製造業の見積自動化、AIに任せる前に整えるデータ
製造業の見積自動化でAIに任せられるのは、過去の類似図面・工数データが整理されている場合に限られる。整っていなければ、AIは何を学習すればいいか分からず、結局は人がゼロから説明する羽目になる。この記事では、見積担当がいなくても引き継げる状態に近づけるための「過去見積データの棚卸し表」を示す。
見積の自動化は、過去データが整理されているかどうかで結果が変わる
製造業の見積自動化で、AIにまだ任せられない部分
図面を読み込ませれば数十秒で見積が出る、とうたう製品は増えている。キャディの「CADDi Quote」のような見積クラウドや、図面から見積を作成するソフトが近年登場している。
ただし、これらが代替しているのは「過去の類似案件と比較して金額を出す」工程であり、「なぜこの条件ならこの金額になるのか」という判断理由そのものをAIが発明しているわけではない。山形県の射出成形金型メーカーIBUKIでは、工場長が一手に引き受けていた見積作業について、ベテランの経験・勘による判断をAIに学習させて形式知化し、見積作成時間を1件あたり3時間から30分に、見積を作れる担当者を1名から5名に広げたと報告されている（出典：中小企業庁・関西経済連合会の事例資料、2018年前後）。数字は自己申告であり、現在の運用状況までは確認できていない。
IBUKIの事例が示すのは、「ベテランの判断を学習データに変える」という順番だ。AIを先に入れて、後から過去データを整理したわけではない。
つまり自動化の鍵は、AIの性能ではなく、学習させられる過去データがどれだけ整理されているかにある。まずは自社の見積データが、AIに渡せる状態にあるかを確認するところから始めるべきだ。
過去見積データの棚卸し表——何を残せば引き継げるか
AIに限らず、見積を引き継ぐために残すべき項目を整理すると、次の5つになる。
| 項目 | 内容 | 欠けやすさ | 整備優先度 |
|---|---|---|---|
| 見積金額の内訳 | 材料費・加工費・管理費などの内訳 | 中（合計額しか残らないことが多い） | 高 |
| 判断理由 | なぜこの金額にしたか（特急対応、材料ロス見込みなど） | 高（頭の中にしかない） | 高 |
| 類似案件の参照先 | 過去のどの案件を基準にしたか | 高（案件ごとに探す前提になっている） | 高 |
| 見積と実績の差 | 受注後、実際の工数・コストとどれだけずれたか | 中（実績を見積に戻す作業が抜けやすい） | 中 |
| 例外条件 | 今回だけの特殊対応（短納期、材質変更など） | 低（口頭では残っている） | 中 |
この表のうち、最初に手を付けるべきは「判断理由」と「類似案件の参照先」だ。金額の内訳は帳票やExcelに残っていることが多いが、なぜその金額にしたかという理由は、担当者の頭の中にしか残っていないことがほとんどだ。
過去見積データの棚卸し表——判断理由から埋める
棚卸し表の使い方——どこから手を付けるか
いきなり全案件を棚卸しする必要はない。直近1年の見積のうち、金額が大きく動いた案件・受注後に実績が見積から大きくずれた案件を10件ほど選び、「判断理由」欄から埋めていく。担当者に「なぜこの金額にしたか」を聞き取り、短い言葉でいいので表に残す。
この作業自体は地味だが、AIに学習させる以前に、見積担当が休んだときに別の人が代わりに答えられるようになる、という効果がすぐに出る。AI導入の有無にかかわらず、属人化を解消する最初の一歩として機能する。
見積の根拠が記録されていないと、どこでつまずくか
下請け・外注先と揉めるのは、最初の想定や設計にミスがあり、想定以上のお金や工数がかかる場合だ。見積の根拠が記録されていないと、受注後に「なぜこの金額だったのか」を説明できず、同じ見積ミスが繰り返されても気づけない。AIに見積の一部を任せる場合も同じで、判断理由を記録していなければ、AIが出した金額が妥当かどうかを誰も検証できなくなる。
本開発の前に試作して想定を確かめる「プレ開発」を通せば、こうした想定ミスによる揉めごとは避けやすくなる。見積の自動化を急ぐ前に、まず「想定と実績がどれだけずれたか」を記録に残す仕組みを作るべきだ。
まとめ
製造業の見積自動化は、AIの性能よりも、過去データが整理されているかどうかで結果が決まる。最初にやるべきは高性能なAIツールの選定ではなく、判断理由と類似案件の参照先という、欠けやすい2項目から棚卸し表を埋めることだ。
「これ、AIでできない？」
業務の流れに落とし込みます。
相談内容をもとに、
AIで支援できそうな工程と、
人が確認すべきポイントを整理します。
まずは、分かる範囲で構いません。