によって見積金額が変わってしまう」

「料金表はあるのに、結局毎回ヒアリングしてExcelで計算している」

「自動見積もりフォームを作りたいが、条件分岐が複雑すぎる」

このような見積もり業務は、AIを活用することでかなりの部分を自動化できます。

そこで今回、実際にAI見積もりシステムを開発しました。

単純に料金表から金額を表示するだけではありません。

顧客とAIがチャットで会話し、

顧客から要望を聞く
↓
社内の見積もりルールを検索する
↓
見積もりに必要な情報が揃っているか確認する
↓
不足していればAIが追加質問する
↓
条件に合った料金を算出する
↓
顧客に内容を確認してもらう
↓
見積もりを保存する

ところまでを、一連の流れとして自動化しています。

さらに、Google Drive上のドキュメントをナレッジとして利用できるため、料金ルールを変更するたびに複雑なプログラムを書き換えるのではなく、自然言語で書かれた見積もりルールを管理するという運用も可能です。

この記事では、実際に開発したAI見積もりシステムを例に、

AI見積もりとは何か
なぜ従来の見積もりは自動化しにくいのか
AIなら何が変わるのか
実際の見積もり画面
RAGを使った社内ルールの参照方法
過去見積もりの活用
Excel見積書への出力
AIのミスを防ぐ仕組み
AI見積もりシステムを導入する方法

まで詳しく紹介します。

AI見積もりとは？

AI見積もりとは、生成AIやAIエージェントを利用して、顧客へのヒアリングや見積条件の整理、料金ルールの参照、見積案の作成などを自動化する仕組みです。

従来の見積もりシステムでは、

「Aを選択したら10,000円追加」

「BとCを選択したら20,000円追加」

といった条件を、あらかじめプログラムとして細かく定義する必要がありました。

もちろん、この方式でも単純な料金シミュレーションはできます。

しかし実際の商談では、

「ホームページを作りたいんですが、15ページくらいで、お問い合わせフォームも付けたいです。できれば2週間くらいでお願いします」

のように、顧客は必ずしも決められたフォーム通りに情報を入力してくれるわけではありません。

そこで生成AIを使います。

AIなら自然な文章から、

ホームページ制作
15ページ
お問い合わせフォームあり
希望納期14日

といった見積条件を整理できます。

さらに重要なのが、不足している情報をAI自身が判断して聞き返せることです。

これが、単純な見積もりフォームとAI見積もりシステムの大きな違いです。

見積もり業務を自動化できない最大の壁は「ヒアリング」

見積もりの自動化というと、

料金表を登録して、自動計算すればいいのでは？

と思われるかもしれません。

しかし実際には、それほど単純ではありません。

見積もりを作れない大きな原因の一つが、必要な情報が揃っていないことだからです。

たとえばホームページ制作なら、

希望納期
ページ数
原稿を誰が用意するか
WordPressなどの更新機能が必要か
お問い合わせフォームが必要か

などを確認しなければ、正式な金額を決められません。

「ホームページを作ってください」

という情報だけでは、見積もりできないわけです。

従来の自動見積もりフォームの問題

従来型のWeb見積もりシステムでは、必要事項をフォームにして、

ページ数
希望納期
WordPress：必要 / 不要
お問い合わせフォーム：必要 / 不要

のように入力してもらう方法が一般的です。

条件が明確なサービスなら、この方法でも問題ありません。

ところがサービスが複雑になると、

質問項目が増えすぎる
顧客によって質問内容が変わる
回答内容によって追加質問が必要
想定外の要望が入力される
複数サービスを組み合わせる案件がある

といった問題が出てきます。

結果として、フォームがどんどん複雑になります。

AIなら「必要な情報が揃ったか」を判断できる

今回開発したAI見積もりシステムでは、サービスごとにヒアリング項目をナレッジとして登録しています。

たとえばホームページ制作なら、

希望納期
ページ数
原稿を自分で用意するか
ブログ・お知らせ投稿機能が必要か
お問い合わせフォームが必要か

です。

AIは会話内容とこのヒアリング項目を比較します。

そして、

回答済み
未回答
曖昧
追加情報

などを判定します。

必要な情報が足りなければ、正式見積もりを出さずに追加質問します。

これにより、

必要なヒアリングが終わっていないのに、AIが勝手に金額を出してしまう

という問題を防ぎやすくしています。

実際にAI見積もりシステムを使ってみる

ここからは、実際に開発したシステムでホームページ制作を見積もった例を紹介します。

1．見積もりたいサービスを選択

最初にAIが、社内ナレッジから現在対応しているサービスを取得します。

AI
こんにちは。見積もりのご相談を承ります。

現在ご案内できるサービスは次のとおりです。

AIを使ったホームページ制作

予約システムのフルスクラッチ開発

在庫管理システムのフルスクラッチ開発

どのサービスの見積もりをご希望ですか？

今回は、

ホームページ制作を相談したい

と入力します。

2．AIが料金表とヒアリング項目を取得

AIはGoogle Driveなどに保存されている社内ナレッジを検索し、ホームページ制作の見積もりルールを取得します。

今回登録している料金表は次のような内容です。

項目	金額	条件
基本料金	80,000円	TOP＋下層4ページ、レスポンシブ対応
ページ追加	10,000円/ページ	6ページ目以降
お急ぎ納品	30,000円	14～30日で納品
WordPress対応	30,000円	投稿機能が必要な場合
お問い合わせフォーム	30,000円	必要な場合

この料金表を参照したうえで、AIから質問します。

AI
次に、以下について教えてください。

希望の納期（最短14日）

ページ数

原稿（自分で用意 / サポートが必要）

ブログやお知らせなどの投稿機能は必要ですか？

お問い合わせフォームは必要ですか？

3．一部だけ回答してみる

ここで、あえてすべて回答せず、

希望納期は14日
15ページ
ブログは不要

とだけ回答します。

するとAIは、

AI
以下の内容を確認しました。

希望納期：14日

ページ数：15ページ

原稿：未回答

投稿機能：不要

お問い合わせフォーム：未回答

原稿について「自分で用意」または「サポートが必要」のどちらかを教えてください。
また、お問い合わせフォームは必要ですか？

と、不足している項目だけを聞き返します。

今回のAI見積もりシステムで特に重視した部分です。

AIがいきなり見積もるのではなく、見積もりに必要な情報が揃うまでヒアリングを続けます。

4．不足情報を回答する

続いて、

原稿は自分で用意
お問い合わせフォームは必要

と回答します。

これですべてのヒアリング項目が揃いました。

整理すると、

項目	回答
希望納期	14日
ページ数	15ページ
原稿	自分で用意
投稿機能	不要
お問い合わせフォーム	必要

となります。

AIは内容を整理して利用者に提示し、見積もりを進めてよいか確認します。

5．AI見積もりが完成

最終的に作成された見積もりがこちらです。

項目	金額
基本料金	80,000円
ページ追加10ページ	100,000円
お急ぎ納品	30,000円
お問い合わせフォーム	30,000円
合計	240,000円

15ページなので、基本料金に含まれる5ページを除いた10ページ分を追加。

希望納期が14日のため、お急ぎ納品を追加。

お問い合わせフォームが必要なので30,000円を追加しています。

その結果、

合計240,000円

となりました。

さらに、この見積もりはIDを発行してデータベースに保存されます。

単純にチャット上で回答して終わるのではなく、見積管理システムとして後から参照できるようにしています。

AI見積もりシステムのポイントは「AIに計算させすぎない」こと

ここは非常に重要です。

今回のシステムでは、最終的な金額計算を生成AIだけに任せていません。

AIは非常に便利ですが、金額のように間違いが許されない処理を、すべてLLMの文章生成に任せるのは適切ではありません。

そこで役割を分けています。

AIが担当する処理

顧客との自然な会話
顧客の要望整理
社内ナレッジ検索
適切な見積ルールの取得
不足しているヒアリング項目の判断
過去の類似見積検索
見積明細候補の整理

Pythonが担当する処理

数量×単価
加算
合計金額
金額の検算
データ形式のチェック

つまり、

自然言語を理解する処理 → AI

確実な計算をする処理 → プログラム

と役割を分離しています。

「全部AIにやらせる」のではなく、AIが得意なことと従来のプログラムが得意なことを組み合わせた方が、業務システムとして扱いやすくなります。

見積もりルールはGoogle Driveで管理できる

今回のAI見積もりシステムでは、社内ナレッジをGoogle Driveで管理できるようにしています。

見積もりシステムを導入するために、すべての情報を最初からデータベースへ手入力する必要はありません。

基本的には、次の3種類の情報を整理します。

1．見積もり対象サービス

たとえば、

ホームページ制作
予約システム開発
在庫管理システム開発

といった、見積もり可能なサービスの一覧です。

2．サービスごとの見積もりルール

ホームページ制作なら、

基本料金は80,000円。
5ページまで基本料金に含む。
6ページ目以降は1ページ10,000円。
納期14～30日は30,000円追加。
WordPress対応は30,000円追加。

という具合です。

表でも文章でも管理できます。

3．サービスごとのヒアリング項目

たとえば、

希望納期

ページ数

原稿を誰が用意するか

投稿機能が必要か

お問い合わせフォームが必要か

すべての情報が揃うまで正式見積もりを出さないこと。

というルールです。

これが重要です。

AIに単純な料金表だけを与えるのではなく、

「何を聞かなければ見積もれないのか」

までナレッジとして登録します。

自然言語でルールを管理できる

従来型の見積システムでは、新しい料金条件を追加するたびに、

if 条件A:
    +30000円

if 条件B and 条件C:
    +50000円

といったプログラムの修正が必要になるケースがあります。

今回のAI見積もりシステムでは、見積ルールの多くを自然言語のドキュメントとして管理できます。

たとえば、

希望納期が14日から30日の場合は、お急ぎ納品料金として30,000円を追加してください。

のような書き方です。

そのため、営業担当者や管理者がルールを理解できる形でナレッジを管理しやすいのが特徴です。

料金変更があればGoogle Driveのドキュメントを修正し、ナレッジを再同期します。

また、新しいサービスを追加するときも、

見積もりルール
ヒアリング項目
注意事項

をドキュメントとして追加していく構成にできます。

すべてをエンジニアしか理解できないプログラムの中に埋め込まないため、運用後の拡張もしやすくなります。

RAGを使って社内の見積もりルールを検索

今回のAI見積もりシステムでは、**RAG（Retrieval-Augmented Generation）**という仕組みを利用しています。

簡単にいうと、

AIが回答する前に、社内資料を検索して必要な情報を取り出す仕組み

です。

Google Driveから取得した、

PDF
Google Docs
Google Sheets
見積もりルール
ヒアリング項目
社内ノウハウ

などを分割してEmbeddingし、pgvectorへ保存します。

ユーザーから質問が来たときには、その中から関連性の高い情報を検索します。

たとえば、

「ホームページ制作を相談したい」

と入力されたら、

「AIホームページ制作の見積りルール」

「AIホームページ制作のヒアリング項目」

などの関連資料を取得してAIへ渡します。

これによって、一般的な生成AIの知識だけで回答するのではなく、自社独自の料金体系や業務ルールに基づいた見積もりを作れるようになります。

過去の見積もりもAIで検索できる

見積もりでは、料金表だけで判断できない案件もあります。

たとえば、

「去年作った○○社のシステムとかなり似ている」

というケースです。

このような場合には、過去見積もりが非常に参考になります。

今回のシステムでは、

社内ルールのRAG

と

過去見積もりのRAG

を別々にしています。

これは意図的です。

「正式な料金ルール」と「過去にたまたま提示した金額」が混ざってしまうと、見積精度を下げる可能性があるからです。

そのため、

社内ナレッジ

「正式な見積ルールを確認する」

過去見積

「類似案件の参考情報を探す」

という役割に分けています。

たとえば、

「予約システム＋Stripe決済＋管理画面がある案件」

について、過去の類似見積を検索して参考にする、といった使い方ができます。

AIだから複雑な見積もりにも対応しやすい

AI見積もりのメリットは、単純な価格表だけではありません。

たとえば、

ブルーベリー農園向けの予約システムを作りたい。
お客さんからの質問にもAIが答えられるようにしたい。

という相談が来たとします。

この場合、

予約システム
AIチャットボット

という複数の機能を組み合わせる必要があります。

こうした要望を完全な選択式フォームだけで処理しようとすると、あらゆる組み合わせを事前に想定しなければなりません。

AIなら文章の内容を理解し、

「予約システムだけではなく、AIチャットボットも必要そうだ」

と整理したうえで、必要な追加ヒアリングへ進める設計ができます。

もちろん、最終的な価格ルールは事前に決めておく必要があります。

しかし、顧客の自由な文章を見積条件へ変換する部分をAIに任せられるため、従来型フォームより柔軟な見積フローを構築できます。

AI見積もりチャットボットとしてWebサイトに公開することも可能

社内だけで利用する必要はありません。

AI見積もりシステムをWebサイト上に公開すれば、顧客自身がAIと会話しながら見積もりを進めることも可能です。

たとえばサービスページに、

「AIに見積もりを相談する」

というボタンを設置します。

顧客が、

「こういうシステムを作りたい」

と入力すると、AIが必要な質問を行います。

必要情報が揃った段階で、

概算金額は○○円です。

と提示します。

これなら営業時間外でも、見込み顧客がその場で料金の目安を確認できます。

また、ヒアリング結果をそのまま営業担当者へ引き継げます。

担当者はゼロから、

「何を作りたいですか？」

「いつまでですか？」

「どんな機能が必要ですか？」

と質問する必要がありません。

AIによる一次ヒアリング → 人間による商談

という役割分担も可能になります。

ただし「AIだけで正式見積もり」はおすすめしない

AI見積もりシステムを顧客向けに公開する場合、重要な注意点があります。

それが人による承認です。

生成AIは非常に便利ですが、絶対に間違えないシステムではありません。

特に、

高額案件
特殊な値引き
契約条件
想定外の組み合わせ
原価変動の大きい商品
例外処理

などを完全自動化するとリスクがあります。

そのため、

AIが見積案を作成
↓
Pythonで金額を検算
↓
ルール違反がないか確認
↓
担当者が承認
↓
正式見積書を顧客へ送付

というフローを推奨しています。

Web上で顧客へ直接表示する場合も、

「概算見積もり」

として提示し、正式な見積書は担当者の確認後に発行する方法があります。

AIに人間を完全に置き換えさせるのではなく、

AIにヒアリング・情報整理・見積案作成を任せ、人間は確認と例外判断に集中する

という使い方が現実的です。

Excel形式の見積書を自動生成することも可能

今回のバックエンドはPythonで構築しています。

そのため、AIが作成した見積データを使って、既存のExcel帳票へ自動出力することも可能です。

たとえば現在、

見積書.xlsx

という社内フォーマットを使用している場合、

顧客名
見積日
見積番号
商品名
数量
単価
金額
小計
消費税
合計金額
備考

などを自動入力できます。

つまり、

AIチャットでヒアリング
→ 見積内容を確定
→ Excel見積書を生成

まで自動化できます。

既存のExcelフォーマットをそのまま活用したい企業にも対応しやすい構成です。

PDFとして出力したり、メール送信システムや社内ワークフローと連携したりすることも考えられます。

見積もり業務をAIで自動化するメリット

AI見積もりシステムを導入することで、次のような業務改善が期待できます。

1．ヒアリング漏れを減らせる

サービスごとに必須ヒアリング項目を登録しておけば、AIが不足項目をチェックできます。

担当者の経験だけに依存しにくくなります。

2．見積もりルールを統一できる

「Aさんはこの金額、Bさんは別の金額」

という属人化を防ぎやすくなります。

社内ナレッジとして正式な料金ルールを管理し、同じルールをAIから参照させます。

3．見積もり作成までの初動を早くできる

ヒアリング・情報整理・料金表確認などをAIが担当するため、担当者は最終確認から作業を開始できます。

4．ベテラン社員のノウハウを残せる

見積もりルールが担当者の頭の中だけにある企業もあります。

その判断基準をドキュメント化してナレッジに登録すれば、AIから検索できる情報として蓄積できます。

AI導入をきっかけとして、見積業務そのものを標準化することもできます。

5．24時間対応の見積もりチャットを作れる

顧客向けに公開すれば、WebサイトからAIへ直接相談できる仕組みも構築できます。

問い合わせ前の見込み客に価格の目安を提示する用途にも利用できます。

6．新しいサービスを追加しやすい

サービス追加時に、

見積ルール
ヒアリング項目
注意事項

をナレッジとして追加できます。

サービス数が増えても、それぞれの見積フローをAIが検索して使い分ける構成にできます。

どのような企業がAI見積もりと相性がいい？

特に相性が良いのは、次のような企業です。

見積もり件数が多い
毎回似たヒアリングをしている
Excelで見積書を作っている
料金ルールはあるが複雑
担当者によって金額が変わる
過去見積を探すのに時間がかかる
ベテラン社員しか見積もれない
顧客への一次回答を早くしたい
Webサイト上で概算見積もりを提供したい

たとえば、

システム開発
ホームページ制作
印刷
建設・工事
修理・メンテナンス
加工
レンタル
コンサルティング
広告制作
オーダーメイド商品
BtoBサービス

など、顧客へのヒアリング結果によって料金が変わるサービスに応用できます。

AI見積もり導入で最初にやるべきこと

AIを導入する前に、まず現在の見積業務を整理します。

最低限、次の3つを作ります。

① 見積もり対象サービス

何を見積もるのか。

② サービスごとの見積もりルール

どの条件なら、何円になるのか。

③ サービスごとのヒアリング項目

金額を決めるために、何を顧客へ聞く必要があるのか。

実は、AIモデルそのものより、このナレッジ整理が重要です。

料金ルールが曖昧な状態では、AIにも正しい判断をさせられません。

逆に、

「この条件ならこの価格」

「この情報がなければ見積もってはいけない」

「このケースは人間へ確認する」

というルールが整理されていれば、AIへ組み込みやすくなります。

AI見積もりシステムの開発だけでなく、こうした見積ルール・ヒアリング項目・ナレッジ構成の整理についてもサポート可能です。

開発したAI見積もりシステムの技術構成

ここからはエンジニア向けの内容です。

今回のシステムは次の構成で開発しています。

レイヤー	技術
フロントエンド	Next.js 15 / React 19 / TypeScript / Tailwind CSS
API	Python / FastAPI / Uvicorn / Pydantic
AI Agent	LangChain
LLM	OpenAI API
Embedding	text-embedding-3-small
DB	PostgreSQL 17
Vector DB	pgvector
ORM	SQLAlchemy 2.x
Migration	Alembic
PDF解析	PyMuPDF
ナレッジ連携	Google Drive API
インフラ	Docker Compose

全体像は次のようになります。

顧客
 ↓
Next.js
 ↓
FastAPI
 ↓
LangChain Agent
 ↓
 ├─ 社内ナレッジRAG
 ├─ 過去見積RAG
 ├─ ヒアリング充足確認
 ├─ 単価取得
 ├─ Pythonによる金額計算
 └─ PostgreSQLへの見積保存

単純な「ChatGPTに料金表を貼って見積もってもらう」仕組みではありません。

AI Agentが必要に応じて各Toolを呼び分ける構成にしています。

主なToolは次のとおりです。

Tool	役割
`search_internal_knowledge`	社内ノウハウをRAG検索
`search_past_estimates`	過去見積を検索
`get_rate_card`	単価情報取得
`check_hearing_coverage`	ヒアリング不足確認
`confirm_hearing_answers`	顧客同意を含めて回答確定
`calculate_price`	Pythonで金額検算
`save_estimate`	PostgreSQLへ保存

この構成によって、

AIによる柔軟性

と

業務システムとして必要な確実性

を両立することを狙っています。

Good / BadでAI見積もりの精度改善もできる

AIシステムは、作って終わりではありません。

実際に利用すると、

関係ないナレッジを検索した
質問の仕方が分かりにくかった
必要な条件を聞けなかった
過去見積の検索結果が適切ではなかった

といったケースが出てきます。

そこで今回のシステムには、チャット回答や見積もりに対する

Good / Bad

のフィードバック機能も実装しています。

Badになった回答を確認することで、

ナレッジの内容
ドキュメントの分割方法
検索方法
プロンプト
ヒアリング項目
見積ルール

などを改善できます。

特にRAGでは、AIモデルだけではなくナレッジをどのように整理するかが重要です。

この部分についても、実際の運用を見ながら調整していくことができます。

AI見積もりシステムは「見積書作成」だけを自動化するものではない

見積もり業務を考えるとき、ExcelやPDFの見積書を作成する作業だけに注目しがちです。

しかし本当に時間がかかるのは、その前です。

顧客から要望を聞く
↓
必要な情報を整理する
↓
不足情報を追加で確認する
↓
料金ルールを確認する
↓
過去案件を探す
↓
明細を考える
↓
計算する
↓
見積書を作成する

という一連の業務があります。

そのため、単純に「見積書を自動作成するツール」だけでは、大幅な効率化につながらないケースもあります。

今回開発したAI見積もりシステムでは、見積書を作る前のヒアリングから自動化することを重視しています。

ここに生成AIを使う大きな意味があります。

AI見積もりシステムについてよくある質問

AIで見積もりを完全自動化できますか？

条件が明確なサービスであれば、かなりの部分を自動化できます。

ただし、高額案件や例外の多い見積もりについては、AIが見積案を作成し、人間が最終承認する運用をおすすめします。

今使っているExcelの見積書をそのまま使えますか？

対応可能です。

Pythonから既存Excelテンプレートへ顧客名・明細・数量・単価・合計金額などを書き込み、見積書として出力する仕組みを構築できます。

過去の見積書をAIに参照させることはできますか？

可能です。

過去見積をデータベースやベクトル検索の対象にすることで、類似案件をAIが検索する仕組みを構築できます。

ただし、過去価格と現在の正式料金ルールを混同しない設計が重要です。

Google Driveの資料を使えますか？

可能です。

今回のシステムではGoogle Drive APIを利用し、共有フォルダ内のPDF・Google Docs・Google Sheetsなどをナレッジとして同期できるようにしています。

新しいサービスを追加するときにプログラム改修は必要ですか？

見積ルールやヒアリング項目については、自然言語で書いたドキュメントを追加・変更することで対応できる範囲を広げられます。

特殊な計算ロジックや新しい外部システム連携が必要な場合は、追加開発が必要になることがあります。

ChatGPTに料金表を入力するだけではダメですか？

簡単な概算なら可能です。

しかし業務システムとして利用する場合には、

どのナレッジを参照したか
ヒアリング項目が揃っているか
正式な料金ルールを使っているか
計算結果が正しいか
顧客が内容を確認したか
見積データを保存できるか

なども考える必要があります。

そのため、RAG・ヒアリングチェック・計算処理・DB保存などを組み合わせたシステムにしています。

AIで見積もり業務を自動化しませんか？

見積もり業務は、

「料金計算」だけを自動化しても不十分

なケースが少なくありません。

本当に自動化するためには、

顧客へのヒアリング
不足情報の確認
社内料金ルールの検索
過去見積の検索
見積明細の作成
金額計算
見積保存
Excel・PDF出力
人による承認

まで、一連の業務として考える必要があります。

生成AIとRAGを利用すれば、これまで人間が行っていた**「文章を読んで、条件を整理して、必要なことを聞く」**という工程までシステム化できます。

一方で、金額計算や保存処理などは従来のプログラムに任せる。

この組み合わせによって、実務で使いやすいAI見積もりシステムを構築できます。

「自社の見積もり業務をAIで自動化できるか知りたい」

「Excelで行っている見積もりをシステム化したい」

「WebサイトにAI見積もりチャットを設置したい」

「社内の過去見積や料金ルールをRAGで検索したい」

「見積もり業務が担当者に属人化している」

という場合は、お気軽にご相談ください。

現在の見積もり業務を確認したうえで、どこまでAIで自動化できるか整理するところから対応可能です。

お問い合わせはこちら