「見積書を作るたびに過去案件を探している」
「営業担当者によって見積金額や項目の粒度が違う」
「顧客ヒアリングから見積書作成までに時間がかかる」
「生成AIを使って見積書を自動作成できないか」
このような業務では、生成AIと既存の料金データ・商品マスタ・過去案件を組み合わせることで、見積作成を効率化できます。
例えば現在、
顧客ヒアリング
↓
必要な機能を整理
↓
過去の似た案件を探す
↓
工数を検討
↓
料金表を確認
↓
Excelへ入力
↓
見積書作成
↓
上司へ確認
↓
顧客へ送付
という流れだったとします。
AIや業務システムを組み合わせると、
顧客ヒアリング
↓
AIで要件整理
↓
過去案件・料金マスタ参照
↓
見積項目候補を生成
↓
工数・価格をルールで計算
↓
担当者確認
↓
見積書生成
という流れにできます。
ただし重要なのは、
AIに自由に金額を決めさせないこと
です。
生成AIが得意なのは、
顧客の要望を整理する
必要な見積項目候補を出す
類似案件を探す
見積内容を説明する
といった処理です。
一方、
単価
工数
値引き
税額
契約条件
などは、料金マスタやプログラム、人による判断で決定する方が安全です。
この記事では、見積書をAIで自動作成する方法、システム構成、導入手順、注意点まで解説します。
見積書のAI自動作成とは
見積書のAI自動作成とは、
顧客要望
↓
必要項目を整理
↓
商品・料金・工数情報を参照
↓
見積案を生成
↓
人が確認
↓
正式な見積書
という仕組みです。
例えばシステム開発の相談で、
顧客：
在庫管理をWeb化したい
必要機能：
・ログイン
・商品管理
・入出庫
・在庫一覧
・CSV出力
利用者：
20名
希望納期：
3か月
という情報があったとします。
AIで、
【見積項目候補】
・要件整理
・基本設計
・ログイン機能
・商品管理
・入出庫管理
・在庫一覧
・CSV出力
・テスト
・リリース対応
という項目候補を作れます。
そこへ正式な単価や工数を組み合わせて、
要件整理 100,000円
設計 150,000円
商品管理 200,000円
入出庫管理 250,000円
在庫一覧 150,000円
CSV出力 50,000円
テスト 100,000円
のような見積案を作成します。
最終的な金額は担当者が確認します。
見積書作成で時間がかかる理由
見積業務は単なるExcel入力ではありません。
実際には、
顧客要望を理解する
必要な作業を洗い出す
過去案件を確認する
工数を考える
価格を決める
抜け漏れを確認する
見積書へ整形する
という複数の作業があります。
特に受託開発やカスタマイズ業務では、
案件ごとに内容が違う
ため、完全な定型処理にしにくいことがあります。
この「要望を理解して項目を整理する」部分で生成AIを活用できます。
見積作成でAIに向いている処理
例えば次のように分けられます。
| 処理 | AI活用 |
|---|---|
| ヒアリング内容の要約 | ◎ |
| 要件の分類 | ◎ |
| 見積項目候補の抽出 | ◎ |
| 類似案件検索 | ◎ |
| 説明文作成 | ◎ |
| 工数の参考値提示 | ○ |
| 正式な単価決定 | △ |
| 値引き判断 | △ |
| 税計算 | × |
| 契約条件確定 | × |
| 最終承認 | × |
つまり、
考える材料を整理
→ AI
正式な数字を計算
→ システム
最終判断
→ 人
という役割分担です。
1．顧客ヒアリングをAIで整理する
見積作成の前段階では、営業担当者が顧客から要望を聞きます。
例えば、
今はExcelで在庫管理しています。
3拠点あって、毎週各拠点から
ファイルを送ってもらっています。
できればブラウザから
在庫を確認できるようにしたいです。
CSVも欲しいです。
というヒアリングがあったとします。
AIで、
【現状】
Excelによる拠点別在庫管理
【課題】
3拠点のデータ集約に手作業が発生
【必要機能候補】
・ユーザー認証
・拠点管理
・商品管理
・在庫管理
・入出庫管理
・CSV出力
と整理できます。
営業担当者がヒアリング内容を一から仕様書へ転記する作業を減らせます。
2．見積に必要な不足情報をAIで洗い出す
見積作成時には情報不足がよくあります。
例えば、
在庫管理システムが欲しい
だけでは正確な見積は困難です。
AIに要件を確認させると、
・利用人数は何名か
・拠点数はいくつか
・権限管理は必要か
・バーコード対応は必要か
・CSV入出力は必要か
・既存データ移行は必要か
・スマートフォン対応は必要か
など、追加確認事項を整理できます。
つまり、
ヒアリング
↓
AI
↓
見積に不足している情報
↓
追加ヒアリング
という使い方です。
これは見積精度を上げるうえでも有効です。
3．見積項目候補を自動生成する
顧客要望から、見積書へ記載する項目を生成します。
例えば、
要件：
予約システム
・イベント一覧
・予約
・定員管理
・満席停止
・確認メール
・管理画面
・CSV
なら、
【開発項目】
1．要件整理
2．画面設計
3．イベント一覧
4．予約フォーム
5．定員管理
6．満席制御
7．確認メール
8．管理画面
9．予約一覧
10．CSV出力
11．テスト
12．本番環境構築
と整理できます。
これによって、
見積項目の抜け漏れ
を減らせます。
4．商品マスタ・料金マスタと連携する
定型サービスの場合は、商品マスタを利用できます。
例えば、
| 商品コード | 内容 | 価格 |
|---|---|---|
| WEB-001 | 基本システム | 300,000円 |
| WEB-002 | 管理画面 | 150,000円 |
| WEB-003 | CSV出力 | 50,000円 |
| WEB-004 | メール通知 | 50,000円 |
と登録しておきます。
AIが顧客要望から、
WEB-001
WEB-002
WEB-003
を候補として選びます。
その後、
商品マスタ
↓
正式価格取得
↓
合計
をプログラムで行います。
AIに金額を記憶させない
例えば、
CSV出力は5万円です
という料金をプロンプトへ直接書いて運用すると、料金改定時に管理しにくくなります。
おすすめは、
商品・料金
→ DB
顧客要望の理解
→ AI
と分けることです。
これによって、料金変更時もマスタを変更すれば反映できます。
5．工数見積を支援する
受託開発では、
価格表
だけで決められず、
何人日かかるか
を考える必要があります。
例えば、
ログイン：
2人日
商品管理：
4人日
入出庫：
6人日
CSV：
1人日
という標準工数を持っているとします。
AIが要件から必要機能を分類し、
必要機能
↓
標準工数マスタ
↓
合計
とできます。
工数計算はプログラム側で行う
例えば、
商品管理：
4人日
単価：
50,000円／人日
なら、
4 × 50,000
=
200,000円
です。
この計算は通常プログラムで行います。
AIに毎回計算させる必要はありません。
6．複雑度による補正を入れる
同じ機能でも案件によって難易度が違います。
例えばログイン機能でも、
メール＋パスワード
だけなのか、
SSO
多要素認証
複雑な権限管理
まで必要なのかで工数が違います。
そこで、
標準
複雑
高難度
などの分類を設定できます。
例えば、
標準工数：
5人日
複雑度：
1.5
↓
7.5人日
とします。
AIは要件から、
複雑度候補
を提示し、担当者が確定します。
AIに勝手に係数を決定させない
例えばAIが、
難しそうなので
1.8倍にします
と自由に判断すると、見積金額が不安定になります。
そのため、
AI
↓
複雑度候補を提示
担当者
↓
確定
プログラム
↓
計算
とします。
7．過去の類似案件を検索する
過去案件は見積の重要な参考情報です。
例えば、
過去100件の開発案件
があるとします。
今回、
製造業
在庫管理
3拠点
20ユーザー
という案件なら、RAGや検索機能を利用して、
類似案件A
在庫管理・5拠点
類似案件B
製造業・商品管理
類似案件C
在庫管理・CSV連携
などを抽出できます。
担当者は、
過去案件：
160万円
今回：
要件が少し小さい
などを見積判断の参考にできます。
過去案件の価格をそのまま適用しない
過去案件には、
開発時期
担当者
顧客条件
追加対応
値引き
インフラ
仕様
などの違いがあります。
そのためAIには、
参考案件を探す
役割を担当させ、正式な見積は今回の条件から作成します。
8．RAGで過去見積書を検索する
見積書そのものをRAGへ登録する方法もあります。
例えば、
在庫管理のCSV出力を含む案件で、
過去にどのような見積項目がありましたか？
と質問します。
RAGが、
過去見積A
過去見積B
を検索し、
・CSVエクスポート
・CSVインポート
・文字コード対応
・大量データ対応
などを提示できます。
これによって、
考慮漏れ
を減らせます。
9．過去実績から見積精度を改善する
理想的には、過去案件について、
見積工数
実績工数
を残します。
例えば、
| 機能 | 見積 | 実績 |
|---|---|---|
| 商品管理 | 4日 | 5日 |
| 入出庫 | 6日 | 8日 |
| CSV | 1日 | 1日 |
というデータです。
これを蓄積すると、
入出庫機能は
見積より平均20％工数が増えている
などが分かります。
AIを使う以前に、この実績データが見積精度向上に有効です。
「見積」と「実績」を必ず紐付ける
例えば案件IDを、
project_id:
P000123
として、
見積
↓
受注
↓
開発
↓
実績工数
を紐付けます。
すると将来的に、
過去案件
+
見積差異
+
今回要件
から、見積担当者の判断を支援できます。
10．AIで見積書の説明文を作成する
見積書は金額だけではありません。
例えば、
基本設計 150,000円
だけでは顧客に内容が伝わりにくいことがあります。
AIで、
画面構成、データ構造、
主要機能の仕様を整理する設計工程です。
という説明文を生成できます。
例えば、
【CSV出力機能】
在庫一覧をCSV形式で
ダウンロードできる機能です。
Excelなどでの二次利用を想定します。
といった説明です。
顧客向け表現へ変換する
社内では、
API
DB migration
RBAC
と管理していても、顧客向け見積では、
外部システム連携
データ移行
ユーザー権限管理
と分かりやすく表現できます。
この文章変換は生成AIと相性があります。
11．見積条件・前提条件を整理する
見積では前提条件が非常に重要です。
例えば、
データ移行はCSV提供前提
画像データ移行は含まない
対応ブラウザはChrome最新版
外部API費用は別途
仕様変更は別途見積
などです。
AIで顧客要件と見積内容を比較し、
記載しておいた方がよい
前提条件候補
を整理できます。
ただし、最終的な契約条件は担当者や必要に応じて専門家が確認します。
12．見積項目の抜け漏れをAIでレビューする
例えば顧客要望に、
メール通知が欲しい
とあるのに、見積には、
メール通知
が含まれていなかったとします。
AIに、
ヒアリング内容
vs
見積項目
を比較させ、
顧客要望に「予約完了メール」がありますが、
見積項目にメール通知機能が見当たりません。
と指摘させることができます。
ルールチェックとAIレビューを組み合わせる
例えば、
金額の合計
消費税
必須項目
はプログラムでチェックします。
顧客要望との整合性
説明不足
はAIで確認します。
つまり、
数値チェック
→ プログラム
内容チェック
→ AI
です。
13．見積書をExcel・PDFへ自動出力する
見積内容が確定したら、
顧客名
見積番号
項目
数量
単価
金額
有効期限
備考
をテンプレートへ反映します。
例えば、
見積データ
↓
Excelテンプレート
↓
PDF
または、
見積データ
↓
HTMLテンプレート
↓
PDF
という構成です。
AIが見積書のレイアウトを毎回作る必要はありません。
見積番号はシステムで発行する
例えば、
EST-2026-000123
のような見積番号です。
これは、
DB
↓
連番発行
とします。
AIには担当させません。
14．見積承認フローまでシステム化する
一定金額以上の案件では上司承認が必要な会社もあります。
例えば、
見積案
↓
営業担当
↓
営業責任者
↓
承認
↓
顧客送付
です。
さらに、
100万円未満
→ 営業担当承認
100〜500万円
→ 部長承認
500万円以上
→ 経営承認
などのルールをプログラム化できます。
生成AIではなく、通常のワークフローとして実装します。
15．値引きもルール化する
AIに、
この顧客なら20％引きがよいでしょう
と勝手に判断させるのは避けます。
例えば、
営業担当：
最大5％
部長承認：
最大10％
それ以上：
経営承認
など、会社ルールとして管理します。
AIは、
この案件は標準価格から10％値引きされています
と説明する程度にします。
見積書AIのシステム構成例
例えばシステム開発会社なら、
商談・ヒアリング
↓
生成AI
↓
要件整理
↓
見積項目候補
↓
過去案件検索
↓
商品・工数マスタ
↓
価格計算
↓
担当者確認
↓
承認
↓
見積書PDF
となります。
データとしては、
CRM
├─ 顧客
└─ 商談
RAG
├─ 過去見積
└─ 過去案件
DB
├─ 商品
├─ 単価
├─ 標準工数
└─ 値引きルール
などを利用します。
AIエージェントを使った見積作成
さらに高度な構成では、
ABC社の見積案を作成して
と依頼すると、
CRM確認
↓
商談内容取得
↓
必要機能整理
↓
過去案件検索
↓
商品マスタ参照
↓
見積案作成
までAIエージェントが処理できます。
ただし最終的に、
価格
納期
値引き
契約条件
は担当者が確認します。
見積書AI導入の手順
STEP1．現在の見積工程を整理する
例えば、
ヒアリング整理：
30分
過去案件検索：
30分
項目作成：
30分
金額検討：
60分
見積書作成：
30分
合計：
180分
とします。
STEP2．見積項目を標準化する
例えば、
要件定義
設計
開発
テスト
データ移行
リリース
保守
などです。
標準化できるほど自動化しやすくなります。
STEP3．料金・工数マスタを作る
例えば、
機能コード
標準工数
標準価格
適用条件
を登録します。
STEP4．過去案件を整理する
例えば、
業種
案件種別
主要機能
見積工数
実績工数
金額
を紐付けます。
STEP5．過去案件でPoCする
例えば過去20〜50件について、
ヒアリング内容
↓
AI
↓
見積項目候補
を生成し、実際の見積と比較します。
STEP6．担当者の修正内容を分析する
例えば毎回、
テスト工程が抜ける
なら、AIだけでなく標準見積テンプレートへ必須項目として追加します。
STEP7．金額計算をシステム化する
AIが選んだ候補に、
商品マスタ
工数マスタ
単価
を適用します。
STEP8．承認・PDF出力までつなげる
最終的に、
見積案
↓
確認
↓
承認
↓
PDF
↓
顧客
とします。
見積書AIの費用対効果
例えば営業担当者5人が、
月10件
見積を作成し、
1件：
60分
かかっているとします。
会社全体では、
5人
×
10件
×
1時間
=
50時間／月
です。
AI導入後に、
1件：
20分
まで減れば、
約33時間／月
削減できます。
仮に時間価値を3,000円とすると、
33時間
×
3,000円
=
約10万円／月
です。
年間なら、
約120万円相当
になります。
さらに、
見積漏れ
低すぎる見積
提出遅延
を減らせれば、単純な作業時間以外にも効果があります。
見積AIで確認したいKPI
| KPI | 内容 |
|---|---|
| 見積作成時間 | 1件何分かかったか |
| 提出リードタイム | 問い合わせから提出まで |
| AI候補採用率 | 提案された項目を利用した割合 |
| 修正率 | 人が変更した項目 |
| 見積・実績差 | 工数の差異 |
| 見積漏れ | 追加請求につながった項目 |
| 粗利率 | 見積精度改善につながったか |
特に「見積と実績の差」を見る
例えば、
見積：
100時間
実績：
150時間
なら、
+50％
の差があります。
AI導入後も、
作成が速くなった
だけでなく、
見積精度が上がったか
を測定します。
見積書AIでよくある失敗
AIに金額を自由に決めさせる
料金マスタや正式な工数計算を利用します。
過去見積をそのままコピーする
今回の要件に合わせて調整します。
ヒアリング情報が不足したまま見積を作る
不足項目をAIで洗い出します。
見積作成だけ速くして精度を見ない
実績工数との差も測定します。
見積書だけを自動化する
本当に時間がかかっているのが、
要件整理
なら、その前工程から自動化します。
値引きまでAIに判断させる
値引きルール・承認フローをシステム化します。
見積書AIに関するよくある質問
ChatGPTだけでも見積書を作れますか？
項目案や説明文は作成できます。
ただし正式な価格を安定して出すには、
料金マスタ
工数
商品情報
過去案件
などとの連携が重要です。
Excelの見積書を自動作成できますか？
可能です。
確定した見積データをExcelテンプレートへ反映する方法があります。
PDFまで自動生成できますか？
可能です。
ExcelやHTML、文書テンプレートなどからPDFを生成できます。
過去の見積書をAIに活用できますか？
可能です。
RAGなどを使って、今回の案件に近い見積書・過去案件を検索できます。
システム開発の工数もAIで見積できますか？
参考値の作成には利用できますが、正式見積では要件・難易度・開発環境・メンバー構成などを考慮して人が確認することをおすすめします。
値引きも自動化できますか？
ルール化された値引きであればプログラムで計算できます。
例えば一定割合以上の値引きは上司承認にする、といった仕組みです。
hiro-dev-labのAI見積・業務自動化支援
hiro-dev-labでは、顧客ヒアリングや既存の業務データと生成AIを組み合わせた見積業務の自動化を検討できます。
例えば、
- ヒアリング内容のAI要約
- 見積項目候補の自動生成
- 不足要件の抽出
- 過去案件・過去見積のRAG検索
- 商品・料金マスタとの連携
- 工数計算
- 見積書テンプレートへの自動反映
- PDF生成
- 承認フロー
- CRMとの連携
- OpenAI APIなどを利用したAI機能
- Python・TypeScriptによる業務システム開発
などです。
例えば、
現在
商談
↓
営業担当者が要件整理
↓
過去見積を検索
↓
Excel作成
↓
上司確認
という業務を、
商談
↓
AIで要件整理
↓
類似案件検索
↓
見積項目候補
↓
料金・工数マスタ
↓
見積案
↓
担当者確認
↓
承認
↓
PDF
へ変更できます。
見積書AIの目的は「AIに価格を決めさせる」ことではない
見積書AIというと、
要件を入力
↓
AIが金額を回答
という仕組みをイメージするかもしれません。
しかし企業の見積業務では、
単価
粗利
値引き
工数
契約条件
など、会社として管理すべき情報があります。
そのため、
顧客要望の理解
→ AI
見積項目候補
→ AI
類似案件検索
→ AI・RAG
正式工数
→ マスタ＋担当者
価格計算
→ プログラム
承認
→ 人
と分けることが重要です。
導入する場合は、
1．現在の見積作成工程を整理
2．標準的な見積項目を整理
3．料金・工数マスタを作る
4．ヒアリングから要件をAIで整理
5．過去案件を検索できるようにする
6．AIで見積項目候補を生成
7．正式な価格をシステムで計算
8．担当者が確認
9．承認
10．Excel・PDFへ出力
11．実績工数と比較して改善
という流れがおすすめです。
「毎回似た見積書をゼロから作っている」
「過去案件を探すのに時間がかかっている」
「見積項目の漏れを減らしたい」
「ヒアリングから見積書作成まで自動化したい」
このような段階からでも、お気軽にお問い合わせください。
AI見積・業務自動化について相談する