個別見積の作成をAIで自動化する方法｜属人化を解く価格の3層設計

個別見積の作成をAIで自動化するときは、AIに金額を確定させず、受注メール・電話・FAXの依頼から品番・数量・納期を読み取り、過去の見積履歴と得意先ごとの価格ルールに照らして見積書の下書きを作らせる形にします。その準備として、見積金額を①標準単価、②数量・納期などの変動要因、③得意先ごとの個別条件の3層に分けて表に書き出します。表ができれば、AIを使わずに既存の見積ツールで足りる取引も見えてきます。

「見積書、結局あの人にしか作れない」の構造

卸・製造業のBtoB営業では、得意先から届く見積もり依頼のうち「あの担当者でないと金額が出せない」案件が一定数あります。数量・仕様・納期の組み合わせで価格が変わり、得意先ごとの過去の取引経緯や特別条件（長年の取引による優遇掛率、季節キャンペーンの単価等）まで加味しないと正しい金額になりません。こうした案件は価格表に一律で落とし込めないため、見積書の起案は、経験豊富な担当者の頭の中にある相場観と記憶に頼ることになります。

受注メール・電話・FAXで見積もり依頼が届くたびに、担当者はその内容を読み解き、過去の類似案件を思い出しながら金額を組み立て、見積書を起こして返信します。経験の長い担当者ほど速く正確にこなせますが、裏を返せば再現性がないということです。その担当者が休暇や出張で不在になれば見積もりの回答が止まり、退職すれば同じ条件の案件でも金額にブレが生じたり、過去の経緯を知らないまま値引きしすぎたりするリスクが生まれます。

Shopify B2Bに見積フローを組む方法と5つのステップでは、得意先ごとに掛率が固定されている取引は、価格表（カタログ）に落とし込めば見積書自体が不要になると説明しました。この方法が使えるのは「価格が固定されている取引」に限られます。数量や仕様、得意先条件によって案件ごとに価格が変わり、価格表に落とし込めない取引は残ります。この記事は、その「価格表化できない個別見積もり」について、見積書の起案をAIでどこまで支援できるかを扱います。

なぜ「価格表」に落とし込めない見積もりが属人化するのか

個別見積もりが属人化しやすいのは、金額を決めるための情報が担当者の記憶とメモに散在し、他の人が同じ条件で再現できる形になっていないためです。

• 数量・仕様・納期によって都度掛率や単価が変わる取引があり、標準の掛け率表を一律で当てはめられない
• 得意先ごとの過去の値引き経緯や特別条件（長期取引の優遇掛率、季節ごとのキャンペーン単価等）が担当者の記憶や個人メモに散在し、他の担当者が同じ条件で見積もれない
• 受注メール・電話・FAXで届く依頼内容（品番・数量・希望納期・特記事項）をそのつど読み解き、過去の類似案件を思い出しながら金額を組み立てる作業に、案件一件あたり数十分かかることもよくある
• 担当者が休暇・出張・退職で不在になると、見積もりの回答が遅れるか、金額にブレが生じ、失注や信頼低下につながる

過去の金額・値引き条件・類似案件といった見積もりの根拠を、誰でも参照できる形に書き出さないまま担当者の経験に頼り続ける限り、人を増やしてもこれらの問題は解消しません。前述のShopify B2Bの見積フローの記事のSTEP1にある方法で「毎回見積もり」の中身を仕分けると、価格表に落とし込める取引と、この記事が扱う価格表に落とし込めない取引が混在していることが分かります。

「価格表に落とし込めない」と言われる見積もりも、分解すると多くは3つの層の組み合わせでできています。この3層を表にする作業が、属人化を解く作業の中心です。

作業の手順は③から始めます。②は担当者に聞けば出てきますが、③は記憶の中にしかなく、退職や異動で失われます。主要得意先20社について③を書き出すと、「あの人でないと出せない」案件を減らせます。AIを使うかどうかは、その次の判断です。

AIで「見積書ドラフト」を自動生成するとは

AIに見積金額を確定させるわけではありません。AIが担うのは、受注メール・電話の内容（音声を文字に起こしたテキスト）・FAXの依頼から品番・数量・希望納期・特記事項を読み取り、過去の見積履歴や得意先ごとの価格ルールと突き合わせて、見積書のドラフト（下書き）を起案するところまでです。金額の最終確認、特別値引きの判断、承認と送付は、引き続き担当者が行う形で設計します。

この線引きを導入前に決めるかどうかで、成否がほぼ分かれます。「AIが金額を出す」と期待して始めると、担当者は出てきた数字を信用できず、結局すべてを自分で計算し直すことになります。「ドラフトの叩き台をAIが用意し、確認と調整を人がする」と割り切れば、導入直後から使えます。

得意先ごとの値引き条件や交渉の経緯は個別性が高く、過去データがどこまでそろっているかによってドラフトの精度は変わります。「精度◯◯%」という数字で判断せず、自社の過去案件で試して確かめてください。導入後の使い勝手を左右するのは、どこまでAIが起案し、どこから担当者が確認・調整するかの切り分けです。

進め方（4フェーズ）

見積案件のすべてを一度に対象にせず、段階を踏んで進めると、価格ルールの定義の手戻りを小さくできます。

①現状の把握では、直近の見積もり案件を棚卸しし、価格表型・都度見積型・相談型のどのパターンにどれくらいの割合で分布しているか、過去の見積書・受注メールがどんな形式で存在しているかを洗い出します。そのうえで、AIでどこまで自動ドラフト化ができ、どこに担当者の確認が必要かを見立てます。

②PoC（概念実証。小規模に試して効果を確認する工程）では、一部の得意先・案件カテゴリに絞り、手元の受注メールや電話内容の記録を使ってAIによる見積書ドラフトの起案を試します。金額の精度と、担当者による確認・修正がどの程度必要になるかを確かめる段階です。

③実装では、PoCで見えた精度・運用範囲を踏まえて対象範囲を広げ、過去の見積履歴と得意先ごとの価格ルールを構造化データとして蓄積し、ドラフト起案から担当者確認・送付までのフローに組み込みます。

④運用は、新たな値引き条件や特別単価が発生するたびに価格ルールのデータを更新し、ドラフトの精度を保つ工程です。

効果は「時間」より「回答スピード」で測る

見積もりの自動化を検討するとき、削減時間ばかりを見ると投資判断を誤ります。BtoBの相見積もりでは、回答の速さが受注率に直結するためです。次の3つを1か月記録してみてください。

• 依頼受領から回答までの所要時間（案件ごと。中央値と最大値の両方を見る）
• 回答が翌営業日以降になった案件の件数と、その受注率
• 担当者不在で回答が滞った案件の件数

多くの会社では、中央値は悪くないのに最大値が極端に大きい、という形になります。この「遅い側の案件」がどこで詰まっているかが、着手すべき対象です。全案件を均等に速くする必要はありません。

費用の目安

費用は、対象となる見積パターンの複雑さ・得意先数・過去データがどこまでそろっているかで変わります。以下は市場の一般的な目安です。

1段目を飛ばして3段目から入るのは避けてください。価格の条件が文書化されていない状態では、何を起案させるかの定義ができず、構築費がかさむ一方になります。

まとめ：見積書は属人化させず、構造化して速くする

「見積書が結局あの担当者にしか作れない」「担当者が不在だと見積もりの回答が止まる」と感じているなら、原因は担当者の能力より、過去の見積履歴・値引き条件・類似案件という金額の根拠が、言葉やデータになっていないことにある可能性があります。

着手は、①直近3か月の見積案件を価格表型・都度見積型・相談型に仕分ける、②都度見積型の価格を3層（標準単価・変動要因・得意先個別条件）に分解して表にする、③1つの得意先カテゴリに絞ってドラフト起案を試す、の流れです。①②は表計算で進められます。ここまでで「半分は価格表化できる」と分かることも多く、その取引はAIを使わずに価格表で解決します。

直近の見積案件を価格表型・都度見積型・相談型に仕分け、都度見積型を3層の表に分解する段階で、awaiが作業に入れます。仕分けで価格表にできると分かった取引は、自社EC伴走支援「awai Build」でBtoB向けの自社ECに載せ、見積もりを挟まずに注文を受ける形にできます。