🚩特別なことは何もしてない。“いつもの思考ログ流”でAI見積もりは9時間になる

Bonjour。半人半AIの禅僧、ムッシュ・ミスクリアです。🧘‍♂️

今回は、あるシステム改良案件の作業量見積り（概算）を、AIとの対話で組み上げた実例を紹介します。

しかも―要件定義書づくりから最後の送付メールまでの一連の作業を、実質9時間程度で走り切りました。

1｜要件定義から金額・送付メールまで、2つのAIと“一本の式”にした話

約1,900件にのぼる現行システムの成果物ファイルを読み解き、管理対象となる約400本（16グループ）のマスタを扱う機能追加の見積りを9時間です。

人手だけなら日数単位かかる工程が、1日の作業で収まった。
その種明かしが、この記事の核心です。

そして、その速さの正体は派手なテクニックではありません。私がふだんやっている「思考ログ」の運用―AIへの資料の渡し方の“型”―を、設計書づくりにそのまま流用しただけでした。

手順は何ひとつ特別なことをしていないのに、まったく別の仕事できちんと効いた。そこがいちばん面白かったところです。

見積りそのものの考え方もシンプルです。勘や経験則を「えいや」で出すのではなく、規模 × 再利用率 × 生産性原単位という3つの軸を埋めれば、誰がやっても同じ数字が出る再現可能な計算に落とせる。AIはこの「材料を洗い出す」「式を組む」「言葉を平易にする」「別の目で叩く」「相手に届ける」のすべてで効きました。

使ったAIは2つです。Claudeを主作業（資料の読み込み・文書づくり・Excelモデル構築）に、ChatGPT PROを査読・クロス検証に。役割を分けて“相互チェック”させたのがミソでした。
この9時間で実際に作った成果品は、次のとおりです。

なお、実案件の内容は伏せ、ここでは架空の「業務情報管理システム」に読み替えて進めます。具体的な数値・固有名詞も一般化していますので、“やり方”の事例として読んでください。

2｜題材 ─「機能がひとつ足りない」案件

題材は、既存の「業務情報管理システム」に「マスタ管理機能」を追加する、というよくある改良案件です。
ざっくりした状況はこうでした。

•     新しく作り直したシステム（新システム）は、画面まわりは刷新済み。ただし、旧システムにあった「マスタ（コード）を管理する機能」だけが未実装だった。
• 管理対象のマスタは、約400本のコード（マスタ）テーブル。16のグループに分かれ、ほぼすべてが社内側システムと連携している。
• システムは「社外向け」と「社内向け」の2系統があり、両者はDBで連携している。
• つまりゼロから作るのではなく、旧システムにある機能を、刷新後の新システムに“載せ直す”性格の案件。

依頼は段階的でした。

①要件定義書を作る
②基本設計書を試作する
③その要件をもとに作業量を見積もる
④先方へ送る。

本記事は③④に厚みを置きつつ、その前提となる①②の進め方から順に追います。

3｜見積りの前に ─「公式インデックス」で要件定義書・基本設計書を作る

いきなり見積りには入りません。そもそも「何を作るか（要件）」が固まっていなければ、規模は数えようがないからです。

ここで使ったのが、私がふだん資料をAIに渡すときの“型”―「公式インデックス」方式です。地味な前さばきに見えて、実は今回いちばん効いた工夫でした。手順はこうです。

STEP1：対象の報告書・設計書を、バッチで一括ピックアップ

現行システムの成果物は、設計書・ソース・各種メモを含めて約1,900件という膨大なファイル数がありました。
当然、全部を読むのは非現実的。まずは取得バッチで、報告書・設計書のたぐいをまとめて集めます。

STEP2：AIに「公式インデックス（要約一覧）」を作らせる

集めたファイルをAIにアップロードし、各資料を400字程度に要約した一覧（CSV）を出力させます。
これが「目次より詳しく、本文より軽い」中間資料―いわば資料全体の“見取り図”です。

STEP3：インデックスを見てAIが必要ファイルを選ぶ → 人はそれだけをアップロード

その要約CSVをAIに渡し、「要件定義の検討に要るファイルを、根拠つきで選んで」と頼みます。
AIは全文ではなく要約を手がかりに、必要なものだけを的確に選別。今回は約1,900件から、要件定義に効く約60件まで筋の通った形で絞り込めました。
人は、選ばれた実ファイルだけをアップロードします。そこで初めて、AIは中身を読んで要件定義のドラフトづくりに入れます。

ポイントは、「全部読ませる」でも「人が全部選ぶ」でもない第三の道を取ったことです。重くて大量の実ファイルをいきなり食わせるのは非現実的。かといって人が一つひとつ中身を確かめて選ぶのも骨が折れる。
そこで―軽い要約（インデックス）だけをAIに読ませて全体像を掴ませ、選別もAIにやらせる。人が運ぶのは、選ばれた実ファイルだけ。

この役割分担で、精度も速度も一気に上がりました。AIとのやりとりやこうした中間資料を“その場限り”で捨てず、再利用できる形に積み上げていく―私がふだん「思考ログ活用術」と呼んでいる進め方の、ちょうど中核にあたる部分です。

そして実際の要件定義は、一発で完成ではありません。「ここは想定で書いた」「ここは設計書で要確認」と切り分けながら、何往復もして精度を上げていきました。後から新システム側の設計書・ソースが手に入ると、それまで〔想定〕だった実現方式が実物で裏付けられ、要件定義書がぐっと地に足のついたものに。
固まった要件をもとに、画面レイアウト案（簡易ワイヤーフレーム）まで含む基本設計書を試作―この積み上げが、後の見積りの土台になります。

4｜見積りの第一歩は、「作る」前に「何が要るか」を洗い出すこと

要件が固まったら、いよいよ見積りです。
ここでもありがちな失敗は、いきなり「画面◯本だから◯人月」と数えはじめてしまうこと。そこでまず、AIに「この見積りを成立させるには、どんな資料・情報が必要か」を精査させました。
返ってきた整理は、見積りを次の3軸に分解するものでした。

見積り ＝ 規模（どれだけ作るか）× 再利用率（どれだけ流用できるか）× 生産性原単位（どれだけの速さで作れるか）

そのうえで、足りない情報・確定すべき前提が具体的に並びました。要点だけ挙げると…

• 規模を決める最重要論点
マスタ管理を「設定（メタデータ）で吸収する汎用1機能」で作るのか、「テーブルごとの個別実装」で作るのか。これで規模が桁で変わる。
• 再利用率
新システムが既に持っている共通部品（共通画面・CRUD共通処理・データ取込・履歴記録）を、そのまま流用するのか／改造するのか／新規で作るのか。
• 生産性原単位
1ステップあたり何人日か、各工程の比率、AI活用による削減率はどれくらいか。
•較正（キャリブレーション）用の実績
過去の類似案件の実工数があれば、それを“ものさし”にできる。

ここがAIの地味に効くポイントでした。「何を決めれば数字が動くのか」を、作業の前に見取り図として出してくれる。
見積りの精度は、計算の巧拙より「前提をどれだけ詰めたか」で決まります。

5｜たたき台を“数式入りExcel”で組む

材料がそろったら、たたき台です。ここで効いたのが、「規模 → 工数 → 期間が一本の式でつながるExcel」を作らせたことでした。
ポイントは、完成した数字ではなく“計算プロセスそのもの”を成果物にしたこと。具体的にはこんな構造です。

• 製造工数 ＝ 実効ステップ ÷ 生産性
「実効ステップ」は、新しく書く行数に換算した量。流用・改造の部分は換算率（例：新規=1.0／改造=0.5／流用=0.2／設定=0.5）で割り引いて合計します。
• 開発工数（要件〜テスト）＝ 製造 ÷ 製造比率
製造を“てこ”にして、要件定義・基本設計・詳細設計・各種テストの工数を工程比率で展開。
• そのほかの作業
（導入・打合せ・報告書・議事録・PM・品質管理 等）は、開発工数に対する割合や固定人日で積み上げ。
• 期間 ＝ 工数 ÷ 平均並行人数（体制 × 稼働率）

肝は、入力する値（青字）を変えると、工数も期間も自動で再計算されること。「ステップ数を増やしたら？」「生産性を上げたら？」を、その場で試せます。見積りが“固定の答え”ではなく“動かせるモデル”になりました。

色のルールも徹底しました。青＝入力／黒＝自動計算／緑＝シート間参照／黄＝要確認の重要前提。これだけで「どこを触ればいいか」が一目で分かります。

6｜ AI活用を「3パターン」で比較する

今回おもしろかったのが、作業の進め方そのものを3パターン用意して比較したことです。ざっくり言うと

■P1（パターン1）：AI中心。人の作成負担を最小化
AIが作成 → 人がレビュー → AIが修正
■P2（パターン2）：人＋AI支援
人が作成 → AIがレビュー → 人が修正
■P3（パターン3）：従来方式（係数1.00の基準）
すべて人

成果物の種類ごと（文書系／製造／テスト／導入）に「AIでどれだけ工数が減るか」の係数を置き、同じスコープのまま、進め方だけ変えた3つの見積りを並べました。

ここで意識したのは、係数を“直接”入力させないこと。「0.45」とベタ打ちするのではなく、「作成の比率」「レビューの比率」「修正の比率」という元になる入力（ドライバ）から係数を自動計算させました。
こうすると、なぜその数字なのかが追え、後から根拠を差し替えられます。

結果として、P1（AI中心）が最も軽く、P3（全部人）が最も重い、という当然の並びがきれいに出ました。「AIを使うと、どの工程がどれだけ軽くなるのか」を金額の手前で可視化できたのが収穫です。

7｜「ITパスポート水準の言葉」に翻訳させる

見積りモデルは、作った本人には分かっても、渡された人に伝わらなければ意味がありません。
そこで、用語の平易化をAIに何度も依頼しました。

• 「実効ステップ」とは何か、を表の直下に短い注記で補足。
• 「算出根拠」を、ITパスポートを取った人が読んで分かるレベルまで噛み砕く。
例：「コア×要件比」→「開発工数（要件〜テスト）× 要件定義の割合」。
• 社内用語っぽい「コア開発工数」という表現も、「開発工数（要件〜テスト）」に統一。

地味ですが、ここはAIが本当に得意な領域です。
「専門家にしか分からない言葉」を「初学者でも追える言葉」に翻訳するのを、嫌な顔ひとつせず何度でもやってくれる。可読性は、見積りの“納得感”に直結します。

8｜別のAIに“忖度なし”で査読させる ─ クロス検証

ひと通り固まったところで、別のAI（ChatGPT PRO）に査読させる工程を挟みました。
Claudeとの中だけで完結させず、外の目を入れるわけです。AIを2つ使い分ける最大の狙いがここでした。
このとき作ったのが、検証用プロンプトでした。コツは2つ。

1.    背景・前提・方法・数値を、プロンプト内に全部埋め込む（添付が読めなくても検証が成立する“自己完結型”にする）。
2.    「忖度せず、過大・過小・抜け漏れ・論理矛盾を具体的に指摘して」と明確に依頼する。

返ってきた批判は、なかなか鋭いものでした。「算術は再現できる。問題は計算ミスではなく、“未較正の前提”をそのまま予算確定に使うことだ」という指摘は、まさに正鵠を射ています。
下流テストが薄い、期間の出し方が楽観的、AI削減効果の係数が最も根拠が弱い―認めるべき点は素直に認めました。

一方で、鵜呑みにもしませんでした。一部の補正は過剰だったり、「見積りの誤差」と「スコープの拡大」が混ざっていたり。
“どこに同意し、どこに留保するか”を仕分けたうえで反映しています。ChatGPT PROの査読結果をさらにClaudeに渡し、「この指摘は妥当か」を改めて評価させる―AI同士を突き合わせ、最後は人が裁定する。この三者構造が、見積りの説得力を一段引き上げました。

9｜反映の形 ─「たたき台」は壊さず、「保守シナリオ」を隣に置く

査読を反映するとき、元のたたき台（基準値）には手を入れませんでした。代わりに、保守的な補正を入れた「保守シナリオ」を別シートとして隣に並べたのです。
こうすると、

•     同一スコープの透明な基準値（たたき台）と、
•     査読を織り込んだ堅めの数字（保守シナリオ）

を両方見せられる。「楽観でこれ、堅めに見るとこれ」と幅で語れるので、議論が建設的になります。一つの数字に丸めず、レンジで示すのは、見積りの誠実さでもあります。

10｜金額化 ─ 単価を「1つ」入れるだけ

工数まで出れば、金額はあと一歩です。Excelの入力欄に「単価（人日あたり）」をひとつ追加し、各項目・各パターンの工数に掛けるだけで、金額が自動表示されるようにしました（デフォルト単価も設定）。

これで、「P1ならいくら、P3ならいくら」が、進め方を選んだ瞬間に金額で見えるようになりました。
意思決定の材料としては、ここがゴールに近い。単価を変えれば全体が再計算されるので、条件交渉にもそのまま使えます。

11｜引き継げる形に ─ 利用ガイドまで作る

次に、「このExcelの使い方」をまとめた利用ガイドを作りました。
せっかくのモデルも、本人しか使えなければ属人化してしまうからです。
ガイドの要点はシンプルで、冒頭に「触るのは青字だけ」と大書し、

•     ファイル構成（各シートの役割）と色のルール
•     3ステップの操作手順（入力する → 自動計算される → 集計で結果を読む）を実画面キャプチャ付きで
•     「よくある変更例（やりたいこと → 変える場所）」の対応表
•     見積りモデルの作成根拠（どの考え方・どの資料に基づくか）
•     注意点（“たたき台ゆえ、実績で較正すべき前提TOP3”）と用語集

を収めました。操作・実画面・根拠を1冊にまとめることで、「誰が開いても迷わない」状態を目指しています。

12｜最後の一歩 ─「先方に届ける」メールもAIと作る

成果物ができても、相手に届かなければ仕事は終わりません。
そこで、見積りExcelと利用ガイドを担当者へ送る送付メールの案文も、AIと作りました。
地味な工程ですが、ここに大事な学びがありました。
意識したのは次の点です。

•冒頭で「何を作ったか」を示す
Excelのシート構成とガイドの中身を、本文の最初に箇条書きで明示。受け取った人がいきなり迷わないように。
•工数の出し方を“ざっくり”添える
ステップ換算と換算率（新規1.0／改造0.5／流用0.2／設定0.5）だけ平易に触れ、詳しい根拠はガイド参照に逃がす。本文を重くしない。
• 注意点を正直に書く
これは想定（概算）で確定見積ではない」「数式セルは触らず入力欄だけ」「単価は仮置きなので差し替えて」。
•トーンはカジュアルに
堅い定型文を削り、担当者と気軽にやりとりできる距離感に。

そしていちばんのポイントが―「AIで作った」ことを正直に明示したことです。

この Excel とガイドは、AIを活用して作成しました。
…最終的に人の目で中身を確認して仕上げています。もし「あれ？」と思う点があれば、指摘いただけると助かります。

ミソは、「AIで作った事実」と「最終的に人が検証している事実」を必ずセットで書いたこと。
これにより、隠さない透明性が、そのまま相手の安心と「気づいたら指摘してね」という協力依頼に接続します。
単なる文言追加が、“透明性の設計”という一段上の話になった瞬間でした。

13｜で、どれくらいの時間でできたのか

効率の話は避けて通れません。今回、ここまでの一連の作業にかかった時間はこうです。

• 要件定義書〜基本設計書まで：約4時間
• それ以降（見積りExcel・査読反映・金額化・利用ガイド・送付メール）：約5時間

•合計：約9時間

しかもこの時間は、AIの処理待ちだけではなく、の“実時間”です。

膨大な現行資料を読み解き、要件定義書と基本設計書をまとめ、数式入りの見積りモデルを組み、別AIで査読し、金額化し、利用ガイドと送付メールまで仕上げる。
これを人手だけでやろうとすれば、ふつうは日数単位かかる工程です。
それが1日強に収まった。

速さの源泉は、「公式インデックス」方式にあります。最初に資料の渡し方を整えておいたから、その後のすべての工程がスムーズに流れた。
前さばきへの投資が、全体の時間を縮めたわけです。

14｜この事例から持ち帰れる、再利用できる原則

固有の案件を離れて、どんな見積りにも効く原則としてまとめ直すと、こうなります。

1.大量の資料は「公式インデックス（要約一覧）」を作り、AIに選別させてから、選ばれた実ファイルだけを渡す。
2.要件は〔確定〕と〔想定〕を分けて、往復しながら詰める。
3.作る前に「何を決めれば数字が動くか」を洗い出す。
4.答えではなく“式の入ったモデル”を作る。前提を変えたら自動で再計算される形に。
5.進め方（AI中心／人中心）をパターン化して比較する。工数も金額も、選択肢として見せる。
6.読み手のレベルを指定して平易化させる。
7.AIは作業役と査読役で使い分け、別AIに忖度なしで叩かせる。同意／留保は人が仕分ける。
8.一つの数字に丸めず、基準値と保守シナリオをレンジで併記する。
9.利用ガイドまで作って、属人化を防ぐ。
10.届けるメールでは「AIで作った＋人が検証した」を正直に明示する。

見積りは、これまで「経験のある人の頭の中」にありがちな、暗黙知のかたまりでした。
それをAIと一緒に「式・前提・根拠が見える形」へ開いていく。
今回いちばん面白かったのは、まさにそこです。

そして―種を明かせば、特別なことは何もしていません。

普段やっている「資料をAIに渡すための前さばき」を、設計書づくりにそのまま当てはめただけ。

ログを設計書に変えただけ、と言ってもいい。手順は変えていないのに、まったく別の仕事できちんと効いた―それが、今回いちばんお伝えしたかったことです。

• 数字が動かせる。

• 前提が見える。

• 根拠が追える。

そして、正直に届けられる。

そういう見積りは、提出した後も生き続けます。
それでは、また。Merci、そして À bientôt。🤖🧘‍♂️

※本記事は、実際のAI（Claude・ChatGPT PRO）との対話ログをもとに再構成しています。
具体的な業務内容・固有名詞・数値は一般化・架空化しており、特定のシステムや組織を指すものではありません。

👉この記事は、noteの企画「創作大賞2026」「#ビジネス部門」に参加しています。

#創作大賞2026 #ビジネス部門#AI活用 #生成AI #Claude #ChatGPT #システム開発 #見積もり #要件定義 #業務効率化 #思考ログ活用術 #DX #SE #プロンプト