こんにちは、株式会社TIMEWELLの濱本です。
「見積もりが追いつかない。忙しいのに、なぜか受注は思ったほど増えない」。製造業のお客様と話していると、この矛盾に必ずと言っていいほど行き当たります。引き合いは来ている。でも図面を読んで工数を積めるのはベテラン一人で、その人が出張に出た週は見積もりが丸ごと止まる。一方、相見積もりの相手は翌日には金額を出してくる。回答が2〜3日遅れた案件は、たいてい他社で決まっています。
見積もりの遅さは、単なる事務作業の滞りではありません。受注できたはずの機会をそのまま取りこぼす、売上に直結した問題です。この記事では、図面からの見積もりをAIで自動化するとはどういうことか、なぜ見積もりがベテラン頼みになるのか、その根っこから仕組み、導入の進め方までを、設計・営業・生産技術の現場目線で整理します。自社の立ち位置が気になる方は、先にAI活用度診断で現在地を確かめてから読み進めるのもおすすめです。
要点を先にお伝えします。見積もりで勝負を分けるのは金額の精度だけではなく、回答までのスピードです。そのスピードを縛っているのは、図面の読み取りと工数積算が手作業で、判断基準がベテランの頭の中にしまわれているという構造です。AI図面見積もりは、この二つを同時に解きにいく打ち手だと私たちは考えています。
なぜ今、見積もりスピードが受注を決めるのか
発注側の行動が、この10年で明らかに変わりました。図面を数社に同時に投げて、金額と納期を見比べてから発注先を決める。相見積もりが当たり前になり、しかも「早く返してくれた会社に相談したくなる」という心理が働きます。最初に妥当な金額を提示した会社が、その後の仕様調整でも会話の主導権を握る。逆に回答が遅れると、検討のテーブルにすら乗らないまま案件が流れていきます。
短納期化もこの流れを加速させています。物流の面でも、いわゆる2024年問題として、働き方改革関連法にもとづき2024年4月からトラック運送業や建設業などで時間外労働の上限規制が本格的に適用されました1。輸送のリードタイムが読みにくくなるほど、発注側は前工程である見積もり回答の速さをより重視します。調達担当者からすれば、金額が多少高くても即答してくれる会社のほうが、段取りを組みやすいわけです。
現場の実感として、見積もりの速さはそのまま受注率に効きます。ここを人海戦術で乗り切ろうとすると、繁忙期にベテランへ負荷が集中し、かえって回答が遅くなるという悪循環に入ります。見積もりのスピードを、人を増やさずに底上げできるかどうか。そこが分かれ目になっています。このテーマは見積もりスピードで受注率を上げる考え方でも掘り下げています。
見積もりが遅く、属人的になる4つの構造的な原因
見積もりが遅い会社を責めても始まりません。遅くなるだけの理由が、業務の構造そのものに組み込まれているからです。私たちが現場で見てきた原因は、大きく4つに整理できます。
一つ目は、図面の読み取りと工数積算が全面的に手作業だということ。担当者はPDFや紙、2D CADの図面を目で追いながら、寸法、材質、板厚、公差、加工要素を一つずつ拾い、工程を想像して工数を積み上げます。多品種少量や一品物ほど、この読み取りに時間がかかります。1件あたり数十分で済めばよいほうで、複雑な図面なら数時間コースです。
二つ目は、判断基準がベテランの頭の中にあり、明文化されていないこと。「この形状なら段取りにこれくらい」「この材質と公差ならこの係数」といった読みは、長年の経験で身についた勘です。本人は説明できても、資料として残っていないので、標準化もチェックもできません。結果として、担当者が変わると見積もり金額がぶれます。
三つ目は、過去の類似案件を横断検索できないこと。似た形状を過去いくらで受注し、実際いくらで作れたか。この情報は本来もっとも頼れる根拠ですが、図面はファイルサーバーや紙で散在し、図面番号でしか探せないことが多い。「あの案件に似ているな」と思っても、その図面を掘り出すだけで時間が溶けていきます。
四つ目は、原価計算の根拠が曖昧なこと。積み上げの前提が人によって違うため、気づかないうちに赤字で受注してしまう。逆に安全側に振って高く出しすぎ、失注する。このジレンマを、勘だけで毎回くぐり抜けているのが実情です。
この4つが厄介なのは、放置するほどリスクが静かに積み上がる点です。ベテランが退職すれば見積もりノウハウごと失われますし、貴重な熟練の時間が、成約するかどうかも分からない見積もりの作成に消えていく。当たらない見積もりに一番高い人件費を使っている、という状態は珍しくありません。技能をどう残すかという論点は製造業の技能承継をAIで支える方法で別途くわしく扱っています。
背景データが示す「待ったなし」の人手不足と技能承継
構造の問題に加えて、外部環境も見積もりの属人化を放置できない方向へ動いています。経済産業省などがまとめる「ものづくり白書」は、近年一貫して人手不足、技能・技術の継承、省力化やデジタル投資の必要性を主要テーマに据えています2。製造業の就業者数は長期的に減少傾向にあり、若年層の入職が細る一方で、熟練層の高齢化と退職が進む。技能承継は、精神論ではなく数の問題として突きつけられています。
デジタル化の遅れも見過ごせません。情報処理推進機構（IPA）の「DX白書2023」は、その副題を「進み始めたデジタル、進まないトランスフォーメーション」とし、日本企業のDXが道半ばであること、そしてDXを担う人材の量と質の不足を課題として挙げています3。ツールを入れることと、業務のやり方そのものを変えることの間には、まだ大きな隔たりがあるということです。
見積もり業務は、この二つの課題が交差する場所にあります。中小の製造現場では、見積もりや原価計算がExcelや紙、個人の経験に依存している割合が高いとされ、それが属人化と回答の遅れを生む温床になっています。だからこそ、見積もりのAI化は「便利だからやる」効率化ではなく、人が減っても事業を続けるための省力化投資という文脈で捉えるべきだと私は考えています。数字の詳細は各白書の最新版で確認いただくとして、方向性ははっきりしています。人に頼り続ける前提そのものを、そろそろ組み替える時期に来ています。
AI図面見積もりの仕組みを分解する
ここからが本題です。「AIで見積もりを自動化する」と聞くと、ボタン一つで金額が出る魔法を想像されるかもしれませんが、実際は地に足のついた処理の積み重ねです。中身を分解すると、見積もりの土台づくりから積算まで、いくつかの段階に分かれています。
出発点は図面の読み取りです。図面AIは、PDF、紙のスキャン、2D CADといった形式の図面を読み込み、寸法や形状、材質、板厚、公差、穴やねじといった加工要素を抽出します。人が目で追って拾っていた情報を、データとして構造化する工程です。このとき、紙やPDFしかない図面はそのままでは扱いにくいため、PDFからDXFへの変換で線や円弧を編集可能なCADデータに戻したり、2D図面から3Dモデル（STEP）を起こしたりして、積算に使える土台データを整えます。図面のデジタル化については図面のデジタル化とCADデータ化、3D化については2D図面から3Dモデル（STEP）を生成するでそれぞれ詳しく解説しています。
次が、類似図面と過去見積もりの検索です。抽出した形状や仕様をもとに、過去の実績から「似た案件」をAIが引き当てます。図面番号でしか探せなかった世界から、形状そのもので横断検索できる世界への転換です。似た形状を過去いくらで受注し、実際にいくらで作れたのか。この実績ベースの相場観が、見積もりの妥当性を支えます。図面検索の仕組みは図面をAIで類似検索するにまとめました。
そして積算です。抽出した加工内容と、検索で引き当てた過去実績、さらに自社の単価表を突き合わせて、加工工数、材料費、加工費、原価を組み上げ、見積もり金額の一次案を生成します。ここで効いてくるのが、ベテランの見積もりロジックを学習・標準化できる点です。工数の読み方や係数、段取りの勘所をデータとして覚えさせれば、誰が担当しても同じ基準で見積もれるようになります。担当者の仕事は、ゼロから積み上げることから、AIが出したたたき台を確認して微調整することへと変わります。見落としがちですが、この「図面認識から形状抽出、3D化、類似検索、積算まで一気通貫でつながっている」ことこそが、単なる見積もりソフトとの決定的な差です。原価の作り込みは製造業の原価計算をAIで精度を上げるで深掘りしています。
人手の見積もりとAI見積もり。何がどう変わるか
仕組みを踏まえて、人手の見積もりとAI見積もりで実務がどう変わるのかを、観点ごとに並べてみます。
| 観点 | 人手の見積もり | AI図面見積もり |
|---|---|---|
| 回答スピード | 図面読み取りと積算で1件あたり数十分〜数時間 | AIが一次案を生成し、確認・調整で完了。滞留しにくい |
| 属人化 | ベテラン依存で、不在時は業務が止まる | 誰でも同じ基準で見積もれる。単一障害点を解消 |
| 金額のばらつき | 担当者ごとに読みが異なる | 学習した基準で標準化され、ぶれが小さい |
| 原価の根拠 | 勘に頼りがちで、赤字受注のリスク | 内訳を可視化し、根拠のある数字で提示 |
| 技能承継 | 暗黙知が個人にとどまる | 見積もりロジックが会社のデータ資産に残る |
ここで大事なのは、AIに丸投げして人を外すという話ではないということです。最終的な金額はベテランが確認する。ただし、ゼロから積む作業からは解放する。この役割分担にすると、熟練者を単純な積算から切り離し、難易度の高い案件の目利きや価格戦略、顧客対応といった付加価値の高い仕事に時間を回せます。人手不足のなかで、ベテランの時間をどこに使うか。その配分を変えられるのが、いちばん大きな効果かもしれません。
導入で失敗しないための進め方も触れておきます。いきなり全社展開を狙うのではなく、まず現状の見積もりロジックを棚卸しし、過去の図面と見積もりデータを整えるところから始めます。そのうえで、扱いの多い特定の加工種別や製品群に絞ってPoC（試行導入）を行い、実際の短縮効果と精度を測る。手応えを確認してから標準化し、適用範囲を広げていく。この順番が現実的です。
よくある不安にも正面から答えておきます。「AIが全部やるのか」への答えは、いいえ、たたき台を作るまでで、判断は人が握ります。「一品物や多品種少量でも精度が出るのか」については、むしろそこが属人化しやすくAIの効きどころで、データが溜まるほど精度が上がります。「紙やPDFの図面でも使えるのか」も、変換を挟めば対応できます。過度な期待も過度な不安も、どちらも導入判断を誤らせます。等身大で捉えることが、いちばんの近道です。図面まわりの業務全体をどう変えるかは、製造業DXとAI活用の全体像で俯瞰しています。ZEROCKでどこまでできるのかは、ZEROCKのサービスページもあわせてご覧ください。
ZEROCKの図面AIについて
手前味噌になりますが、私たちが提供する製造業向けAIエージェントZEROCKは、この記事で書いた流れをひとつのプラットフォームに実装しています。図面をアップロードすると、PDFからDXFへの変換や2D図面からの3Dモデル（STEP）生成で土台データを整え、寸法や加工要素を読み取り、過去の類似図面を検索したうえで、見積もりと原価計算の一次案を作る。図面検索や技能承継のための知識の蓄積も、同じ基盤の上で動きます。
技術情報のかたまりである図面を扱うからこそ、データの守りには力を入れています。データは国内のAWSサーバーで暗号化して保管し、お客様の図面がAIの再学習に使われることはありません。誰が何をどこまで見られるかを制御するナレッジコントロールで、社内の権限設計にも合わせられます。GraphRAGという、知識のつながりをたどって答えを組み立てる仕組みを使っているため、単純なキーワード検索では拾えない「似た案件」も引き当てやすいのが特徴です。
精度は図面の状態によって変わります。だからこそ、カタログの数字ではなく、お手元の実際の図面で試していただく形を取っています。かすれも社内独特の記法もある本物の図面で、どこまで読み取れて、どれだけ時間が縮むのか。まずはそこを確かめるのが、いちばん確実です。
まとめ
- 見積もりで受注を分けるのは金額だけではなく回答スピード。相見積もりと短納期化のなかで、早く正確に出せる会社が選ばれる
- 見積もりが遅く属人的になるのは、図面読み取りと積算の手作業、明文化されない判断基準、過去実績を探せないこと、原価根拠の曖昧さという4つの構造が原因
- 人手不足と技能承継は数の問題として迫っており、見積もりのAI化は効率化ではなく事業継続のための省力化投資として捉えるべき
- AI図面見積もりは、図面読み取りから3D化、類似検索、積算までが一気通貫でつながっているところに価値がある
- 属人化の解消と技能承継はトレードオフではなく、AIで同時に実現できる
- まずは過去データの整備と、特定の製品群でのPoCから始めるのが現実的
見積もりの属人化は、放っておくほど解きほぐすコストが上がっていきます。ベテランが現役のうちに、その見積もりの勘をデータとして残せるかどうか。ここは早く動いた会社ほど有利になる領域だと感じています。自社の図面で何ができるか気になった方は、ZEROCKの個別相談から、実際の図面を使ったデモをご相談ください。