WhatsAppの吹き出しは銀行の書類じゃない
それでも口座番号と金額を抽出する

チャットの吹き出しが解析不可能に見える理由

誰かがWhatsAppで銀行口座情報を送ってくるとき、メッセージには通常、銀行名、口座番号、場合によってはルーティング番号やソートコード、そして送金金額という、3つか4つの情報がひとまとまりのテキストとして含まれています。1つのメッセージとして届くこともあれば、2つか3つの吹き出しに分かれることもありますが、根本的な問題は同じです。それは、データに構造がないということです。「この数字が口座番号で、あの数字が金額です」という列は存在しません。どちらも同じ文の中にただ数字として存在しているだけです。

自然な反応としては、スクリーンショットを撮ることでしょう。送られた内容の記録を残したいからです。そして、実際にその数字が必要な場所、つまりスプレッドシート、請求書、経理アプリ、支払い確認書などに、その数字を手入力します。この手作業のステップこそがエラーの発生源です。特に、1日に複数のクライアントからの支払いを処理していて、それぞれ異なる口座番号と金額が、別々のチャットのスクロールした先にあるような状況ではなおさらです。

この状況はよくあることです。フリーランサーが新しいクライアントから銀行口座情報を受け取り、記録用にチャットのスクリーンショットを撮ります。小規模事業者は、請求書支払いのため、サプライヤーの口座情報が書かれたWhatsAppメッセージを受け取ります。ルームメイトが家賃を分割するために自分の銀行口座を送ってきます。どのケースでも、情報は目に見えています。あなたの目で読むことはできます。しかし、それを使える形式にするには、手で打ち出すか、自動的に情報を分離してくれるツールを見つける必要があります。

従来のOCRが実際に読み取るもの（そしてそれだけでは不十分な理由）

従来の光学文字認識（OCR）は、WhatsAppのスクリーンショットを読み取り、見つけられるすべての文字を抽出します。出力はテキストの文字列です。「銀行: Chase、口座番号: 123456789、金額: $500」といった具合で、これは人間が画像を見て読むものとまったく同じです。問題は、OCRはこれらの単語が何を意味するのかを理解しないということです。OCRは銀行、Chase、口座番号、123456789、金額、$500を、フラットなトークンの羅列として見ます。数字の123456789は、口座番号かもしれませんし、電話番号かもしれませんし、取引IDかもしれません。$500は送金金額かもしれませんし、最低残高かもしれません。OCRにとっては、それらは単に意味的な役割を持たない文字の集まりに過ぎません。

これは、位置ベースの抽出における根本的な限界です。数字の隣にある単語の意味を知らなければ、どの数字が何であるかをツールが教えてくれることはありません。固定されたレイアウトのないチャットの吹き出しでは、送信者が「口座番号: 123456789」と書くかもしれないし、「A/C 123456789」と書くかもしれないし、ラベルなしで単に「123456789」とだけ書くかもしれません。このような場合、パターンや位置に依存するシステムはまったく役に立ちません。

このギャップは、認識精度の問題ではありません。最新のOCRは、クリーンなWhatsAppのスクリーンショットに含まれる文字を、ほぼ完璧な精度で読み取ることができます。テキストはデジタルで、明るく、歪みもありません。ギャップは、それらの文字が文脈の中で何を意味するのかを理解することにあるのです。

ビジュアルAIが口座番号と金額を区別できる理由

従来のOCRとビジョン言語モデルの違いは、文字をどれだけ正確に読み取るかではなく、システムが単語の意味を理解できるかどうかにあります。ビジュアルAIはWhatsAppのスクリーンショットを読み取り、文字認識で止まりません。画像を処理し、メッセージの意味構造を識別します。Account（口座）を口座番号を示すラベル、Amount（金額）を金額を示すラベル、Bank（銀行）を金融機関名のラベルとして認識します。

これがカスタム列抽出の核となる考え方です。「口座番号」や「金額」といった出力したい列を定義すると、AIはそれらのラベルの意味を理解することで、スクリーンショット上のどこにでもある該当する値を特定します。口座番号が特定の位置、特定のフォント、特定の形式である必要はありません。「Account」（または「A/C」「Account No.」）という単語に続く番号と、「Amount」（または「$」「Total」）という単語に続く金額を見つけ出します。この原理は、正式な領収書ではない支払いスクリーンショットからデータを抽出する場合も、まったく正式な書類ではないWhatsAppのチャットバブルから抽出する場合も同じように機能します。

抽出はチャットバブルの視覚的なレイアウトに依存しません。AIが銀行取引指示の言語を理解することに依存します。送信者が「Account」「Amount」または類似の識別子を含むラベルを使用している限り、システムは数値を正しく分離できます。

これが、メッセージの書式が異なる場合でもこのアプローチが機能する理由でもあります。銀行名が最初にあったり、金額が別の行にあったり、口座番号が文の途中に埋もれていたりしても問題ありません。ビジュアルAIはメッセージ全体を一貫したブロックとして処理し、各数値をそれを説明するラベルに割り当てます。

WhatsAppのスクリーンショットから口座番号と金額を抽出する方法

ワークフローは簡単で、送信者ごとやメッセージ形式ごとの設定は一切不要です。実際の手順は以下の通りです。

アップロードから構造化データの出力までの全プロセスは、スクリーンショット1枚あたり約5～10秒です。フリーランサーが10件のクライアントからの支払い確認を1回のバッチで処理する場合、手動で口座番号と金額を入力し、確認し、フォーマットを整えるのに10～15分かかっていた作業が、2分未満で完了します。

実際に発生する3つのシナリオ

「WhatsAppで銀行口座情報を共有する」というシナリオは仮定の話ではなく、実際のビジネス現場で定期的に発生します。それぞれ、情報のパターンが少しずつ異なります。

フリーランサーがクライアントからの支払いを受け取る場合。 フリーランスのデザイナー、ライター、コンサルタントがクライアントに請求書を送ると、クライアントから「承知しました。振込先の銀行口座情報をお送りします」というメッセージとともに口座情報が届きます。フリーランサーは支払い記録としてチャットのスクリーンショットを撮り、後日その情報を帳簿ファイルに入力する必要があります。1ヶ月のクライアントワークで、異なるクライアントからのスクリーンショットが十数枚以上になることもあり、それぞれ口座番号やメッセージ形式が異なります。

WhatsApp Businessを利用する中小企業。 インド、ブラジル、メキシコ、ナイジェリア、東南アジアなど、WhatsAppが主要なビジネスコミュニケーションツールとなっている市場では、サプライヤーと顧客が注文確認や請求書決済の一環として、チャット上で銀行口座情報を日常的に共有しています。小売業者は、ある朝だけで5社のサプライヤーから口座情報を受け取り、それぞれのWhatsAppメッセージを支払い処理のためにスクリーンショットとして保存することになります。

個人間の送金や共同費用の精算。 頻度は低いものの、これもよくあるケースです。友人や家族が家賃の支払い、グループ旅行の清算、贈り物のために自分の銀行口座を送ってきます。スクリーンショットは記録としてスマホのギャラリーに保存され、その番号を経費管理のスプレッドシートや支出記録に入力する必要があります。

これら3つのケースに共通する核心的なニーズは同じです。スクリーンショットに表示されている情報を、できるだけ手作業を減らして構造化データに変換する必要があるのです。1枚のスクリーンショットではなく、繰り返し発生するスクリーンショットの量こそが、抽出アプローチを価値あるものにしています。

できること・できないこと

このツールの限界を明確にしておく価値があります。AIはWhatsAppメッセージに表示された口座番号と金額を抽出できますが、それらの情報が正しいかどうか、あるいは銀行口座が送信者のものかどうかを検証することはできません。スクリーンショットは、伝達された内容の記録であり、検証済みの財務書類ではありません。正式な支払いの証明（銀行取引明細書、取引領収書、正式な請求書など）が必要な場合、WhatsAppのスクリーンショットだけではそれらを代替できません。

また、抽出の信頼性が低くなるフォーマットのケースもあります。送信者が口座番号と金額をラベルなしで、単に「123456789 $500」のように文脈なしで書いた場合、AIが利用できる意味情報が少なくなります。実際には、ほとんどの人が少なくとも「Account」や「Amount」、あるいは「$」記号を含めますが、完全にラベルがない数字は、誤った番号が誤った列に入力される可能性を高めます。このツールは、メッセージに「A/C」や「$」のような最小限のものでも、識別ラベルが含まれている場合に最も効果的に機能します。

正直な評価：WhatsAppのスクリーンショットからは、チャットに書かれた通りの口座番号と送金金額を確実に取得できます。しかし、銀行が認定した取引記録が得られるわけではありません。記録保持や追跡目的であれば、それで十分なことがよくあります。監査や法的な証明が必要な場合は、銀行からの公式な取引明細書が必要です。

よくある質問