新リース会計基準の適用が迫る中、企業の対応は単なる会計処理の変更にとどまらず、契約情報の収集・整理という実務的な課題に直面しています。これまでオフバランスとして扱われてきたリースが原則オンバランス化されることで、企業の資産・負債構造が大きく変わるためです。
特に問題となるのは、どの契約が対象となるのかを正確に把握するプロセスです。本稿では、契約書の洗い出しという実務の核心と、AI活用の現実的な位置づけについて整理します。
契約書洗い出しが最初にして最大のボトルネック
新リース会計基準では、単に「リース契約」と明示されているものだけでなく、実質的に資産の使用権を伴う契約も対象となります。そのため、企業は以下のような契約を網羅的に把握する必要があります。
- 店舗やオフィスの賃貸借契約
- 倉庫・駐車場・土地利用契約
- 設備利用契約やサービス契約の一部
問題は、これらの契約が必ずしも一元管理されていない点です。特に多店舗展開企業やグループ企業では、契約が各部門・各子会社に分散しているケースが一般的です。
結果として、対応の第一歩は会計論点ではなく、「契約の所在を把握すること」になります。この段階でつまずく企業が多いのが実情です。
グループ企業では「統一ルール」が最大の論点
ビックカメラの事例に見られるように、グループ企業を抱える場合はさらに難易度が上がります。各社ごとに契約管理の方法や会計判断が異なるためです。
この場合に必要となるのは以下の対応です。
- リース判定基準の統一
- 契約情報のフォーマット統一
- グループ横断の報告体制の構築
単なるデータ収集ではなく、「判断基準の統一」が伴う点が重要です。ここが曖昧なまま進めると、後の監査対応で大きな手戻りが発生します。
実務負担の本質は「データ化」にある
ハイデイ日高の事例が示す通り、実務負担の中心は契約内容のデータ化です。具体的には以下の情報を抽出する必要があります。
- 契約開始日・終了日
- 更新条件（自動更新の有無など）
- リース期間の見積り
- 支払条件（固定・変動）
- 使用権資産の識別
数百件単位の契約についてこれを手作業で行う場合、膨大な工数が発生します。この「データ化の壁」が、新リース会計対応の実務負担の本質です。
AI活用は「作業効率化」であって「判断代替」ではない
こうした背景から、AIを活用した契約分析が注目されています。具体的には以下の機能が想定されています。
- 契約書の自動読み取り
- 必要項目の抽出
- リース該当性の一次判定
ただし重要なのは、AIはあくまで「補助ツール」である点です。最終的な判断は以下の理由から人間が担う必要があります。
- 契約の実質判断（形式と実態の乖離）
- 更新可能性の合理的見積り
- 重要性の判断
したがって、AI導入の本質は「人手不足の代替」ではなく、「人が判断すべき領域に集中するための前処理効率化」と位置づけるべきです。
中堅企業ほど対応が遅れる構造的理由
調査では、契約書の洗い出しが完了している企業は約2割にとどまっています。この背景には構造的な問題があります。
- 専任プロジェクトを組めない
- システム投資の意思決定が遅い
- 契約管理が属人的
さらに、システムベンダーのリソースには限界があるため、適用直前に対応を開始すると間に合わないリスクが高まります。
これは単なる準備不足ではなく、「リソース制約の問題」です。
実務対応の現実的ステップ
現時点で取るべき現実的な対応は、以下の順序で整理できます。
- 契約の所在把握（紙・電子含む）
- 契約の一覧化（最低限の属性整理）
- リース該当性の一次スクリーニング
- 重要契約の詳細分析
- システム対応の要否判断
この順序を誤ると、無駄なシステム投資や手戻りが発生します。
結論
新リース会計対応の本質は、会計処理ではなく「契約情報の管理」にあります。特に契約書の洗い出しとデータ化は、すべての企業に共通する最大のボトルネックです。
AIの活用は有効な手段ですが、あくまで業務効率化の一部にすぎません。最終的な成否を分けるのは、契約管理体制の整備と、早期着手による準備の積み上げです。
適用時期が近づくにつれて対応コストは急激に上昇します。したがって、現時点で最も重要な意思決定は「いつ始めるか」ではなく、「今すぐ何から着手するか」です。
参考
・日本経済新聞 2026年4月24日 朝刊
新リース会計カウントダウン（中）契約書の洗い出し急ぐ