金属加工のAI活用は何から？見積もりと実績原価のズレを減らす進め方

監修：株式会社アスタ 代表取締役 小路雅也

金属加工でAIを活用するなら、見積もりの前提と実際の作業の違いを確認し、次の受注判断に使える状態をつくることが出発点です。AIに価格を決めさせるのではなく、見積書や日報、変更連絡を整理し、原価が想定から外れた理由を探るために使います。

受注も設備の稼働もあるのに、月末になると思ったほど利益が残らない。そう感じている場合、案件ごとの条件変更や追加作業が見積もりへ戻っていない可能性があります。この記事では、主に旋盤・マシニングセンタなどを使う、多品種・小ロットの切削加工を想定します。量産プレスや鋳造などでは費用の構成が異なるため、自社の工程に置き換えてください。

金属加工のAI活用は、見積もりの速さより採算の確認から考える

最初に決めるのは、導入するツールではなく「どの判断を変えたいか」です。見積回答の遅れで引き合いを逃しているのか、受注後に想定外の工数がかかっているのかでは、必要な仕組みが変わります。両方を一度に解決しようとせず、自社で繰り返している困りごとを一つ選びます。

たとえば、前回の見積書を探す時間が長いだけなら、保存場所と検索方法を整える改善が先です。一方、見積書はすぐ見つかるのに利益が残らないなら、前回の実績と今回の条件を比較する必要があります。見積書を速く作るAIだけを入れても、古い前提で受注する問題は残ります。

IPAの『製造分野DX金言コラム集 vol.1』23ページでも、実際の加工時間や見落としている費用を把握し、見積もりへ反映する観点が示されています。AIの有無にかかわらず、収益を考える土台は自社の仕事とコストです。

見積もりと実績原価のズレは、加工以外の工程にも生まれる

ズレを調べるときは、切削時間だけでなく、段取り・検査・外注を含む受注から納品までを見ます。材料を取り付けて加工する時間が予定どおりでも、治具の準備、工具交換、追加測定、外注先への再手配が増えれば、案件全体の負担は変わるためです。

「同じ部品」でも、数量や検査条件が変われば前提は違う

同じ図面番号のリピート品でも、注文数量が減れば、一回の段取りにかかる負担を分け合う数量が変わります。図面の改訂や材質の変更、検査成績書の追加も、見積もりを見直すきっかけになります。見た目が似た部品だからといって、過去の加工時間や単価をそのまま使えるとは限りません。

また、納期の変更によって外注や特急手配が必要になった場合、当初の見積もりとは別の条件で仕事をしています。こうした変更が担当者のメールや手書きメモにだけ残ると、経営者が採算の悪化に気づいても理由を追えません。受注番号や図面の改訂を手掛かりに、変更の経緯を案件へ結び付けることが必要です。

実績原価の前に、時間と費用の数え方をそろえる

本記事でいう実績原価は、材料費・外注費や作業実績などを、自社で定めた計算方法に沿って集計したものです。作業者の時間と機械の稼働時間は同じではありません。一人が複数台を担当する場合や無人運転を行う場合、両方に同じ人件費をかけると重複が生じます。

設備費や間接費をどこまで含めるかもそろえます。最初から全費目を精密に把握できなくても、未集計の費用を明示しておけば、限定した範囲で差を確認できます。ただし、部分的な集計を最終的な利益と呼んではいけません。見積もりと実績を、同じ費用範囲・同じ計算基準で比べることが先です。

AIに任せるのは、散らばった記録の整理と違いの候補出し

生成AIは、文書の内容を読み取り、項目別に整理する補助として使います。見積書、注文内容、作業日報、変更連絡から、数量や工程、追加対応の記述を集め、比較しやすくする使い方です。原価の集計は検証した計算式や既存システムで行い、AIが文章として返した金額をそのまま確定値にしません。

たとえば、日報の「再測定」「測定し直し」を検査の追加対応候補としてまとめることは考えられます。ただし、同じ言葉でも事情が違うため、分類結果には元の記録と日付を添えます。担当者が原文へ戻れない一覧では、確認の手間が増えたり、別案件の情報を混ぜたりするおそれがあります。

図面から加工時間を予測するAIは、こうした文書整理とは別の検証が必要です。自社の設備、工程、加工条件と合ったデータがなければ、似た形状でも見積もりの根拠として使えるとは限りません。今回の進め方では、まず既存の見積もりと作業実績をつなぎ、予測の高度化はその後の選択肢とします。

追加注文の想定例で見る、次の見積もりに戻す流れ

ここからは説明用の想定例です。アスタの支援実績や実在企業の成果を示すものではありません。ある切削部品について、前回より少ない数量の追加注文が入り、今回は検査項目も増えたとします。営業は前回単価を参考にしたい一方、現場は段取りと検査の負担を気にしています。

まず、前回案件の見積書と日報、今回案件の注文書・検査指示を、案件を区別したうえで関連付けます。AIには数量や条件の違いを候補として抽出させ、担当者が元資料と照合します。前回の実績に想定を超える検査時間があった場合は、今回も必要な作業なのか、一度だけの手直しだったのかを現場へ確認します。

1. 情報を結び付ける受注番号・図面改訂・数量

2. 違いを確認するAIが整理し、人が原文と照合

3. 次の見積もりへ戻す価格・条件・工程を見直す

確認後に行うのは、単に単価を上げることだけではありません。検査範囲や納品単位を相談する、段取り方法を見直す、工程をまとめられる日程を提案するといった選択肢もあります。AIで整理した一覧は、その話し合いの材料です。採算、顧客との関係、設備の空き状況を踏まえた受注判断は、経営者や責任者が行います。

決めた内容は次回の見積もりで確認できる場所に戻します。「この数量では段取り費を別に確認する」「検査条件が変更されたら担当者へ回す」など、具体的な確認事項として残すことが大切です。差を見つけたところで終わらせず、次の仕事の進め方まで変えて初めて改善につながります。

既存システムの調整・連携・自社専用開発を比べる

必要な仕組みは、既存の生産管理システムでできることを調べてから選びます。受注情報や作業実績がすでに入っているなら、設定変更や帳票の調整で目的を満たせる場合があります。AIを使うために別の管理画面を増やし、現場へ二重入力を求める設計は避けたいところです。

専用開発を選ぶ場合も、生産管理全体を作り直す必要はありません。既存データから案件ごとの差異と確認事項だけを表示する画面など、必要な部分に絞る方法があります。AIを開発工程で活用すれば、試作品や修正案を用意する負担を抑えられる可能性があります。

IPAはAIを用いたソフトウェア開発の活用場面として、要件定義やコード生成、レビュー、テストなどを挙げています。ただし、AIが作ったものも品質と安全性の確認は必要です。自社専用なら利用料を抑えられる可能性はあっても、必ず安くなるわけではありません。初期費用、連携、保守、障害対応を含む数年間の総コストで比べます。

中小の加工会社は、兼務でも続けられる範囲から試す

大手のように専任の分析部門や開発部門を置くことを、導入の前提にしないことが重要です。中小の加工会社では、社長や工場長、営業担当者が通常業務と兼務して進める場合があります。全設備のデータをそろえる計画より、一つの部品群について次回の見積もりに使える仕組みをつくる方が、着手範囲を決めやすくなります。

試行の対象は、繰り返し注文があり、見積もりと実績を振り返れる部品群が候補です。営業と現場が同じ案件を見て、どの条件が変わり、何を次回へ戻すかを確認します。初めから記録項目を増やしすぎず、既存の日報で足りない点だけを補います。

• 受注番号・図面番号と改訂・数量をそろえ、別案件を混ぜずに比較する。
• AIが拾った差異は元資料と照合し、未確認の情報を区別する。
• 見積もりへ反映する担当者と確認時点を決め、試行後に使いにくい部分を直す。

図面や取引先の加工条件には、外部へ出せない情報も含まれます。利用するAIのデータの扱いと社内の取り決め、取引先との条件を確認し、入力してよい範囲を定めます。検証では機密情報を除いたサンプルから始め、閲覧できる人も絞ります。便利さだけで判断せず、継続して扱える環境を先に整えます。

導入効果は、見積時間と採算判断の変化を分けて測る

効果の確認では、資料を探す時間が減ったかと、見積もりの前提を見直せたかを分けます。作成時間だけが短くなっても、同じ確認漏れが続いていれば、採算管理の課題は解消していません。差異の理由を確認できた案件や、次回の見積もりへ反映できた内容まで振り返ります。

一方、見積工数と実績工数の差が小さくなったからといって、利益が増えたとは断定できません。販売価格、材料・外注費、受注構成などの影響も受けるためです。追加の確認作業、入力負担、AI利用料や保守費も含め、改善を続ける価値があるかを見ます。

小さな試行の目的は、AIの精度だけでなく「現場で使い、次の判断を変えられるか」を確かめることです。使われない場合は担当者の意欲だけの問題にせず、確認するタイミングや画面、出力項目を見直します。AIを外して既存システムだけで運用する判断も選択肢に含めます。

アスタは、金属加工の課題整理から実務で使う仕組みづくりを支援する

株式会社アスタは、従業員10〜200名規模の中小企業に特化し、全国でAI導入・活用を支援しています。特定のAIツール導入を前提にせず、経営課題と現場業務の整理から、設定・試行・運用改善・定着まで実務に伴走します。

金属加工の見積もり・原価把握であれば、まず受注から納品までの流れと、経営者が判断に困っている場面を整理します。そのうえで、どの情報を結び付け、誰が確認し、どの時点で見積もりへ戻すかを具体化します。既存機能の調整、データ連携、必要部分の専用開発を比較し、現場で試して修正するところまでを検討します。

AIは、課題を明確にする作業自体も手伝えます。担当者への聞き取りを整理し、見積もりと実績がつながっていない箇所を洗い出す補助として使えます。ただし、何を改善したいかを決めることまでAI任せにはしません。アスタは、中小企業AI業務改善を通じ、経営と現場の両面から進め方を整理します。

最初に取り組むなら、直近で「前回単価で受けてよかったのか」と感じた案件を一つ振り返ってみてください。見積もり、実際の作業、追加対応を並べたとき、何がわからないか。その不足を見つけることが、自社に必要なAI活用を具体化する一歩になります。