なぜ確定申告シーズンのデータ入力が
いまだに自動化されていないのか
W-2フォームが標準化されたのは1978年。当時の平均的なアメリカのオフィスでは、タイプライター、書類キャビネット、カーボン紙が使われていました。IBM PCが登場するのは3年後のことです。それから47年、現在では年間約2億4500万枚のW-2が米国経済を流通していますが、そのすべてに、デジタル以前の世界向けに設計された20の番号付きボックスと6つの英字識別フィールドが今も使われています。そして毎年1月、全国の税務申告事務所で、人間がそれらを一枚一枚手に取り、数字を読み取り、画面に入力しているのです。
この記事は、その入力をより良く行う方法についてではありません。なぜ入力が今も存在するのか——50年にわたるコンピューティングの進歩の中で、W-2や1099のデータ入力を頑なに手作業に留めさせてきた、構造的、規制上、技術的な理由についてです。読み終える頃には、この問題が現実であるだけでなく、これまでの解決の試みがすべて同じ見えない壁にぶつかってきた理由をご理解いただけるでしょう。
重要ポイント
- W-2の6枚複写方式は1978年にカーボン紙とタイプライター用に設計された。今なお年間2億4500万枚の用紙がパソコン登場前のシステムで処理され、各複写は人間が読み取って打ち込むことを前提としている。
- SSAは雇用主の電子申告により各W-2をデジタルで既に保有しているが、税理士用のCopy Bは人間の目向けに設計されており機械読み取りには不向きだ。税務シーズンごとに66時間が政府データベースにあるデータの再入力に費やされ、入力ミス1桁につきIRSの罰金は60ドルから発生する。
- テンプレートベースのOCR（光学文字認識：ページ上の位置で印刷テキストを読み取る方式）は、訓練サンプルに現れた正確なピクセル座標でBox 1を探す。そのため、PaychexのW-2やスマホ写真がADPのレイアウトから変わると即座に機能しなくなる。同じフィールドが給与計算事業者ごとに異なる位置に表示されるからだ。
- ImageToTable.aiは各フィールドラベルの意味に基づいてW-2を読み取るため、「賃金、チップ、その他の報酬」がどこにあっても見つけ出す。その結果、ADP、Paychex、Gusto、スキャンコピー、スマホ写真がすべて一括処理できる。このツールがフォームに適応し、フォームがテンプレートに合致することを要求しないからだ。
W-2はコンピューターではなくカーボン紙のために設計された
W-2の6枚複写システムは、IRSが忘れている遺物ではない——この書式の定義的な構造である。A写しは社会保障庁へ送られ、SSAの光学スキャナーが読み取れるよう特別な赤色ドロップアウトインクで印刷される。1写しは州税務当局へ。B、C、2写しは従業員へ——連邦税申告用、州税申告用、従業員の記録用。D写しは雇用主が保管する。6枚の写し、1つの目的、そしてそのすべてが紙として始まる。
この構造は1978年には理にかなっていた。賃金データを政府に届ける唯一の方法は、紙を物理的に郵送することだったからだ。しかし、これにより恒久的な構造的依存も生まれた。従業員が紙のW-2を受け取る限り、その連鎖の中の誰か（従業員、税理士、会計士）がその紙をデジタルデータに変換しなければならないのだ。SSAはその後、EFW2形式でW-2を受け付ける電子申告システムBusiness Services Online (BSO)を構築し、IRSは情報申告書が10枚以上の場合に電子申告を義務化している。しかし、従業員用の写し——税理士の机に届くもの——は今も紙のままである。デジタル化の橋は、従業員から税理士へのパイプライン末端ではなく、雇用主から政府へのパイプライン末端に架けられた。書式自体がそのギャップを埋めるために再設計されることはなかった。
この構造的矛盾が、現代の税務申告の根幹にある。政府は雇用主の電子申告を通じてW-2データをデジタルで受け取るが、実際に申告書を作成する納税者の代理人である税理士は、同じデータを1月に納税者に郵送された紙で入手する。同じ書式に、デジタルと物理という二つの並行するデータフローが存在し、毎年1月、税理士は紙の書式を手に空の画面を見つめながら、その矛盾に直面する。
6枚複写システムこそ、自動化が決して解決できなかった根本的な障害
全米税務専門家協会 (NATP) の報告によると、会員23,000以上の事務所の総収入の65%は申告期間中に得られる。この4ヶ月間（おおよそ1月から4月）が、税理士業界全体の収入源である。その中でも1月がボトルネックとなる。W-2は1月31日までに従業員に交付され、同日までに社会保障庁に提出され、その後4月15日の申告期限に間に合うように税務申告ソフトに入力されなければならない。2月1日に50人の顧客からW-2の入った靴箱を受け取った税理士は、すべての書式のすべての欄を画面に入力するのにちょうど73日間の猶予がある。そして、それは申告書の確認、エラーのチェック、結果についての顧客との協議の前の話だ。
6枚複写システムのため、税理士が入手する原本は、雇用主がSSAに提出した元のデジタルファイルであることはほぼありません。それはコピーB、つまり郵送で届き、折られ、コピーされ、落書きされ、スマートフォンで撮影されテキスト送信された可能性もある従業員用コピーです。1枚あたり8分の慎重な手入力（しかもそれは読みやすい紙のコピーの場合）で、シーズン中に500枚のW-2を処理する事務所は、書類を読んでキーを打つだけに66時間以上を費やします。これは、申告書に分析的な付加価値をまったく加えない作業に、請求可能時間のほぼ2週間分を消費していることになります。
3つの給与計算会社からの同一W-2が3つの異なる書類になる
すべてのW-2が同一のフォント、同じボックス位置、同じページ形状であれば、自動抽出は数十年前に解決されていたでしょう。しかし、一人のクライアントが、2つの異なる給与計算システムを使用する2つの雇用主からの2枚のW-2と、3つ目のシステムを使用する契約先からの1099-NECを同時に持ってくることがあります。ADPはBox 1（賃金）をPaychexとは異なる座標に配置し、PaychexはGustoとは異なる位置に、GustoはQuickBooksからレーザープリンターで印刷し一部手書きで記入した地元の簿記係とは異なる位置に配置します。IRSが標準化するのはフォームに何を記載すべきかであり、ページ上にどのようにレイアウトすべきかではありません。
この断片化こそが、あらゆる自動化アプローチが最初に直面する壁です。給与計算業界は少数の大手プロバイダーに集約されています。ADPだけでも、米国の従業員の約6人に1人の給与を処理しています。しかし、その集約化によってレイアウトの標準化は実現されていません。各プロバイダーは独自のフォーマットでW-2を生成し、独自のフォント、独自のボックス配置、独自のページ寸法を使用しています。その結果、中堅企業からの50枚のW-2のバッチには、4つの異なる給与システムからのフォームが含まれている可能性があり、それぞれに異なる抽出テンプレートが必要になるか、より一般的には、人間がそれらを読んで入力する必要があります。
そして、断片化はプロバイダー間だけで起こるわけではありません。同じ申告年度内で、同じ従業員に対して発生することもあります。3月に転職した人は、雇用主A（ADP）と雇用主B（Paychex）からW-2を受け取ります。W-2の仕事をしていて、1099の副業があった人は、雇用主からW-2を、クライアントから1099-NECを受け取ります。各フォームは異なるフォーマットで、異なるチャネルを通じて、異なるタイミングで届きます。この多様性は例外的なケースではなく、確定申告シーズンの準備における標準的な状態です。
IRSは今も紙の処理パイプラインを維持しており、それが紙を存続させている
T.D. 9972に基づき、情報申告書の電子申告義務は10枚から適用されます。W-2が9枚以下の場合、SSAに紙で郵送することが可能です。IRS自身のForm W-2の説明書もこの基準を認めています。全国で、従業員6人のレストラン、8人の建設会社、5人の歯科医院など、何百万もの小規模事業主がこの基準を下回っています。各事業主はW-2を印刷し（手書きの場合もあります）、記入してSSAに郵送し、従業員には紙のコピーを渡しています。
これは規制の見落としではありません。意図的な配慮です。IRSは、2人だけの造園会社に、EFW2形式仕様、AccuWage検証ソフトウェア、SSN確認要件を備えたSSAのBSO電子申告システムを利用させることは、過度なコンプライアンス負担になると認識しています。そのため、紙のパイプラインは残されています。そして、電子申告義務基準を下回って作成された紙のW-2はすべて、最終的には税理士の手に渡り、転記が必要になります。
IRSの罰金スケジュールにより、これは単なる不便さ以上のものとなっています。内国歳入法§§ 6721および6722に基づき、W-2の提出遅延や誤りには、30日以内に訂正した場合は1枚あたり60ドル、8月1日までは1枚あたり130ドル、それを過ぎると1枚あたり340ドル、意図的な無視の場合は1枚あたり680ドルの罰金が科せられます。罰金は提出単位ではなく、1枚ごとに発生します。Box 1の数字を1桁誤入力して誤った申告書を提出した作成者は、雇用主ではなく、作成者の転記ミスに遡って責任が生じる可能性があります。
あらゆる自動化パイプラインを破綻させる、Box 3の手書き修正
税務申告専門家による最も一貫した所見の一つは、クライアントから届くW-2がほぼ常に完璧ではないことです。印刷された数字の上に、修正された社会保障賃金額が手書きで記入されています。EINが取り消し線で消され、再入力されています。Box 13のチェックボックスは元の印刷インクではなくペンでマークされています。コーヒーの染みが州ID番号を不明瞭にしています。用紙はビジネス封筒用に三つ折りにされ、その後広げられました。その結果、賃金欄に折り目が残っています。これらはどれも珍しいことではありません。これらは、実際の納税者から提出される紙の税務書類の標準的な状態です。
テンプレートベースのOCRシステムでは、これらのバリエーションのひとつひとつが障害となります。印刷された文字に重なった手書きの数字は文字認識を混乱させます。数字フィールドを横切る折り目は数字のセグメンテーションを破壊します。間違ったマークタイプ（×の代わりの○、塗りつぶし四角の代わりのチェック）で記入されたチェックボックスは、選択があるべき場所にnull値を返します。きれいなフラットベッドスキャナで読み取った、印刷されたばかりのフォームのPDFで訓練されたシステムには、米国郵便公社を経由し、キッチンのカウンターに2週間置かれ、Box 12コードDDの意味がわからない人がボールペンで記入したW-2の物理的な状態のモデルはありません。
最も痛烈な皮肉は、人間の作成者がこの劣化した文書をほぼ瞬時に処理できることです。訂正されたBox 3と手書きの代替数字を一目見れば、作成者は「元の数字は間違っている、手書きのものを使え」と理解します。テンプレートベースのシステムは、同じフィールドに競合する2つの数字を認識し、どちらも返さないか、さらに悪いことに間違った方を返します。訓練された作成者が0.5秒で適用する判断こそが、自動化システムに欠けているものであり、まさにそれが人間をW-2転記ループの中心に留めている理由なのです。
税務申告ソフトはデータを送信できる — クライアントの紙を読むことはできない
業界の主要な税務申告プラットフォーム（Drake、UltraTax、Lacerte、ProSeries、ATX）はすべてW-2データのインポートをサポートしています。CSVから、前年度の申告書から、給与計算プロバイダーのデジタルエクスポートから。しかし、どれも机を挟んでクライアントが作成者に手渡した紙のW-2コピーBを読み取ることはできません。インポーターは構造化されたデジタル入力を期待しますが、ソース文書は非構造化された物理的な紙です。作成者が変換レイヤーとなるのです。
W-2データがSSAに電子申告されていても、作成者はSSAのデータベースからDrakeに直接取り込むことはできません。SSAのBusiness Services Onlineシステムは、税務申告作成ではなく、IRSのコンプライアンス照合用に賃金データを提供しています。作成者がIRSのTranscript Delivery System（TDS）を通じてアクセスできる「賃金・所得トランスクリプト」は、署名済みのForm 8821または委任状を持つ税理士が利用できますが、編集された要約として届くため、構造化されたフィールドレベルのデータではありません。そのため、作成者はクライアントの紙のW-2を片手に、Drakeの入力画面をもう片方に置いて、今も手入力しています。
米国労働統計局によると、2024年5月時点の会計士・監査役の
テンプレートベースのOCRがW-2で失敗する理由は、常に同じ構造上の理由：レイアウトのばらつき
20年にわたり、文書データ抽出の主流はテンプレートベースのOCRでした。「このADP発行のW-2では、Box 1は座標(x1, y1, x2, y2)にある」とテンプレートを作成し、その矩形内のテキストを読み取る方式です。これは、特定のベンダーからの特定の請求書のように、レイアウトが固定された文書には有効です。しかしW-2では、同じフィールド（Box 1）が給与計算事業者ごとに異なる位置に表示され、スキャンした紙のコピーでも位置が変わるため、この方式は機能しません。
根本的な問題は、テンプレートベースのOCRが文書を意味ではなく位置で読み取ることです。学習サンプルでBox 1がどこにあったかは分かっても、現在の文書でBox 1が何であるかは分かりません。この「位置 vs. 意味」の違いこそが、W-2のデータ入力の自動化を阻んできた主因です。フォームの仕様は、表示される情報（賃金、源泉徴収税、SSN、EIN）を保証しますが、物理的・デジタルページ上の位置は保証しません。「どこ」に基づいて「何」を判断するシステムは、学習していない給与計算事業者のW-2を処理する時点で機能しなくなります。
テンプレートツールは複数ソースの問題にも対応できません。「ADP W-2、2024年フォーマット」用に作られたテンプレートでは、「Paychex W-2、2024年フォーマット」からデータを抽出できません。ましてや「中小企業の紙のW-2を撮影した写真、2024年フォーマット、Box 3に手書き修正あり」からはなおさらです。作成者は、クライアントの雇用主が使用するすべての給与プロバイダー向けにテンプレートライブラリを維持し、各プロバイダーがフォームレイアウトを調整するたびに毎年更新する必要があります。メンテナンスの負担だけで、現実的な規模では実用的ではありません。
意味理解が位置を意味に置き換える — そして自動化の可能性を変える
テンプレートベースの抽出に代わる方法は、意味的文書理解です。これは、人間がW-2を読むのと同じように、各フィールドが何を意味するかを認識し、どこにあるかではないAIモデルです。W-2に「賃金、チップ、その他の報酬」とあれば、それがADPのPDFでは左上、PaychexのPDFでは右上、紙のフォームの電話写真では中央にあっても、Box 1だとわかります。意味的AIも同じ判断をします。「賃金、チップ、その他の報酬」を概念として識別し、その隣の金額を抽出します。その金額が印刷、手書き、取り消し線修正のいずれであってもです。
このシフト——座標ベースの抽出から概念ベースの抽出への転換——こそが、W-2自動化を初めて技術的に実現可能にしたものです。特定のテンプレート上でBox 1がどこにあるかを定義する代わりに、システムにこう指示します：“Wages, tips, other compensationというラベルの付いた金額を抽出してください。” システムはフォーム全体を読み取り、そのラベルがどこにあっても見つけ出し、隣の値を返します。このアプローチ——列名抽出と呼ばれることもあり、ページ上の座標ではなく意味的な名前で抽出したいフィールドを定義します——は、3つの給与計算プロバイダー、手書きの修正、スマホ写真を一度の処理で扱えます。なぜなら、事前に何がどこにあるかを知る必要がまったくないからです。
これこそが、PDFからW-2データを構造化されたスプレッドシートに抽出することを大規模に可能にする点でもあります。作成者は列名——「Box 1 Wages」「Box 2 Federal Tax Withheld」「Box b EIN」「Employee SSN」——を定義し、意味モデルがバッチ内のすべてのW-2から、どの給与計算プロバイダーがどのフォームを生成したかに関係なく、各値を見つけ出します。出力は従業員ごとに1行の単一のExcelシートで、DrakeやUltraTaxにインポートする準備が整い、手動で入力するフィールドは1つもありません。
エンドツーエンドのW-2自動化に必要なもの——そして3つの要素がついに揃った理由
W-2データ入力をクライアントの書類受付から税務ソフトへのインポートまで完全自動化するには、これまで別々のシステムに存在していた3つの機能が必要です。
- フォーマットに依存しないフィールド抽出 — ADP、Paychex、Gusto、スキャンした紙のコピー、スマホ写真などから、プロバイダーごとのテンプレートなしで同じフィールドを正確に読み取ります。
- クロスフィールド検証 — ボックス4（社会保障税）がボックス3 × 6.2%と一致すること、ボックス2（連邦所得税源泉徴収額）がボックス1の賃金と比較して妥当であること、SSNの形式が有効であることを自動的にチェックします。これは作成者の判断ステップであり、後のレビュー時ではなく抽出時に行う必要があります。
- 構造化エクスポート — 抽出・検証されたデータを税務申告ソフトが直接読み込める形式（XLSX、CSV）で出力し、再入力の手間を完全に排除します。
最初の要素であるフォーマットに依存しない抽出は、セマンティックAIが実現します。2番目の要素であるクロスフィールド検証は、計算列がワークフローに追加する機能です。「ボックス4 = ボックス3 × 0.062」のような計算を抽出時に定義し、データがスプレッドシートに到達する前に不一致をフラグ付けできます。3番目の要素である構造化エクスポートは、作成者の書類スタックと税務ソフトのインポート画面を結ぶ最終的な橋渡しです。これら3つの要素はそれぞれ今日すでに存在しています。不足していたのは、それらを一つにまとめる単一のツールです。
W-2のデータ入力問題は47年間続いてきましたが、その原因は解決技術の欠如ではなく、アプローチの誤りにありました。テンプレートベースのシステムはW-2を自らの抽出モデルに適合させようとしました。一方、セマンティックシステムはW-2が実際に届くままの姿——多様で、物理的で、不完全な状態——を読み取り、データを抽出します。ツールをフォームに適応させ、フォームをツールに適応させることを要求しない——この構造的な転換こそが、ついに自動化を可能にしたのです。
よくある質問
紙のW-2の写真からデータを抽出できますか？それともクリーンなPDFが必要ですか？
セマンティックAIモデルは、紙のW-2の写真もクリーンなデジタルPDFも同様に処理します。テンプレートに一致させるのではなく、各フィールドラベルの意味を読み取るからです。クライアントが撮影してテキスト送信したCopy Bのスマートフォン写真も有効な入力です。写真の品質——適度に明るく焦点が合っていること——は重要ですが、形式は問いません。JPG、PNG、PDFのすべてに対応しています。
異なる給与プロバイダからの50枚のW-2を一度に処理できますか？
はい。バッチ処理は、複数ソースが混在するW-2バッチ用に設計されています。ADPのPDF、PaychexのPDF、紙のフォームの電話写真など、50ファイルすべてを1回のセッションでアップロードし、希望する出力列（Box 1の賃金、Box 2の連邦税、Box 4の社会保障、従業員名、従業員SSN、雇用主EIN）を一度定義すれば、システムは従業員ごとに1行の単一Excelスプレッドシートを返します。抽出はファイルテンプレートではなくフィールドの意味に基づくため、給与プロバイダごとのレイアウトの違いに個別の設定は不要です。
W-2フォームへの手書き修正 — AIは読み取れますか？
手書き文字認識で学習したセマンティックAIモデルは、同じフィールド内の印刷文字と手書き修正を区別できます。Box 3で印刷された数字が取り消され、手書きで書き直された場合、システムは修正を認識し、通常は手書きの値を読み取ります。ただし、著しく損傷したり、にじんだ手書き文字は精度が低下する可能性があります。その場合、抽出結果を元の画像と照合する必要があります。これは、抽出方法に関わらず標準的な品質管理手順です。
電子申告において、AIツールで抽出したW-2データはIRSに認められていますか？
IRSは税理士がクライアントの原本をどのようにデジタル化するかを規制しているのではなく、提出された申告書の正確性を規制しています。税理士は、税務ソフトウェアに入力されたデータ（手入力、給与データのインポート、AIによる抽出を問わず）が原本のW-2と一致することを確認する責任を負います。AI抽出はデータ取込のステップであり、税理士による確認と専門的判断がコンプライアンスのステップとして残ります。
W-2抽出におけるテンプレートベースOCRとセマンティックAIの違いは何ですか？
テンプレートベースのOCRは位置情報でデータを抽出します。「この四角形内のテキストをすべて読み取る」という方式です。給与計算事業者ごとにW-2のフォーマットが異なるため個別のテンプレートが必要で、明示的に学習していない帳票では機能しません。一方、セマンティックAIは意味でデータを抽出します。「『賃金、チップ、その他の報酬』というラベルのフィールドを見つけ、その横の金額を返す」という方式です。ADP、Paychex、Gusto、スキャンした紙、スマホ撮影画像など、あらゆるW-2レイアウトで動作します。ラベルがページ上のどこにあるかは関係ないからです。列名抽出を座標ベースのテンプレートの代わりに使えば、同じ設定でバッチ内のすべてのW-2をソースに関わらず処理できます。
抽出したW-2データを自動的にクロスチェックできますか？たとえば、社会保障税の源泉徴収額が賃金の6.2%になっているか確認するなど。
はい。計算列を使うと、抽出時に検証用の数式を定義できます。Box 3 × 6.2%を計算し、抽出したBox 4の値と比較して不一致をフラグする列を追加できます。また、Box 1の賃金がBox 3の社会保障賃金とBox 5のメディケア賃金の合計を非現実的な方法で超えていないかも検証できます。これらのクロスチェックは、税理士が手作業で行うものと同じですが、抽出時に実行されるため、税務ソフトの入力画面にデータが届く前に不一致が明らかになります。
手入力の終わりと自動化の始まり
W-2は自動化を前提に設計されていません。6枚複写の配布、紙を前提とした構造、手書き訂正の許容——フォームのあらゆる構造的特徴は、人間が読むことを想定しています。47年にわたり、テクノロジー企業はW-2を他の構造化文書と同様に扱い、テンプレートを作り、座標を合わせ、テキストを抽出することでこの問題を解決しようと試みてきました。しかし、W-2はテンプレートが要求するような構造を持っていないため、そのアプローチは失敗しました。W-2は、共通のフィールドの「意味」を共有する、見た目が異なる一連の文書群であり、有効な抽出アプローチは、位置ではなく意味を読み取るものだけです。
意味的抽出は、作業単位を「1フォーム、1テンプレート、1タイピスト」から「1バッチ、1列定義、1クリック」に変えます。 作成者は結果を検証します——それは専門家の判断であり、なくなることはありません。しかし、紙に書かれた数字を読み取り、画面に転記するのに費やされてきた時間——2026年の税シーズンにおける1978年デザインのフォームの遺産——それらの時間には代替手段が生まれました。