コーネル大学、AIで10万ドルの未特定支払いを回収

コーネル大学のAIイノベーションハブと財務チームは、未特定の支払い滞留問題を解決するAIツールを開発し、10万ドルの回収に成功しました。このプロジェクトは2学期にわたる協力のもと、大学院生、AI専門家、財務担当者が共同で取り組みました。

毎年、コーネルの銀行口座には、振込やACH支払いが十分な情報なしに到着します。請求書番号がない、仕入先名が曖昧、部門コードがないなどの理由で、資金は一般元帳の保留勘定に滞留し、本来所属すべき部門に割り当てられません。期限内に解決されない場合、ニューヨーク州法により未請求財産として州に納付する必要があり、過去には滞留額が400万ドルに達したこともあります。

財務チームのCheryl Barnes氏とMarie Graves氏は、この問題に1日の半分以上を費やしていました。古いメールの検索、仕入先の略称のグーグル検索、取引先への電話、過去の取引との照合など、手作業で行っていました。1件に数時間かかることもあり、未解決のままのものも多くありました。当時のアクティブな滞留在庫は約100万ドル、数百件の取引にのぼりました。

プロジェクトは2025年秋にAIイノベーションハブと財務部の協力で開始され、春学期まで継続されました。技術リーダーのPete Stergion氏とPhil Williammee氏が監督し、大学院生チームが秋学期に基礎作業（支払いデータ分析、n8nでの自動化ワークフロープロトタイプ、Gemini/GPT/ClaudeなどのAIモデルテスト）を実施しました。分析の結果、未特定支払いの99%に仕入先名が含まれている一方、請求書番号や発注番号は4%未満であることが判明し、これがツール設計の基盤となりました。

2026年春学期開始時点で、チームは学期のノート、データ分析、ワークフロープロトタイプ、手動プロセスのドキュメント、個人情報を除去した支払いデータと元帳データを準備していました。Claude CodeのPlan Modeを使用して、すべての背景情報を読み込ませた上で、実装アーキテクチャを提案させ、承認後にコーディングを開始しました。この「文脈優先、計画後構築」のアプローチにより、学期のノートとプロトタイプから実働ツールまでを1回のセッションで実現できました。

現在の滞留に対して実行する前に、チームはバックテストでツールを検証しました。財務部がすでに解決した9,131件の支払い履歴を入力し、正解を隠してツールが同じ結論に達するか確認しました。一貫したルーティングがある既存取引先の場合、基本ファジーマッチングで97%、完全なAIパイプラインで100%の精度を達成。未経験の取引先でも、Gemini検索とClaude合成が機能することで識別率が76%から100%に向上しました。ただし、複数の部門に支払う取引先の場合、取引先は正しく識別できても、どの部門勘定かを正確に特定できないことがあり、この限界は財務チームに文書化されています。

ツールはカスタムPythonパイプラインで、Claude Code内のスキルとして利用可能です。財務担当者はKyribaシステムから未特定支払いのスプレッドシートをエクスポートし、ツールに渡します。パイプラインは履歴マッチング（「Inc」「LLC」「Corp」などのノイズ語を除外）、AIベンダー調査（Gemini Enterprise Web Searchを使用）、Claude合成（証拠を統合し構造化レコメンデーションを生成）の3段階を実行します。最終出力は信頼度順に並べられたExcelファイルで、部門と連絡先が事前入力されています。実行時間は数分です。

初回バッチで作成された出力スプレッドシートを財務チームが確認し、23部門に確認メールを送信。7部門から回答があり、5件の支払い（合計10万ドル）が確認されました。ツールは数分でレコメンデーションを生成しますが、解決には依然として財務担当者による部門とのフォローアップが必要です。財務チームはこのアプローチで残りの案件を引き続き処理しています。

次のステップは、財務チームをコーネルのClaudeパイロットプログラムに参加させ、カスタム/treasuryスキルを設定して自ら調査パイプラインを実行できるようにすることです。AIイノベーションハブは継続的なガイダンスとサポートを提供し、結果が劣化した場合の監視と対応を行います。

このプロジェクトが成功したのは、基盤作業を徹底したからです。大学院生が学期をかけて分析基盤を確立し、財務チームが専門知識とデータを提供しました。構築段階でAIは、一般的な解決策ではなく真の解決策を設計するために必要なすべての情報を得ていました。10万ドルはその成果の始まりに過ぎません。