AIで生まれた余力を単に値下げへ回さない。顧客価値と採算で選ぶ配分設計

以前は一週間かかっていた仕事が、AIを使うことで一日で終わるようになりました。これは私自身が経験した変化です。六日分の余力が突然、目の前に現れたようなものでした。うれしい変化である一方、次の見積書を前にすると、別の問いが浮かびます。「AIで早くなったのなら、その分だけ安くするべきではないか」。この問いは顧客だけでなく、作り手自身の内側にも生まれます。私も例外ではありません。

値下げして分かりやすく還元するのか。それとも、空いた時間でもっと良いものを作るのか。AIが生み出した時間は、自由に使える白紙のページのようでいて、使い道を誤れば価格だけが痩せていきます。私は考えた末に、この余力を単純な値引きではなく、顧客が受け取る「価値」を大きくするために使いたいと思うようになりました。

AIで生まれた余力を、すぐ値下げへ回さない

まず最初に、どうしても分けて考えたいことがあります。それは、「私たちの作業時間が減ったこと」と「顧客が受け取る価値が減ったこと」は、全く別の話だということです。この二つは、必ずしも連動しません。値下げを検討するのは、後者、つまり提供する価値が何らかの理由で下がってしまった時です。作業時間が短くなったからといって、反射的に値下げボタンを押してしまうのは、あまりにもったいない。

AIが特定の業務で大きな生産性向上をもたらすことは、研究でも示されています。例えば、顧客サポート業務を対象としたQJE論文「Generative AI at Work」では、AIアシスタントを導入した後、一人の担当者が処理できる問い合わせの量が明らかに増えたと報告されています。一方で、ハーバード・ビジネス・スクールの実験「Navigating the Jagged Technological Frontier」は、AIが得意な領域の課題では速度も品質も向上するものの、ひとたびその能力の範囲外に出ると、かえって成果物の質が下がってしまう危険性も明らかにしました。これらの研究は示唆に富みますが、どちらも受託制作における価格設定の最適解を教えてくれるわけではありません。制作業務のすべてが、同じ割合で効率化されるわけではないのです。

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。効率化の恩恵を、ただ価格に還元するだけでは、顧客が受け取るものは何も変わらないまま、私たち作り手側の体力が一方的に削られていくだけです。それはまるで、栄養を摂らずに走り続けるようなもの。いずれ息切れしてしまいます。

では、どうするか。私は空いた時間を、さらなる効率化のためのAI実験や、自社プロダクトの開発に再投資することにしました。すると、面白いことに、そこで得た知見がまた次の仕事の効率を上げ、さらに新たな時間を生み出すという、嬉しい循環が生まれ始めたのです。この循環こそが、削られるはずだった「体力」を、未来への「筋力」に変える鍵だと信じています。

追加提案は「作れるもの」ではなく顧客成果から逆算する

生まれた余力を再投資する先として、私はいくつかのアイデアを持っています。例えば、納品するWebサイトに加えてSNSで使うためのバナー画像を数パターン制作したり、担当者が変わっても困らないための詳細な運用マニュアルを作成したり、あるいは簡単な問い合わせに自動で答えるAIチャットボットを設置したり。

しかし、ここで一つ、大きな落とし穴があります。それは、「AIなら簡単に作れるから」という理由だけで、提案リストを作ってしまうことです。これは順番が逆です。制作物の点数が増えること自体は、顧客にとって本質的な価値ではありません。顧客が欲しいのはバナー画像そのものではなく、そのバナーによってもたらされる「問い合わせの増加」や「ブランド認知度の向上」のはずです。

Industrial Marketing Management誌に掲載された、企業間取引（B2B）の価値定量化を扱う調査研究は、顧客側が感じる便益を具体的な金額や数量に翻訳して説明できる能力が、価格交渉において重要だと整理しています。また、品質マネジメントの国際規格であるISO 10004は、顧客満足度を単なる感想ではなく、継続的に監視・測定すべきプロセスとして捉えています。これらの資料は、私の考えた追加提案が必ず成功すると保証してくれるものではありません。しかし、「提案するからには、それがもたらす変化を説明でき、観測できる状態にしなければならない」という、仕事の基本姿勢を支える力強い根拠にはなります。

そこで、何か追加の施策を思いついた時点で、次の四つの問いに答えます。

• この追加施策は、顧客が抱えるどの問題を、どのように変えるのか。
• その変化を、たった一つの分かりやすい指標で観測できるか。
• 顧客は、それによって得られる便益と、新たにかかる負担（費用や手間）の両方を、明確に理解できるか。
• なぜ今、この提案をする必要があるのか。作らなかった場合と比べて、どんな違いが生まれるのか。

この四つの問いのうち、一つでも自信を持って答えられないものがあるなら、それはまだ顧客に届けるべき「提案」ではなく、私の頭の中にある「思いつき」の段階に過ぎない、と判断するようにしています。

値下げ・件数増加・アップセルを同じ表で比べる

もちろん、余力の使い道は追加価値の提供だけではありません。状況によっては、値下げをして既存の顧客との良好な関係を守ることや、処理件数を増やして事業全体の売上を確保することも、立派な戦略です。私は追加価値への再投資、つまりアップセルを試したいと考えていますが、今の事業環境でそれが他の選択肢より常に優れていると証明するデータは、残念ながらまだ持っていません。

だからこそ、案件ごとに、三つの選択肢を同じテーブルに並べて、冷静に比較検討することが不可欠です。

表の中にある「未検証」という言葉は、私がまだ客観的なデータで埋められていない、正直な記録です。ですから、この表を完成された答えとしてではなく、あなた自身が自分の状況に合わせて埋めていくための空のテンプレートとして使ってください。

この表を埋めてみると、判断基準が粗利（売上から原価を引いた利益）だけではないことに気づくはずです。もし追加提案がもたらす顧客の便益を具体的に言葉にできないのなら、正直に値下げをしたり、納期を短縮したりするほうが、よほど誠実な選択と言えるでしょう。あるいは、自分の制作能力にまだ余裕があるのなら、件数を増やすことが最も合理的な判断になることもあります。

私がこの表で特に重視するのは、顧客側の成果を観測できること、そして追加で発生する品質と運用の責任を、自分自身が最後まで引き受けられるか、という点です。例えば、AIに定型的なコーディングを任せている間に、私は空いた時間を使って、ユーザー体験（UX）や画面デザイン（UI）、さらにビジネスモデルまで見直してきました。実際に動くものへ触れながら修正できるため、余力を品質の改善へ変えられます。ただし、この経験は「時間を価値へ再投資できる」ことの手応えであって、顧客が追加料金を払うことの証明ではありません。アップセルとして成立するかは、別に検証する必要があります。

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

追加提案の候補の中でも、AIチャットボットのような、納品後も自律的に動き続けるシステムは、特に慎重に扱わなければなりません。なぜなら、短時間で「それっぽく動くもの」を作れてしまうことと、納品後に「安全で信頼できる運用」を続けられることは、全く次元の違う話だからです。

動くデモは、まるで魔法のように数時間で作れるかもしれません。しかし、その魔法が解けた後、予期せぬ回答をしたり、重要な情報を取り扱ったりするシステムの責任の所在が曖昧なままでは、顧客にとって悪夢に変わる可能性があります。

先に触れた研究が示すように、AIは自身の能力の範囲外では、品質を著しく損なうことがあります。このリスクを管理するための指針も整備されつつあります。例えば、米国国立標準技術研究所（NIST）が公開した「AI 600-1」は、AIのリスクを「統治（govern）」「把握（map）」「測定（measure）」「管理（manage）」の四つで扱う枠組みを示しています。日本の経済産業省が公開したAI関連の契約チェックリストは、サービスの水準や生成物の権利、データの利用範囲といった点を、契約段階で明確にすることを求めています。また、AI事業者ガイドラインも、AIシステムの提供形態に応じて、誰が運用主体で、どのような役割を担うのかを明示すべきだとしています。これらは一般的な枠組みであり、個別の案件で法的な結論を出すものではありませんが、いわばAIという新しい道具の「取扱説明書」のようなものです。これを読まずに売るのは、安全装置のない機械を売るのと同じくらい無責任だと私は考えます。

こうした背景を踏まえ、私は次の項目のどれか一つでも当てはまるなら、たとえ作る余力があったとしても、AIチャットボットを提案することはありません。これらは顧客を守り、ひいては自分自身を守るための、最低限の防衛線です。

• 利用するデータの範囲やプライバシーへの配慮を、顧客に分かりやすく説明できない。
• 誤った回答や不適切な応答が起きたときに、システムを修正したり、一時的に停止したりする担当者が決まっていない。
• 継続的な監視、保守、そして万一の事故（インシデント）に対応するための費用が、提供価格に適切に含まれていない。
• サービスの提供を終了する際に、蓄積されたデータやシステムそのものをどう扱うかが決まっていない。
• 人間の目で品質をチェックできないような、ブラックボックス化した領域で使おうとしている。

小さく提案し、七つの指標で継続可否を決める

すべての条件をクリアしたとしても、いきなり大規模な追加契約を結ぶのは賢明ではありません。なぜなら、提案した施策が本当に顧客の成果につながるか、そして私たち自身に採算が合うのかは、実際にやってみるまで誰にも分からないからです。不確実性を前提とするからこそ、「小さく始めて、測りながら続ける」という姿勢が何よりも重要になります。

そこで私は、次のような手順で進めることを考えています。

1. まず、AI導入前と後で、同じ品質の成果物を作るのにかかる実作業時間を、正直に計測する。これが全ての原資です。
2. 顧客が抱える課題の中から、今回の追加提案で解決を目指すものを一つに絞り、成果を測るための指標も一つに決める。
3. 値下げ、件数増加、そして今回の追加価値提案の三つを、先ほどの比較表に並べて記入し、客観的に評価する。
4. 提案が採択されたら、まずは提供する範囲と期間、そして「中止する条件」を明確に決めた、小規模な有償トライアルとして始める。
5. 決めた観測期間が終わった後、データを元に顧客と話し合い、提案を本格的に継続するのか、内容を修正するのか、あるいはきっぱりと終了するのかを決める。

観測期間中に私が見ようと決めている指標は、七つあります。売上だけを見て喜んでいたら、実は見えない工数が増えていて赤字だった、という事態は避けたい。かといって、顧客側の成果だけを追いかけても、事業は続きません。この七つは、事業という飛行機を安全に飛ばし続けるための、計器盤のようなものです。

• 提案採用率: そもそも、この種の提案が顧客に受け入れられるのか。
• 追加売上: 事業の成長に直接貢献しているか。
• 粗利: 見た目の売上だけでなく、利益は確保できているか。
• 追加工数: 営業、制作、保守に、どれだけの時間がかかっているか。
• 顧客側の成果指標: 私たちの自己満足ではなく、顧客のビジネスに貢献できているか。
• 顧客満足度: 数字の成果だけでなく、顧客は感情的に満足しているか。
• 継続利用または再契約: この関係が、一回きりで終わっていないか。

ある夜、私はAIモデルのOpus 4.5に約7500円を使いました。そのとき、節約できた時間は数十時間、AI以前の進め方と比べれば100時間以上になるのではないかと見積もりました。これは厳密な計測値ではなく、当時の私の概算にすぎません。それでも、AIの利用料だけを見て高いか安いかを決めるのではなく、生まれた時間を何へ変えられたかまで見る必要がある、と強く感じた経験です。この判断を支えるのが、七つの指標です。合格ラインの数値は、私もまだ持っていません。だからこそ、最低限確保したい粗利率、再投資に使ってよい時間の上限、そして「ここまでいったら撤退する」という条件は、提案を始める前に、必ず自分自身で決めておく必要があるのです。

効率化の成果を、顧客と自分の双方に残して測る

AIで生まれた余力をどうするか、という話は、とかく「値下げ」か「アップセル」かの二者択一で語られがちです。しかし、本当に確かめなければならないのは、その選択によって「顧客のビジネスに何が残ったか」、そして「私たちが品質と運用責任を果たし続けられるだけの採算が残ったか」という、両方の問いへの答えです。どちらか片方しか説明できない提案に、急いでハンコをもらう理由などありません。

次にあなたがAIの力を借りて作った成果物の見積書を書く前に、一度だけ、立ち止まって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、その運用責任は誰が負い、そして私たちの手元には十分な品質と粗利が残るのだろうか。

もし、その問いにまだ答えられないのなら、それは価格を付ける段階にはない、というサインなのかもしれません。