【介護・福祉事業所】請求前チェックをClaude Code/Codexで自動化する方法
aikanri-admin
この記事の内容
介護給付費の請求は、提供実績、サービス提供記録、加算に関係する記録、利用者負担、月途中の変更情報などを突き合わせてから国保連へ送る、神経を使う事務です。とくに請求前チェック — 実績と記録のずれを見つけ、加算に必要な記録がそろっているかを確認し、不足があれば現場へ聞き返す — は、件数が増えるほど締め日前に集中し、特定の担当者に負荷が偏りがちです。AIは加算の算定可否そのものを決めるものではありませんが、実績と記録の差異候補の抽出、確認が必要な記録の洗い出し、現場への確認依頼文の下書きを先に作る補助として使えます。
請求前チェック1サイクルの確認作業 (ひだまりケアステーションのモデル事例)
本記事では、AI鬼管理 が支援を想定する ひだまりケアステーション (埼玉県川越市・通所介護と居宅介護支援を併設・利用者およそ80名) をモデル事例に、Claude Code/Codex で請求前チェックを「差異候補+不足記録候補+確認依頼文」まで半自動化する手順を解説します。請求事務を請求担当の藤村さんが実質1人で抱え、毎月の締め前確認に約14時間かかり、返戻(国保連から差し戻される過誤)が月平均7件出ていた事業所が、確認候補をAIに先に並べさせることで、確認時間と返戻を減らした流れです。
代表菅澤
代表菅澤
AI鬼管理山崎
この記事を最後まで読むと、
- 請求前チェックで請求担当者が抱えている負荷(実績突合・加算記録探し・現場への聞き返し)が分かる
- Claude Code/Codexで自動化できる3項目(差異候補/不足記録候補/確認依頼文の下書き)が理解できる
- 5ステップでのPoC〜運用の進め方が分かる
- 実績・記録・加算の整合確認リストの作り方が分かる
- 返戻が起きやすいパターンを先につぶす確認観点が分かる
01 PROBLEM 請求前チェックの現場で起きていること 実績突合・加算記録探し・締め前集中のトリレンマ
問題1: 実績と記録のずれを1件ずつ追っている。利用日、提供時間、サービス種別、欠席・延長・キャンセルといった月途中の変更が、実績データと提供記録の両方にきちんと反映されているかを、ひだまりケアステーションでは藤村さんが利用者ごとに目視で突き合わせていました。80名規模になると、この突合だけで半日以上が消えます。
問題2: 加算に必要な記録がそろっているか探すのに時間がかかる。個別機能訓練、入浴、口腔・栄養、送迎、サービス提供体制などの加算は、「算定するなら、この記録が残っていること」という条件があります。記録が残っているかを請求前に目視で確認する作業は、担当者の経験に依存し、チェックの抜けがそのまま返戻や自主返還につながります。
問題3: 不足の聞き返しが締め日前に集中する。記録の不足や実績とのずれが見つかるたびに、現場職員へ「この日の入浴記録が見当たらない」「この延長は実績に入っているか」と聞き返します。ひだまりケアステーションでは、この確認往復が締め日前の数日に固まり、藤村さんも現場も残業になっていました。
02 WHAT Claude Code/Codexで何を自動化するか 算定可否の判断ではなく、差異と不足の確認候補を自動化
📚 用語解説
請求前チェック：介護給付費を国保連へ請求する前に、提供実績、サービス提供記録、加算関連記録、利用者負担、月途中の変更などを突き合わせ、誤りや不足がないかを確認する作業。算定可否や請求内容の最終判断は人が行うが、どこを見るか・何と何を突き合わせるかが担当者の経験に依存しやすく、属人化と締め前集中の主因になりやすい工程。
処理1: 実績と記録の差異候補の抽出。提供実績(利用日・時間・サービス種別)と提供記録を突き合わせ、「実績にあるが記録が見当たらない」「記録はあるが実績に反映されていない」「時間がずれている」といった差異候補をAIが一覧化します。確定ではなく、人が確認すべき箇所の”あたり”を付ける役割です。
処理2: 不足記録候補の洗い出し。事業所が「この加算を算定するならこの記録が必要」と決めた確認観点に照らし、記録が見当たらない箇所や、確認が必要な箇所を不足候補として並べます。算定してよいかどうかは判断せず、あくまで「記録があるか・確認したか」のチェックに限定します。
処理3: 現場への確認依頼文の下書き。差異候補・不足候補をもとに、「いつの・誰の・何の記録を・いつまでに確認してほしいか」を整理した依頼文を下書きします。この一文がそろうだけで、締め前の聞き返しが「探してから連絡」ではなく「先に並べて一度に依頼」に変わります。
| 入力情報 | AIが整理すること | 人(請求担当者・管理者)が確認すること |
|---|---|---|
| 提供実績データ | 記録との差異候補(欠席・延長・時間ずれ) | 実績の正誤、請求内容の最終確定 |
| サービス提供記録 | 記録の有無・確認が必要な箇所の候補 | 記録内容の妥当性、ケア上の判断 |
| 加算関連記録 | 必要記録がそろっているかの確認候補 | 加算算定の可否(公式情報と記録で判断) |
| 月途中の変更情報 | 実績・記録への反映漏れ候補 | 変更の事実確認、利用者負担への影響 |
AIの役割は差異候補・不足記録候補・確認依頼文の下書きまで。加算の算定可否、請求内容、過誤や返戻への対応は、必ず請求担当者と管理者が公式情報と記録を見て確認します。この線引きを最初に決めておくと、現場が安心してAIを請求前チェックに使えます。
03 HOW 具体的な進め方 5ステップ 小さくPoCし、返戻理由を確認ルールへ戻す
請求前チェックAI化の5ステップ
通所介護・訪問介護・居宅介護支援など、確認の型が違う種別を分け、まず1種別を対象にする
「個別機能訓練を算定するなら計画書と実施記録を確認」など、藤村さんの頭の中の勘所を文章化する
差異候補・不足記録候補・確認依頼文を、確定ではなく確認用の一覧として出す
請求担当者が確認した結果と「外した確認候補の理由」「返戻が出た理由」をCLAUDE.mdへ戻す
確認観点が固定化されると、担当者が代わっても同じ観点で見られる。うまくいった種別から横展開する
5ステップで最も大切なのは、STEP 4の「外した確認候補の理由」と「返戻が出た理由」を残すことです。AIが出した確認候補を担当者が「これは確認不要だった」と外した場合、理由を残さないと次回も同じ候補が出ます。逆に、実際に返戻が出た原因をCLAUDE.mdの確認観点へ戻せば、AIの確認候補は少しずつひだまりケアステーションの請求実態に近づき、同じ返戻を繰り返しにくくなります。
04 RESULT 導入後の変化と数値効果(ひだまりケアステーションの事例) 確認14時間→6時間、返戻 月7件→2件
- 提供実績と提供記録のずれを、藤村さんが利用者ごとに全件目視で突き合わせていた(月約14時間)
- 加算に必要な記録がそろっているかを、経験と記憶を頼りに1件ずつ確認していた
- 不足や疑問が見つかるたびに現場へ個別に聞き返し、締め日前に確認往復が集中していた
- 返戻が月平均7件出て、翌月にやり直しと再請求が発生していた
- AIが実績と記録の差異候補を一覧化し、突合の”あたり”が付いて確認は月約6時間に
- 事業所が決めた確認観点に沿って、不足記録候補を先に提示
- 確認依頼文を下書きし、締め前の聞き返しを一度にまとめて依頼できるようになった
- 返戻の主因を確認観点へ戻したことで、返戻が月平均2件まで減少
AI鬼管理山崎
05 PITFALL よくある落とし穴3つ 算定判断・制度更新・個人情報の扱いを誤らない
加算を算定してよいかどうかは、公式情報と実際の記録に基づいて請求担当者・管理者が判断します。AIは「記録があるか・確認すべきか」の候補整理まで。算定可否の最終判断を任せると、制度要件のズレがそのまま請求に乗り、返戻や自主返還につながります。
介護報酬改定や加算の見直しがあると、確認すべき記録や観点が変わります。CLAUDE.mdの確認観点を更新せずに使い続けると、古い基準でチェックしてしまいます。改定時は厚生労働省などの公式情報を確認し、確認観点を見直してください。
請求データと提供記録は、氏名・利用実績・負担額・健康状態に関わる個人情報を含みます。AIに入力してよい範囲、保存先、閲覧できる人を事業所の個人情報取扱ルールで決め、必要最小限の情報だけを扱ってください。最終的な請求内容の確認も、権限のある担当者が行います。
06 CHECKLIST 実績・記録・加算の整合確認リストの型 「何と何を突き合わせるか」を先に決めておく
AIの確認候補の精度を上げるには、「請求前に何と何を突き合わせ、どの記録がそろっていれば確認OKとするか」をCLAUDE.mdに先に書いておくことが効きます。ひだまりケアステーション(通所介護)で使っている整合確認リストの型を紹介します。これは算定の可否を決めるものではなく、人が確認する前の「見る場所の一覧」です。
型1: 実績と記録の整合(土台のチェック)
型2: 加算ごとの「必要記録がそろっているか」のチェック
型3: 利用者負担・変更情報のチェック
上の3つの型をCLAUDE.mdに書いておくと、AIがこの観点に沿って差異候補・不足記録候補を並べます。大事なのは、リストはあくまで「人が確認する場所の地図」だということ。AIに○×を付けさせるのではなく、確認すべき箇所を漏れなく出させ、算定可否と最終的な請求内容の確認は請求担当者・管理者が行います。
07 RETURNS 返戻が起きやすいパターンの確認観点 毎月ずれやすい所を先につぶす
返戻(国保連からの差し戻し)は、原因が毎月似通うことが多いものです。「どこで返戻が起きやすいか」をCLAUDE.mdに観点として書いておくと、AIがその箇所を毎月の確認候補に必ず含めます。ひだまりケアステーションで返戻が出やすかったパターンと、その確認観点を紹介します。なお、ここで挙げるのは一般的に起こりやすい例で、実際の取り扱いは公式情報と自治体・国保連の案内に従って人が確認します。
パターン1: 月途中の変更が片方にしか反映されていない
区分変更、利用中止、入退院、負担割合の変更などが、実績か記録の片方にだけ反映され、もう片方が古いまま請求に乗ってしまうパターンです。確認観点として「当月に変更があった利用者を先にリスト化し、実績・記録の両方を突き合わせる」をAIに持たせると、反映漏れ候補を先に出せます。
パターン2: 加算の記録が算定日に対応していない
加算は算定するのに、対応する実施記録や計画書が対象期間に見当たらない、または日付がずれているパターンです。「加算を算定している利用者について、根拠となる記録の有無と日付の対応を確認する」を観点に入れると、記録不足の候補をAIが拾い、人が算定可否を判断する前に押さえられます。
パターン3: 利用者情報・受給者情報の不一致
被保険者番号、受給者証の有効期間、上限管理事業所、公費情報などの基本情報のずれは、金額が合っていても返戻の原因になります。「新規利用者・更新月の利用者の基本情報を、当月請求の前に突き合わせる」を観点に加えると、基本情報のずれ候補を月初に確認できます。
上のパターンをCLAUDE.mdに確認観点として書いておくと、AIが毎月、返戻が起きやすい箇所を確認候補として必ず並べます。実際に返戻が出たら、その理由を観点へ追記して育てるのがコツです。返戻対応や再請求の最終判断は、請求担当者・管理者が国保連の案内に沿って行います。
08 RELATED 関連記事: 介護・福祉事業所の自動化事例10選(全業務マップ) 請求前チェック以外の9業務も含めた事例集
本記事は介護・福祉事業所の自動化事例10選のうち、事例4「請求前チェック」を深掘りした内容です。介護記録・シフト作成・事故報告書・家族連絡・行政提出書類など他の業務もあわせてご覧ください。→ 介護・福祉事業所の自動化事例10選(全業務マップ)
09 ABOUT AI鬼管理について - 請求前チェックの伴走サービス 属人化した請求前確認を、観点が見える運用へ
本記事を発信している AI鬼管理 は、介護・福祉事業所のAI業務自動化をClaude Code/Codexで設計から伴走するサービスです。請求前チェックは、確認観点を見える化することで、締め前の集中と返戻のやり直しを減らし、担当者が代わっても同じ品質で確認できる状態に近づける打ち手です。
代表菅澤
属人化した請求前チェック、いっしょに軽くしませんか?
本記事のひだまりケアステーションの例は、通所介護と居宅介護支援を併設・利用者およそ80名・請求担当1人集中というモデルケースです。貴事業所のサービス種別の構成や算定している加算によって、確認観点と最適な進め方は変わります。まずは今の請求前チェックのやり方をうかがって、貴事業所に合った設計をご提案します。
代表菅澤
NEXT STEP
この記事の内容を、あなたのビジネスで
実践してみませんか？
AI活用を自社で回せるようになりたい方へ
AI鬼管理
Claude Code/Codex・Cowork導入支援から業務設計・社内浸透まで実践ベースで伴走。「自社で回せる組織」を90日で作る経営者向けトレーニング。
よくある質問
Q. AIで加算算定の可否を判定してもよいですか?
A. 判定はおすすめしません。AIは差異候補・不足記録候補・確認依頼文の下書きまでにし、加算算定の可否は請求担当者・管理者が公式情報と記録を確認して判断する設計が現実的です。
Q. 介護報酬改定への対応はどうすればよいですか?
A. 改定で確認観点が変わる可能性があるため、厚生労働省などの公式情報を確認し、CLAUDE.mdの整合確認リストや返戻の観点を更新します。古い観点のまま使い続けないことが大切です。
Q. 現場職員への確認依頼文も作れますか?
A. 作れます。いつの・誰の・何の記録を・いつまでに確認してほしいかを整理した文面を下書きし、請求担当者が内容を確認してから送ります。締め前の聞き返しを一度にまとめられます。
Q. 利用者情報や請求データはどう扱うべきですか?
A. 氏名、利用実績、負担額、健康状態に関わる個人情報を含みます。入力してよい範囲、保存先、閲覧権限を事業所の個人情報取扱ルールで決め、必要最小限の情報だけを扱います。
Q. 小規模事業所でも使う意味はありますか?
A. あります。件数が少なくても、毎月の確認観点を固定化することで、担当者が代わったときの漏れや、返戻の繰り返しを減らせます。
Q. 料金やプランを教えてください
A. 料金やサポートプランは AI鬼管理のサービスページをご覧ください。貴事業所向けの個別ご提案は本記事末尾のNEXT STEPからお問い合わせください。
Claude Codeで業務自動化を90日で叩き込む
経営者向けの伴走型パーソナルトレーニング
Claude Code を業務に落とし込む
専門研修コース一覧
受講者本人の業務を題材に、「使いこなせる」状態になるまで伴走する研修プログラム。1対1特化型・ハンズオン・法人講座の3コースを展開中。業務特化・実装まで踏み込むタイプのClaude Code研修です。
研修コース一覧を見る →AI鬼管理へのお問い合わせ
この記事を読んで気になった方へ。
AI鬼管理の専門スタッフが、御社に最適な
業務自動化プランを無料でご提案します。
- AI業務自動化サービス「AI鬼管理」を運営 — Claude Code を活用し、経営者の業務を「AIエージェントに任せる仕組み」へ転換するパーソナルトレーニングを 伴走構築 で提供。日報・採用・問い合わせ対応・経費精算・議事録・データ集計・営業リスト等の定型業務を、AIに代行させる体制を経営者と一緒に作り込む
- Claude Code 実装ノウハウを 経営者・法人クライアント に直接指導。生成AIを「便利ツール」ではなく 「業務を任せる存在」 として運用する手法を体系化
- 「やらせ切る管理」メソッドの開発者。シンゲキ株式会社（2021年設立・鬼管理専門塾運営）にて累計3,000名以上の学習者を志望校合格に導いた管理メソッドを、AI × 経営者支援 に転用
- 著書『3カ月で志望大学に合格できる鬼管理』(幻冬舎)、『親の過干渉こそ、最強の大学受験対策である。』(講談社)
- メディア出演: REAL VALUE / カンニング竹山のイチバン研究所 / ええじゃないかBiz 他
- 明治大学政治経済学部卒
