AI見積・AI積算の基本｜できること・導入手順・失敗しない考え方

「見積担当者が休むと案件が止まる」「図面や仕様書を読み解ける人が限られている」「過去案件を探すだけで時間がかかる」。製造、建設、物流、サービス業の見積業務では、こうした属人化が起こりがちです。

AI見積・AI積算は、資料の読み取りや類似案件の検索、数量・工数の算出、見積書の作成を支援できます。ただし、資料を渡せば正確な価格が自動的に決まるわけではありません。効果を出すには、AIに任せる作業と、人が判断する領域を明確に分ける必要があります。

長期休暇や閑散期など、まとまった時間を確保できるタイミングは、見積業務を棚卸しする好機です。お盆が繁忙期になる物流・サービス業や、交代勤務、保全工事がある企業では、自社の業務が落ち着く時期に置き換えて考えてください。

まず知っておきたい「積算」と「見積」の違い

積算とは、仕事に必要な数量や工数、材料費などを積み上げ、原価の根拠をつくる作業です。

たとえば製造業なら、材料の使用量、加工時間、外注費、検査工数などを計算します。建設業なら、図面から部材数や施工面積を拾い、単価を掛け合わせます。物流業なら、距離、車格、重量・容積、荷役時間、高速料金などが積算要素になります。サービス業では、必要なスキル、作業時間、訪問回数、移動費などを積み上げます。

一方、見積は積算結果をもとに、利益、リスク、値引き、納期条件などを加味し、顧客へ提示する価格を決める作業です。原価積み上げ型では、次のように整理できます。

見積価格 ＝ 積算原価 ＋ 利益 ＋ リスク費用 ＋ その他の調整

実務では、原価に掛け率を乗せる方法や、競合価格、顧客予算から販売価格を逆算する方法もあります。それでも、原価が分からなければ、その価格で受注してよいかを判断できません。

AI活用の基本は、「価格をAIに決めさせる」のではなく、「人が価格を決めるための材料を、早く、漏れなくそろえる」ことです。

AI見積・AI積算でできること

AIが得意なのは、人が繰り返している読み取り、検索、転記、分類、比較、下書きです。

1. 依頼書や仕様書から条件を抽出する

生成AIや文書解析AIは、メール、PDF、表計算ファイルなどから、品名、数量、材質、寸法、納期、納入場所といった条件を抽出できます。

モデルによっては、画像やPDFを直接読み取れます。ただし、手書き、かすれた文字、複雑な帳票、薄い線の図面では精度が下がるため、AI-OCRや帳票認識との併用が必要です。

抽出結果は、単なる項目一覧ではなく、次の形で出すと確認しやすくなります。

• 抽出した値
• 参照したファイル名、ページ、図面番号
• 記載が見つからなかった必須項目
• 解釈が複数ある記載
• 顧客へ確認すべき質問案

「10ページの仕様書を要約する」だけでなく、「見積に必要な条件がそろっているかを点検する」用途にすると、読み落としや確認漏れの削減につながります。

2. 過去の類似案件を探す

社内文書検索、いわゆるRAGを使うと、過去の見積書や案件台帳から、条件の近い案件を検索できます。

たとえば「材質と加工方法が同じ案件」「同じ顧客の過去1年間の案件」「納入条件が似た物流案件」などを候補として提示できます。担当者の記憶やフォルダ構成だけに頼らず、文章の意味や条件の近さで探せるのが利点です。

ただし、類似案件が見つかっても、その価格をそのまま流用してはいけません。少なくとも、次の情報を一緒に表示します。

• 見積日と受注日
• 当時の材料・燃料・外注単価
• 見積数量と実績数量
• 見積原価と実績原価
• 特別値引きや例外条件
• 採用した単価マスターの版

RAGは検索を助ける仕組みであり、回答の正しさを保証する仕組みではありません。

3. 数量や工数の算出を補助する

AIは、図面、画像、作業記録などから数量や条件を拾い、計算表へ渡す作業を支援できます。

• 製造業：材料量、加工工程、段取り回数、検査工数の候補を出す
• 建設業：部材数、配管長、施工面積、開口部などを拾う
• 物流業：車建て・個建ての判定材料を整理し、待機、積み替え、時間指定などの附帯作業を抽出する
• サービス業：作業内容を分解し、担当者のスキル区分、訪問回数、想定作業時間を整理する

数量の拾い出しや工程候補の作成にはAIを使えても、金額計算は承認済みの単価マスターと計算式で行うのが基本です。

AIの結果には、参照ページ、図面番号、計算式、使用した単価の版を付け、人が根拠まで追跡できる状態にします。

4. 見積書や確認メールの下書きをつくる

計算済みの原価、利益率、納期条件をもとに、見積明細や顧客向けメールを作成できます。

条件が不足していれば、「材質の指定がありません」「搬入時間帯を確認してください」「夜間作業の有無で工数が変わります」といった質問案も生成できます。

この用途は比較的始めやすく、価格計算そのものを自動化する前の第一歩に向いています。確認済みの数値だけを下書きへ差し込む設計にすれば、リスクも抑えられます。

AIだけに任せてはいけない判断

生成AIは、根拠がなくても、もっともらしい単価や条件を補って回答することがあります。そのため、次の判断は原則として人が承認します。

• 最終的な提示価格と利益率
• 特注品や初回案件の工数
• 原材料価格、燃料費、外注費の急変
• 瑕疵、遅延、追加作業などのリスク
• 値引きや取引条件
• 図面や仕様書の曖昧な記載
• 過去事例がない案件の受注可否

「分からない場合は推測せず、確認事項として出す」と指示することは有効です。しかし、プロンプトやシステム設定だけで、推測を完全に防ぐことはできません。

守られない可能性を前提に、運用側でも次の対策を組み合わせます。

• 抽出値ごとに参照元のファイル名とページを付ける
• 参照元がない項目は空欄または「要確認」にする
• 単価は生成させず、承認済みのマスターから取得する
• 四則演算や料金計算は、表計算や業務システムで実行する
• 数量、利益率、納期などに上下限チェックを設ける
• AIの出力と原文を人が突合する
• 最終承認者と承認記録を残す

AIが付けた「確信度」だけで承認を省略するのも危険です。AIの自己評価が、実際の正確さと一致するとは限りません。

図面・原価表をAIへ入れる前に確認すべきこと

AI見積・AI積算が扱う図面、仕様書、単価マスター、原価表、顧客情報は、機密性の高いデータです。機能を試す前に、情報システム、法務、情報セキュリティの担当者と入力可否を確認します。

特に確認すべき項目は次のとおりです。

• 入力データがサービス提供者のモデル学習に使われるか
• 学習利用を無効化できる契約や設定があるか
• 入力データと出力データが、どこに、何日間保存されるか
• 保存データを削除できるか
• データの処理地域や国外移転の有無
• 再委託先を含むデータの取り扱い
• 通信・保存時の暗号化
• SSO、アクセス権限、操作ログ、退職者の権限削除
• 契約終了後のデータ削除方法

「学習に使われない」ことと、「データが保存されない」ことは同じではありません。両方を分けて確認する必要があります。

顧客から預かった図面や仕様書は、自社の判断だけで外部AIサービスへ入力できるとは限りません。NDAや取引契約に、第三者サービスでの処理、再委託、国外移転などの制限がないかを確認します。必要に応じて、顧客から書面で許可を得ます。

検証段階では、次の順序が安全です。

1. 架空データや公開情報で機能を確認する
2. 個人情報や固有名詞を除いたデータで精度を試す
3. 会社が承認した法人向け環境で、対象を限定して検証する
4. 本番データは必要最小限だけ入力する

承認されていない個人向けアカウントや無料サービスへ、実際の図面、原価表、単価マスターをアップロードしてはいけません。

何を使って始めるか――手段と費用の目安

AI見積・AI積算は、目的によって使う仕組みが異なります。基本的な流れは次のとおりです。

依頼資料の受領 → 条件抽出 → 類似案件・単価の参照 → 計算 → 例外検知 → 人の承認 → 見積書作成

小規模な検証方法と費用の目安は、以下のように整理できます。

金額は、税、社内人件費、セキュリティ審査、本番連携、データ整備を除いた概算です。利用人数、処理ページ数、権限管理、既存システムとの連携範囲によって大きく変わります。

表計算からAPIを使う場合も、認証情報をファイル内へ直接埋め込む設計は避けます。社内で承認された連携基盤やサーバーを介し、誰が、いつ、どのデータを処理したか記録できるようにします。

選択に迷ったら、次の基準で考えます。

• 転記が課題なら、文書抽出やAI-OCR
• 過去案件探しが課題なら、RAG
• 計算表が確立しているなら、表計算＋API連携
• すでに見積ソフトを使っているなら、既存製品の追加機能
• 単価や標準工数が未整備なら、AI導入よりデータ整備を優先

効果を数字で考える――「月20万円削減」とは限らない

仮に月100件の見積があり、1件当たり90分かかっているとします。月間作業時間は150時間です。

資料の読み取り、過去案件検索、見積書の下書きをAIで補助し、1件当たり60分になれば、月50時間が浮きます。ここでの「90分から60分」は、効果を説明するための仮定であり、実際の短縮率は業務や資料品質によって異なります。

担当者の時間単価を4,000円とすれば、50時間は20万円相当です。この時間単価は、給与だけでなく、法定福利費、設備費、管理費などを含む「諸経費込みの人件費単価」を想定しています。

ただし、人件費が固定費なら、50時間が浮いても、20万円の支出がそのまま消えるわけではありません。これは現金の削減額ではなく、別の仕事へ振り向けられる「業務能力の価値」です。

実際の効果は、次のように分けて評価します。

• 残業や外注が減ったことによる実支出の削減
• 採用や増員を先送りできたことによる回避コスト
• 浮いた時間で見積提出件数を増やしたことによる追加利益
• 回答が早くなったことによる失注の減少
• 見積精度が上がったことによる赤字案件の減少
• 担当者不在でも回答を進められることによる業務継続性

売上側の効果は、たとえば次の式で試算できます。

追加利益 ＝ 追加で提出できた見積件数 × 受注率 × 1件当たりの限界利益

見積時間を短縮しても、追加案件がない、回答速度が受注率へ影響しない、浮いた時間の使い道が決まっていない場合、金銭効果は表れにくくなります。稟議では「何時間減るか」だけでなく、「浮いた時間を何に使い、どの数字を改善するか」まで示すことが重要です。

効果測定では、次の指標を導入前後で比較します。

• 1件当たりの見積作成時間
• 見積回答までのリードタイム
• 見積提出件数
• 受注率
• 回答遅延による失注件数
• 差し戻し率
• 見積原価と実績原価の差（見積差異）
• 担当者ごとの価格差
• AI案を人が修正した割合
• 残業時間と外注費

速くなっても、赤字案件や差し戻しが増えれば成功とはいえません。工数、品質、売上の3方向から評価します。

小さく始めるための5ステップ

1. 現在の作業を分解する

「資料を読む」「条件を転記する」「過去案件を探す」「数量を拾う」「原価を計算する」「価格を判断する」「見積書を作る」に分け、それぞれの所要時間を記録します。

通常案件だけでなく、差し戻し、特注、条件不足など、時間がかかった案件も含めます。

2. 見積根拠とデータの扱いを整理する

過去の見積書だけでなく、原価表、単価マスター、標準工数、実績工数を確認します。ファイル名や項目名がばらばらなら、まず統一します。

各データについて、管理責任者、更新日、機密区分、AIへの入力可否も記録します。担当者しか知らない補正ルールは、理由と適用条件を言語化します。

3. 一つの業務と手段を選ぶ

最初から全案件を自動化せず、範囲を絞ります。

たとえば、製造業なら定型品の類似案件検索、建設業なら特定工種の数量拾い、物流業なら附帯作業の抽出、サービス業なら定型作業の工数分解から始めます。

件数が多く、正解を確認でき、条件が比較的そろっている業務が向いています。

4. 正解データで検証する

検証件数を一律に決めるのではなく、品目や条件のバリエーションを基準に選びます。

目安として、主要な品目カテゴリごとに10件以上を用意し、次の例外パターンを必ず含めます。

• 条件が不足している案件
• 図面や帳票の形式が異なる案件
• 特注や初回取引
• 単価改定の前後
• 手書き、低画質、複数ファイルに情報が分散した案件
• 見積原価と実績原価の差が大きかった案件

件数が少ない業務では、保有案件をできるだけ網羅し、対象範囲を限定します。調整に使った案件とは別に評価用の案件を残し、抽出精度だけでなく、確認時間や修正回数も測ります。

5. 承認ルールを決める

次の条件では、必ず責任者が確認する仕組みにします。

• 利益率が基準未満
• 参照元が表示されていない
• 過去事例がない
• 単価マスターの更新期限を過ぎている
• 初回顧客、特注品、高額案件
• 数量や工数が通常範囲を外れている
• AIが「要確認」と判定した項目が残っている

誰が、何を、どの段階で承認するかを明確にし、AIの出力、修正内容、最終承認者を記録します。

まとまった時間が取れる日に、まずステップ1と2を終わらせる

長期休暇や閑散期に、システム開発まで始める必要はありません。まずは5ステップのうち、ステップ1と2の棚卸しを行います。

最近の見積を5件選び、次の2枚を作ってください。

見積工程シート

• 各工程の所要時間
• 待ち時間と差し戻し回数
• 担当者しかできない作業
• 転記や検索など、繰り返しが多い作業
• 最終的に人が判断した項目

見積根拠・データ台帳

• 使用した資料
• データの管理場所と責任者
• 単価や標準工数の更新日
• 担当者しか知らない補正ルール
• 機密区分とAIへの入力可否
• 顧客との契約上、確認が必要な資料

この2枚ができれば、「AI不足」だと思っていた問題の正体が、単価の未更新、データの分散、承認基準の曖昧さだと分かることもあります。

まとめ：明日は「最近の見積5件」から始める

AI見積・AI積算を始めるために、最初から高価なシステムを選ぶ必要はありません。

まず最近の見積5件を選び、どの工程に時間がかかり、どの資料と判断基準を使ったかを1枚にまとめます。そのうえで、最も繰り返しが多い作業を一つだけ選び、会社が承認した環境と匿名化したデータで検証します。

最初の対象は、仕様書からの項目抽出、過去案件の検索、確認メールの下書きなど、正解を人が確認しやすい業務が適しています。

「参照元がなければ採用しない」「計算は承認済みのマスターと式で行う」「最終価格は人が承認する」。この3原則を守ることが、見積の迅速化と属人化解消を両立させる出発点です。

付記｜Connected Base のご案内（”人の判断”を再現する実務AI）

生成AIの力を、現場で”使える成果”に。Connected Base は、非定型なPDF／Excel／画像からの高精度な構造化と、現場ごとの判断ルールの再現を両立するクラウドです。

• 非定型データに強い
• “人の判断”の型を学習
• すぐ効く運用
• 成果が見える

▶ 詳細・お問い合わせはこちら: connected-base.jp

Connected Baseのご紹介

「AI-OCR」「RPA」から
“LLM＋人の判断”の再現へと移りつつあります。

Connected Base は、日々の見積書・請求書・報告書など、
人の判断を必要とする“あいまいな領域”を自動で処理し、
現場ごとのルールや判断のクセを学習していくAIプラットフォームです。

これまで人が時間をかけて行ってきた仕分けや確認を、
AIとルール設定だけで再現・蓄積・自動化。
単なる効率化ではなく、「判断の継承」まで含めたDXを実現します。

現場の知恵を未来につなぐ──
その第一歩を、Connected Baseとともに。

👉 https://connected-base.jp/