エキスパート株式会社
「あの見積、なぜあんなに甘かったのか」──プロジェクトの振り返りで最も多く聞かれる反省です。そして次のプロジェクトでも、また同じことが繰り返されます。工数見積は、経験豊富な担当者でも外すのが常です。
結論から言えば、見積が外れる主因は個人の能力ではなく、根拠が言語化されないまま「勘と経験」で数字が決まり、楽観バイアスの補正が働かないことにあります。そしてAIは、この2つの構造的な弱点を補うのに適しています。本記事は連載「PMOのためのAI活用ガイド」の第3回です。第2回（計画書・WBS）で洗い出したタスクに、どう工数を載せるかを解説します。
なぜ工数見積は外れ続けるのか？
見積が外れる構造的な理由は2つあります。根拠がブラックボックスであることと、楽観バイアスがかかることです。
多くの現場で、見積は経験者の頭の中で組み立てられ、「このタスクは10人日」という結果の数字だけが表に出ます。根拠が言語化されていないため、他者は妥当性を検証できず、外れたときに何を間違えたのかも学べません。属人化した見積は、組織として改善されないまま繰り返されます。
もう1つが楽観バイアスです。人は計画時、物事が順調に進む前提で考えがちです。手戻り、待ち時間、関係者調整、環境トラブル──実際のプロジェクトで必ず発生する摩擦が、見積からは抜け落ちます。しかも見積には「安く・早く見せたい」という心理的な圧力もかかります。楽観は個人の性格ではなく、構造的に発生する偏りなのです。
AIで見積をどう補正する？ 3つの型
AIを見積に使う際の実践的な型は、次の3つです。いずれも「AIに数字を決めさせる」のではなく、人の見積を検証し補正する使い方です。
型1: 根拠を言語化させる
タスクと見積を渡し、「この見積の前提条件と作業内訳を整理して」と依頼します。頭の中にあった根拠が文書になることで、チームでの検証が可能になり、外れたときの学びも残ります。見積根拠書のドラフト作成は、AIが最も確実に貢献できる領域です。
型2: 楽観・標準・悲観の3点で幅を出させる
「このタスクが最悪の場合、どんな要因で工数が膨らむか」を挙げさせ、悲観・標準・楽観の3点見積に展開します。1本の数字ではなく幅で捉えることで、楽観バイアスが可視化され、バッファ設計の議論ができるようになります。
型3: 漏れている作業を指摘させる
「この見積に含まれていない作業は何か」を検証させます。テスト・レビュー・手戻り・調整・ドキュメント作成など、見積から抜け落ちやすい作業を別視点から照らします。第2回で扱ったWBSの抜け漏れ検出と同じ原理です。
見積の幅はどう報告に活かす？
3点見積で得た幅は、そのまま関係者との合意形成の道具になります。
「10人日です」という報告は、外れた瞬間に信頼を失います。一方「標準10人日、リスクが顕在化すると15人日。主な変動要因はこの2つ」という報告は、外れる前にリスクの議論を引き出せます。経営やプロジェクトオーナーにとっても、幅と変動要因が見えるほうが、バッファや優先順位の判断がしやすくなります。
つまりAIによる見積補正の価値は、数字の精度向上だけでなく、見積を「当てもの」から「リスクの対話」へ変えることにあります。プロジェクトの不確実性を早く表に出すことは、後の工程での炎上予防に直結します。
ベンダー見積のチェックにはどう使う？
見積の補正は、自社の見積だけでなくベンダーから受け取る見積の妥当性チェックにも使えます。発注側の目利き力を補強する使い方です。
具体的には、ベンダーの見積書と提案書をもとに、次の観点をAIと洗い出します。
- 前提条件の曖昧さ: 「別途協議」「想定範囲内」など、後で揉める火種になる表現はないか
- 作業範囲の穴: データ移行、教育、保守引き継ぎなど、どちらの責任か不明確な作業はないか
- 工数の偏り: 類似案件の相場と比べて、特定工程が極端に薄い・厚い箇所はないか
これらの指摘をもとに、ベンダーへ確認の問いを立てられれば、契約前にリスクを潰せます。発注側に求められる目利きの考え方は、発注側の目利き力の記事で詳しく解説しています。
まとめ
- 見積が外れる主因は根拠の言語化不足と楽観バイアス。個人の能力ではなく構造の問題です
- AI活用の型は「根拠の言語化」「3点見積への展開」「漏れ作業の指摘」の3つ。数字を決めるのは人、検証と補正がAIの役割です
- 見積の幅は関係者とのリスクの対話の道具になり、ベンダー見積の目利きにも応用できます
次回・第4回は「定例会議はAIで半分にできるか？議事録自動化から会議の再設計へ」です。見積・計画の精度向上に取り組みたい方は、お問い合わせよりお気軽にご相談ください。プロジェクトマネジメント支援の実践知をもとに伴走します。
