工数見積もりの「属人化」をAIエージェントで崩せるか――明治安田生命のPoC が示す現実

「熟練者に聞く」という構造そのものが問題だった

システム開発の工数見積もりは、長らく「わかる人に頼む」ことで成立してきた業務だ。過去の類似プロジェクトを記憶し、変数を直感的に補正できる有識者が中心にいなければ、精度の高い見積もりが出せない。これは技術の問題ではなく、知識の構造の問題である。AIが得意とされる「大量データからのパターン抽出」で本当に崩せるのか、それが問われている。

明治安田生命保険が取り組んだPoCは、まさにこの問いを正面から検証したものだ。属人化した見積もり業務にAIエージェントを組み込むことで、何が変わり、何が変わらなかったのか。その内容は、同様の課題を抱える企業にとって参照値になりうる。

明治安田生命のPoCで検証されたAIエージェントの仕組み

今回のPoCで明治安田生命が目指したのは、システム開発における工数見積もりのプロセスをAIエージェントで支援する仕組みの構築だ。工数見積もりとは、あるシステム開発にどれだけの人員・時間・コストが必要かを事前に算出する作業を指す。この作業は精度が求められる一方、判断の根拠が個人の経験や勘に依存しがちで、担当者が変わると品質が大きく揺れるという問題があった。

AIエージェントを活用することで、過去のプロジェクトデータや要件情報をもとに見積もり案を自動生成し、有識者の負担を軽減しながら一定の精度を保つ仕組みが検討された。有識者がゼロから考えるのではなく、AIが生成した叩き台をレビューする形にシフトさせることで、業務全体のスループット（処理量）を上げることが狙いだ。

この取り組みが影響するのは「見積もり担当者」だけではない

直接影響を受けるのは、開発プロジェクトの見積もりを担う担当者や、社内の有識者として呼ばれてきたベテランエンジニアだ。これまで属人的に担ってきた判断の一部をAIに委ねることになるため、役割の再定義が求められる。

ただし、影響はそこに留まらない。見積もりの精度が安定すれば、プロジェクト承認の判断をする経営層や調達部門にも波及する。見積もりの信頼性が上がれば、意思決定のスピードと確度が変わる。逆に、AIが出した数値を無批判に使う文化が生まれれば、誤った見積もりが組織全体に伝播するリスクもある。受け取る側のリテラシーも問われる取り組みだ。

日本の大企業がこのアプローチを採る意味

日本の大手金融機関がAIエージェントを工数見積もりに適用しようとしている点は、単なる効率化の話として読むべきではない。金融業界はシステムの品質要件が厳しく、見積もりの誤りが後工程のコスト超過や品質問題に直結しやすい。そうした環境で実証実験（PoC）を行うこと自体、社内的なリスク許容度と変革への意志を示している。

また、日本企業において工数見積もりの属人化は特に根深い課題とされてきた。長期雇用を前提とした組織では、ベテランの知識が文書化されず個人に蓄積されやすいためだ。AIエージェントによる見積もり支援は、その「暗黙知の外部化」を促す手段としても機能しうる。明治安田生命のPoCは、技術検証であると同時に、組織知の構造を問い直す実験でもある。

PoCの段階で判断を急ぐと見落とすこと

現時点で注意すべきは、このPoCがあくまで検証段階であるという点だ。AIエージェントが生成した見積もりの精度がどの水準に達したか、有識者の工数をどの程度削減できたか、本番運用に移行する条件が何かについては、現時点では公開された詳細が限られている。

工数見積もりの精度は、学習に使うデータの質と量に大きく依存する。過去のプロジェクトデータが整備されていない組織や、業務ドメインが特殊なプロジェクトでは、同様のアプローチがそのまま機能するとは限らない。さらに、AIが出した見積もりに対して「誰が責任を持つか」という組織的な問いも未解決のまま残る。

明治安田生命のPoCが示した方向性は参考になるが、「AIで見積もりが楽になる」という表面的な結論だけを持ち帰るのは早計だ。自社のデータ整備状況、有識者の関与モデル、そして出力結果への責任体制を先に整えることが、同様の取り組みを成功させる前提条件になる。属人化の解消を目指してAIを導入したはずが、AIの出力への依存という新たな属人化を生む――そうした逆説を避けるために、PoCの中身を丁寧に読む必要がある。

本記事は公開情報をもとに、NEWGATA編集部で確認のうえ掲載しています。