプライヤー証明書のバッチでも、アップロード時間は1枚の場合とほぼ同じで、ファイルサイズにもよりますが、おおよそ30～60秒で転送が完了します。

ステップ2：出力列を定義する

ここが、テンプレートベースのOCRとセマンティック抽出が異なる点です。文書テンプレートに矩形を描く代わりに（次の仕入先の証明書のレイアウトが異なると機能しなくなります）、AIに見つけてほしいフィールドに名前を付けるだけです。KYCスプレッドシートに合わせて列名を入力してください：事業者登録番号、事業者名、代表者、事業所住所、税区分、業種コード、開始日。入力した列名が最終テーブルのヘッダーになります。仕入先ごとのテンプレート設定は不要です。AIが各証明書を読み取り、座標位置ではなくセマンティックな理解によって一致するフィールドを特定します。

このアプローチはカスタム列抽出と呼ばれ、出力構造を一度定義すれば、発行元、撮影カメラ、スキャンかスクリーンショットかを問わず、すべての証明書が同じ列にマッピングされます。斜めから撮影された写真を提出した仕入先も、国税庁ポータルからアップロードされたきれいなPDFを提出した仕入先も、同じ構造化された行が生成されます。この証明書は韓国の税務文書ファミリーの一員であり、韓国税務文書抽出ハブでは、同じ列ファーストのアプローチで税額計算書、現金領収書、納品書を読み取る方法を紹介しています。

ステップ3：AI抽出

ファイルがアップロードされ列が定義されると、抽出エンジンがバッチ内のすべての証明書を同時に処理します。各文書はビジョン言語モデルによって分析され、フィールドラベルを識別し、関連する値を読み取り、要求された列にマッピングします。処理時間は1ページあたり5〜10秒で、すべてのファイルの処理が完了するとバッチが完了します。通常、一般的な仕入先ボリュームでは数分以内です。

ステップ4：ExcelまたはCSVにエクスポート

結果は単一のExcel（XLSX）またはCSVファイルとして出力されます。各証明書が1行になり、定義した各列が1列になります。エクスポートされたファイルは、KYCデータベース、ERP（Douzone、Ecount、SAPなど）、または仕入先管理システムへのインポートにそのまま使用できます。手動での再フォーマットは不要です。データ構造はステップ2で定義した列名と一致し、ファイル形式は韓国のすべての会計プラットフォームで受け入れられる標準的なCSVまたはXLSXです。

KYCスプレッドシートに必要な8つの主要フィールドとBRNの読み方

事業者登録番号（사업자등록번호）自体には、KYCチームが別のデータベースを照会せずに仕入先を迅速に評価できる有益な情報が含まれています。番号の構造を理解することで、10桁の識別子が即時検証ツールに変わります。

BRN形式XXX-XX-XXXXXの内訳は以下のとおりです：

中央の2桁を一目見るだけで、仕入先が個人事業主か、法人本店か、支店か、非営利法人か、外国法人かを、データベースにアクセスせずに判別できます。これは初期のKYCトリアージを迅速化するシグナルであり、特に大多数が初期審査を通過し、例外のみがエスカレーションを必要とする大量の仕入先申請を処理する場合に有効です。

完全な8フィールドのデータセット（BRN、商号、代表者、開業日、住所、業種コード、税区分、発行事由）があれば、仕入先マスターレコードを入力するために必要なすべてが揃います。政府系、国内ERP、ドル建て価格のAIツールの比較によると、韓国国内市場で利用可能なツールはERPサブスクリプションを必要とするか、ページ単位で課金されるかのいずれかです。どちらの価格モデルも、月に10件のときもあれば、仕入先更新サイクルで200件になることもある不定期な量の証明書を処理する必要があるバッチKYCのユースケースに最適化されていません。

韓国サプライヤー onboarding における真のボトルネックは手動入力

サプライヤーKYCの手動データ入力のコストは、タイピングに費やす時間だけではありません。オンボーディングの遅延、すり抜けるエラー、そして誤ったサプライヤー情報に基づいて行動するコンプライアンスリスクも含まれます。

四半期ごとに30社の新しい韓国サプライヤーをオンボーディングする中規模企業を考えてみましょう。各사업자등록증には8つの主要フィールドが含まれています。つまり四半期あたり240のデータポイントです。実際には、コンプライアンスチームが提出日、レビュー担当者、検証ステータス、書類の有効期限も記録するため、各証明書には8つ以上のフィールドが必要です。証明書1枚あたり約3分の手動入力は、すべてが順調に進めば30枚のバッチあたり90分かかります。実際にはさらに時間がかかります。タイピストはスマートフォンの写真を拡大してぼやけた登録番号を読んだり、斜めにスキャンされた住所を打ち直したり、「일반과세자」がサプライヤーにVATインボイス発行資格があるかどうかを確認したりする必要があります（実際にはありますが、コンプライアンス担当者は社内ポリシーと照合して確認する必要があります）。

2〜3%のデータ入力エラー率を加えると、10桁のBRNの1桁の読み間違いが誤った事業者への支払いにつながります。手動入力のコストは倍増します。四半期ごとに30枚の証明書を処理するコンプライアンスチームの場合、バッチあたり約5〜7フィールドの誤入力が発生します。各エラーにはサプライヤーへのフォローアップメールや電話が必要となり、オンボーディングサイクルが数日から数週間遅れます。

バッチ抽出はこれらのエラーを根本から排除します。AIは文書画像から各フィールドを直接読み取り、構造化テキストとして出力します。エラーの性質は、転記ミス（誤った数字、名前の綴り間違い、住所の入れ違い）から、解釈のエッジケース（コピーのかすれた文字、部分的に隠れた印鑑）へと移行します。これらははるかに頻度が低く、レビュー中に発見するのがはるかに簡単です。

セマンティック抽出が韓国証明書を処理する仕組み

韓国の事業者登録証には、従来のOCRツールではうまく処理できず、セマンティック抽出が直接解決する3つの課題があります。

課題1：印鑑の干渉。 사업자등록증には、発行税務署からの複数の公印（직인）が押されています。これらの印鑑は、印刷されたテキストフィールドと重なることがよくあります。税務署長の印鑑が発行日や税区分を部分的に覆う場合があります。従来のOCRは、テキスト上のインクをノイズとして読み取り、文字化けを出力します。一方、視覚言語モデルは文書を全体的に読み取ります。円形の赤いオーバーレイが印鑑であることを理解し、テキスト認識の目的ではそれを無視して、下の文字を正しく読み取ります。この区別が重要なのは、ほぼすべての사업자등록증に印鑑が存在するためです。印鑑は文書の特徴であり、異常ではありません。

課題2：韓国語、漢字、英語の混在。 韓国の証明書は、ほとんどのフィールドラベルと値にハングル（한글）を使用し、商号や住所に漢字（한자）を使用し、一部の輸出向け証明書では英語を使用します。ある書記体系に最適化されたツールは、他の体系では性能が低下します。セマンティック抽出で使用される視覚モデルは、同じ文書ページ内でこれら3つすべてを同時に処理します。異なるスクリプト用にOCRエンジンを切り替えることはありません。古くからある商社の商号に漢字（例：株式会社）が含まれている仕入先でも、ハングルでエンコードされたフィールドと一緒に正しく読み取られます。

課題3：角度、照明、フォーマットのばらつき。 実際の사업자등록증は、フラットベッドスキャン、オフィスの電話で撮影した机の上の写真、ファックスのファックス、ホームタックス（홈택스）ポータルのスクリーンショットなど、さまざまな形式で届きます。テンプレートベースのOCRでは、文書が事前定義されたゾーン内に配置されている必要があります。20度の角度で撮影された写真では、すべてのフィールドが期待されるバウンディングボックスからずれてしまいます。セマンティック抽出はフィールドの位置に依存しません。ラベルの隣にある値を、そのラベルがページ上のどこにあるかに関係なく読み取ります。このフォーマット非依存性こそが、仕入先ごとの設定作業なしでバッチ処理を可能にするものです。

よくある質問

韓国語のみで英語表記がない事業者登録証（사업자등록증）からデータを抽出できますか？

はい。AIはハングルを英語や漢字と同様に自然に読み取ります。韓国語をプラグインとして追加した別のOCRエンジンではありません。抽出テンプレートの列名は英語（例：「Business Name」）に設定し、AIが対応する韓国語のフィールドラベル（「상호」）を特定して値を抽出します。出力されるスプレッドシートには、英語の列ヘッダーの下に抽出された韓国語のテキスト値が表示されます。同一文書に韓国語と英語の両方が記載されているバイリンガル証明書の場合、AIはフィールドラベルに使用されている言語を読み取ります。

供給元の証明書が斜めから撮影された写真や照明が不十分な写真の場合はどうなりますか？

セマンティック抽出は、従来のOCRよりも斜めの写真や不均一な照明に対応できます。位置が真正面であることに依存しないためです。ビジョンモデルは人間と同じように文書を解釈します。つまり、固定座標にフィールドがあることを前提とするのではなく、内容と相対的な配置によってフィールドラベルと値を識別します。ぼやけた写真や極端に低解像度の写真では精度が低下する可能性がありますが、最も一般的な状況（標準的なオフィス照明下でスマートフォンで机の上を撮影した写真）では、信頼性の高い抽出が可能です。

抽出ツールはBRNが実際の有効な登録番号であることを検証しますか？

いいえ。ツールは証明書に印刷されたBRNを抽出しますが、国税庁（NTS）のデータベースに照会して番号が現在有効かどうか、または事業がその後閉鎖されていないかを確認することはありません。抽出されたBRNは、NTSホームタックス（www.hometax.go.kr）または韓国公共データポータル（data.go.kr）のAPIで検証できます。抽出ステップで構造化データを生成し、別の検証ステップで現在の有効性を確認します。この抽出と検証の分離は、KYCワークフローにおける標準的な慣行であり、抽出されたデータは検証プロセスへの入力であり、出力ではありません。

証明書に項目がない場合はどうなりますか？

文書に特定の項目が表示されない場合（例：再発行された証明書に元の事業開始日が表示されない場合）、対応する列のセルは空のままになります。抽出処理では値を推測することはありません。ページ上で見つかったものだけを出力します。この動作はバッチ内のすべての文書で一貫しているため、エクスポートしたスプレッドシートで欠落項目を簡単に特定し、該当するサプライヤーに確認することができます。

個人事業主と大企業の証明書をまとめてバッチ処理できますか？

はい。事業者登録証（사업자등록증）の形式は国税庁（국세청）によって標準化されており、フリーランサーもサムスンの子会社も同じ文書構造です。どちらも事業者登録番号（사업자등록번호）、事業者名、代表者名、住所、税区分が記載されています。唯一の違いは事業者登録番号（사업자등록번호）の中央2桁の事業者種別コードです（個人事業主は01〜79、法人は81/86〜88）。AIはこれを事業者登録番号（사업자등록번호）フィールドの一部として抽出します。異なる事業者種別が混在するバッチも1回の処理で完了します。

同じ作業をNaver Clova OCRで行う場合との違いは何ですか？

Naver Clova OCRは韓国語テキストを高い精度（97〜99%）で読み取り、1ページあたり約₩50のコストがかかります。重要な違いはテキスト認識後の処理です。Clova OCRは位置データ付きの生のテキスト文字列を返しますが、どの文字列が事業者名で、どの文字列が代表者名で、どの文字列が住所かを理解しません。構造化フィールドを抽出するには、証明書のレイアウトごとにカスタム解析ロジックを作成するか、文書形式ごとにテンプレートを設定する必要があります。これは、サプライヤーごとに証明書のレイアウトが微妙に異なる場合、バッチ処理の目的を損なうことになります。AIセマンティック抽出は、列名にマッピングされた構造化データをそのまま返すため、抽出後の解析は不要です。1ページあたりのコスト比較は処理量によって異なります。韓国文書抽出の価格分析では、1ページ単位のAPIツールと定額抽出の損益分岐点を月間処理量別に詳しく解説しています。

まだ必要なデータがわからない場合、どの列を含めるべきですか？

まずはこの記事で説明している8つの標準フィールド（BRN、商号、代表者名、開業日、事業所住所、業種コード、課税区分、発行事由）から始めてください。これらは、韓国のAML/CFT規制に基づくサプライヤーKYCの最低要件をカバーします。コンプライアンスフレームワークでさらに詳細な情報（共同代表者情報や事業の特定の細分類など）が必要な場合は、抽出テンプレートにそれらの列を追加でき、AIが文書上でそれらを検索します。列の定義は固定されておらず、KYC要件の変化に応じてバッチ間で調整できます。