見積書・提案書をAIで自動作成｜時短の実践手順

「見積もりを出すのに、また半日つぶれた」──営業を持つ会社の経営者と話すと、この手の声が必ず出てきます。過去の似た案件を探し、単価を拾い、提案文を書き、体裁を整え、数字を見直す。一件ずつは大した作業に見えなくても、積み上がれば一人あたり月に何十時間という単位で消えます。しかもその型は特定のベテランの頭の中にあり、その人が休むと止まります。

やっかいなのは、この作業が「受注のスピード」に直結していることです。初稿が出るのが遅れれば、それだけ商談は前に進みません。競合が翌日に提案を出す横で、自社は3日かかる。中身で負けていなくても、速さで機会を落とすことは珍しくありません。作成の重さは、単なる残業の問題ではなく、売上に効くボトルネックです。

この記事では、見積書・提案書づくりをAIで時短する方法を、実際に自社の業務でAIを組んで回している立場から、手を動かせる粒度で整理します。鍵になるのは、「プロンプトで下書きを作るだけ」で止まるか、「仕組みまで作って送付直前まで自動で流す」かの差です。この軸で、御社が今どこにいて、次にどこを狙うべきかが見えるようにしました。

見積書・提案書づくりは、なぜこんなに時間を食うのか

時短の話に入る前に、そもそもどこで時間が消えているのかを分解しておきます。「見積もり作成」とひとことで言っても、実際には性質の違う作業が数珠つなぎになっています。

たとえば、よくある提案・見積もりの流れはこうです。まず、依頼内容を読んで似た過去案件を探す。次に、商品や工数から単価を拾って金額を組む。そこに、なぜこの構成なのかという提案文や前提条件を書き添える。さらに、自社フォーマットに流し込んで体裁を整え、誤字や数字のズレがないか確認する。ここまでやって、ようやく一枚が完成します。

この中で本当に頭を使うべきなのは、「どういう構成で提案すれば刺さるか」「この案件にいくらの値付けが妥当か」という判断の部分です。ところが実際に時間を食っているのは、その前後の探す・拾う・書き写す・整えるという手作業のほうです。過去のファイルを探すのに15分、フォーマットへの転記に20分、といった具合に、判断ではない作業が全体の大半を占めています。

もうひとつの問題が属人化です。単価の相場観、値引きの許容ライン、刺さる提案の型──こうしたものが特定の人の経験に紐づいていると、その人以外は初稿すら作れません。結果として仕事が一人に集中し、その人が休めば見積もりが止まる。作成が重いことと、特定の人しか作れないことは、根が同じです。

AIで時短するとは、この「判断ではない手作業」と「属人化した型」を、機械が肩代わりできる形に置き換えることにほかなりません。どこを機械に渡せるのかを、次に見ていきます。

AIで「どこ」を自動化できるのか — 作業を5つに分けて考える

「AIで見積もりを自動化」と聞くと、ボタンひとつで完成品が出てくる姿を思い浮かべがちですが、現実はもう少し地に足がついています。先ほど分解した工程のうち、AIが得意なところと、人が判断すべきところは、はっきり分かれます。

ここで押さえておきたいのは、AIが特に強いのは文章と構成だという点です。提案の骨子を数パターン出す、専門的な説明文を丁寧語で書き起こす、前提条件を漏れなく並べる──こうした「書く」作業は、AIが最も時短効果を出しやすい領域です。実際、提案資料の初稿づくりにかかる時間は、うまく仕組めば数時間から数十分の水準へ縮められると考えて差し支えありません。

一方で、金額の算出は慎重に扱う領域です。AIに過去の見積もりを渡せば「だいたいこのくらい」という見当は出せますが、その数字をそのまま客に出すのは危険です。値付けは会社の利益に直結する判断であり、AIが弾いた金額を人が必ず確認する運用にしないと、桁を間違えた見積もりが出ていく事故につながります。金額はAIに「叩き台」を作らせ、決めるのは人、というのが安全な線引きです。

つまりAI化の勘所は、「文章・構成・整形はどんどん任せ、金額と最終判断は人が握る」という役割分担にあります。この切り分けを曖昧にしたまま全部を自動化しようとすると、かえって危うくなります。

ChatGPTで下書きは作れる。でも、それだけでは詰む

ここまで読んで、「なら、ChatGPTに過去の見積もりを貼り付けて指示すればいいのでは」と思われたかもしれません。実際、単発でChatGPTを使うだけでも、白紙から書くよりはるかに速く初稿が出ます。まずはそこから始めるのは、正しい第一歩です。

けれど、そのやり方を毎日の業務に乗せようとすると、必ず壁にぶつかります。単発のプロンプトでは、自社の事情を反映しきれないからです。ここが、多くの会社が「便利そうだけど、結局あまり使っていない」で止まる分かれ目です。

具体的に、どこで詰まるのか。四つ挙げます。

第一に、自社の商品マスタと単価表が毎回入っていない。 ChatGPTは御社の商品ラインナップも、標準単価も、数量に応じた掛け率も知りません。だから毎回、それらを手でコピペして渡すことになります。この「渡す手間」が、時短したかったはずの作業を別の形で復活させます。

第二に、価格ロジックが再現されない。 「この規模なら一括値引き」「この業種はこの単価帯」といった、社内では暗黙になっている値付けのルール。これを言葉にしてプロンプトに毎回書ききるのは現実的ではなく、抜ければAIは平気で相場外の金額を出します。

第三に、過去の勝ち案件が活きない。 本来なら「受注できた提案の型」を下敷きにしたいのに、単発のやり取りでは過去案件は蓄積されません。毎回ゼロから指示するので、AIの出力は当たり外れの大きい一般論になりがちです。

第四に、提案テンプレートやトーンが揃わない。 担当者ごとにプロンプトが違えば、出てくる提案書の体裁も語り口もバラバラになります。会社として一貫した見え方を保てず、結局は人が全部書き直す──これでは何のための自動化か分かりません。

要するに、ChatGPT単発は「白紙よりマシな下書き」までは連れて行ってくれますが、そこから先の「自社の商品・価格・実績・型を踏まえた、そのまま使えるドラフト」には届きません。この壁を越えるには、プロンプトを工夫する話ではなく、自社のデータと型をAIに組み込んだ仕組みをつくるという発想の転換が要ります。これが、時短の天井を決める分岐点です。

自動化には3つの段階がある

見積書・提案書の自動化は、オールオアナッシングではありません。手作業から一足飛びに全自動を目指すと必ず失敗するので、段階で捉えるのが現実的です。大きく分けて三つの水準があります。

段階1：テンプレート化（半手動）。 決まった型のプロンプトと、自社フォーマットを用意し、そこにChatGPTなどで生成した文章を人が流し込む段階です。白紙からの脱却で、初稿づくりの時間はここだけでも目に見えて減ります。特別な開発は不要で、明日からでも始められます。

段階2：半自動生成。 自社の商品マスタ・単価表・過去の勝ち案件・提案テンプレートをAIに参照させ、案件情報を入れるとドラフトが自動で組み上がる段階です。人の仕事は、生成されたドラフトの金額を確認し、語気を整えて送るところに絞られます。ここまで来ると、時短は「初稿づくり」だけでなく「探す・拾う・転記する」の全工程に効きます。前章で挙げた四つの壁を越えるのが、まさにこの段階です。

段階3：送付まで自動化。 案件データが入った瞬間に、ドラフト生成から自社フォーマットへの整形、担当者への確認依頼までが一本の流れで進む段階です。人は最終承認だけを行います。件数が多く、型が固まっている業務ほど、この段階の効果が大きくなります。

重要なのは、上の段階に行くほど「つくる」比重が増えるという点です。段階1はプロンプトの工夫で届きますが、段階2以降は「自社のデータをどう持たせ、どう参照させるか」という設計と実装の話になります。ここが、単なるプロンプト集と、業務で回る仕組みの分水嶺です。御社がどの段階を狙うべきかは、見積もりの件数と型の固まり具合で決まります。月に数件なら段階1で十分なこともあり、日々大量に捌くなら段階2〜3の投資が回収できます。

【実践手順】見積書・提案書の作成をAIで半分にする5ステップ

では、実際にどう進めるか。段階2の「半自動生成」を目標に置いたときの、現実的な手順を5ステップで示します。いきなり完璧を狙わず、上から順に積み上げるのがコツです。

ステップ1：過去の見積もり・提案を棚卸しする（勝ち案件を優先）。 まず、過去に作った見積書・提案書を集めて、特に「受注できた案件」を選び出します。負けた案件より、勝った案件のほうが再利用価値が高いからです。ここで、どんな構成が刺さっているか、どんな単価で通っているかという、自社の型が見えてきます。この棚卸しは、AI化以前に営業の資産を整理する作業でもあります。

ステップ2：テンプレートと単価表、NG集を整える。 棚卸しで見えた型を、提案書のテンプレートと標準単価表に落とし込みます。あわせて「この表現は使わない」「この条件では値引きしない」といったNG集を作っておくと、AIの暴走を防げます。この整備が、後段でAIに参照させる「自社の知識」の土台になります。地味ですが、ここの質が最終的な出力の質をそのまま決めます。

ステップ3：半自動でドラフトを生成する。 ステップ2で整えたデータをAIに参照させ、案件情報を入れるとドラフトが出る状態を作ります。まずは「初稿を自動生成し、人が整形して送る」ところまでを目標にします。全自動を狙わないのが肝心で、人の確認を挟む前提だからこそ、安全に速く回せます。ここで初稿作成の時間が、体感で半分以下になる会社が多いはずです。

ステップ4：自社データを組み込み、精度を上げる。 ドラフトの質を「そのまま使える」水準に近づけるには、商品マスタ・単価表・過去の勝ち案件を、AIが毎回参照できる形で持たせる必要があります。ここが前述の「壁を越える」工程で、プロンプトの外側にある設計・実装の領域です。自社データを組み込むほど、出力は一般論から「自社の提案」に近づきます。

ステップ5：効果を測り、直し続ける。 作って終わりにせず、「初稿にかかる時間がどれだけ減ったか」「手直しの量はどうか」を簡単でいいので記録します。想定と違う出力が出たら、テンプレやNG集を更新する。この小さな改善のループを回すことで、仕組みは使うほど賢くなっていきます。

この5ステップのうち、ステップ1〜2は明日からでも自力で始められます。壁があるのはステップ3〜4、つまり「自社データをAIに組み込んで、業務で回る形にする」ところです。ここをどう越えるかが、時短が「たまに便利」で終わるか、「毎日効く」に育つかの分かれ目になります。

御社の見積もり・提案業務でも、何をAI化すべきかを決めて、動くまで作ります。 どの工程を自動化すれば一番効くのか、自社データをどう組み込むのか──合同会社T-WORKSの無料相談で、御社の現状に合わせた次の一手を一緒に整理します。まずはお気軽にご相談ください。

「プロンプト集」で止まる会社と、「仕組み」まで作る会社の違い

インターネットで「見積書 AI」と検索すると、便利なプロンプト例やツール比較の記事がたくさん出てきます。それ自体は役に立ちますが、多くの会社がプロンプトを試すところで満足し、業務の時短が一過性で終わってしまいます。なぜか。

プロンプトを使うのは、毎回「人がAIに話しかけて、返ってきたものを手で整える」やり方です。1回あたりは速くても、案件が増えれば話しかける回数も、整える手間も比例して増えます。担当者が変われば品質もぶれます。つまり、手作業の速い版でしかなく、業務量が増えるほど効果が頭打ちになります。

一方、仕組みまで作るとは、自社のデータと型をAIに組み込み、案件情報が入れば人が話しかけなくてもドラフトが出る状態にすることです。件数が10件でも100件でも、人の作業量はほとんど変わりません。品質も、担当者ではなく仕組みが担保します。

この違いは、AIをどう使うかという小手先の話ではなく、AI業務改善とは何かという、より根っこの考え方に関わっています。AIで本当に業務を変えるとは、「便利な道具を手で使う」段階から、「自社の業務が人手を介さず回る形をつくる」段階へ進むことです。見積書・提案書の自動化も、この構図がそのまま当てはまります。

そして「仕組みまで作る」には、二つの仕事が要ります。ひとつは「自社のどの工程を、どこまでAIに任せるか」を見極める仕事。もうひとつは、それを実際に動く形に組み上げる仕事です。**決めるだけでも、道具を配るだけでも、仕組みには届きません。**この「決めて、つくる」を一本につなげるかどうかが、時短が定着する会社としない会社を分けています。

つまずきやすい落とし穴と、その避け方

見積書・提案書のAI化は効果が大きい一方で、金額と信用に直結するだけに、雑に進めると事故ります。よくある落とし穴を先に知っておきましょう。

金額をAIまかせにする。 これが最も危険です。AIが弾いた見積もり金額を人が確認せずに送れば、桁違いの数字や相場外の値付けが客先に出ていきます。金額は必ず人が最終確認する運用を崩さないでください。AIは「叩き台まで」と割り切るのが安全です。

情報が古いまま生成し続ける。 単価表や商品ラインナップは変わります。組み込んだデータを更新しないと、AIは古い単価で堂々と見積もりを作ります。「作って終わり」にせず、データを最新に保つ担当と頻度を最初に決めておくことが大切です。ここを含め、AI導入でつまずく典型はAI業務改善で失敗する5パターンに整理しているので、進める前の点検に使ってください。

外注に丸投げして、自社とずれたものが納品される。 段階2以降を外部に頼むのは妥当な判断ですが、「AIに詳しそうだから」だけで選ぶと、自社の値付けや提案の型を理解しないまま一般的な仕組みが作られ、現場で使えないものが納品されがちです。依頼先は、業務理解と実装の両方ができるかで選ぶべきです。発注の勘所はAIの外注で失敗しないためににまとめています。「決める」は自社が主導権を握り、「つくる」を協働する、が失敗を防ぎます。

全部を一気に自動化しようとする。 最初から段階3の全自動を狙うと、要件が膨らみ、いつまでも完成せず頓挫します。まずは効果の出やすい一種類の見積もりに絞り、段階2で成果を出してから広げるのが確実です。小さく作って、効いたら横展開する。この順番を守るだけで、頓挫のリスクは大きく下がります。

私たちT-WORKS自身が、こうした仕組みを作って回しています

こうした「自社データを組み込んで、業務が人手を介さず回る形」を、私たち合同会社T-WORKS自身も自分たちの業務で作って使っています。AIに詳しいから言えるのではなく、自分の手で作って回しているからこそ、どこで詰まるか、どこに注意すべきかが分かります。

たとえば経理では、領収書や請求書の画像を保存すると、そこからOCRで内容を読み取り、勘定科目を判定して仕訳データまで自動で作られる形にしています。以前は1枚ずつ手で入力していた作業が、ファイルを置くだけで流れるようになりました。打ち合わせの議事録も、録音を保存した瞬間に文字起こし・要約・ToDo抽出まで自動で進みます。正直に言えば、これらも一度で完成したわけではなく、想定外の様式でうまく読み取れずに何度も直して、ようやく実用になりました。ステップ5の「作って終わりにしない」を、自分たちで実践した格好です。

見積書・提案書についても、案件情報から自社のデータと型を踏まえてドラフトを自動生成する仕組みの実例を、提案書・見積書のドラフト自動生成システムで紹介しています。ChatGPTを手で使う段階で止めず、商品マスタや過去案件を組み込んで「そのまま整えれば送れる初稿」が出るところまで作り込んだ事例です。この記事で説明した段階2が、実際にどう動くのかを見たい方の参考になります。

見積もり以外にも、議事録づくり・問い合わせ対応・帳票入力といった定型業務を「人が操作しなくても回る形」にした事例を、業務別のAI実装事例にまとめています。御社の業務のうち、どこが同じやり方で変えられるかを探す材料にしてください。どこから手をつけるか迷う場合は、中小企業がAI導入で最初にやるべきことも、最初の一歩の決め方の助けになります。

まとめ

見積書・提案書づくりが重いのは、「どう提案するか」「いくらで出すか」という判断ではなく、その前後の探す・拾う・書き写す・整えるという手作業と、特定の人に紐づいた型が原因です。AIで時短するとは、この手作業と型を、機械が肩代わりできる形に置き換えることに尽きます。

そのとき鍵になるのが段階の捉え方です。テンプレート化（段階1）は明日から始められ、初稿づくりが速くなります。けれど本当に効くのは、自社の商品マスタ・単価表・過去の勝ち案件・提案テンプレートをAIに組み込む半自動生成（段階2）から先です。ここはプロンプトの工夫では届かず、「自社データをどう持たせるか」という設計と実装──つまり「つくる」が必要になります。ChatGPT単発が下書き止まりで詰むのも、プロンプト集で満足した会社の時短が頭打ちになるのも、根っこはこの一線を越えていないからです。

進め方は、過去案件の棚卸し→テンプレとNG集の整備→半自動でドラフト生成→自社データの組み込み→効果測定と改善、という5ステップ。金額は人が必ず確認し、小さく作って効いたら広げる。この順番を守れば、見積もり・提案の作成時間を現実的に半分へ近づけられます。

合同会社T-WORKSは、AIを「導入して終わり」にせず、御社のどの工程をどこまでAI化すべきかを一緒に決め、自社データを組み込んで実際に動くところまで作りきる「AI業務改善パートナー」です。御社の業務でも、何をAI化すべきか決めて、動くまで作ります。見積書・提案書づくりに毎回半日を取られている、特定の人しか作れない──そんな状態を変えたい方は、まず現状を聞かせてください。

→ 無料相談はこちら（お問い合わせフォームからお気軽にどうぞ）