メインコンテンツへスキップ
見出し画像

第6回 構造化CSVは何を変えるのか

    1 なぜ今、構造化CSVなのか

    いま構造化CSVを論じる意味は、単に「CSVを少し便利にする」ことにはありません。問題は、会計データ、取引データ、税務データ、監査データが、それぞれ別々の都合で別々の形式に閉じ込められ、そのたびに意味の読み替えや変換が必要になっていることです。従来のフラットCSVは受け渡しには便利ですが、階層や文脈を保つことが苦手です。そのため、原票、明細、税、仕訳といった本来つながっている情報が、システムをまたぐたびに切れてしまいます。構造化CSVは、この断絶を小さくし、意味を保ったまま保存・交換・再利用できる形式として考える必要があります。

    当事務所「構造化CSVが切り拓くデータ変換の新時代:RDBの制約を超えた『階層型の整然データ』」https://www.sambuichi.jp/?p=16096 でも述べたように、これは単なるCSV拡張ではなく、階層型データを扱うための実装上の考え方です。データを「とりあえず出力できる形」で終わらせるのではなく、「後から読める形」「別の構文に変換できる形」「監査や分析に再利用できる形」で持つ必要があります。これは単なるCSV拡張ではなく、階層型データを扱うための実装上の考え方です。データを「とりあえず出力できる形」で終わらせるのではなく、「後から読める形」「別の構文に変換できる形」「監査や分析に再利用できる形」で持つ必要があります。

    この必要性は、日本国内の事情だけで生じているのではありません。欧州では、まず公共調達を起点に電子インボイスを整備し、その後、税務デジタル化へ広げてきました。当事務所「欧州はなぜB2Gから入れたのか — 日本は何を欠いているのか」https://www.sambuichi.jp/?p=16746 が示すように、欧州は電子インボイスを単なる帳票の電子化ではなく、制度と運用を支えるデータ基盤として扱っています。日本でも、この記事が示すように、欧州は電子インボイスを単なる帳票の電子化ではなく、制度と運用を支えるデータ基盤として扱っています。ペポル / JP PINT、既存EDI、ERP取込、会計、税務、監査を別々に最適化し続けるだけでは限界があることが、むしろはっきりしてきました。

    2 構造化CSVが示している可能性

    構造化CSVの可能性は、RDBの表をそのままCSVに吐き出したものでも、ヘッダ表・明細表・税表に分けた複数ファイル方式でもない、第三の持ち方を示している点にあります。構造化CSVでは、1枚のCSVの中で、どの行がどの論理階層に属するのかを示しながら、複数の意味単位を保ったまま記述できます。これにより、請求書全体、当事者、参照文書、税率別内訳、明細行といった階層を、意味を失わずに扱えるようになります。

    当事務所「構造化CSVが切り拓くデータ変換の新時代:RDBの制約を超えた『階層型の整然データ』」https://www.sambuichi.jp/?p=16096 が強調しているのは、まさにこの点です。構造化CSVは、交換のためだけではなく、原本、保存、再計算、検証のための基盤として見るべきものです。この記事が強調しているのは、まさにこの点です。構造化CSVは、交換のためだけではなく、原本、保存、再計算、検証のための基盤として見るべきものです。

    この考え方を一歩進めると、構造化CSVは「日本版コアインボイス」や「日本版RTE」の中間表現としても位置づけられます。(ここでいう RTE は Real-Time Economy の略で、電子インボイスや受発注だけでなく、会計、報告、行政連携までを、再利用可能な構造化データでつなごうとする考え方です。)

    当事務所「ペポル / JP PINT を端緒に『日本版RTE』を民間主導で動かす:XBRL GL Nextで“出口”を揃える」https://www.sambuichi.jp/?p=16373 で述べたように、ペポル / JP PINT、既存EDI、ERP取込を個別変換でつなぐのではなく、共通の意味基盤を一度通すことで、会計仕訳や監査データまで見通しやすくなります。

    3 保存の面で見えてくる問題

    3.1 長期保存の必要性

    保存の観点から見ると、いちばん大きな問題は、データが特定ソフトの内部DBや、その時点だけ通用する出力形式に閉じ込められやすいことです。いま読めているデータでも、数年後に同じソフトや同じ環境が残っているとは限りません。しかも、会計や税務では、後年に過去データの意味を確認できることが重要です。

    当事務所「構造化CSVが切り拓くデータ変換の新時代:RDBの制約を超えた『階層型の整然データ』」https://www.sambuichi.jp/?p=16096 で述べたように、単にファイルが残っていればよいのではなく、その内容を後から確認し、説明し、再利用できることが重要です。構造化CSVは、この「意味を保ったまま残す」ための候補として考えられます。電子帳簿保存法への対応を考えても、保存の問題はファイル保管だけでなく、意味の保全の問題でもあります。単にファイルが残っていればよいのではなく、その内容を後から確認し、説明し、再利用できることが重要です。構造化CSVは、この「意味を保ったまま残す」ための候補として考えられます。電子帳簿保存法への対応を考えても、保存の問題はファイル保管だけでなく、意味の保全の問題でもあります。

    3.2 保存における課題

    ただし、構造化CSVを保存基盤として使うには、まだ課題があります。たとえば、当時使っていたコード値や区分、名称をどう保持するのか、どの定義や根拠資料と結び付けるのか、原本性と再利用性をどう両立するのか、といった論点です。単にCSVに値が入っていればよいわけではなく、その値が「何を意味していたのか」が後から追える必要があります。

    当事務所「構造化CSVが切り拓くデータ変換の新時代:RDBの制約を超えた『階層型の整然データ』」https://www.sambuichi.jp/?p=16096 が示しているのは、保存の問題がファイル形式の問題であると同時に、意味と根拠をどう残すかという問題でもある、ということです。保存基盤として定着させるには、データそのものだけでなく、その意味を支える定義情報もあわせて残す必要があります。保存の問題がファイル形式の問題であると同時に、意味と根拠をどう残すかという問題でもある、ということです。保存基盤として定着させるには、データそのものだけでなく、その意味を支える定義情報もあわせて残す必要があります。

    4 交換の面で見えてくる問題

    4.1 総当たり変換の限界

    交換の面では、個別XML・個別CSVどうしを直接つなぐ方式の限界が、すでにはっきり見えています。ペポル / JP PINT、既存EDI、ERP取込のそれぞれが別々の規則で動いている状態では、形式ごとに変換を追加していけば、変換の本数と例外処理が増え続けます。

    当事務所「米国(DBNAlliance)とPeppolに学ぶ『業界EDI統合』— 日本の共通探索基盤(SML)と XBRL GL Next ハブ構想」https://www.sambuichi.jp/?p=16423 が示すように、異なるEDIをその都度直接つなぐだけでは、相互運用のコストは下がりません。ここで必要なのは、接続先の探索基盤だけでなく、意味の統合ハブです。異なるEDIをその都度直接つなぐだけでは、相互運用のコストは下がりません。ここで必要なのは、接続先の探索基盤だけでなく、意味の統合ハブです。

    さらに、欧州の流れを見ると、交換の問題は単なるファイル形式の統一では終わりません。当事務所「デジタル取引の新時代:Peppol BIS 4.0 と ViDA がもたらすグローバル標準化と日本の展望」https://www.sambuichi.jp/?p=16267 や「EN 16931 の VAT モデルと ViDA(VAT in the Digital Age)の関係」https://www.sambuichi.jp/?p=16132 が示すように、欧州では電子インボイスとデジタル報告を制度として接続する方向へ進んでいます。欧州では電子インボイスとデジタル報告を制度として接続する方向へ進んでいます。(ここでいう ViDA は VAT in the Digital Age の略で、EU における付加価値税制度のデジタル時代対応改革です。)つまり、電子インボイスは、交換のための帳票ではなく、報告・検証・税務運用までを含む制度基盤へ変わりつつあります。

    4.2 交換における課題

    ここで必要になるのは、個別構文の差異を超えて、何を共通の意味単位として扱うかを決めることです。日本版コアインボイスという発想は、まさにそこにあります。問題は、その意味基盤をどう定義し、ペポル / JP PINT、既存EDI、ERP取込をどう橋渡しするかです。

    当事務所「続・EIPAはPAと協調し、プロバイダ主導で日本の業界EDI統合を後押しすべきだ」https://www.sambuichi.jp/?p=16618 や「EIPAは『口を出すな』ではなく、日本の要件をまとめるべきだ」 https://www.sambuichi.jp/?p=16543 が論じているのは、形式そのものよりも、業界をまたいで使える共通の要件と探索基盤の必要性です。形式そのものよりも、業界をまたいで使える共通の要件と探索基盤が必要です。

    さらに、当事務所「gBizID を用いたユーザ ID 統一と SML/SMP 管理方式への移行ステップ」 https://www.sambuichi.jp/?p=16088 は、届き先探索や識別子管理の共通化が不可欠であることを示しています。そうでなければ、変換の効率化は進んでも、運用全体としては依然として断片的なままです。届き先探索や識別子管理の共通化が不可欠です。そうでなければ、変換の効率化は進んでも、運用全体としては依然として断片的なままです。

    また、交換の課題は、やがて汎用データ交換器の議論にもつながります。個別変換プログラムを増やし続けるのではなく、共通の意味基盤を介して変換できる形へ整理しなければ、構文が増えるほど維持管理は重くなります。ただし、この点は本稿で解決策まで詳述するのではなく、課題として位置づけておきたいと思います。

    5 監査の面で見えてくる問題

    5.1 監査データとしての可能性

    監査の観点から見ると、構造化CSVの長所は、原票、明細、税、仕訳、集計のつながりを失いにくいことです。監査で本当に見たいのは、単なる残高一覧ではなく、その残高に至る取引と、その取引に付随する税や相手先や明細の流れです。構造化CSVは、こうした粒度の異なる情報を、意味の関係を保ちながら扱えるため、証憑から帳簿、帳簿から集計までを追いやすいデータ形式になります。

    当事務所「構造化CSVが切り拓くデータ変換の新時代:RDBの制約を超えた『階層型の整然データ』」https://www.sambuichi.jp/?p=16096 が示すように、重要なのはデータを単に一覧化することではなく、再構成可能な形で持つことです。その点で、構造化CSVは監査データの基盤となります。重要なのはデータを単に一覧化することではなく、再構成可能な形で持つことです。その点で、構造化CSVは監査データの基盤として位置づけることができます。

    5.2 監査における課題

    もっとも、そのためには、必要な粒度をどう標準化するのかという課題もあります。どの明細まで持つべきか、税率別内訳や合計金額の整合をどこまで検証可能にするのか、取引先・部門・科目との関係をどう持たせるのか、といった論点です。

    当事務所「OECD『Tax Administration 2024』を読み解く」https://www.sambuichi.jp/?p=16170 が示す税務行政デジタル化の流れを見ても、必要なのは単なる抽出ではなく、再利用可能な明細粒度データ(granular data)です。監査で再利用できるデータ基盤を作るには、「出力できること」だけでは足りず、「意味のある単位で再構成できること」が必要です。税務行政デジタル化の流れを見ても、必要なのは単なる抽出ではなく、再利用可能な明細粒度データ(granular data)です。

    XBRL GL のような 明細粒度データ(granular data)の考え方が重要になってきますが、その具体的な実装形をどうするか、XBRL EU を中心にフィンランドやエストニアの関係者と議論しています。

    6 会計実務、税務行政、デジタル行政にとっての課題

    6.1 会計実務にとっての課題

    会計実務の立場から見ると、課題は明確です。過去データを確認したいとき、ソフトの更新や移行をまたぐと、当時のデータをそのまま再利用することが難しくなります。税区分や集計値の照合、説明資料の作成、監査対応を考えても、「出せるかどうか」ではなく、「意味を保ったまま確認できるかどうか」が重要です。

    当事務所「構造化CSVが切り拓くデータ変換の新時代:RDBの制約を超えた『階層型の整然データ』」https://www.sambuichi.jp/?p=16096 で述べた構造化CSVの意義は、まさにそこにあります。会計実務に本当に根づかせるには、ソフト依存を小さくしながら、なお実務で扱える粒度と運用性を両立する必要があります。構造化CSVの意義は、まさにそこにあります。会計実務に本当に根づかせるには、ソフト依存を小さくしながら、なお実務で扱える粒度と運用性を両立する必要があります。

    6.2 税務行政にとっての課題

    税務行政の立場では、税務データ収集をソフト依存にしないことが大きな課題です。当事務所「OECD『Tax Administration 2024』を読み解く」https://www.sambuichi.jp/?p=16170   や「EN 16931 の VAT モデルと ViDA(VAT in the Digital Age)の関係」https://www.sambuichi.jp/?p=16132 が示しているように、税務当局が扱うべきデータは、単なる申告値ではなく、構造化された取引・報告データへと広がっています。日本でも、財務諸表レベルのXBRL活用だけでなく、その手前にある明細粒度データ(granular data)をどう扱うかが避けられません。

    税務行政にとっては、原票から仕訳までの流れを追いやすくしつつ、標準的に収集・検証できるデータ基盤をどう設計するかが課題になります。

    6.3 デジタル行政にとっての課題

    デジタル行政の立場からは、ペポル / JP PINT、既存EDI、ERP取込をどう橋渡しするか、行政と民間のデータ流通をどう共通基盤で支えるかが問題になります。当事務所「欧州はなぜB2Gから入れたのか — 日本は何を欠いているのか」https://www.sambuichi.jp/?p=16746 が論じているように、欧州ではB2Gを起点に、標準、配送、検証、税務報告をつなぐ政策パッケージが作られました。しかし日本では、JP PINT、GIF、ビルディングブロック、ベース・レジストリ、公共サービスメッシュなど重要な部品はあっても、それらを市場化へつなぐ政策判断はまだ十分に見えていません。つまり、日本は「部品」は持っているが、「どう組み立てるか」がまだ十分に示されていないのです。

    6.4 XBRLの高度利用と GL Next につながる課題

    この延長線上で見えてくるのが、XBRLの高度利用をどこまで広げるか、という論点です。

    日本のXBRL活用はこれまで財務諸表・開示文書中心でしたが、当事務所「XBRL GL:フィンランドの挑戦 — リアルタイム経済を実現するためのデータ標準」https://www.sambuichi.jp/?p=16180 や「エストニアの MCDS と XBRL GL」https://www.sambuichi.jp/?p=16590 を見ると、次の段階は、会計・監査・税務の明細粒度データをどう標準化し、再利用可能にするかに移っています。XBRL GL は、そのための候補として長く議論されてきましたし、現在も議論しています。当事務所「ペポル / JP PINT を端緒に『日本版RTE』を民間主導で動かす:XBRL GL Nextで“出口”を揃える」https://www.sambuichi.jp/?p=16373 が示すように、XBRL GL Next は、より扱いやすい実装形として xBRL-CSV を視野に入れています。

    構造化CSVの意義は、国内独自の工夫にとどまらず、この国際的な流れの中で初めて、よりはっきり見えてきます。第7回では、この点を中心に、XBRL GL が担ってきた明細粒度データ(granular data)標準としての役割と、xBRL-CSV を採用する XBRL GL Next の検討状況を通じて、構造化CSVの国際的な位置づけと、ADC を拡張可能な仕組みへ発展させる方向を整理します。

    7 AI活用の面で見えてくる問題

    AIが扱いやすいデータとは、単語と数値が並んでいるだけのデータではありません。しかも、その配置や対応関係がその都度異なるようでは、AIが文脈を踏まえた意味のある判断を行うことは難しくなります。会計データや取引データでは、同じ「金額」という語があっても、それが請求書合計なのか、税額なのか、明細金額なのか、支払額なのかによって意味はまったく異なります。構造化CSVが重要なのは、その値がどの階層に属し、どの項目と結び付いているかを失いにくい点にあります。当事務所「構造化CSVが切り拓くデータ変換の新時代:RDBの制約を超えた『階層型の整然データ』」https://www.sambuichi.jp/?p=16096 が示しているのは、まさにこの「意味を保ったまま再利用できる形」の重要性です。

    この点は、当事務所「第2回 追加情報: OpenAI の大規模言語モデルを基盤としたコーディング・データ分析支援エージェント Codex による仕訳データ検査」https://note.com/pont_soleil/n/n63699199aeb5 でも具体的に示しました。そこでは、構造化CSVの結合表を用いた Ledger Explorer や、UBL と構造化CSVの変換プログラムの開発・デバッグを通じて、データの関連を踏まえて処理できる Codex に仕訳日記帳をチェックさせています。貸借一致、月次一致、税区分、摘要欄、補助科目、回収漏れや支払漏れの候補といった論点を、構造を理解したうえで機械的に抽出できることが示されました。つまり、AIが有効に働く前提は、AIそのものの性能だけではなく、データの構造と意味が保たれていることにあります。

    もっとも、構造化CSVがあればただちにAI活用が進むわけではありません。異常検知や整合確認に使える粒度をどこまで定義するのか、自然言語で照会できるような意味構造をどう持たせるのか、説明可能な判断の根拠をどこまで残せるのか、といった課題は依然として残ります。とくに監査や税務の文脈では、AIが出した結果を人が説明できなければなりません。そのためには、値だけでなく、その定義、関係、出所が追える構造が必要です。

    また、AI活用を「最後に乗せる便利機能」と考えるのも適切ではありません。ペポル / JP PINT、既存EDI、ERP取込、会計、税務、監査を通じて再利用可能なデータ形式をあらかじめ整えておかなければ、AIは結局その都度の個別データ整形に依存することになります。AI活用の課題は、実はデータ標準化の課題そのものでもあります。ここで重要になるのが、理解可能なタクソノミとともに構造化CSVを提示することです。構造化CSVだけでは、どの値が何を意味するのかを人間やAIが推測に頼って解釈しなければならない場面が残ります。これに対して、階層構造、表示名、定義、根拠資料を持ったタクソノミと併せて提示すれば、データの意味をより明確に共有でき、AIによるチェックや説明の精度も高めやすくなります。

    8 機械化に向けて残っている論点

    構造化CSVを本当に保存、交換、監査、AI活用の共通基盤にするには、単に1枚のCSVに階層を載せられるだけでは足りません。どの項目をどの階層で定義するのか、どの名称で表示するのか、どの定義に基づくのか、どの規格や制度要件を根拠にするのかといった情報を、機械可読な形で持つ必要があります。その役割を担うのがタクソノミですが、現時点では、タクソノミに何をどこまで定義すべきかが、なお十分に整理し切れていません。項目一覧だけでは足りず、階層構造、表示言語、定義、根拠資料、さらには構文との対応関係まで含めて考える必要があります。

    ここで重要なのは、構造化CSVを単独で提示するのではなく、理解可能なタクソノミとともに提示することの有効性です。構造化CSVは、階層を保ったままデータを記述するには適していますが、その階層や項目の意味を安定的に解釈し、再利用し、機械的に処理するには、対応するタクソノミが必要です。タクソノミに階層構造、表示名、定義、根拠資料が整理されていれば、人間にとっても理解しやすく、機械にとっても処理しやすい形になります。したがって、構造化CSVの有効性は、それ単独ではなく、理解可能なタクソノミと組み合わせたときに、より明確になると考えられます。

    また、意味定義と構文定義の境界も、まだ十分に明確ではありません。意味モデルとして管理すべきものと、XML や CSV や JSON といった個別構文への対応として管理すべきものをどう分けるのか。この問題が曖昧なままだと、標準は整備されても、実装のたびに個別ロジックが必要になってしまいます。当事務所「共通EDIとOpenPeppolをSBDHで接続する:Sender/Receiver と originalSender/finalRecipient の指定」https://www.sambuichi.jp/?p=16235 が示しているように、実運用では、意味上の当事者と配送・送信の当事者が一致しないこともあります。こうした問題は、単純な項目対応だけでは扱えず、意味定義と構文定義を意識的に分けて管理する必要性を示しています。こうした問題は、単純な項目対応だけでは扱えず、意味定義と構文定義を意識的に分けて管理する必要性を示しています。

    さらに、構文結合表をどこまで標準化対象に含めるかも論点です。現状では、結合表は実装のための補助資料として扱われがちですが、実際には、表示、検証、変換、再利用を支える制御データの役割を持っています。当事務所「ペポル / JP PINT を端緒に『日本版RTE』を民間主導で動かす:XBRL GL Nextで“出口”を揃える」https://www.sambuichi.jp/?p=16373 が示しているように、将来の出口をそろえるには、意味モデルだけでなく、そこから個別構文へどう接続するかも共有可能な形で管理する必要があります。しかし、その結合表を標準の外側に置くのか、標準の一部として扱うのかは、まだ定まっていません。

    そして最後に残るのが、個別対応から汎用データ交換器(UDC)へ進むために何が必要か、という論点です。(ここでいう UDC は Universal Data Converter の略で、監査データや業務データを、異なる構文のあいだで変換するための汎用データ交換器という位置づけで考えています。)

    事務所「米国(DBNAlliance)とPeppolに学ぶ『業界EDI統合』— 日本の共通探索基盤(SML)と XBRL GL Next ハブ構想」https://www.sambuichi.jp/?p=16423 や「gBizID を用いたユーザ ID 統一と SML/SMP 管理方式への移行ステップ」https://www.sambuichi.jp/?p=16088 が示しているのは、配送や探索の基盤だけでなく、意味の統合ハブが必要だということです。汎用データ交換器(UDC)はここでの解決の方向になり得ますが、第6回ではその仕組みを詳述するのではなく、そこへ進むための条件がまだ整理されていないことを確認しておきたいと思います。こうした論点の具体化は、第7回で XBRL GL と XBRL GL Next の文脈から整理します。

    9 まとめ

    ここまで見てきたように、構造化CSVは、単なる交換形式ではなく、保存、交換、監査、AI活用をつなぐ共通基盤になり得ます。意味を保ったままデータを保持し、原票から明細、税、仕訳、集計までの関係を見通せるようにする点で、構造化CSVはフラットCSVや個別変換の延長では捉えきれない可能性を持っています。とくに、ペポル / JP PINT、既存EDI、ERP取込、会計、税務、監査をまたいで再利用できる中間基盤として考えたとき、その意義はより明確になります。

    しかし同時に、その実現にはまだ多くの課題が残っています。保存の面では意味と根拠をどう残すか、交換の面では共通の意味基盤をどう定義するか、監査の面では必要な粒度をどう標準化するか、AI活用の面では意味のある判断に耐えるデータ構造をどう整えるか、という問題があります。さらに、その先には、タクソノミに何を定義するのか、意味定義と構文定義をどう分けるのか、構文結合表をどこまで標準化対象に含めるのか、個別対応からどう汎用化へ進むのか、という機械化の論点が残っています。

    第7回では、こうした論点を、XBRL GL が担ってきた 明細粒度データ(granular data)標準としての役割と、xBRL-CSV を採用する XBRL GL Next の検討状況を通じて整理します。構造化CSVの国際的な位置づけを確認しながら、UDC (Universal Data Converter) を拡張可能な仕組みへ発展させる方向を考えていきます。

    フィンランドやエストニアにおける XBRL GL の議論、そして日本版RTEの文脈もあわせて見ることで、構造化CSVが国内の工夫にとどまらず、国際標準の流れの中でどのような役割を果たし得るのかを明らかにしたいと思います。

    この連載について

    第1回 なぜ今、構造化CSVが必要なのか
    https://note.com/pont_soleil/n/n851330bcc027
    電子帳簿保存法とAI時代が求める標準データ形式電子帳簿保存法への対応、ソフト更新後の過去データ確認、そしてAIによる大量データ処理を踏まえ、なぜ「意味を保ったまま保存・交換・再利用できるデータ形式」が必要なのかを整理します。

    第2回 構造化CSVとは何か
    https://note.com/pont_soleil/n/n308fd640cdd2
    1枚のCSVで階層構造を表す考え方通常のCSVや、ヘッダー表・明細表・税表に分かれた正規化CSVと何が違うのかを整理し、構造化CSVの基本的な考え方を具体例で説明します。

    第2回 追加情報 OpenAI の大規模言語モデルを基盤としたコーディング・データ分析支援エージェント Codex による仕訳データ検査
    https://note.com/pont_soleil/n/n63699199aeb5
    構造化CSVで整理した仕訳データを、OpenAI の Codex がどの程度読み取り、検査や分析に活用できるかを試した記事です。AI時代における構造化CSVの実用性を補足的に示します。

    第3回 日本版コアインボイスとしての構造化CSV
    https://note.com/pont_soleil/n/n77810ca32953
    既存EDIとペポルの橋渡し構造化CSVを、日本版コアインボイスとして位置づけ、既存EDI、業界EDI、ERP、会計、ペポル/JP PINT をつなぐ共通データ形式として考えます。

    第4回 構文結合表で変換を外出しする
    https://note.com/pont_soleil/n/nf39f0cf81df7
    意味の対応関係と構文の対応関係を分けて定義する考え方データ項目の意味と、XMLやCSVなど個別構文への対応を分けて定義することで、変換をプログラムに埋め込まず、柔軟に管理する方法を説明します。

    第5回 構文結合表で実現する構造化CSVと JP PINT UBL の相互変換(Python)
    https://note.com/pont_soleil/n/ndca04f96d1fc
    構造化CSV、構文結合表、Pythonプログラムを用いて、構造化CSVと JP PINT UBL の相互変換を行う具体例を紹介します。

    第6回 構造化CSVは何を変えるのか
    https://note.com/pont_soleil/n/n1c00252ce0cb
    保存、交換、監査、AI活用をつなぐ基盤へ構造化CSVが、単なる交換形式ではなく、長期保存、業務連携、監査、分析、AI活用を支える共通基盤になり得ることを整理します。

    第7回 XBRL GL から XBRL GL Next へ
    https://note.com/pont_soleil/n/na110d4600fa8
    -構造化CSVを、世界で通じる意味基盤へ-
    構造化CSVを支える国際標準の流れXBRL GL が担ってきた役割と、xBRL-CSV を採用する XBRL GL Next の検討状況を通じて、構造化CSVの国際的な位置づけを示します。

     
     
    2026年は、監査データ、デジタルインボイス、XBRL GL Next を軸に、日本版コアインボイス、汎用交換器、Ledger Explorer の実装像を具体化する年にしたいと考えています。