個別見積もりの作成をAIで自動化する方法｜『担当者の勘と経験』から抜け出す

「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、得意先から届く見積もり依頼のうち「これはあの担当者じゃないと金額が出せない」という案件が一定数あることに心当たりはないでしょうか。数量・仕様・納期の組み合わせで価格が変わり、さらに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らない——こうした案件は、価格表に一律で落とし込めません。結果として、見積書の起案は特定の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。この一連の作業は、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。

似た課題を扱った記事として、見積もりを挟む商流のEC化｜Shopify B2Bに見積フローを組むでは、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、という整理をしています。ただしこれは「価格が固定されている取引」に効く打ち手です。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、そもそも価格表に落とし込めない取引は残ります。本記事は、その「価格表化できない個別見積もり」について、見積書の起案そのものを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珍しくない
• 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

これらは、見積もりの根拠となる情報（過去の金額・値引き条件・類似案件）を可視化・構造化しないまま「担当者の経験」に頼って回している限り、人を増やしても解消しない構造的な問題です。別記事「見積もりを挟む商流のEC化」のSTEP1で触れた「毎回見積もり」の中身の仕分けを行うと、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、実際には混在していることが見えてきます。

AIで「見積書ドラフト」を自動生成するとは

ここで押さえておきたいのは、awaiがご提供するのは「見積金額を自動で確定するAI」という単体製品ではなく、LLM（大規模言語モデル。文章など非定型のデータを扱えるAI）を使って非構造化データを整理するデータ構造化コンサルティングの一環として、受注メール・電話内容（音声から文字に起こしたテキスト）・FAXの依頼内容から品番・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いう構造化データと突き合わせて、見積書のドラフト（下書き）を起案するという支援です。

すでに近い取り組みとして、FAX発注書をAI-OCR（画像の中の文字を読み取る技術）で読み取り人が確認するフローを組む支援や、ECの商品マスタの表記ゆれをAIで名寄せ・統合する支援を行っており、本記事のテーマはその延長線上にあります。「受注メールや電話内容から見積書の下書きを起案する」ところまでがAIの役割で、金額の最終確認・特別値引きの判断・見積書の承認と送付は、引き続き担当者が行う前提で設計します。AIが見積金額そのものを単独で確定させる仕組みではありません。

なお、得意先ごとの値引き条件や交渉の経緯は案件ごとに個別性が高く、過去データの整理状況によってドラフトの精度は変わります。「精度◯◯%」という数字を鵜呑みにするのは危険で、awai自身が自社の起案精度を数値で保証することはしません。実務では、精度そのものよりも「どこまでAIがドラフトを起案し、どこから担当者が確認・調整する運用にするか」という切り分けの設計のほうが、導入後の実用性を左右します。

進め方（4フェーズ）

見積案件のすべてを一気に対象にするのではなく、段階を踏んで進めるのが実務的です。

①診断では、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、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、実際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、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認します。

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、ドラフトの精度を維持し続ける工程です。

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・過去データの整理状況によって変わりますが、市場の一般的な目安として、awaiがご案内している水準は次のとおりです（相場感の参考としてご覧ください）。

• 初期診断・設計：20〜30万円（現在の見積もり案件のパターン分布把握・起案対象の設計・ROI試算）
• 実装：50〜200万円（得意先数・案件パターンの複雑さによる）
• 保守・運用：5〜15万円／月（新たな価格ルール発生時のデータ更新・精度維持）

awaiでは、この初期診断そのものを入口としてご提供しています。有償の診断で「どこまで自動でドラフト起案でき、費用はどれくらいか」を先に見える化し、その後に実装をご発注いただいた場合は診断費を全額実装費に充当します。「診断だけで終わってもレポートは残り、進めれば診断費は実質無料になる」形なので、いきなり大きな開発費をかける前に、費用対効果を確かめてから判断していただけます。担当者が受注メールや電話内容を都度読み解きながら見積書を起こしていた工数が減れば、一般的な目安として月30〜100時間程度の削減が見込め、年間45〜150万円相当の人件費削減に相当し、投資回収は一般的に6〜12ヶ月が目安です（数値はいずれも一般的な目安であり、実際の効果は貴社の案件数・得意先数・価格パターンの複雑さにより異なります）。

まとめ——見積書は「属人化」ではなく「構造化」で速くする

「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不足ではなく、金額を決めるための過去の見積履歴・値引き条件・類似案件という情報が言葉・データとして整理されていないことにある可能性があります。

awaiは、LLMを使って受注メール・電話内容・過去の見積履歴に埋もれた情報を読み取り・整理し、見積書ドラフトの起案を支援するところまでをご支援します。FAX発注書の構造化や商品マスタの名寄せと同じ体制で行っているため、「起案は自動化するが、最終確認・承認は担当者が行う」という現実的な線引きを保ったまま、見積作成の属人化を緩和する設計が可能です。得意先ごとに掛率が固定されている取引で見積書自体を不要にしたい場合は、別記事「見積もりを挟む商流のEC化｜Shopify B2Bに見積フローを組む」もあわせてご覧ください。「見積書、いつも同じ担当者に集中している気がする」と感じたら、まずは現状をお聞かせください。

※本記事の費用・ROIは市場の一般的な目安であり、対象範囲・案件数・得意先数によって変動します。正確なお見積りは診断にて算出します。

個別見積もりの自動化の費用目安や進め方はよくあるご質問でも回答しています。