見積もりが数週間→10分に。製造業でAIが変えたこと
見積もりが数週間→10分に。製造業でAIが変えたこと
製造業の仕事に関わっていると、見積もり一つを出すにも、想像以上に多くの工程があることに気づきます。
顧客から図面や仕様書を受け取り、必要な材料や加工方法を確認する。製造部門と相談し、原価を計算して、場合によっては外注先にも問い合わせる。
ようやく金額がまとまっても、今度は納期や生産能力の確認が必要になります。
営業担当者が顧客から「見積もりをお願いします」と言われてから、実際に回答するまでに何日もかかる。
製造業では、それほど珍しい話ではありません。
そんな中、ドイツの精密部品メーカーが、これまで数週間かかっていた見積もり業務を約10分に短縮したという事例を知りました。
正直、最初に数字を見たときは驚きました。
ただ、内容を詳しく調べていくと、単にAIの計算能力が優れていたという話ではありませんでした。
むしろ興味深かったのは、これまで人間が当たり前に行っていた仕事の進め方を、根本から見直していたことです。
今回は、海外製造業で実際に起きている変化を紹介しながら、日本の企業でも参考にできる部分を考えてみたいと思います。
数週間かかっていた見積もりが、わずか10分に
今回紹介するのは、ドイツのIMS Gearという企業です。
IMS Gearは、自動車や産業機械などに使われる歯車や駆動技術を手がけるメーカーです。
同社では、顧客からの見積依頼（RFQ：Request for Quotation）に対応するため、複数の部門が関わっていました。
見積依頼を受け取った後、技術的な検討を行い、必要な情報を各部門で確認しながら金額を算出する。
一連の作業を手動で進めていたため、回答までに数週間かかることもありました。
製造業の営業や技術部門に関わる人なら、この流れは想像しやすいのではないでしょうか。
そこで同社が導入したのが、Syneraという企業のAIエージェント技術です。
2026年に公開された事例では、次の成果が報告されています。
項目導入前導入後見積もりにかかる時間数週間約10分同じ見積もり量への対応に必要な技術者2人1人本番環境で処理した見積もり―100件以上
※Synera公開事例に基づく。約10分という成果は、同社が紹介するプラスチック部品の見積依頼業務に関するものです。
100件以上の見積もりを実際の業務で処理しているという点も重要です。
単なる技術デモではなく、本番環境で使われている仕組みだということです。
AIに質問するのではなく、仕事を進めてもらう
では、なぜそこまで時間を短縮できたのでしょうか。
ポイントは、複数の専門的なAIエージェントを連携させたことです。
従来、人間が複数のソフトウェアを操作しながら進めていた工程を、一つの流れとして処理できるようにしました。
公開されている仕組みでは、全体を管理するAIエージェントが見積依頼を受け取り、技術的な評価や設計案の検討、コスト算出などを担当するエージェントと連携します。
必要な情報を受け渡しながら、見積もりの作成まで進めていきます。
ここで注目したいのは、AIに「見積もりを考えて」と質問しているだけではないことです。
CADなどの既存の技術ツールと連携し、実際の業務工程を処理する仕組みになっています。
しかも、この仕組みの構築には、IMS Gear自身の技術者が関わっています。
AIの専門家だけで作り上げたものではなく、実際の見積もり業務を知っている人たちが、どこを自動化するべきか考えたわけです。
私は、この部分が特に重要だと感じました。
AIの性能がどれだけ高くなっても、現場の仕事を理解していなければ、使える仕組みにはなりません。
変わり始めているのは、見積もりだけではない
こうした変化は、ほかの製造業でも起きています。
例えば、アメリカの工具メーカー、JPW Industries。
同社では、毎月大量の注文がメールやFAXで届いていました。
それを担当者が確認し、手作業で処理していたため、受注業務に多くの時間を使っていました。
SalesforceのAI技術を導入した結果、従来16〜24時間かかっていた手動での注文処理を、1時間未満に短縮したと報告されています。
さらに、問い合わせなどの処理件数が15%増える中でも、案件の解決時間を約40%削減しています。
こちらは、先ほどのIMS Gearとは少し違います。
技術的な見積もり計算ではなく、注文を受け付けて処理する業務です。
しかし、問題の構造はよく似ています。
顧客から届く情報を人間が確認し、必要なシステムに入力して、次の担当者へ渡す。
一つひとつは難しくなくても、件数が増えると大きな負担になります。
42時間かかっていた注文対応にも変化
デンマークの産業機器メーカー、Danfossでも同様の取り組みが進んでいます。
同社では、メールを使った注文処理に平均約42時間かかっていました。
顧客によって注文書の形式が違い、PDFやExcel、メール本文など、さまざまな形で情報が届くためです。
そこで、メールの内容をAIが読み取り、社内の基幹システムと連携して処理を進める仕組みを導入しました。
Google Cloudの公開事例によると、処理時間を50%削減し、注文に関する判断やコミュニケーションの最大80%を自動化しています。
また、将来的には相当数の注文に対して、1分以内に受領確認を返すことを目指しています。
これは、すべての注文がすでに42時間から1分になったという意味ではありません。
ただ、これまで人間が一つずつ確認していた仕事が、大きく変わり始めていることは確かです。
800以上のAIエージェントを動かす企業も
さらに規模の大きな取り組みとして、アメリカの家電メーカーGE Appliancesがあります。
同社は2026年4月、製造、物流、サプライチェーンなどの業務で800以上のAIエージェントを展開していると発表しました。
工場の稼働データを分析したり、品質に関する情報を整理したり、部品の供給状況を確認したりしています。
特に興味深いのが、サプライヤーとの連絡業務です。
同社は600社以上の仕入先との注文状況確認を自動化するエージェントを導入し、部品のバックオーダーを25%削減したと報告しています。
なお、この25%という数字は特定の仕入先連携の取り組みに関する成果であり、800以上のエージェント全体の効果ではありません。
こうして事例を並べてみると、共通点が見えてきます。
AIが資料を作るだけでなく、企業の実際の業務に入り、これまで担当者が行っていた処理を進めるようになっていることです。
工場のロボットだけではありません。
営業、受発注、調達、品質管理など、製造業を支える間接業務にも変化が広がっています。
ただ、製造業の仕事はそんなに単純ではない
ここまで読むと、
「だったら、見積もりも受注も全部AIに任せればいいのでは？」
と思うかもしれません。
しかし、製造業の営業管理や業務改善を支援している立場からすると、そう簡単にはいかないだろうとも感じます。
例えば、見積もりを作る場面。
過去に同じような製品を製造したことがあれば、その情報を参考にできます。
でも、材料価格は以前と同じでしょうか。
設備の稼働状況はどうでしょう。
顧客が求めている品質や納期に、今回も対応できるでしょうか。
図面に記載されていない条件を、営業担当者だけが把握していることも考えられます。
見積もりを計算できることと、その条件で実際に製造できることは別の話です。
また、製造業では価格だけで受注が決まるわけでもありません。
納期、品質、過去の取引実績、顧客との関係性。
場合によっては、多少価格が高くても、安定して供給できる企業が選ばれます。
こうした判断まで含めると、見積もりは単純な計算業務ではありません。
10分で見積書を作れても、10分で受注が決まるわけではない。
ここは分けて考える必要があります。
もちろん、AIが進化すれば、判断できる領域も増えていくでしょう。
それでも現段階では、特殊な仕様への対応や、利益・品質に関わる重要な判断には、人間による確認が欠かせません。
IMS Gearの事例でも、単純に人を排除したのではなく、AIによる自動化と技術者による判断を組み合わせています。
むしろ、それまで情報の転記やツールの操作に時間を使っていた技術者が、本来の専門的な判断に集中できるようになった点に価値があると感じます。
私自身、製造業の営業管理に関わって感じたこと
私はこれまで、製造業の営業管理やSalesforceの導入、AIを活用した業務改善などに携わってきました。
工場で製造作業を担当してきたわけではありませんが、営業担当者や管理部門の方と一緒に業務を整理する中で、何度も感じたことがあります。
それは、会社の中に情報はあるのに、必要なときに使えないという問題です。
例えば、営業案件の管理を見直したときのことです。
商談金額や見込み状況は管理されていても、そのお客様に何を提案したのか、どのような反応があったのか、次に何をするべきなのかが十分に共有されていない。
こうした状態では、過去の案件を参考にしようと思っても、担当者に確認するところから始まります。
顧客情報も同じです。
展示会で名刺交換をした。
商談をした。
サンプルを送った。
見積もりを提示した。
しかし、その後の対応履歴が十分に残っていなければ、次の営業活動につなげにくくなります。
特定の担当者が詳しく知っていても、その人が不在になれば話が止まってしまう。
これはAI以前の問題です。
実際、Salesforceを活用した営業管理の仕組みづくりでも、最初から高度な分析を考えるのではなく、顧客情報、商談内容、見積もり、次回の行動などを、どのように記録して共有するかという部分から整理してきました。
AIを導入したいという相談であっても、話を聞いていくと、まず情報の置き場所や業務の進め方を見直した方がよいケースがあります。
現場にとっては、入力する仕事が増えるだけでは困る
もう一つ気になるのが、現場の負担です。
営業管理システムを導入すれば、案件の進捗や顧客情報を共有しやすくなります。
ただ、そのために営業担当者が毎日大量の情報を入力しなければならないのであれば、なかなか定着しません。
営業担当者は、顧客対応や提案活動で忙しいわけです。
そこに新しい入力作業を追加しても、現場からすれば仕事が増えただけになってしまいます。
だから、情報を管理する仕組みと同時に、入力の負担をどう減らすかも考える必要があります。
例えば、商談の音声から議事録を作り、決定事項や次回の対応を整理する。
その内容を営業管理に反映できれば、担当者が一から文章を入力する手間を減らせる可能性があります。
もちろん、顧客情報を扱う以上、録音の同意やアクセス権限、内容の確認は必要です。
こうした細かな運用まで考えないと、便利な仕組みを作っても使われなくなってしまいます。
見積もりを速くする前に、確認したいこと
今回のIMS Gearの事例を日本企業に置き換えるなら、まず見積もり業務を細かく見てみるのがよいと思います。
例えば、顧客から依頼を受け取ったあと、何が起きているでしょうか。
仕様書を確認する。
過去の類似案件を探す。
材料費を調べる。
加工方法を検討する。
製造部門に納期を問い合わせる。
原価を計算する。
上司の承認を得る。
見積書を送付する。
一見すると、どの企業も同じような流れに見えます。
しかし、実際に時間がかかっている場所は会社によって違うはずです。
過去の見積もりを探すだけで時間がかかっている会社もあれば、製造部門からの回答待ちが長い会社もあるでしょう。
あるいは、原価計算が特定のベテラン社員に集中しているかもしれません。
この違いを知らないままAIを導入しても、期待した成果は得られないと思います。
例えば、顧客からの問い合わせメールを自動で整理できるようになっても、その後の原価計算に何日もかかっているのであれば、見積もり全体の時間はあまり変わりません。
逆に、原価計算はすぐ終わるのに、承認が数日止まっているのであれば、見直すべき場所は別にあります。
何に時間がかかっているのか分からないまま、AIを入れる場所を決めないこと。
当たり前の話ですが、実際の導入支援では非常に重要だと感じています。
ベテランの経験を、どう残していくのか
製造業の業務改善を考えるとき、もう一つ避けて通れないのが属人化です。
見積もりを作る際、過去の経験から適切な加工方法を判断できる人がいる。
図面を見ただけで、注意するべき箇所に気づく人がいる。
特定の取引先の要求を熟知している人がいる。
こうした知識は、会社にとって貴重な財産です。
一方で、その人しか分からない状態が続くと、業務の引き継ぎが難しくなります。
ここには、AIが役立つ余地があると思っています。
例えば、過去の見積書と実際の製造原価を比較する。
どのような条件で価格を調整したのかを記録する。
ベテラン社員が見積もりを確認するとき、どこに注目しているのかを整理する。
判断理由まで残していけば、将来的にはその情報を新しい担当者の支援に使えるかもしれません。
ただし、過去の見積もりが必ず正しいとは限りません。
当時は利益が出ていた案件でも、現在の材料費や設備状況では採算が合わない可能性があります。
過去の判断をそのまま再現するのではなく、現在の条件と照らし合わせる必要があります。
ベテランの経験をAIで置き換えるというより、これまで個人の中にあった知識を、会社全体で活用できるようにする。
こちらの方が、現実的な第一歩ではないでしょうか。
最初から10分を目指さなくてもいい
海外の大企業が大きな成果を出していると、どうしても同じような仕組みを導入したくなります。
ただ、中小企業がいきなりIMS Gearと同じことをする必要はないと思います。
例えば、最初は過去の見積書を検索しやすくするだけでもいい。
顧客から届いた仕様書の確認項目を整理する仕組みでもいい。
担当者が毎回作っている問い合わせメールや社内確認文を、半自動で作れるようにするところから始めてもいいと思います。
その際、どれだけ時間がかかっていたのか、実際に何分短縮できたのかを測っておくことも大切です。
作業時間が減ったとしても、確認や修正に余計な時間がかかっていては意味がありません。
見積もりの誤りが増えていないか、顧客への回答品質が落ちていないかも見ておく必要があります。
特に、図面や原価、顧客固有の製造条件などは企業にとって重要な情報です。
一般向けのAIサービスにそのまま入力するのではなく、情報の取り扱いや利用環境を確認することも欠かせません。
AI導入支援をしていて思うのは、最初から大きな仕組みを完成させようとするより、一つの業務で試してみる方が、現場の反応を確かめやすいということです。
使ってみると、想定していなかった問題が必ず出てきます。
その都度、修正していく。
地味ですが、この積み重ねが大切なのだと思います。
見積もりが10分になった、その先にあるもの
今回紹介したIMS Gearの事例で、私が最も興味を持ったのは、数週間が10分になったという数字だけではありません。
これまで複数の部門を通して進めていた仕事を、別の方法で処理できるようにしたことです。
さらに、その仕組みづくりに現場の技術者自身が関わっていたことにも意味があります。
製造業に限らず、仕事の進め方には、それぞれの会社で長年積み重ねてきた理由があります。
今のやり方が非効率に見えても、実際には品質を守るための確認だったり、過去のトラブルを防ぐための手順だったりすることもあります。
そうした背景を無視して、すべて自動化すればいいわけではありません。
一方で、昔から続けているからという理由だけで残っている作業もあるはずです。
私自身、営業管理や業務改善に関わる中で、何度もその違いを考えてきました。
見積もりに数週間かかる会社が、いきなり10分を目指す必要はありません。
まずは3日を2日にできないか。
毎回30分かかっている確認作業を10分にできないか。
担当者が休んでも、過去の情報を探せるようにできないか。
そんなところからで十分だと思います。
そして、浮いた時間を何に使うのかも大切です。
顧客の相談をじっくり聞く。
新しい提案を考える。
技術部門と製品の改善について話す。
これまで時間が足りず、後回しにしていたことにも取り組めるかもしれません。
見積もりの速さは、受注の可能性を左右する要素の一つです。
ただ、早く回答できるようになっただけでは、顧客から選ばれるとは限りません。
早くなった分、何を良くできるのか。
そこまで考えて初めて、業務改善の意味が出てくるのだと思います。
今回の事例を調べながら、私自身も改めて考えさせられました。
AIで新しく何ができるようになったのか。
それを知るのも面白いですが、今まで当たり前に続けてきた仕事の中に、もう必要のない手順がないか探してみる。
そんな視点も持っていたいと思います。
皆さんの会社では、見積もりの依頼を受けてから回答するまで、どこに一番時間がかかっているでしょうか。
もしかすると、見直せる場所は思っている以上に多いかもしれません。
