見積もり作成の自動化を3ステップで｜Excelテンプレ8項目→過去データ→AI単価提案（製造業の例）

製造業の見積もり作成は、属人化しやすい業務の代表格だと思う。

材料費、加工費、外注費、利益率—これらを組み合わせて「この案件はいくらで出すか」を判断する。その判断基準がベテランの頭の中にしかない。単価表はあるけど、実際にはそこに書いていない条件分岐がたくさんある。「この材質でこの板厚だと加工に手間がかかるから少し上乗せする」「この取引先は数量が多いからここまで下げられる」みたいな暗黙知。

ベテランが休んだ日に急ぎの見積もり依頼が来る。若手が対応しようとするけど、単価の判断ができない。結局「明日まで待ってください」になる。これが繰り返されると、見積もりのスピードが会社のボトルネックになる。

この記事では、Excelテンプレートから始めて、最終的にAIで類似案件の自動検索と単価提案ができるようになるまでの3ステップを書いていく。

見積もり作成に時間がかかる3つの原因

まず、なぜ見積もり作成に時間がかかるのかを整理しておく。

Step 1: Excelテンプレートで見積もりを標準化する

いきなりAIやシステムの話をする前に、まずやるべきことがある。全員が同じフォーマットで見積もりを作れる状態にすること。

テンプレートに入れるべき項目はこの8つ。

• 品名
• 材質
• 数量
• 単価（材料費）
• 加工費
• 外注費
• 利益率
• 合計金額

ポイントは、材質別の単価マスタを別シートに持っておいて、VLOOKUPやINDEX関数で参照する仕組みにすること。材質を選択するだけで材料費の単価が自動で入る。これだけでも「単価いくらだっけ」と調べる時間がなくなる。

この段階では、作成時間を短縮できるかより、同じ項目で比較・引き継ぎできる状態をつくることが目的です。標準化の前後で、作成時間、確認回数、見積もりの修正理由を記録して効果を確認しましょう。

Step 2: 過去の見積もりデータをデータベース化する

テンプレートで作った見積もりが溜まってきたら、次はそれをデータベースにする。

Excelファイルがフォルダにバラバラに入っている状態だと、検索ができない。Googleスプレッドシートに1行1案件で集約する。列は「見積もり番号」「日付」「取引先」「品名」「材質」「加工方法」「数量」「単価」「合計」。

こうすると、材質・板厚・加工方法・数量などで過去の類似案件を絞り込めるようになります。検索結果は単価を決める答えではなく、確認すべき過去事例として使います。

過去のデータがあれば、若手でも「前回はこの単価で出している」「数量が多いときはこれくらい下げている」という判断の根拠が手に入る。ベテランに聞かなくても、データが教えてくれる。

Step 3: AIで類似案件の自動検索と単価提案を実装する

データベースができたら、最後のステップです。AIは「この案件に近い過去の見積もりを探す」「確認すべき条件を洗い出す」といった補助に使い、単価を決める最終判断は人が行います。

具体的には、整理済みの見積もりデータを検索できる形にし、新しい案件の条件に近い過去事例を候補として出す運用を作ります。AIを使う場合も、入力データの取り扱いを確認したうえで、類似案件の抽出や確認漏れの洗い出しに用途を限定します。

ここで大事なのが、ベテランの判断基準を言語化することです。たとえば数量、材料、加工難易度、取引条件、歩留まりなど、単価に影響する要因を整理します。こうしたルールは、AIへの指示以前に、見積もり担当者が確認・承認できる文書として残します。

ベテランの頭の中にあった判断基準を、担当者が確認できるルールに変えることで、会社の資産として残します。ベテランが不在でも、過去事例とルールを参照し、必要な確認先を判断できる状態を目指します。

この段階では、作成時間だけでなく、見積もりの修正回数や粗利の想定と実績の差異も合わせて評価します。

生成AIで見積もり作成はどこまで自動化できるか—精度・リスク・人が確認する範囲

ChatGPT のような生成AIに「この仕様で見積もりを作って」と頼めば、それらしい見積書の下書きは数分で出てくる。ただし、それをそのまま顧客に出せるかは別の話だ。生成AIが得意なことと、人が確認しなければならないことを分けておく。

生成AIが得意なこと

• 過去の見積もりから類似案件を探し、項目の抜け漏れを指摘する（Step 3 の類似検索はここに当たる）
• 図面や仕様書の文章から、材質・数量・加工内容を見積もりの項目に読み替える下書き
• 顧客からの見積依頼メールを読んで、確認すべき質問（数量・納期・図面の有無）を先に並べる

人が確認しなければならないこと

• 単価と金額の根拠。生成AIは学習した文章から「それらしい数字」を出すことがあり、自社の材料費・加工賃・外注費の実績に基づいた数字ではない。単価は必ず Step 2 で整えた過去データを根拠にする
• 仕様の読み違い。公差、表面処理、数量のロット条件など、図面の一行を落とすと金額が大きく変わる項目は人が見る
• 顧客ごとの取り決め。値引き条件、支払条件、特急対応の扱いは過去の見積もりに書かれていないことが多い

つまり生成AIは「見積もりを作る人」ではなく「見積もりを作る人の下書きと確認を速くする道具」として入れるのが現実的だ。精度は、過去データが整っているほど上がる。データが Excel の個人ファイルに散っている状態で AI だけ入れても、出てくる下書きの精度は上がらない。この記事が Step 1・Step 2 を先に置いている理由はここにある。

ベテランの暗黙知をヒアリングするコツ

「どうやって工数を見積もっていますか？」と聞いても、「経験でわかる」としか返ってこない。効果的なのは、実際の見積もり案件を一緒に見ながら、判断プロセスを一つずつ聞き出す方法。

実際の案件を複数確認すると、判断基準のパターンと例外条件が見えてきます。板厚、曲げ、穴あけ、歩留まりなど、現場固有の条件分岐をリスト化し、Excelや運用ルールに落とし込みます。

Excelの関数・マクロで半自動化する具体例

Step 1のテンプレートをさらに発展させる場合、以下のような関数を実装する。

さらに、見積書フォーマットへの転記をマクロで自動化すると効果が大きい。VBAの知識がなくても、「マクロの記録」機能で転記操作を録画するだけで仕組み化できる。見積番号の自動採番やPDF出力の自動命名（顧客名_品名_日付.pdf）も、簡単なマクロで対応可能。

見積もり自動化ツールの種類と、既存システムとの連携

「見積もり 自動化」で探すと多くのツールが出てくるが、仕組みで分けると3種類しかない。自社の見積もりの詰まり方に合わせて選ぶ。

• 汎用の生成AI（ChatGPT など）：下書きと確認質問の生成に向く。追加費用が小さく、Step 3 の最初の試行に使える。単価の根拠は持たない
• 見積もり特化のクラウドツール：品目マスタ・単価表・過去見積もりを持ち、見積書の作成から請求書までを一つの画面で回す。マスタと過去データを入れる作業が導入の大半を占める
• 図面読み取り型（製造業向け）：2D図面や仕様書から加工内容と数量を読み取り、過去実績から金額を算出する。機械加工・板金・表面処理など加工種別が決まっている会社ほど効果が出やすい

連携で決まること

どの種類を選んでも、見積もりは単体では完結しない。受注後は販売管理や生産管理へ、見込み段階では顧客管理（CRM）へ数字を渡す。ツールを選ぶ前に「見積もりの番号・品目・金額を、どのシステムに、誰が、いつ渡すか」を書き出しておく。ここが決まっていないと、見積もりだけが自動化されて、受注後に手入力へ戻る。

最初から特化ツールを入れる必要はない。Excel テンプレートと過去データの整理（Step 1・2）が済んでいれば、汎用の生成AIで下書きを試し、件数と精度を見てから特化ツールや図面読み取り型を検討する順番で十分に間に合う。

段階的に進めるロードマップ

いきなりLevel 3を目指すと失敗する。Level 1で「ルールをExcelに落とし込む」作業をしないと、専用ソフトを入れても熟練者が「なんか違う」と言い出してツールが使われなくなるパターンに陥る。

効果をどう測るか

効果は、作成時間だけでは判断できません。見積もりの誤りや修正、粗利の想定と実績の差、問い合わせへの初動などを導入前後で見ます。空いた時間を、取引先への条件確認や見積もり精度の向上に使えているかも確認しましょう。

最後に

御社の見積もり、ベテランが休んだら誰が出せますか？

見積もりの対応を急ぐほど、確認漏れや属人化の影響が出やすくなります。対応スピードと利益・品質を両立するには、判断基準を残し、確認の流れを整える必要があります。

最初から全部を自動化する必要はありません。まずはExcelテンプレートで標準化し、次に過去データを検索できる形に整えます。そのうえで、AIを類似案件の参照や確認漏れの洗い出しに使い、人が最終承認する。この順番なら、見積もり業務の属人化を減らしながら安全に進められます。

関連記事：kintoneの過去の見積をコピーして見積書作成を効率化！利用プラグインとアプリの仕組みを解説