銀行取引を自動でカテゴリ分けする方法（2026ガイド）

あらゆるパーソナルファイナンスアプリが抱える、共通の“隠れた問題”があります。それは、カテゴリ分けが「違うな」と感じ始めると、人が使うのをやめてしまうことです。「Misc」みたいなラベルが「Restaurants」になるべきなのにそうなっている。アプリがSquareの取引を解読できない。10か月分のサブスクが「Service」に全部崩れてしまう――そしてユーザーは諦めます。うまくやれた自動カテゴリ分けは、財務トラッカーで最も重要な機能です。逆に、うまくいかなかったら、これがアプリが失敗する理由になります。

これは、取引の自動カテゴリ分けの2026年版ガイドです。それが何なのか。なぜ過去の解決策はあれほど悪かったのか。2024年と2025年に何が変わって信頼できるようになったのか。そして無料または安価に設定する方法。

「自動カテゴリ分け」が本当に意味していること

銀行明細の各取引は、データの1行分です。日付、加盟店のデスクリプタ、金額、そして時々メモ。カテゴリ分けとは、この行に意味のあるラベルを付けるプロセスです。Groceries、Dining、Transport、Subscriptions、Income、Transfer――など。そうすることで、カテゴリ別に支出を合計したり、それを基に予算を組んだり、異常（おかしな動き）に気づいたりできます。

手作業のカテゴリ分けは、最初の30取引くらいなら機能しますが、それ以降は止まっていきます。典型的な世帯では、毎月すべてのカードと口座で80〜200件ほどの取引が発生します。そしてデスクリプタは、ブランド名そのものになっていることは稀です。Paramount+の「CTV*PARAMOUNT」、自転車アプリの「DG*ZWIFT」、Red Lobsterの「TST*REDLOBSTER」、Amazonの「PAYPAL *AMAZON」などです。これを手作業でやるのは、月1回30分程度の作業で、続けられる人はほとんどいません。

なぜ過去の自動カテゴリ分けはそんなに悪かったのか

2024年以前に主流だったパーソナルファイナンスアプリ、Mintはルールベースの仕組みを使っていました。銀行明細のデスクリプタは、手でキュレーションされた正規表現や加盟店コードのリストに照合されます。新しい加盟店や、変わったフォーマットのデスクリプタは汎用のカテゴリに落ちてしまいました。問題は3つ:

加盟店データベースを手でメンテナンスする必要がありました。新しいブランド、地域の事業者、ホワイトラベルの決済処理業者が常に混乱させました。
その加盟店のカテゴリは文脈（コンテキスト）に依存していました。Whole Foodsでの$40は食料（グロサリー）ですが、Starbucksでの$40は食事（ダイニング）です。同じコーヒーチェーンでも、企業の社員食堂での$40なら仕事の経費として払い戻されるかもしれません。ルールベースのシステムでは判断できません。
サブスクリプションや継続課金は別の検出レイヤーで処理されていましたが、カテゴリ分け側としばしば食い違っていました。月次のSpotify課金は、どの画面を見ているかによって「Music」や「Subscriptions」の両方として表示されてしまうことがありました。

2024〜2026で何が変わった？

組み合わせとして2つです:

カテゴリ分けに使う大規模言語モデル（LLM）

2024年末には、言語モデルは“安くて正確”になり、1つずつ取引をほぼ人間並みの精度でカテゴリ分けできるところまで来ていました。多くのパブリックなインターネットを読んだモデルなら、「CTV*PARAMOUNT」はParamount+であり、ストリーミングのサブスクリプションだと知っています。「TST*」はレストランのPOSであること、「USPS」は配送であること、そして土曜の朝にWhole Foodsで$40の支払いがあったら、オフィス経費よりも食料である可能性が高いと判断できます。

重要な点は、言語モデルが文脈も使えることです。同じ加盟店がどれくらいの頻度で出ているか、その加盟店で典型的な金額帯はどれか、そしてユーザーが過去にカテゴリ分けをどう上書き（修正）したか、といった情報です。

PDF明細のOCR

銀行明細の形式は、国、銀行、口座タイプによって大きく異なります。古いカテゴリ分けはCSVエクスポートが必要でしたが、多くの中小銀行や海外銀行の明細ではそれが使えないことがありました。現代のAI搭載パーサーは、PDFから直接構造化データを抽出できます。複数カラムにまたがるレイアウト、手数料に関する脚注、ページをまたいで不格好に折り返される表まで含めて処理できます。

この2つを組み合わせると、初めて“エンドツーエンド自動化”ができます。つまり、明細PDFを投入すると、サブスクが検出され、継続課金がフラグされたうえで、完全にカテゴリ分けされた取引リストが返ってくるのです。

2026年に自動カテゴリ分けを設定する方法

選択肢A：銀行アグリゲーターアプリを接続する（Plaid）

Monarch Money、Copilot Money、YNABのようなアプリはPlaidを使って取引を自動で取り込みます。口座ごとのセットアップはおおよそ5分です。接続後は取引が毎日表示され、アプリが取り込み時にカテゴリ分けします。品質にはばらつきがあります。ルールベースに強く依存しているアプリもまだありますが、最良のものは今や「出荷時の状態で」約90%の精度に近いところまで来ています。

トレードオフはプライバシーです。第三者のアグリゲーターに銀行ログインを渡す必要があります。アグリゲーターはセキュリティ実績が強い一方で、銀行の外にどこにも銀行の認証情報を置きたくないユーザーにとっては成立しません。

選択肢B：AI搭載トラッカーに明細をアップロードする

MyVaultは最もシンプルな「アグリゲーター不要」な選択肢です。銀行のWebサイトからPDFまたはCSVの明細をダウンロードしてアップロードすると、AIが1分以内にすべてをカテゴリ分けします。どの手順でも銀行認証情報は不要です。アップロードするファイルは、税の時期にあなたがダウンロードするのと同じものです。無料枠で多くのカジュアルユーザーはカバーできます。

選択肢C：スプレッドシートとAIヘルパーで自作する

自分でやりたい人で、口座が1〜2個のシンプルなケースなら、スプレッドシートとAIの1つのプロンプトで大半の作業を済ませられます。取引をCSVで書き出し、ChatGPTやClaudeに貼り付けて「カテゴリ分けして」と頼む。出てきた結果を受け入れます。単発の監査には向きますが、毎月のワークフローとしては壊れやすいです。

どんなカテゴリ分けでも精度を上げるコツ

自動カテゴリ分けは、最初の1回で完璧になることはありません。いくつかの習慣を持つだけで、時間とともに品質が大きく上がります:

カテゴリ数は小さく、安定したリストにする。12〜15カテゴリは50よりずっとうまくいきます。カテゴリが多いほど、自分でも「ここどうだっけ？」と食い違う余地が増えます。
特定の取引にそこまで関心がなくても、誤カテゴリは必ず正してください。最新のカテゴリ分けは、あなたの修正から学習します。Spotifyの課金を一度誤ってしまったとしても、修正しておくことで、以後すべてのSpotify課金が同じ場所に入ることをモデルに教えられます。
曖昧な加盟店に対するルールを作りましょう。Amazon、PayPal、Venmoは特に誤りやすいです。Amazonを食料、家電、書籍、ギフトにも使う可能性があるからです。個別の受け皿カテゴリを用意するか、手作業で再カテゴリ分けが必要だと割り切ってください。
振替（トランスファー）を、収入や支出として扱わないでください。チェック口座から貯蓄口座への移動を片側を収入として、もう一方を支出として扱うと、合計が二重計上になります。

良いカテゴリ分けが本当に解放するもの

取引がきちんとカテゴリ分けされると、ようやく重要な質問に答えられます。外食と食費のうち、実際にはどれにいくら使っている？収入のうちサブスク比率はどれくらい？月次の交通費の予算は上がっている？その旅行にトータルいくら使った？――これらの数字は、見返せば明らかですが、カテゴリ分けがないと気づけません。そして実際に役に立つ予算の土台になります。

MyVaultを無料で試してみてください。銀行明細を1つアップロードするだけで、支出が自動でカテゴリ分けされます。銀行ログインは不要です。 MyVault