製造業の見積もりをAIで自動化した。従業員15名の金属加工業の事例

「見積もりを出すのに半日かかる」「ベテランがいないと価格が出せない」。これは、2,000社を超える支援の中で最も多く聞く製造業の悩みの一つだ。製造業の見積もりをAIで自動化すれば、この問題は解決できる。

製造業において、見積もりのAI自動化は「特別な取り組み」ではなくなりつつある。見積もりは受注の入り口だ。そのため、ここが遅れれば、競合に先を越される。また、精度が低ければ、受注しても利益が出ない。しかしほとんどの中小製造業では、見積もりは「ベテランの経験と勘」に依存している。

この記事では、長野県の金属加工業（従業員15名）がAIを使って見積もりを自動化し、作業時間を4時間から20分に短縮した実装プロセスを詳しく紹介する。つまり、製造業の見積もりにAI自動化を適用すれば、属人化という根本課題を解消できる。「AIは大企業が使うもの」と思っているなら、考えを変えてほしい。

製造業の見積もりが属人化する理由

見積もりが属人化するのには、構造的な理由がある。

製造業の見積もりは、複数の要素が絡み合う。材料費・加工時間・機械稼働コスト・外注費・利益率・過去の類似案件との比較。これらを頭の中で計算できるのは、現場経験を持つベテランだけだ。

問題の本質は「知識が人についている」こと

中小製造業では、見積もり担当者が「1人か2人のベテラン」に集中していることが多い。そのため、その人が休めば見積もりが止まる。退職すれば価格判断の根拠がなくなる。また、新人には「なんとなく高すぎる・安すぎる」という感覚から教えることができない。

さらに深刻な問題がある。「見積もりに時間がかかる」ということ自体が、受注機会の損失になっているのだ。顧客は複数社に見積もりを依頼していることが多い。具体的には、「1週間後にお送りします」と答えた瞬間、競合に流れている可能性がある。

紙とExcelが積み重ねを無駄にしている

多くの中小製造業では、過去の見積もりが紙やExcelファイルで保存されている。似たような案件があっても、ファイルを探して開いて参照するのに時間がかかる。一方で、そのデータを蓄積として活かせる仕組みがない。ベテランの頭の中に蓄積があるのに、それがデータ化されていないのだ。

AI見積もり自動化とは何か

AI見積もり自動化は、過去の見積もりデータを学習させ、新しい依頼に対して自動で価格を算出する仕組みだ。難しく考える必要はない。

仕組みの基本は「過去データの参照と計算」

製造業の見積もりAIは、大きく分けて2種類ある。

1つ目は「類似案件参照型」。過去の見積もりデータから類似案件を自動検索し、材料・加工方法・数量が近い案件の単価を参考値として提示するタイプだ。つまり、人が「あの案件に似ている」と感覚で判断していたことを、データベースが自動でやる。

2つ目は「計算式自動化型」。材料費・機械稼働時間・人件費・外注費を入力すると、設定した利益率で自動計算するタイプだ。Excelの計算式の高度版と考えればわかりやすい。

中小製造業が最初に導入すべきは、後者の「計算式自動化型」だ。まず計算を標準化し、根拠を数値化することが先決だ。

「AI」という言葉に惑わされない

現場で何度も見てきたが、「AI」と聞いて構えてしまう経営者が多い。しかし、実際の導入は「過去データを整理してクラウドツールに入れる」という作業から始まる。そのため、大規模なシステム開発は不要だ。具体的には、既存のSaaS（Software as a Service：月額制のクラウドサービス）で対応できるケースがほとんどだ。

長野県・金属加工業15名の実装プロセス

実際に見積もりを自動化した事例を紹介する。

Step 1（Month 1）：過去見積もりのデータ整理

過去3年分の見積もり書・発注書・実績原価をExcelにまとめた。案件ごとに「材料種別・数量・加工方法・時間・単価・利益率」を列に整理した。これだけで、初めて「自社の価格の傾向」が数字で見えるようになった。

Step 2（Month 1）：計算式の標準化

「ベテランが頭の中でやっていた計算」を書き出した。材料費の計算方法・機械稼働コストの算出ロジック・外注費の上乗せルール・利益率の設定基準。そのうえで、これをExcelの計算式として整理し、「入力すれば自動で価格が出る」フォーマットを作った。

Step 3（Month 2）：クラウド見積もりツールへの移行

計算式が完成した段階で、クラウド見積もりツール（月額3万円以下）に移行した。このツールは過去案件の検索・自動計算・PDF出力・顧客への送付までを一元化できる。また、Excelより操作が直感的で、担当者が1名交替しても使い続けられる設計になっている。

Step 4（Month 3）：担当者の引き継ぎトレーニング

ベテランが計算式を作ったが、実際の見積もり作業は事務スタッフが担当するように切り替えた。「数字を入力すれば計算される」仕組みになっているため、製造の専門知識がない人でも運用できる。さらに、ベテランの役割は「計算式の精度確認と例外案件の判断」に集中した。

結果：見積もり時間4時間→20分、工数削減90%

移行後3ヶ月で、見積もり1件あたりの所要時間が4時間から20分に短縮された。また、担当者を問わず同じ品質の見積もりが出せるようになり、競合より早く見積もりを提示できる案件が増えた。そのため、受注率が改善したと報告を受けている。

製造業の見積もりAI自動化で失敗しないための判断基準

導入前に確認すべきポイントがある。

①過去データが整備されているか

見積もりAIの精度は、過去データの質に依存する。過去の見積もりが紙で保管されており、デジタル化されていない場合は、まずデータ整理から始める必要がある。そのため、整理の手間を惜しんで導入しても、精度が出ない。

②「例外」の多い業種かどうか

同じ材料・同じ加工でも顧客によって価格が大きく異なる場合（交渉主体の業種や完全カスタム品が多い場合）は、自動化の恩恵が限定的になる。そのため、まず「標準品・繰り返し発注」の部分だけ自動化し、例外案件はベテランが対応するというハイブリッド運用から始めるべきだ。

③担当者の変更を見据えているか

「今いるベテランが使いやすければいい」という設計では、属人化が再発する。具体的には、誰でも使えるシンプルさと、運用手順のドキュメント化が必須だ。

【比較】見積もりの従来方法 vs AI自動化後

まとめ：製造業の見積もりAI自動化は「ベテランへの依存を終わらせる」手段だ

見積もりのAI自動化は、「最新技術を取り入れる」ことが目的ではない。「ベテランの知識を仕組みに移す」ことが本質だ。

• 見積もりの属人化は、速度・精度・リスクの3つの問題を同時に引き起こす
• AI自動化の第一歩は「計算式の標準化」であり、難易度は高くない
• 過去データの整理が精度の土台になる。まずデータを棚卸しすることから始まる
• 担当者が交替しても動く仕組みを設計することが、本当の意味での自動化だ

2,000社を超える支援の中で、見積もりの属人化が解消された会社は、ベテランの退職が来ても動じなくなる。それが最大の価値だ。