はじめに
OpenAIとThrive Holdingsは2026年5月27日、コーディングエージェント「Codex」を活用した自己改善型税務AI「Tax AI」の開発事例を公開しました。会計事務所ネットワーク「Crete」の30社以上と連携し、今税務シーズンに7,000件の申告書処理を通じてシステム精度を継続的に高めた仕組みについて、本稿では解説します。
参考記事
- タイトル: Building self-improving tax agents with Codex
- 著者: Aravind Srinivasan, Samay Shamdasani (Thrive Holdings), Arthur Fernandes Araujo, John de Wasseige (OpenAI)
- 発行元: OpenAI
- 発行日: 2026年5月27日
- URL: https://openai.com/index/building-self-improving-tax-agents-with-codex/
関連記事
要点
- OpenAIとThrive Holdingsが共同開発した税務AI「Tax AI」は、今シーズン7,000件の確定申告書を処理し、担当者の作業時間を約3分の1削減した
- 申告書ドラフトの精度は最大97%に達し、処理スループットは約50%向上した
- ローンチ時に75%フィールド完成率を達成していたのは全体の25%だったが、6週間後には86%まで改善した
- 自己改善は「実務家フィードバック」「本番トレース」「Codex駆動の反復ループ」の3本柱で実現されている
詳細解説
Tax AIとは何か
Tax AIは、OpenAIのフォワードデプロイエンジニア・研究者とThrive Holdings傘下の会計事務所ネットワーク「Crete」が6カ月をかけて共同開発した税務申告自動化システムです。会計担当者（プラクティショナー）がソースファイルとクライアントメモをアップロードすると、Tax AIが税務エンジン向けの提出書類を自動作成します。中複雑度〜高複雑度の申告では手入力だけで8時間を要していた業務が、このシステムで大幅に効率化されました。
OpenAIの発表によれば、今シーズンの成果として担当者の税務準備時間を約3分の1削減し、申告書のドラフト精度は最大97%、処理スループットは約50%向上しています。ある会計士は昨年の繁忙期に費やした180時間を今年は15時間に圧縮し、浮いた時間でクライアント全員への個別面談とサービス拡充に充てられたといいます。効率化の恩恵が単なる時短にとどまらず、業務の質的転換につながった事例として注目に値すると思います。
3本柱の自己改善ループ
このシステムの最大の特徴は、ローンチ後も性能が向上し続ける点にあります。OpenAIはその仕組みを3本の柱で説明しています。
第1の柱: 実務家を近くに置く
Tax AIの改善方向を決めるのはエンジニアではなく、現場の会計士です。担当者がシステムの出力値を修正するたびに、「Tax AIが提案した値」「担当者が変更した値」「最終的に申告書に記載した値」という3点が構造化データとして記録されます。値の変更が真の抽出ミスなのか、マッピング問題なのか、担当者の好みなのかは、現場の知見なくしては判断しにくい部分であり、実務家の関与が不可欠だと考えられます。
第2の柱: 本番データが証拠を生む
Tax AIはソースファイルの受領から申告書完成までの全過程を「プロダクトトレース」として保存します。不動産収入（Schedule E）を例にとると、ファイルの分類・フィールド抽出・税務エンジンへのマッピング・担当者修正という各ステップが記録され、「どこで何が起きたか」を後から追跡できる設計になっています。担当者修正のパターンを分析すると、「賃貸日数（fair rental days）の入力漏れが繰り返し発生している」といった具体的な失敗傾向が浮かびあがります。
第3の柱: Codex駆動の反復ループ
繰り返しパターンが特定されると、それはCodexへの有界タスク（bounded task）に変換されます。Codexはプロダクトトレース・評価データセット・コードレポジトリ・ドキュメントを組み合わせて根本原因を調査し、修正案を実装し、ターゲット評価とリグレッション評価を経てプルリクエストを生成します。エンジニアがそのプルリクエストをレビューして本番に反映させます。証拠が不十分なケースはエンジニアチームに差し戻す設計になっており、自動化の適用範囲が慎重に限定されている点が特徴的です。
精度の改善推移
OpenAIの発表によれば、税務シーズンを通じた精度向上は定量的に示されています。ローンチ時点で75%フィールド完成率に達していた申告書は全体の25%でしたが、3週間後には79%、6週間後には86%まで改善しました。90%完成率・100%完成率でもそれぞれ同様の上昇トレンドが確認されています。
また、Tax AIが対応する業務の難易度も段階的に上がっています。当初はW-2やForm 1099などシンプルな書類が中心でしたが、K-1・Schedule E・Schedule C・Schedule Aといった複雑な申告類型へと対応範囲が拡大しています。複雑な業務ほど1件当たりの時間節減効果が大きいため、対応範囲の拡大が効率向上に直結しています。
Codexタスクの設計
Codexが扱うタスク環境は「書き込み可能なワークツリー」と「読み取り専用の本番コンテキスト」に明確に分離されています。コードレポジトリ・評価データセット・スキル文書はCodexが変更できる領域に置かれ、本番トレース・ソース文書・税務エンジンのフィールド仕様は参照専用として扱われます。この境界設定により、Codexは本番の証拠を変更せずに調査・修正できます。
この設計原則はOpenAIが別途公開している「ハーネスエンジニアリング」と「Symphonyオーケストレーター仕様」に基づいており、タスクをCodexに読み取りやすい形に整備することがループの効果に直結すると考えられます。
他領域への横展開
OpenAIとThrive Holdingsは、同じ3本柱の設計を税務以外の業務ドメインにも展開中です。不動産収入（Schedule E）の対応に要した約6週間の工数は、抽象化・評価慣例・実装パターンという再利用可能な資産を生み出し、Schedule CやSchedule Aへの横展開を加速させました。現在は経理（記帳・監査）やITヘルプデスク自動化にも同ループが適用されています。
まとめ
Tax AIの事例は、実務家フィードバック・本番トレース・Codex反復ループという3本柱による自己改善の有効性を示しています。現場の修正行動を学習シグナルに変える設計は、他業界への応用可能性も高いと考えられます。金融・会計領域のエージェント活用については、Anthropicが公開した金融エージェントテンプレートもあわせてご覧いただければと思います。
