2026.06.22

見積もり業務はなぜ属人化するのか｜AIで脱・職人技を進める2026年の実践法

「この案件の見積もりは、あの人でないと出せない」――そんな会話が当たり前になっている職場は少なくありません。見積もりは数字を並べるだけの単純作業に見えて、実際にはベテランの相場勘や過去案件の記憶に深く依存しています。だからこそ担当者が休めば商談が止まり、退職すれば価格設定の基準ごと失われてしまうのです。

本稿の立場は明快です。見積もりの属人化は「回答が速いか遅いか」というスピードの問題ではなく、暗黙知をどう承継するかという構造の問題だということ。生成AIはこの構造に効きますが、入れれば自動的に解決するわけではありません。

見積もりが属人化する本当の理由

「あの人にしか出せない金額」の正体は暗黙知

見積もりが属人化するのは、担当者が情報を抱え込んでいるからではありません。価格を決める判断の多くが、本人すら言語化できていない暗黙知だからです。過去の似た案件ではいくらで通ったか、この顧客はどこまで値引きを期待するか――こうした勘どころは、マニュアルにもシステムにも残りません。

結果として、ノウハウは特定の個人の頭の中だけに蓄積されます。本人には「経験を積めば当たり前」でも、組織の側から見れば再現不可能な技能です。だから見積もりは、書類仕事でありながら職人技に近い性格を帯びます。

この見立ては、企業が課題をどう認識しているかとも符合します。経営層・マネジャーへの調査では、業務改革・DX領域で取り組むべき課題の第1位は「業務の標準化」で58.3%にのぼり、属人的な運用や部門間の分断の解消が急務とされています[1]。標準化が最優先に挙がる現実を踏まえれば、見積もりのような判断業務にも同じ課題が当てはまるはずです。

スピードだけ追うと属人化はむしろ強まる

見積もりの改善というと、多くの現場はまず「速さ」を目指します。テンプレートを整え、入力項目を減らし、回答までの時間を縮める。確かに効率は上がりますが、速さを担っているのが結局はベテラン個人であれば、その人への依存はむしろ強まってしまうのです。

「あの人なら15分で出せる」という状態は、効率化の成功例に見えて、実態は属人化の固定化です。早く正確に出せる人ほど仕事が集中し、ノウハウの言語化や引き継ぎは後回しになります。速さは分かりやすい指標ですが、承継という観点では本質を外しています。

脱属人化のために問うべきは「どれだけ速いか」ではなく「その人がいなくても同じ判断を再現できるか」です。視点を再現性へ移すと、打ち手は変わります。判断の根拠を組織の資産に変える発想が、テンプレート整備よりも先に要るのです。

なぜ今、見積もりの脱属人化が経営課題になったのか

標準化が最優先課題に浮上した背景

属人化は以前から指摘されてきた問題ですが、近年その優先度が一段上がっています。人手不足が常態化し、一人が複数業務を兼務する中で、「担当者が抜けたら止まる」リスクが経営に直結するようになったためです。先述のとおり、業務改革・DXで最も重い課題が標準化であり、次いでAI活用が40.4%で挙がっています[1]。両者が同時に上位へ来ている点に、解決の方向性がうかがえます。

見積もりはこの交差点にある業務です。価格という経営の根幹に触れながら、判断が個人に閉じている。だからこそ標準化の効果が大きく、AIによる支援も活きやすい領域です。

後継者はいても「技能」は承継されない

もう一つの背景が、技能継承の難しさです。後継者そのものは少しずつ手当てが進んでおり、全国の後継者不在率は52.1%まで低下し、製造業では43.8%と全業種で最も低い水準にあります[2]。経営の引き継ぎ手は見つかりつつあるのです。

しかし、後継者の「存在」と現場技能の「承継」は別の問題です。経営を継ぐ人がいても、見積もりの相場勘のような暗黙知が自動的に引き継がれるわけではありません。むしろベテランの退職が進むほど、言語化されないまま失われるノウハウは増えていきます。後継者の手当てが進むほど、次に問われるのは「中身の技能をどう残すか」でしょう。

ここに脱属人化を急ぐべき理由があります。属人化したまま担当者が去れば、価格設定の基準は組織に残りません。

AIは見積もりの「承継装置」として効く

過去見積を形式知に変えるという発想

生成AIを見積もりに使う意義は、単なる作成の高速化ではありません。蓄積された過去の見積データを検索・参照し、「この条件なら過去はこう出していた」という判断の根拠を引き出せる点にあります。これは、個人の頭にあった暗黙知を、誰でも参照できる形式知へ移し替える作業に近いものです。

大手コンサルティングの分析でも、生成AIは自然な言葉で社内の蓄積知識を引き出し、意思決定を支える点に価値があると指摘されています。営業・マーケティング領域だけで0.8〜1.2兆ドルの生産性余地があるとの試算もあります[3]。見積もりは、過去データと判断根拠を結びつけやすい業務であり、応用余地があります。

重要なのは、AIを「答えを出す機械」ではなく「承継装置」として捉える視点です。ベテランが暗黙に参照していた過去案件をAIが横断的に引き当てれば、若手でも判断の出発点に立てます。

文章作成から判断業務へ――活用フロンティアの移動

もっとも、現状の生成AI活用はまだ入口の段階にあります。活用している企業は34.5%で、その用途は文章の作成・要約・校正が45.1%と突出して多く、見積もりのような判断を伴う業務はこれからの領域です[4]。多くの組織は、まず文章仕事でAIに慣れている途中なのです。

裏を返せば、見積もりへの応用は、まだ先行する余地があるといえます。中小企業を対象とした調査では、導入効果に「付加価値の創出」を挙げた割合は、AIが22.3%、従来ITが7.4%でした[5]。効率化だけでなく価値創出にAIが効くなら、価格という価値の根幹を扱う見積もりは有力な適用先です。

ただし楽観は禁物です。同じ生成AI調査では、最大の懸念として情報の正確性が50.4%で挙がっています[4]。過去データをそのまま出すだけでは、古い相場や例外条件を見落とすリスクが残ります。だからこそ、AIに渡す前の準備と、人が最後に確かめる設計が要ります。

相場勘を引き継ぐ脱・職人技の実践設計

まず「見積知識の棚卸し」から始める

見積もりにAIを適用するとき、効きめを左右するのは元データの質です。過去の見積書が散在し、表記が揺れ、古い単価が混在していれば、AIは正しい根拠を安定して引き当てにくくなります。中小企業のAI活用でも「成功事例や活用事例などの情報」が入手できていない企業が83.3%にのぼります[5]。

そこで残すのは、書類ではなく「なぜその額にしたか」です。具体的には案件ごとに、条件（数量・仕様・納期）、提示額と内訳、値引きした理由、原価に見たバッファ、受注したか否か——この5点を一案件一行で記録します。ここまで残して初めて、相場勘は誰でも引ける形式知になり、業務全体の脱属人化を設計する土台になります。

いきなり全件は要りません。まず直近の受注・失注を十数件さかのぼり、勝ち筋と負け筋を言葉にすることから始めるのが現実的です。

AIに任せる範囲と人が残す判断を分ける

土台ができたら、AIの使いどころは明確です。新しい引き合いに対し、過去の似た案件を横断検索させ、「この条件なら過去はこの価格帯で通した」というたたき台を出させる。定型の積算や表記・計算の整合チェックも、AIに支援させやすい部分です。一方、戦略的な値引き、前例のない案件、顧客との関係を踏まえた最終調整は人が決めます。

この線引きを曖昧にすると、AIの出力をうのみにして例外を見落とすか、逆に全件を人が見直して効率が出ないかのどちらかに陥ります。正確性への懸念が最大の課題である以上[4]、AIの提案はあくまで「たたき台」とし、人が根拠を確認して確定させる手順を決めておきます。

そして、人が下した例外判断はデータに戻します。受注後に「なぜその額で勝てたか」を一行加えるだけで、AIが参照できる相場勘は厚みを増します。この循環ができれば、見積もりは「あの人の技」から「組織の仕組み」へと変わります。

さいごに

見積もりの属人化は、速さを追うだけでは解けません。本質は、ベテランの暗黙知をいかに組織の形式知へ移し替えるかという技能継承の課題だからです。後継者の手当てが進む今こそ、中身の技能をどう残すかが問われています。

最初の一歩は、大がかりな導入ではありません。直近の見積もりを数件、「なぜその額にしたか」まで言語化して残すこと——そこから始まります。そのうえで、過去案件の検索や積算はAIにたたき台を出させ、値引きや前例なき判断は人が決める。この役割分担を回せば、相場勘が言葉になった分だけ、見積もりは特定の個人から離れ、誰が担当しても判断の出発点をそろえられます。