見積業務のAI活用を、作成時間の短縮で終わらせないために
AIで見積書を作れるようになったが、顧客に提出するまでの時間はあまり変わらない。
見積業務の相談を聞いていると、こんな場面があります。
AIで過去案件を探し、商品構成や契約条件を反映して、見積書のドラフトまではすぐにできた。ところが、営業担当者はそこで手を止めます。
「この価格で出して大丈夫ですか」と上司にチャットを送る。
見積書を作る時間は短くなったのに、顧客へ提示するまでの時間はそれほど変化がない。
ここに、見積業務でAIを使うときの厄介なところがあります。
見積業務で本当に時間がかかっているのは、書類を作る作業よりも、「この条件で出してよい」と判断するための材料が揃うまでの時間です。
AIで見積書は作れても、そのまま顧客へ出せる状態にはならない
見積書の作成自体は、AIでかなり支援しやすい仕事です。
過去の類似案件を探す。標準価格を参照する。商品構成や契約条件を当てはめて、見積書のドラフトを作る。
ここまでは、かなり速くできます。
ただ、見積書ができたからといって、そのまま顧客へ出せるわけではありません。
営業担当者は、提示する前に「この条件で出してよいか」を判断します。自分だけでは決められなければ、上司や関係部門への確認も必要になります。
「この値引き率は、今回の案件でも妥当なのか」
「前回と似た案件はあるけれど、同じ条件で考えてよいのか」
「この納期であれば、もう少し価格に条件を付けるべきではないか」
「この契約条件は、法務に確認してから出した方がよいのではないか」
実際の見積では、商品構成が同じでも、数量、納期、原価、競合状況、契約条件などが微妙に異なります。
たとえば、過去に15％の値引きが承認された案件が見つかったとします。
それだけを見て、「今回も15％で出せる」とは判断できません。
前回は競合への対抗が理由だったのかもしれないし、期末の受注を優先したのかもしれない。納期や契約条件との兼ね合いで、その値引きを認めたのかもしれない。
必要なのは、過去の金額に加えて、なぜその条件で進めてよいと判断したのかという背景です。
ところが、見積書や承認履歴に残っているのは、
「15％値引きした」
「承認された」
という結果だけで、その理由までは残っていないことが多いのです。
すると営業担当者は、「前回は15％で通っていますけど、今回もこれで大丈夫ですか」と上司に聞くことになります。
見積書を作る時間は短くなったけれど、「この条件で顧客に出してよい」と判断できるまでの時間は、あまり変わっていない。
見積業務で再利用したいのは、その価格に至った判断の理由です。
見積業務の属人化は、「作れる人」より「判断できる人」に起きる
見積業務の属人化というと、「ベテランしか複雑な見積書を作れない」といった話を想像しがちです。
実際には、手順よりも判断が特定の人に閉じていることがあります。
「この値引きなら、あのマネージャーに聞いた方がいい」
「前回なぜこの条件を外したのか、当時の担当者に確認しないと分からない」
「システムを見ると承認済みだけれど、なぜ通ったのかは分からない」
こうなると、AIで見積書を速く作っても、承認の手前でまた止まります。
担当者が欲しいのは、
「今回と似ているのはどの案件か」
「何が同じで、何が違うのか」
「前回はどんなリスクを見ていたのか」
「なぜ、その価格で承認されたのか」
こうした判断材料です。
見積書の作成を自動化しても、この部分が人の頭の中に残ったままなら、業務のボトルネックは移動しただけです。
AIに任せたいのは、価格決定ではなく「判断材料を揃える仕事」
では、見積業務でAIはどこに入ると効くのでしょうか。
アシストAIテラス（AIT）は、人が価格を判断する前に必要な材料を揃えるところに、AIを入れる余地があると考えています。
たとえば、
過去の類似案件を探す。
今回と過去案件の条件差を並べる。
承認時のコメントから、当時何が論点になったのかを整理する。
法務や製品部門へ確認した方がよい条件を洗い出す。
上司へ説明するときに必要な根拠をまとめる。
ここまでAIが前さばきできれば、上司への相談も変わります。
「この値引きで出していいですか」ではなく、
「過去の類似案件3件では10〜15％の値引きが承認されています。ただし今回は納期条件が異なります。私は10％で提示したいのですが、この条件だけ確認したいです」という相談に近づける。
考える主体をAIに置き換えるのではなく、人が判断できるところまで、材料を揃える。
AIが力を発揮しやすいのは、ここです。
見積データベースだけではなく、「判断の履歴」を残す
もう一つ重要なのが、今回の判断を次の案件に残すことです。
見積業務で蓄積されるデータというと、商品、数量、価格、値引率、承認結果などが中心になります。
もちろん、それらも重要ですが、それだけでは次の担当者が「なぜこの価格だったのか」までたどれません。
残したいのは、今回の案件で前提にした条件、参考にした過去案件、前回と今回の違い、値引き率を決めた理由、承認時に論点になったこと、そしてどのリスクを許容し、どの条件は譲らなかったのか、といった判断の背景です。
こうした情報が残れば、次回AIが過去案件を探すときも、単に「金額が近い見積書」を返すだけではなくなります。
「なぜ、その価格になった案件なのか」まで参照できるようになる。
見積書を保存することと、価格判断を組織に残すことは別です。
AITが目指すのは、過去の資料を増やすことではなく、人の中に閉じていた判断材料や理由を、次の人とAIが再利用できる構造へ変えていくことです。
成果を見るなら、見積作成時間の先を見る
自社の見積業務では、見積書ができてから顧客へ出すまでに、どこで止まっているでしょうか。
上司確認なのか、法務確認なのか、値引き理由の説明なのか、過去案件との差分確認なのか。
見積書の作成時間はもちろん一つの指標ですが、それだけを見ていると本当の変化を見落とします。
見積書そのものはすぐにできても、その価格で承認に回せるだけの根拠が揃っていなければ、結局は上司や関係部門への確認から始まります。
顧客へ提示する条件を、担当者が自分の言葉で説明できなければ、「なぜこの価格なのか」「前回と何が違うのか」と聞き直されることになります。
過去の類似案件や値引き理由が次の案件で使われていなければ、同じ理由での差し戻しも繰り返されます。AIで見積書を作る時間が短くなっても、その後の確認や承認で同じやり取りが残っているなら、業務全体が前に進んだとは言い切れません。
こうした変化が見えてくると、AIは「見積書を速く作る道具」から、商談の意思決定を前に進める仕組みに変わっていきます。
見積書は10秒で作れるようになった。でも、そのあと30分、上司の返事を待っている。
もしそうなら、まだ見るべき場所が残っています。
AIで見積書は作れるが、その価格、その条件で顧客に提示できるかどうかは別の問題。
そこにある判断の理由をどう残し、次の商談意思決定でどう使えるようにするか。
その価格、その条件に至った根拠が残り、商談の意思決定が会社の力として再利用されるようになったかです。
