製造業の見積もり・原価管理はなぜ属人化するのか——AIで「数字の勘」を資産に変える進め方

「過去の条件と今の違いを知りたい」——現場に眠ったまま使われないデータ

冒頭の営業部長は、こう続けました。「過去にいろんな装置を作ってきたが、当時の条件と今の条件を比較する手段がない」。同じ会社の技術主事は、別の角度からこう漏らしています。「全部任せるより、ノウハウを共有して二人三脚で作りたい」。二人の発言は一見別の話に聞こえますが、根っこは同じです。過去の実績が、検索できる形で残っていないという点です。

見積もりを作るたびに、担当者は自分の記憶と勘に頼って似た案件を思い出します。ベテランほど早く「あの案件に近い」と判断できます。ですが、その判断基準は言葉になっていません。異動や退職が起きた瞬間に、この判断力ごと失われてしまいます。私たちが相談を受ける製造業の現場では、こうした「数字が個人に閉じている」状態が、技術の継承よりもむしろ後回しにされがちだと感じています。理由は単純で、見積もりや原価は日々の業務が回っている限り「困っていないこと」に見えてしまうからです。困るのは、その担当者が急にいなくなった瞬間です。

原価が「追いきれない」まま複数工場をまたいで動く現場

見積もりだけでなく、原価そのものが見えなくなっている現場もあります。あるシャッター・建材メーカーの工場長は、原価管理について「非常に大変」「今の仕組みだと難しい」と率直に語りました。そして「現実的に原価を追いきれない」と打ち明けています。この企業は従業員5000名を超える規模で、複数の工場と複数の役割をまたいで原価が動いています。本社での原価配賦のように、拠点をまたいだ数字を一つに集約する作業は、担当者一人の手作業では限界を迎えます。

正直に申し上げると、この規模になると「担当者を増やす」という発想では追いつきません。拠点ごとにフォーマットが違い、集計の単位も違うからです。私たちがこの企業を支援した際には、図面から塗装面積を計算する仕組みや、図面の記載ミスをチェックする仕組みと並行して、この原価配賦の整理にも取り組みました。複数の課題を同時並行で進めるからこそ、原価という横断的なテーマにも手が回るというのが実感です。1つのシステムだけを直しても、隣の工程の数字が変わらなければ全体像は見えてこないのです。

見積もり・原価が属人化する3つの構造

なぜ見積もりと原価は、これほど属人化しやすいのでしょうか。私たちの現場経験では、次の3つの構造が重なっています。

1. 多品種少量生産では「標準原価」が機能しにくい。同じ製品を大量に作るなら平均値で管理できます。ですが、案件ごとに仕様が変わる受注生産では、案件ごとの個別原価しか意味を持ちません。

2. 判断基準が言葉になっていない。「この材質なら掛け率を1.2倍にする」「数量がこの規模を下回ったら単価を上乗せする」といった基準は、ベテランの頭の中にあるだけです。文書化されていないことがほとんどです。

3. データが分散している。見積書はExcel、図面はCAD、原価実績は基幹システムと、それぞれ別の場所に保管されています。突き合わせるだけでも時間がかかり、日々の業務の中で後回しにされます。

この3つは、それぞれ別の担当者・別のタイミングで発生します。だからこそ「見積もりが遅い」という一つの症状の裏に、複数の原因が混ざっていることに気づきにくいのです。

過去データを「検索できる資産」に変える仕組み

この3つの構造に対して、AIがまず効くのは2番目と3番目です。分散したデータを一箇所に集め、類似案件を検索できるようにする。ここから着手するのが、私たちが見てきた中で最も現実的な順番です。

具体的には、過去の見積書・図面・原価実績をデータベース化します。新しい案件が来たときに「この形状・この材質・この数量に近い過去案件」をAIが検索して提示する仕組みです。製造業向けのデータプラットフォームを手がけるCADDiの事例紹介があります。川崎重工業が部品データを一元管理し、類似部品の価格比較を瞬時に行えるようにした結果、1件あたり平均4.4分の業務時間短縮につながったと紹介されています。同じ記事では、荏原製作所の事例も紹介されていました。数時間かかっていた図面探索が数秒に短縮され、浮いた時間を原価企画に充てられるようになったといいます。規模の大きな企業の話に聞こえるかもしれません。ですが、探す対象を絞り込むという発想自体は、私たちの経験では中小規模の工場にもそのまま応用できます。

見積もりの「掛け率」をどう言葉にするか

過去データを検索できるようにしただけでは、まだ見積もりは完成しません。ベテランは類似案件を見つけた後、そこに自分なりの調整を加えているからです。「この取引先は長い付き合いだから少し安くする」「この材質は最近値上がりしているから掛け率を上げる」といった調整です。

私たちが現場でヒアリングをするときは、抽象的に「判断基準を教えてください」とは聞きません。実際の過去案件を1件ずつ画面に出しながら「なぜこの金額にしたのですか」と尋ねます。この聞き方に変えるだけで、ベテラン自身も忘れていた細かいルールが次々と出てきます。出てきたルールは、その場でシステムのロジックとして書き出していきます。数十件の案件を一緒に見返す頃には、掛け率のルールが8割ほどの案件をカバーできる状態になります。残りの2割は、その都度人が判断する例外として残す。この切り分けが、後々の信頼につながります。

ルールが積み上がってくると、次の壁は「例外の扱い」です。特急対応の案件、初めて扱う材質、極端に小さい数量。こうした例外は無理にルール化せず、AIが「これは過去の類似案件が少ないため、人が判断してください」と自己申告する設計にしておきます。私たちの経験では、AIに何でも判断させようとする現場ほど、後から信頼を失いやすくなります。逆に、判断できない範囲を素直に示すAIのほうが、結果的に長く使われ続けます。

「全部任せる」ではなく「二人三脚で作る」がうまくいく理由

冒頭の技術主事の言葉に戻ります。「全部任せるより、ノウハウを共有して二人三脚で作りたい」。この感覚は、私たちがFDEとして現場に入るときの基本姿勢とも一致しています。見積もりAIを外部のパッケージにそのまま任せると、その企業固有の判断基準が反映されないまま動き出してしまいます。

私たちの経験では、まずベテランに「なぜこの見積もりにしたのか」を1件ずつ聞きながら、判断基準をルールとして書き出していく作業が欠かせません。この工程を飛ばしてAIに丸投げすると、出てきた見積もり額を誰も信用できなくなります。結局は担当者が毎回手直しをする二度手間になるだけです。同じ現場の技術主事は、実際にAIサーバーを社内に置いてローカルでLLM(大規模言語モデル:大量の文章データで学習したAIの仕組み)を動かす試みも一部始めていました。外部に丸ごと預けるのではなく、自分たちの手元で育てたいという思いの表れだと感じました。

AI-Pathの見解: 動くものを見せてから、判断基準をすり合わせる

私たちの現場経験から言えることがあります。見積もりや原価の仕組み化で最初につまずくのは、要件をすべて聞き取ってから作り始めようとするケースです。多品種少量生産の現場では、条件が多すぎて要件定義だけで数ヶ月かかってしまいます。

私たちが実践しているのは、まず1つの製品ラインに絞って、1日で動くプロトタイプを作ってしまうことです。過去の案件データを数十件だけ読み込ませ、「この形状ならこの単価帯」という試算画面を見せます。営業の現場でも「動くものを見せる」ことが合意形成の起点になっています。抽象的な仕様書より、実際の画面を見た方がベテランは自分の判断基準を言葉にしやすい。これが私たちの実感です。試算結果にベテランが「ここは違う」と指摘した箇所を、その場でルールに反映していく。この繰り返しでしか、現場が納得する見積もりロジックは育ちません。

さらに、AIの見積もり提案をそのまま信じて使うのではなく、なぜその数字になったのかという根拠を、担当者が確認できる状態にしておくことも欠かせません。私たちは「AIを信用する」のではなく「こちらの意図を渡し続ける」という言い方をしています。季節要因や特定の取引先への配慮といった、数字だけでは表現しきれない前提をAI-Path側が繰り返し伝える。それによって初めて、現場が納得できる提案に近づいていきます。

小さく始める。どの製品ラインから着手すべきか

すべての製品ラインを一度に仕組み化しようとすると、途中で息切れします。私たちが優先順位をつける基準は2つです。1つ目は「案件数が多く、似た仕様が繰り返し出てくる製品ライン」です。類似案件検索の効果が最も出やすい領域だからです。2つ目は「見積もりに時間がかかりすぎて機会損失が起きている製品ライン」です。競合より回答が遅れて失注しているとしたら、そこが最優先の候補になります。

全社の原価配賦のような横断的なテーマは、最初から手を出す範囲ではありません。私たちの経験では、まず1つの製品ラインで見積もりの仕組み化を終え、そこで得た判断基準の言語化ノウハウを、原価配賦のような大きなテーマに転用していく順番がうまくいきます。小さく始めて終わらせるという意味ではなく、小さく始めながら、並行して中長期の仕組みを育てていくという発想です。

属人化解消は業界全体の潮流になりつつある

見積もり・原価の属人化解消は、AI-Pathだけが取り組んでいるテーマではありません。株式会社INDUSTRIAL-Xが発表した生産管理AIエージェント「AX Agent Suite for 生産管理」があります。標準時間と実績の差分から原価のズレを分析し、特定の担当者に依存していたトラブル対応の属人化を解消することをうたっています。私たちの現場経験とも重なる発想です。原価というテーマが、ようやくAIエージェントの主戦場の一つになってきたと捉えています。

誤解のないように言えば、こうしたツールを導入しただけで属人化が解消するわけではありません。ツールに読み込ませる過去データの質と、判断基準の言語化という地道な工程を飛ばすと、結局はベテラン任せの運用に戻ってしまいます。私たちが繰り返し強調しているのは、この地道な工程こそが本体だという点です。

運用を現場チームに引き継ぐまで

見積もりのルールを一度書き出せば終わり、というわけではありません。材料費は変動しますし、新しい取引先との条件も増えていきます。私たちが実践しているのは、最初の数ヶ月は月次の技術顧問契約という形で定例の見直しサイクルを回し、現場から出てきた「この提案は違う」という指摘をイシューとして残すやり方です。指摘は次の月次までに反映し、ルールの精度を少しずつ上げていきます。

ある程度ルールが安定してくると、担当者自身がルールを追加・修正できる画面を用意する段階に移ります。ここまで来て初めて、見積もりロジックは「AI-Pathが作ったもの」から「現場が育てているもの」に変わります。私たちの経験では、この移行にかかる期間は製品ラインの複雑さによって幅がありますが、早い現場では半年ほどで担当者主導の運用に切り替わっています。

誤解のないように言えば、すべてのルールを現場に丸投げしてよいわけではありません。掛け率のような日常的な調整は現場に任せつつ、原価配賦のように会社全体の数字に影響する部分は、定期的な技術顧問契約の中で私たちが一緒に確認を続けるようにしています。任せる範囲と、伴走を続ける範囲を最初に切り分けておくことが、長く使われる仕組みの条件だと考えています。

データが少ない・古い場合でも始められるか

「うちは過去のデータがそもそも整理されていない」という声も、私たちはよく聞きます。ですが、これは着手を遅らせる理由にはなりません。むしろ、データが整理されていないからこそ、判断基準が特定の担当者の頭の中に閉じているとも言えます。

私たちの進め方では、まず直近の案件を数十件だけ丁寧に見返すところから始めます。古いデータを完璧に整理してからAIに読み込ませる、という順番にはこだわりません。少ない件数からでも、ベテランが「なぜこの金額にしたか」を語り始めれば、そこに現場固有のルールが見えてきます。データを揃えるのを待つのではなく、小さく始めながらデータを育てていくという考え方のほうが、結果的には早く進みます。

原価・見積もりデータほど「守れる設計」が要る

見積もりや原価のデータは、社内でも扱える人が限られている情報です。掛け率や仕入れ単価が漏れれば、取引先との価格交渉に直接影響します。だからこそ、私たちはこの領域のシステムを作るとき、機能単位でのアクセス権の分離を最初から設計に組み込みます。営業担当は自分が担当する案件の試算だけを見られる。原価の詳細は経理・生産管理の一部だけが見られる。全員が同じ画面のすべての数字を見られる状態にはしません。

これは特別な話ではなく、私たち自身が社内システムで徹底している考え方でもあります。誰が何を見られるかを役割ごとに細かく設定し、変更履歴を残して後から追跡できるようにする。見積もりロジックをAIで効率化する話をすると、多くの経営者はスピードの話だと捉えます。ですが、私たちの経験では、現場が安心して使い続けられるかどうかは、この権限設計が丁寧かどうかで決まります。誰でも触れる仕組みは、結局「怖くて本音の数字を入れられない」という理由で使われなくなっていくからです。

よくある質問

Q. 過去の見積もりデータがExcelにバラバラに残っているだけでも始められますか。 A. 始められます。むしろ多くの現場がその状態からのスタートです。まずは直近1〜2年分だけを1つのフォーマットに集約し、そこから類似案件検索の試作に進む順番で問題ありません。

Q. ベテランが判断基準を言葉にするのを嫌がる場合はどうすればいいですか。 A. 「評価のためではなく、次の世代に残すために聞いている」という位置づけを最初に明確にすることが有効です。技能継承と同じく、査定に使わないという約束が協力の前提になります。

Q. 中小企業でも取り組む価値はありますか。 A. あります。担当者の人数が少ない中小企業ほど、その人がいなくなったときの影響が大きくなります。省力化補助金を使って初期負担を抑えながら着手する枠組みも整ってきています。

Q. 導入にはどのくらいの期間がかかりますか。 A. 1つの製品ラインに絞った試算プロトタイプであれば、1日で動くものを用意できます。ただし、現場が「この数字は信用できる」と感じるまでには、判断基準のすり合わせを重ねる数ヶ月の伴走が必要というのが私たちの実感です。

Q. 見積もりAIの提案が間違っていた場合、責任はどうなりますか。 A. 最終的な承認は人が行う設計にします。AIが出すのはあくまで試算のたたき台であり、担当者が根拠を確認したうえで金額を確定する運用が前提です。

まず試すなら

1. 直近の見積もりで「時間がかかった案件」を1件、書き出す。何を調べるのに時間がかかったのかを分解すると、AIで解決できる部分と、人の判断が必要な部分が見えてきます。
2. その案件を担当したベテランに「なぜこの単価にしたか」を聞いてみる。答えの中に、まだ言葉になっていない判断基準が眠っています。
3. AI-Pathの無償の業務プロセス診断（BPR）を利用する。見積もり・原価のどこにAIが効くかをヒアリングから可視化し、着手する範囲を一緒に整理します。

関連記事として、技能継承の仕組み化は製造業の技能継承をAIで仕組み化する——暗黙知を「聞き出すAI」で終わらせない進め方をご覧ください。内製化の進め方は製造業のAI内製化 進め方——定着する企業が最初の1ヶ月でやる5つの設計もあわせてご参照ください。

参考リンク

• 製造業の見積業務をAIで自動化した事例（CADDi）
• 生産管理AIエージェント「AX Agent Suite for 生産管理」提供開始（株式会社INDUSTRIAL-X）
• AI-Path 公開導入事例