加工品の見積では、ベテランが図面を読み、過去の似た案件を思い出し、材料費と加工費を頭の中で積み上げています。AI見積は、この作業を分解してソフトウェアに置き換える仕組みです。
図面の読み取り、似た案件の検索、原価の計算をAIが受け持ちます。ただし、自社の原価の考え方やデータが整っていなければ、どれほど高機能なツールでも見積の精度は上がりません。
この記事では、見積業務が遅くなる症状と属人化の原因を整理したうえで、AIが図面から原価を出す流れ、方式ごとの違い、公表されている導入効果、つまずきやすい注意点、導入の進め方という順で解説します。
加工品の見積が遅くなる4つの症状
切削、板金、製缶などの加工品を受注する会社では、見積は営業活動の入り口です。図面を受け取ってから金額を返すまでの速さと正確さが、そのまま受注の可否を左右します。
ところが見積は、受注につながらない案件も含めて処理しなければならない業務です。見積起点の製造業向けAIエージェントを2026年7月に発表した匠技研工業は、製造業の現場では受注の数倍に及ぶ見積を日々処理する必要がある、と説明しています。
見積業務に問題を抱えている会社では、次の4つの症状がよく見られます。
どれも「人が足りない」だけでは説明できず、仕組みの問題が隠れています。
※匠技研工業のプレスリリース、大塚商会ERPナビの解説記事で挙げられている課題をもとに整理。
回答が遅れれば、相見積を取っている顧客は先に返ってきた会社と話を進めます。金額がばらつけば「前回と値段が違う」と指摘され、根拠を説明できなければ値下げ要請に応じるしかなくなります。
4つの症状は別々に見えますが、根は共通しています。見積のやり方が特定の人の頭の中にしかない、という状態です。
見積が属人化する3つの原因
見積が属人化する理由を理解するには、まず加工品の見積金額がどう組み立てられているかを押さえておく必要があります。会社によって呼び方や区分は異なりますが、おおむね次のような積み上げになります。
金額の大半は「どの工程で何分かかるか」の見立てで決まります。
※区分は会社によって異なります。材料費と外注費は相場や仕入先の見積で比較的決めやすく、ばらつきが出やすいのは加工時間の見立てです。
材料費や外注処理費は、仕入先の単価表や見積を見れば比較的決めやすい項目です。一方で加工費は「この形状をどの機械で、どの順番で、何分で削るか」という工程の見立てに左右されます。ここに経験の差が出ます。
図面から工程を組み立てる判断が暗黙知になっている
ベテランの見積担当者は、図面を見た瞬間に「これはマシニングで2工程、穴はこの精度なのでリーマ仕上げ、最後に研削」と工程を組み立てています。この判断は、公差や表面粗さの指示、材質の削りやすさ、自社設備の得意不得意をまとめて考えた結果です。
その前提となる機械図面の読み方や、切削・研削などの加工法の選び方は教えられても、「この形状なら何分」という感覚は現場経験の積み重ねでしか身につきにくいものです。
判断の理由が言葉になっていないため、人から人へ移しにくいのが属人化の第一の原因です。
原価の前提が社内で共有されていない
加工費を計算するときの時間単価（アワーレート）が、担当者によって違うことも珍しくありません。ある人は数年前の単価を使い続け、別の人は最近の電気代や人件費の上昇を上乗せしている、という状態です。
こうなると、同じ工程の見立てでも金額がずれます。ばらつきの原因は見立ての差だけでなく、計算の前提の差にもあるという点は、AI導入の前に押さえておきたいところです。
過去の実績を探せない
似た部品を以前に見積もったことがあれば、その金額を参考にするのが一番の近道です。ところが過去の図面や見積書が紙のファイル、個人のフォルダ、メールの添付に散らばっていると、探すだけで時間がかかります。
結局「前にやった気がする」という記憶を持つベテランに聞くことになり、属人化がさらに進みます。大塚商会のERPナビでも、過去実績が分散して管理され、必要な情報の検索に多くの時間がかかっている状況が課題として挙げられています。
AI見積の仕組み｜図面から見積書までの流れ
AI見積は、前の章で挙げた3つの原因に対応する機能を組み合わせたものです。
匠技研工業が2026年7月に発表した「匠フォース AIエージェント」を例にとると、メールでの引き合いの受領から、図面の認識、材料費や加工費の算出、過去の類似案件の参照、見積書の作成までを一続きで自動化する構成になっています。
人が最終確認し、その修正をAIが学ぶことで精度を上げていきます。
※匠技研工業の発表内容をもとに一般化した流れです。製品によって自動化される範囲は異なります。
図面の読み取り
最初の工程は、図面の表題欄や注記から図番、品名、材質、数量といった情報を読み取ることです。匠フォースの製品サイトでは、AIが図面上の情報を読み取り、対応する項目へ一括入力することで手入力のミスを防ぐ、と説明されています。
地味に見えますが、転記作業がなくなるだけでも1件あたりの時間は確実に縮みます。FAXでかすれた図面や手書きの追記がある図面では読み取り精度が落ちるため、確認の手間は残ります。
類似図面の検索
次に、今回の図面と形状が似ている過去の図面を探します。2D図面の画像や3Dモデルの形状をAIが特徴として数値化し、似たものを順に並べる仕組みです。類似品が見つかれば、その時の見積金額や実際にかかった工数を出発点にできます。
大塚商会の解説記事で紹介されている見積システム「SellBOT」では、図面を投入すると類似度95％以上の実績データを抽出し、価格を自動で調整するとされています。
ベテランの「前にやった気がする」という記憶を、データベースの検索に置き換える部分です。
原価の算出
類似品の金額をそのまま使うのではなく、寸法や数量、材質の違いを反映して原価を計算し直します。
材料費は材質と素材サイズから、加工費は工程ごとの時間とアワーレートから求めるのが基本で、その計算ロジックを自社仕様にカスタマイズできる製品が多くあります。
ここで効いてくるのが、前の章で触れた「原価の前提」です。AIは入力された単価や計算式をもとに計算するため、前提が古ければ出てくる金額も古いままになります。
人の修正を学習する
AIが出した見積案を、担当者が確認して修正します。匠フォース AIエージェントでは、この修正内容をAIが学び、次回以降の算出に反映する「再学習ループ」を特徴として打ち出しています。
使い込むほど自社の値付けの癖に近づいていく設計で、ベテランの判断を少しずつデータとして残していく仕組みともいえます。技能伝承の観点では、見積の判断を形式知に変える手段の一つとして捉えることもできます。
AI見積の3つの方式と向いている品目
「AI見積」とひとくちに言っても、金額を出す考え方は製品によって異なります。大きく分けると、過去の実績を参照する方式、計算ロジックで積み上げる方式、3Dの形状を解析する方式の3つです。
実際の製品は、これらを組み合わせていることが多くあります。
自社の受注品目と、手元にあるデータの種類で向き不向きが分かれます。
※3D形状解析型の代表例は、ミスミの部品調達サービス「meviy」のように、発注側が3Dデータを入れて即時見積を得るサービスです。
類似実績参照型は、過去データが多い会社ほど力を発揮します。反対に、創業から日が浅い会社や、毎回まったく違う形状を受ける会社では、計算ロジック型の比重を高めた方が安定します。
3D形状解析型の例として、ミスミの「meviy」は3DデータをアップロードするだけでAIが即時に見積もり、最短1日で出荷する仕組みを打ち出しています。見積の自動化が進むと、見積と受注・製造の境目がなくなっていくことを示す例といえます。
見積を出す側と査定する側で使うAIは違う
もう一つ整理しておきたいのが、誰が使うAIなのかという点です。加工品の見積には、図面を受け取って金額を出す受注側と、複数社から見積を集めて比べる発注側（購買・調達）の2つの立場があります。
同じ「AI見積」でも、解決したい課題が異なります。
キャディが2024年9月に正式提供を始めた「CADDi Quote」は、発注側のためのアプリです。図面をAIが解析し、類似品を製造する相見積先の候補や過去の実績価格を示します。
購買・調達の仕事の流れでいえば、仕入先の選定から見積比較、価格交渉までの工程を支える位置づけです。
受注側の加工メーカーにとって、これは他人事ではありません。発注側がAIで価格の目安を持つようになれば、根拠のない見積は通りにくくなるからです。
キャディは2026年8月、過去の調達・見積実績や類似品、原価の内訳から価格の妥当性を分析し、査定の根拠を記録する「CADDi Cost Review」を年内に提供する予定だと発表しています。
導入事例に見る効果の数字
AI見積の効果は、各社のプレスリリースや導入事例で数字が公表されています。条件や測り方は事例ごとに異なるため単純な比較はできませんが、どの業務がどれだけ縮んだのかの目安にはなります。
時間の短縮だけでなく、受注率や営業時間にも効果が表れています。
※各社・各製品の公表資料より。測定の条件や対象業務は事例ごとに異なります。
大塚商会の解説では、月間100画面の見積業務を例に、従来約240万円（8人分）かかっていたコストが60万円（2人分）になるという見込みも示されています。
見積担当者を減らすというより、空いた時間を営業や技術検討に回せることに価値があると捉えるのが現実的です。
注目したいのは受注率の変化です。見積の回答が速くなれば、顧客の検討の早い段階で自社の金額を示せます。相見積で先に回答した会社が有利になりやすい加工品の取引では、回答スピードそのものが競争力になることを示す数字といえます。
AI見積でつまずく注意点
AI見積は、導入すればすぐにベテランと同じ金額が出るものではありません。つまずきやすいポイントは、図面の読み取り、学習に使うデータ、価格の前提、根拠の説明の4つに分けられます。
AIが苦手な部分を知っておけば、確認の手間を絞り込めます。
※確認項目は一般的な例です。自社でよく出る修正の内容を記録していくと、確認ポイントを絞り込めます。
図面の読み取り誤りを前提にする
表題欄の情報は比較的正確に読み取れても、図面の余白に書かれた注記や、手書きで追記された指示は読み落とすことがあります。熱処理やめっきの指定を見落とせば、外注処理費がまるごと抜けた見積になります。
導入初期は、AIが読み取った項目と図面を並べて確認する手順を必ず残しておくことが大切です。
学習させる実績データの質を見る
類似実績参照型では、過去の見積金額が「正解」として扱われます。ところが過去の見積には、失注した案件の金額や、結果として赤字になった受注の金額も含まれています。
そのまま学習させると、過去の値付けの失敗まで再現してしまいます。受注の有無や実際にかかった工数と見積をひも付けておくと、「受注できて利益も出た金額」を基準にできるようになります。
材料価格や人件費の変動に追従させる
過去の見積金額は、その時点の材料相場や人件費を前提にしています。数年前の類似品の金額をもとにすると、その後の値上がり分が抜けたままになりかねません。
材料単価やアワーレートは、AIとは別に定期的に見直すルールを決めておく必要があります。AIに任せるのは計算であり、単価の決定は人の仕事と切り分けておくと運用が安定します。
金額の根拠を説明できる状態にする
AIが出した金額について、顧客から「なぜこの価格なのか」と聞かれたときに答えられるかどうかも重要です。類似品の金額を補正しただけの見積では、根拠の説明が難しくなります。
2026年1月に施行された取適法（下請法を改正した中小受託取引適正化法）では、協議に応じない一方的な代金決定が禁止されました。
取適法のもとでの価格交渉でも、原価の内訳を示せることは受注側の大きな武器になります。材料費と加工費の内訳まで出せる仕組みにしておくと、見積がそのまま交渉資料として使えます。
AI見積の導入を進める5つのステップ
最後に、AI見積を導入する際の進め方を整理します。ツール選びから始めるのではなく、自社の見積のやり方とデータを整えるところから始めるのが遠回りに見えて確実です。
準備の段階で、精度の上限がほぼ決まります。
※ステップは一般的な進め方です。製品によっては導入支援の中でデータ整備を代行してもらえる場合もあります。
データの棚卸しと原価の前提をそろえる
最初にやるべきことは、過去の図面と見積書がどこに、どの形式で残っているかの確認です。紙の図面しかない場合は、スキャンしてデータ化する作業が必要になります。
あわせて、受注できたかどうか、実際に何時間かかったかという情報がひも付けられるかも確認します。
同時に、アワーレートや材料単価の考え方を社内でそろえます。ここがばらついたままAIを入れると、ばらつきをそのまま学習した見積が高速で出てくるだけになります。
小さく始めて並行運用する
対象は、見積件数が多く、形状が似ている品目から始めるのが定石です。一定期間はベテランの見積とAIの見積を並べ、金額に差が出たときにどちらが妥当だったか、なぜ差が出たかを記録していきます。
この記録そのものが、ベテランの判断基準を言葉にする作業になります。試験運用で止まらないための進め方は、製造業のAIエージェント導入手順もあわせて参考にしてください。
人が確認するルールを決めて移行する
並行運用で精度が見えてきたら、AIの金額をそのまま使ってよい条件と、人が必ず確認する条件を決めます。たとえば「類似度の高い実績があるリピート品は担当者の簡易確認のみ」「新規形状や特殊材は必ずベテランが確認」といった線引きです。
最終的な金額に責任を持つのは人である、という点は導入後も変わりません。AIは見積担当者を置き換えるものではなく、判断に集中できる時間をつくる道具として位置づけると、現場の理解も得やすくなります。
まとめ
- 加工品の見積は受注の数倍の件数を処理する業務で、回答の遅れ・属人化・金額のばらつき・根拠不足が起きやすい
- 属人化の原因は、工程の見立てが暗黙知であること、原価の前提がそろっていないこと、過去実績を探せないこと
- AI見積は図面読み取り、類似図面検索、原価算出、人の修正の学習を組み合わせた仕組み
- 公表事例では、見積回答が平均3日程度から平均1時間に縮み、受注率が約30％から約40％に上がった例もある
- 読み取り誤り、学習データの質、単価の更新、根拠の説明に注意し、データと原価の前提を整えてから導入する
見積業務のAI化は、営業、設計、製造をつなぐ仕事の見直しでもあります。見積を担う職種としては技術営業の仕事の流れが、仕組みの土台となる技術としては生成AIの基本原理が深く関わります。
ベテランの判断を見える化する取り組みとしては、スキルマップ（力量表）の作り方もあわせてご覧ください。
出典
出典・参考資料（8件）を開く出典・参考資料を閉じる
- 匠フォース AIエージェントの発表：匠技研工業「見積業務を起点とする製造業向けAIエージェントを発表」（PR TIMES、2026年7月17日）
- 匠フォースの機能構成：O!Product AI「匠技研工業、見積起点の製造業向けAIエージェントを発表」
- 図面読取・類似図面検索・導入事例：匠フォース 製品サイト（匠技研工業）
- 見積業務の課題とSellBOTの効果：大塚商会 ERPナビ「製造業の課題を解決！AI見積りやAI図面検索で脱属人化と生産性向上を実現」（2025年4月22日）
- CADDi Quoteの正式提供と導入事例：キャディ「AI見積クラウド CADDi Quote を正式に提供開始」（2024年9月17日）
- CADDi Cost Reviewの提供予定：キャディ「次世代版『製造業AIデータプラットフォームCADDi』を新発表」（2026年8月6日）
- meviyの即時見積：ミスミグループ本社「meviy 3DCADデータから2D図面（DXF）の自動作成を実現」（PR TIMES、2023年4月5日）
- 取適法の施行：政府広報オンライン「2026年1月から下請法が『取適法』に！委託取引のルールが大きく変わります」
NEWSLETTER
選んだ職種・業種に合わせた記事を、週1回メールで
週刊MONOSCOPEは、登録時に選んだ職種・業種に合わせた記事を週1回お届けする無料のメルマガです。
職種・業種を選んで登録へ ›
無料・週1回。登録後に届く確認メールのリンクを押すと登録が完了します。配信はメール内のリンクからいつでも停止できます。
WEEKLY NEWS
今週の製造業ニュース10選
メルマガは職種・業種に合わせた記事。LINEとnoteでは、全員共通の10本を毎週土曜の朝にお届けします。
LINEでニュース10選を受け取るnote今週のニュース10選をnoteで読む ›
コメント