「この案件、ざっくりで〇人月」——そんな会話が飛び交うのが SIer の見積もりの現場です。中堅以上のエンジニアや PM が主に担当する業務で、熟練者の経験や勘に頼る場面が少なくありません。
その属人性が、見積もり精度のばらつきや、後工程での仕様変更・手戻りリスクを静かに仕込む構造になっています。生成 AI の登場で、この属人性はどこまで崩れるのか。本稿で整理します。
1. 見積もりの”曖昧さ”が、プロジェクトを左右する理由
SIer のプロジェクトにおいて、見積もりは単なる金額提示以上の意味を持ちます。品質・コスト・納期（QCD）の成否を左右する、最初の意思決定プロセスです。精度が低いと、初期段階から赤字リスクを抱え、手戻りや仕様変更でコストが膨らみ、納期遅延や品質低下にも連鎖します。
現場で広く見られる課題は、3つに集約されます。
- 属人化されたノウハウ: 熟練者の経験や勘に頼る部分が大きく、担当者によって精度にばらつきが生じる
- 非効率な工数算出: 過去の類似案件を探し、ドキュメントから情報を抽出・整理する作業に時間がかかる
- 見積もり根拠の曖昧さ: 顧客に「なぜこの工数・費用になるか」を説明する根拠が、担当者の頭の中にしかない
どれも個人の力量の問題というより、業務構造の問題です。情報の探索・整理・根拠化を手作業でこなす限り、属人性は残り続けます。
見積もりの段階で精度を欠いた案件は、開発中盤から終盤にかけて、当初想定の 1.2〜1.5 倍の工数が必要になるケースも珍しくありません。最初の数字の質が、プロジェクト全体のマージンと品質を決めているとも言えます。
ここに、生成 AI が介入できる余地があります。
2. 生成AI で、見積もりプロセスはどこが変わるか
生成 AI を業務に組み込むと、見積もりプロセスの手作業が多い工程が組み替わります。
Before（現状）
- 要件整理：顧客の要望や要件定義書を手動で読み込み、不明瞭な点を関係者と確認しながら整理
- 工数算出：過去の経験や属人的ノウハウで各工程・タスクを個別に見積もる
- 見積書作成：各種情報を手動で集約し、フォーマットに沿って記述
After（AI 活用後）
- 要件整理の自動化: AI が要件定義書や議事録を分析し、不明瞭な点をリストアップ。「この要件で考慮すべき技術リスクを3つ」のようなプロンプトで深掘り
- 類似案件データの自動参照: 過去の工数・コスト情報を瞬時に提示し、実績データと照合して算出根拠を提供
- 見積もり根拠の自動生成: 要件と過去データに基づき、各項目の工数算出根拠や前提条件をドラフト。担当者はレビュー・修正に回る
- 見積書ドラフトの自動作成: 収集・整理された情報を元に見積書ドラフトを生成。担当者は最終調整や戦略的な価格設定に集中する
たとえば、要件定義書を AI に読み込ませて「考慮が漏れやすい非機能要件を、影響度が高い順に5つ挙げて」と投げると、バックアップ方針、障害時の切替時間、負荷テストのしきい値など、手作業では拾いきれていなかった観点が挙がってきます。
見積もりにかかる作業時間が減り、精度が上がり、担当者は顧客との対話や全体設計の判断に時間を配分できるようになります。
ただし、AI の出力をそのまま使えるわけではありません。この変化は、担当者に新しい判断力を要請します。
3. AI と組む担当者に必要になる3つの技術
AI が情報処理や定型計算を代替するにつれて、担当者の役割は「数字を算出する人」から「AI の出力を判断する人」に移ります。必要になる技術は、3つに集約できます。
プロンプトを設計する力
AI に的確な指示を出すスキルです。曖昧な依頼では曖昧な答えしか返ってこないため、目的・前提・求める粒度を言語化する習慣が効きます。
- 「この要件定義書から、工数のブレを生みそうな前提不明点を3つ、影響度の高い順に挙げて」
- 「過去類似案件 A と B を比較し、今回の案件で追加で見積もるべき工程を列挙して」
- 「この要件で、非機能要件として見落としやすい観点を5つ、カテゴリ別に並べて」
AI の出力を検証する力
AI の回答は常に正しいとは限りません。見積もりに使う前に、最低限の確認観点が3つあります。
- 数値の出典: 引用元がある数字か、最新の情報か
- 前提条件の整合: 今回の案件のコンテキストに前提が合っているか
- 現場感覚との突合: 数字を見て、経験的に大きく乖離していないか
この3つを手元に置いて、AI ドラフトを素通しせずにレビューする姿勢が、見積もりの精度を守ります。
ヒアリングで言外の情報を拾う力
顧客の真のニーズ、組織の過去経緯、言外の懸念——これらは AI が拾えない情報です。見積もりの根拠に入れるべき「数値化されていない文脈」は、担当者のヒアリングでしか手に入りません。
AI に任せられる作業が増えるぶん、この対人側のスキルの比重が上がります。AI が時間を作ってくれるから、ヒアリングにじっくり時間を使えるようになる、と捉えるほうが実態に近い。
AI は担当者を代替する存在ではなく、補助するパートナーです。AI にデータ分析や定型作業を任せ、担当者は付加価値の高い判断に集中する。この分業ができるかどうかが、これからの SIer の見積もりの精度を左右します。
まとめ
生成 AI は SIer の見積もり業務を大きく変える可能性を持っています。要件整理・類似案件参照・根拠生成といった工程の作業時間が減り、精度が上がる余地があります。
同時に、担当者にはプロンプト設計・AI 出力の検証・言外のヒアリングという3つの技術が要請されます。AI に任せるほど、人間側の判断の重要度は増していきます。
明日の見積もり作成で、AI に1つだけ具体的な問いを投げてみる。たとえば「この要件で工数がブレそうな前提不明点を3つ」と聞いてみる。そこから、AI との実務的な付き合い方が具体的に見えてきます。
見積もりの質は、経験と勘の属人性から、ツールとの協働による再現性へと移行しつつあります。その移行のなかで、担当者の役割は減るのではなく、むしろ厚みを増していくのではないでしょうか。
