なぜ見積もりは「勘と経験」から抜け出せないのか

見積もりが属人化する根本には、3つの構造問題があります。

第一は、過去実績への参照コストが高すぎることです。過去の見積もりデータがExcelファイルとして各担当者のPCに散在していたり、紙の書類として保管されていたりする場合、「2年前の類似案件はいくらで出したか」を調べるだけで30分以上かかることがあります。結果として、記憶に頼った感覚的な価格設定になりがちです。

第二は、原価の変動が価格に反映されにくいことです。材料費や外注費、人件費は年々変動しますが、見積もりの基準価格を更新する仕組みが整っていないと、数年前の感覚で価格を出し続けてしまいます。受注後に「思ったより原価が上がっていた」と気づくのは、このパターンが多いです。

第三は、ノウハウが個人の頭の中に閉じていることです。ベテラン担当者が「この顧客は価格より納期を優先するから少し高くても通る」「この案件タイプは工数が2割増しになりやすい」といった判断基準を持っていても、それが組織の資産になっていない。退職・異動が起きると一気に精度が落ちるのはこのためです。

AIが変えられるのはどの部分か

AIは「人間の代わりに価格を決める」ものではありません。あくまで「根拠ある判断を人間がしやすくする」サポートツールです。具体的には以下の3点でAIが力を発揮します。

  • 過去実績の高速検索・参照:蓄積したデータからAIが類似案件を瞬時に抽出し、参考価格・工数・利益率を提示する
  • 原価変動の自動補正:材料費や工数の変動率をAIに学習させ、現在の単価を加味した原価シミュレーションを自動生成する
  • 文書生成の自動化:見積もりの条件を入力するだけで、見積書・提案書の下書きをAIが一括生成する

アプローチ① 過去案件データをAIに読ませて「類似案件検索」を実現する

最もすぐに着手できるのは、手元にある見積もり実績データをAIに読み込ませて、類似案件を検索・参照できる状態を作ることです。

何を用意すればいいか

最低限必要なのは、過去の見積もりデータを一覧化したスプレッドシートです。案件名、顧客属性(業種・規模)、仕様の概要、見積金額、実際の原価、工数、利益率——この程度の項目が揃っていれば十分です。既存のExcelファイルを集約してGoogle スプレッドシートに転記するだけで、AIが参照できる形になります。

このデータをChatGPTやClaudeのコンテキストに貼り付けて「今回の案件条件はこれ。類似の案件を教えて、参考価格帯と注意点を添えて」と問いかけるだけで、初期段階の参照材料として機能します。

より整備された形で使うには

データ量が増えてきたら、RAG(Retrieval-Augmented Generation)の仕組みを取り入れることで、精度が一段上がります。社内の見積もりナレッジをRAGで構築すると、「案件タイプ:設備工事、規模:1,000万円前後、工期:3か月」と入力するだけでAIが類似案件を自動でピックアップし、過去の単価傾向・工数実績・注意事項を提示してくれます。RAGの構築にはDifyやAzure AI Searchが使えます。詳しくはRAG構築の解説記事もご参照ください。

「感覚で30分かけて思い出す」作業が「AIに5秒で聞く」に変わるだけでも、担当者の負担と属人化リスクは大きく下がります。

向いている企業:見積もり担当者が限られており、過去実績の参照が担当者の「記憶頼り」になっている会社。製造業・建設業・IT受託開発・印刷・設備サービスなど、案件ごとに仕様が異なる業種に特に有効です。

アプローチ② 原価変動をAIに学習させ「シミュレーション」を半自動化する

見積もりミスのもう一つの大きな原因は「価格を算出するときの材料費・外注費・人件費の基準値が古い」ことです。AIを使って原価シミュレーションを半自動化することで、「見積もりを出したときの原価想定」と「実際の原価」のズレを事前に検知できます。

どう設計するか

基本的な設計は「テンプレート化した原価計算シートにAIを組み合わせる」形です。材料別・工程別の単価を管理するスプレッドシートを作り、そこに仕様(数量・工数・使用材料)を入力するとAIが現在の単価を参照して原価合計・利益率を自動計算し、「この見積もり価格だと利益率が3%を下回る」という警告を出す、という流れです。

Microsoft 365環境であればExcel × Copilotで、Google Workspace環境であればSpreadsheet × Geminiでの実装が比較的スムーズです。外部のAPIを使う場合は、n8nやMakeを経由してClaude APIやOpenAI APIに接続するフローを構築します。

原価シミュレーションで防げるリスク

  • 材料費高騰を見積もりに反映し忘れるミス
  • 工数見積もりの甘さによる後工程の赤字
  • 値引き要求に対して「どこまで下げられるか」を即時判断できない問題

「値引き交渉への即座の対応」は特に大きな効果があります。交渉の場で「〇〇円値引きした場合の利益率は□%になります」と即座に提示できると、根拠を持った価格交渉ができるようになります。

向いている企業:材料費や外注費の変動が激しい業種(製造・建設・飲食・印刷)、または原価の積み上げ計算を担当者がバラバラに行っている会社。

アプローチ③ 生成AIで見積書と提案書を「同時に」自動生成する

見積もり業務には、数字の計算だけでなく「文書の作成」というコストも含まれています。見積書・提案書・仕様書の下書きを、生成AIを使って同時に生成することで、書類作成にかかる時間を大幅に短縮できます。

具体的なフロー

たとえば次のような流れで設計します。

  • 担当者がフォームに「案件概要・仕様・希望納期・顧客属性」を入力する
  • AIが過去類似案件を参照して参考価格帯を提案し、担当者が金額を確定する
  • 確定した金額・条件をもとにAIが見積書・提案書・納品条件の下書きを自動生成する
  • 担当者が内容を確認・修正して送付する

このフローを実装すると、これまで1件あたり30〜60分かかっていた見積もり書類作成が10分以内に短縮されます(業種・仕様の複雑さによって異なりますが、単純な案件では5分程度も可能です)。

生成AIを文書作成に使う際の注意点

生成AIが出力する見積書・提案書の下書きには、「意図しない条件や表現が含まれることがある」という点を忘れないようにしてください。特に納品条件・保証内容・責任範囲に関する文言は、送付前に担当者が必ず確認するステップを設けることが重要です。AIの出力をそのまま顧客に送ることは、思わぬトラブルの原因になりえます。「AIが下書き、人が最終確認」という役割分担を明確に設計してください。

向いている企業:見積もりの件数が多く書類作成に時間が取られている会社、または提案書の品質が担当者によってばらつく会社。

3つのアプローチをどの順番で始めるべきか

どのアプローチから始めるかは、今の課題の優先度によって変わります。以下を参考にしてください。

  • 「担当者が辞めると価格感覚がリセットされる」が最大の課題 → アプローチ①(過去実績の参照)から始める
  • 「受注後に赤字が出ることが頻繁にある」が最大の課題 → アプローチ②(原価シミュレーション)から始める
  • 「見積もりの件数が多く、書類作成の時間が足りない」が最大の課題 → アプローチ③(文書生成自動化)から始める

いずれのアプローチも「過去の見積もり実績をスプレッドシートに整理する」という準備が起点になります。まずそこから始めてみることをおすすめします。データが蓄積されれば、複数のアプローチを組み合わせた本格的な見積もり支援システムへの発展も現実的になってきます。

よくある質問

AIは製造業や建設業など、複雑な原価計算にも対応できますか?
複雑な原価計算をAIに「完全自動計算させる」のは現時点では難しいですが、「過去の類似案件を素早く検索・参照する」「材料費や工数の変動パターンをAIに学習させて補正係数を提案させる」「担当者が入力した数値から利益率シミュレーションを瞬時に行う」といった補助的な役割であれば、製造業や建設業でも十分に活用できます。まず「ベテランが頭の中で参照している過去実績データ」をスプレッドシートに整理し、そこをAIの参照元にするだけでも、見積もり担当者の作業時間を大きく短縮できます。
見積もりデータをAIに渡すと情報漏洩リスクはありませんか?
顧客名・金額・仕様書などの機密情報をそのままChatGPTやClaudeのパブリックAPIに入力することは避けるべきです。対策として、①ChatGPT Team / Enterprise、Anthropic APIのビジネス契約(学習に使用しない)を利用する、②Microsoft 365 Copilotのようなゼロデータ保存ポリシーのサービスを選ぶ、③社内環境で動かすローカルLLM(Ollama等)を活用する——という3つのアプローチがあります。「見積もり補助」に使うデータの機密レベルに応じて、どの環境を使うかを事前に決めておくことが重要です。
既存の見積もりソフトがある場合、AIと組み合わせられますか?
多くの見積もりSaaSはCSVやExcelでのデータエクスポートに対応しているため、「既存ソフトから実績データをエクスポート→AIに読み込ませて分析・補正案を出力」という流れは比較的すぐに作れます。APIが提供されているSaaS(MisocaやMoneyForwardクラウド見積書など)であれば、n8nやMakeといったノーコードツール経由でAIと直接連携したフローを組むことも可能です。まず「エクスポートしたデータをAIに読ませる」という最小ステップから試してみることをおすすめします。
AIを使い始めるのに、どのくらいのコストがかかりますか?
最も低コストなスタート方法は、手元の見積もり実績をスプレッドシートに整理したうえで、ChatGPT PlusやClaude Pro(月額3,000円前後)に読み込ませて分析・参考価格の提案をさせることです。より高度に「フロー化・自動化」したい場合は、n8nのセルフホスト(無料)またはMake・Power Automateの有料プランと合わせて月1〜3万円程度が目安になります。本格的なCPQシステムの導入では百万円単位になりますが、多くの中小企業の「担当者の記憶頼り」という問題は、低コストなアプローチだけでも十分に改善できます。

関連記事:AIで営業提案書を自動化する|受注確度を下げずに作業時間を削る考え方

株式会社DnDでは、見積もり業務の属人化解消や、AIを活用した原価管理・提案書生成フローの設計・構築を支援しています。「どこから手をつければいいかわからない」という段階からのご相談も歓迎しています。

無料で相談する →