「AIを入れて早くなったのなら、その分だけ安くしてほしい」。生成AIで制作や開発の時間が短くなるほど、この問いは顧客側からも自分の内側からも出てきます。私の立場は決まっています。効率化で生まれた余力は、値引きではなく顧客が受け取る価値の増加へ使いたい。ただしこれは現時点の意見であって、経験の報告ではありません。私はまだアップセルを実施して採用率や単価を測っておらず、案件別の作業時間も記録していません。以下は成功事例ではなく、余力の配分を決めるための判断枠組みです。
AIで生まれた余力を、すぐ値下げへ回さない
最初に分けたいのは、「作業時間が減ったこと」と「提供価値が減ったこと」です。この二つは連動しません。値下げは後者が起きたときに検討する話であり、前者への反射ではありません。
AIが一部の業務で生産性を高めることは、外部の研究でも観測されています。顧客サポート業務を対象にした実環境研究「Generative AI at Work」は、AI支援の導入後に担当者の処理量が増えたと報告しました。一方「Navigating the Jagged Technological Frontier」は、AIの能力が及ぶ範囲の課題では速度と品質が改善し、能力の外側の課題ではかえって成果が下がり得ることを示しています。どちらも受託制作の価格配分を測った研究ではありません。制作業務のすべてで同じ割合の時間が減る、と読み替えることはできない点に注意が必要です。
だから私は、作業時間が減ったという事実だけを、そのまま値引きの根拠にはしません。効率化を反射的に価格へ返すと、顧客が受け取るものは変わらないまま、供給側の体力だけが削られます。空いた時間をどこへ配分すれば顧客と自分の双方に何かが残るのか。値下げの可否は、その配分を考えた後に決めます。
追加提案は「作れるもの」ではなく顧客成果から逆算する
余力の再投資先として、私はSNS用のバナー、運用マニュアル、AIチャットボットといった候補を挙げています。ただしこれらは候補例であり、実際に提案して採用された実績や、効果を測った記録ではありません。
候補を並べたときに起きやすい失敗は、「AIで作れるから作る」という順番です。制作物の点数が増えること自体は、顧客にとっての価値ではありません。B2B取引の価値定量化を扱った調査研究では、顧客側の便益を金額や数量へ翻訳できる能力が価格の判断に効くと整理されています。ISO 10004も、顧客満足度を継続的に監視し測定するプロセスとして位置づけています。いずれも今回の三つの施策の効果を証明するものではありませんが、「変化を説明でき、観測できること」を提案の前提に置く根拠にはなります。
そこで、追加施策を思いついた時点で次の問いへ答えます。
- この追加施策は、顧客のどの問題を変えるのか。
- その変化を、一つの指標で観測できるか。
- 顧客は、便益と追加負担の両方を理解できるか。
- 作らなかった場合と比べて、なぜ今提案する必要があるか。
四つのうち一つでも答えられないなら、それはまだ提案ではなく思いつきです。
値下げ・件数増加・アップセルを同じ表で比べる
余力の使い道は追加価値だけではありません。値下げして関係を守る、処理件数を増やして稼働率を上げる、という選択も同じ土俵にあります。私はアップセルを支持する立場ですが、この事業文脈でアップセルが値下げや件数増加より優れると直接示す一次情報は見つけられていません。だから案件ごとに、同じ条件で三案を並べます。
| 選択肢 | 顧客側の便益 | 追加売上または値下げ額 | 営業・制作・保守工数 | 粗利 | 品質リスク | 継続利用への影響 |
|---|---|---|---|---|---|---|
| 値下げ | 支払額が下がる | 減少 | ほぼ変化なし（仮定） | 低下 | 低い（仮定） | 短期は安定（仮定） |
| 処理件数増加 | 納期が早まる | 案件数に依存 | 制作が増える | 稼働率次第 | 過負荷で上昇 | 案件ごとに切れる |
| 追加価値への再投資 | 未検証 | 未検証 | 営業と保守が増える | 未検証 | 運用範囲に依存 | 未検証 |
未検証と書いた欄は、私が埋められていない箇所です。この表は実測の比較結果ではなく、案件ごとに自分で埋める枠組みとして使ってください。なお、値下げ行の「ほぼ変化なし」「低い」「短期は安定」は、仕様変更を伴わない一般的な案件条件を想定した仮定であり、顧客環境や契約形態により変動します。埋めてみると、判断が粗利だけでは決まらないことが分かります。顧客便益を言葉にできないなら、値下げや納期短縮のほうが誠実です。供給能力が制約なら、件数増加が合理的なこともあります。残す条件は、顧客側の成果を観測でき、品質と運用責任を自分が引き受けられること。合格ラインの数値は事業ごとに違うため、ここで架空の基準値は置きません。
AIチャットボットは、運用責任まで説明できるときだけ提案する
追加候補のなかで、AIチャットボットはとくに慎重に扱います。短時間で動くものを作れることと、納品後に安全な運用を続けられることは、別の話だからです。
AIの能力の外側では品質が損なわれ得るという知見は、先に触れた研究が示すとおりです。NISTのAI 600-1は、生成AIのリスクをgovern、map、measure、manageという枠組みで扱うよう整理しています。経済産業省が公開したAIの利用・開発に関する契約チェックリストは、サービス水準、生成物の扱い、データ利用、利益とリスクの分配を契約段階で検討する必要を挙げています。AI事業者ガイドラインも、提供形態に応じて運用主体と役割を明示するよう求めています。これらは一般的な枠組みであり、個別案件の法的な結論を与えるものではありません。
そのうえで、次のどれか一つでも当てはまるなら、余力があっても私は売りません。
- 利用データの範囲を顧客へ説明できない。
- 誤回答が起きたとき、止める担当者が決まっていない。
- 監視、保守、インシデント対応の費用が価格へ入っていない。
- サービス終了時のデータと機能の扱いが決まっていない。
- 人が品質を確認できない領域である。
小さく提案し、七つの指標で継続可否を決める
条件を満たした施策も、いきなり大きな追加契約にはしません。顧客成果と採算は、出してみるまで分からないからです。最初は範囲と終了条件を決めた、小規模な有償提案として渡します。
- AI導入前後の実作業時間を、同じ品質条件で測る。
- 顧客課題と成果指標を一つに絞る。
- 値下げ、件数増加、追加価値を同じ比較表へ記入する。
- 運用範囲と終了条件を決めた小規模な有償提案を行う。
- 観測期間の後に、継続、修正、終了を決める。
観測する指標は七つです。提案採用率、追加売上、粗利、追加工数、顧客側の成果指標、顧客満足度、継続利用または再契約。売上だけを見ると工数と保守の増加が見えなくなり、顧客側の成果だけを見ると採算割れに気づけません。顧客満足度と単価が同時に高まるかどうかも、私にとってはまだ検証すべき仮説であって、前提ではありません。
合格値は私もまだ持っていません。だからこそ、最低粗利、再投資に使ってよい時間、撤退の条件は、提案を始める前に自分で決めておく必要があります。止められる設計を売る前に用意しておくこと。これが、追加提案を押し売りにしないための最低条件だと考えています。
効率化の成果を、顧客と自分の双方に残して測る
AIで生まれた余力の話は、値下げかアップセルかの二択にされがちです。しかし確かめたいのは、顧客に何が残ったかと、自分が品質と運用を続けられる採算が残ったかの両方です。片方しか説明できない提案には、急いで売る理由がありません。
次に見積書を書く前に、一度だけ問い直してみてください。この余力を使った提案は、顧客の何を変え、誰が運用し、品質と粗利を残せるのか。答えられないなら、まだ価格を付ける段階ではありません。
