生成AIでSESの仕事が一律に減るとは限らない
生成AIでSESの仕事が一律に減るとは断定できず、先に変わり得るのは案件の要件と人材を評価する基準です。
経済産業省の資料は、生成AIの日常業務への組み込みや必要スキルの変化を示していますが、SES案件の総数や単価の増減を予測した資料ではありません。
そのため営業担当の方は「仕事がなくなるか」という二択ではなく、求められる役割がどう変わるかを案件ごとに確認する必要があります。
この記事では、SES企業の外部環境、案件要件、単価評価の軸、営業活動への影響に範囲を絞って解説します。
仕事の増減だけで考えると営業判断を誤る
生成AIの影響を仕事の増減だけで捉えると、案件名の変化と実際の役割の変化を区別できません。
「AI案件なら伸びる」「既存案件なら減る」と名称だけで判断することは、公式資料から導ける結論ではありません。
生成AIという案件名だけでは業務内容が分からない
同じ生成AI関連の案件でも、利用方針を決める仕事、既存システムへ組み込む仕事、出力を評価する仕事、運用を支える仕事では必要な経験が異なります。
反対に生成AIを案件名へ掲げていなくても、開発や調査の一部でAIツールを利用する可能性があります。
営業担当の方は名称から市場性を決めず、業務内容と担当工程を分けて聞く必要があります。
作業の短縮と案件の消失は同じではない
生成AIによって一部の作業時間が短くなっても、それだけで案件や職種が消えるとは限りません。
作業が短くなった結果として、要件整理、設計、検証、説明、運用改善へ求められる時間配分が変わる場合があります。
作業量の変化と案件需要の変化を同じものとして扱わないことが、市況を読むときの基本です。
単価はAI利用の有無だけでは決まらない
単価が上がるか下がるかも、生成AIを使うという一項目だけでは決められません。
顧客が求める責任範囲、希少な経験、上流工程への関与、成果を評価する役割などが組み合わさって条件が提示されます。
生成AIという語を単価上昇や下落の根拠にせず、案件ごとの評価理由を確認します。
公式資料は業務への組み込みとスキル変化を示す
公式資料から確認できるのは、生成AIを業務へ組み込む課題と必要スキルの変化であり、SES市場の縮小予測ではありません。
経済産業省とIPAの資料は、案件要件を確認するための背景として使います。
経済産業省は日常業務への組み込みを課題とする
経済産業省の「生成AI時代のDX推進に必要な人材・スキルの考え方2024」は、国内企業で導入が進む一方、組織として日常業務へ組み込むことや新しいサービスの創出、経営層の関与に課題があると整理しています。
同資料は、ソフトウェアエンジニアにAIツールを使う力だけでなく、上流スキルや対人スキルも求められるとしています。
AIを使えるかだけでなく業務へ組み込めるかが、案件要件を読むうえで重要です。
IPA資料は人材評価の変化を考える材料になる
IPAの「DX動向2025-AI時代のデジタル人材育成」は、スキルを基に役割や評価を決める考え方と、実践を通じた学習の必要性を論じています。
同資料はAIやデータに関するスキルとともに、分析的思考やリーダーシップなどのヒューマンスキルも扱っています。
ただし、これは執筆者見解に基づくディスカッションペーパーであり、IPAの公式見解ではありません。
SES案件や単価の将来を直接示す資料としてではなく、人材評価の軸が変わり得ることを考える材料として参照します。
生成AIでSES案件の要件は変化し得る
SES案件では、特定ツールの利用経験に加えて、業務へ組み込む設計、出力評価、関係者との合意形成が要件へ加わる可能性があります。
営業担当の方はスキル名の有無ではなく、どの役割を任せたい案件かを確認します。
AI利用能力は業務場面とセットで確認する
「生成AI経験あり」だけでは、案件で再現できる経験か判断できません。
利用した業務、入力した情報、出力の確認方法、人が判断した部分、利用上の制約まで聞くと、経験の範囲が見えます。
ツール名を工程と検証方法へ分解することで、案件要件と人材経験を対応させやすくなります。
上流工程と評価の役割が重要になる
生成AIの出力を業務で使うには、目的を決め、必要なデータを選び、結果が目的に合うか評価する工程が必要です。
経済産業省の資料も、問いを立てる力、仮説を立てて検証する力、評価して選択する力を挙げています。
営業担当の方は「実装できるか」だけでなく、要件整理、設計判断、評価、改善のどこを担当したかを確認します。
対人スキルは技術と別枠にしない
顧客の目的を聞き、利用部門と認識を合わせ、出力の限界を説明する仕事では対人スキルが必要です。
技術要件と対人要件を別々の飾りとして並べず、どの場面で関係者と合意したかを経験として聞きます。
AIと人が担う営業業務の分け方は、次の記事で整理しています。
AI時代のSES営業に残る仕事｜AIに任せる仕事と人が担う仕事
単価評価の軸は役割と責任で確認する
生成AI時代の単価は上昇や下落を一律に予測せず、案件内の役割、必要経験、責任範囲から確認します。
AIという名称だけを単価交渉の根拠にしないことが重要です。
| 確認する軸 | 営業が聞く内容 | 人材側で確認する経験 |
|---|---|---|
| 業務目的 | 何を改善または新規に実現したいか | 近い業務課題へ関わった経験 |
| 担当工程 | 調査・要件整理・設計・実装・評価・運用のどこか | 実際に担当した工程と役割 |
| 判断責任 | 出力や設計を誰が評価して決定するか | 評価基準を作り説明した経験 |
| 技術要件 | 利用環境や連携対象は何か | 利用技術と実装した内容 |
| 対人要件 | 誰と合意し誰へ説明するか | 顧客や利用部門との調整経験 |
単価条件を受け取ったら、生成AI経験というラベルだけで比較せず、表の各項目へ分けて提案理由を作ります。
求める役割が広いのに単価条件が変わらない場合も、直ちに良し悪しを決めず、担当範囲と優先順位を相手へ確認してください。
SES営業は案件理解と人材情報を更新する
SES営業が取るべき対応は、案件要件を質問で具体化し、人材経験を同じ粒度へ更新することです。
生成AIの情報収集だけで終わらせず、提案時の確認項目を変えるところまで進めます。
顧客へ役割と評価方法を聞く
案件受信時は、生成AIの利用目的、担当工程、出力の確認者、期待する成果、利用上の制約を聞きます。
要件が検討中なら推測で補わず、未確定の項目と確認予定を営業記録へ残します。
顧客が求めるのが開発者なのか、業務と技術をつなぐ役割なのかを切り分ける質問が必要です。
人材の経験を成果と判断へ分解する
人材情報は生成AIツール名の列を足すだけでなく、利用目的、担当工程、評価方法、関係者への説明を記録します。
機密情報を含む経験は開示できる範囲を本人と確認し、実在案件が特定されない表現へ整えます。
スキルの羅列ではなく経験内容を確認すると、案件側の役割と対応させやすくなります。
市況の仮説は案件記録で検証する
生成AI関連の相談が増えたと感じても、印象だけで市場全体の変化とは判断しません。
案件ごとに求める役割、技術、単価条件、見送り理由を同じ項目で残し、自社が実際に受け取った情報から変化を確認します。
IT人材需給の試算とスキルのずれを読む際の注意点は、次の記事で解説しています。
IT人材不足がSES業界に与える影響｜2030年の試算を読み解く
営業の検索と整理は仕組みへ移す
案件要件が細かくなるほど、営業担当の方はメールを探して転記する時間を減らし、顧客確認と人材フォローへ時間を使う必要があります。
ここで自動化する対象は契約判断ではなく、受信した情報の整理と候補照合です。
メールの条件を比較できる形へそろえる
案件と人材のメールから商流、単価、スキル、稼働時期などを項目として扱えると、生成AI関連の経験も他の条件と一緒に探せます。
書かれていない条件は推測せず、確認が必要な情報として残します。
検索前の整理を仕組みへ移すと、営業担当の方は案件背景と経験の対応を確認する作業へ移れます。
候補照合は最終提案と分ける
候補照合は提案先を決める材料であり、営業判断そのものではありません。
商流や単価などの条件で候補を絞り、生成AIの利用経験、上流工程、評価、対人スキルを営業担当の方が確認します。
候補を段階的に絞る考え方は、次の記事で扱っています。
AIマッチングはどう案件と人材を結びつけるのか｜2段階フィルタの仕組み
Dot Linkが支援する範囲を明確にする
Dot Linkは受信した案件・人材メールを構造化し、検索、候補照合、マッチングを支援します。
契約や単価判断を自動で決定するサービスではありません。
生成AI関連の案件でも、メールに書かれた商流、単価、スキル、稼働時期などを整理し、候補を探すまでが支援範囲です。
顧客の背景確認、人材経験の聞き取り、提案可否、条件交渉、契約締結は営業担当の方と社内の担当者が行います。
自動化できる範囲とできない範囲は、次の記事で詳しく整理しています。
AI駆動SESとは｜メール処理・マッチングはどこまで自動化できるか
生成AI時代は役割の変化を案件ごとに確かめる
生成AIでSESの仕事が一律に減るとは言えず、案件要件と人材評価の軸が変わり得ると捉えるのが現実的です。
仕事の有無ではなく役割の変化を確認すると、根拠のない市況予測から営業判断を切り離せます。
営業担当の方は、生成AIの利用目的、担当工程、評価方法、対人調整、責任範囲を顧客へ聞き、人材の経験も同じ項目で更新してください。
Dot Linkで受信メールの整理と候補照合を支援し、確保した時間を顧客理解と人材フォローへ回す運用を検討できます。
業界の変化にDot Linkで対応する
無料登録して詳細を見る →よくある質問
生成AIでSES案件が減ったかどうかはどう確認しますか？
自社が同じ条件で受け取った案件記録を継続して比較し、生成AIという語の有無だけでなく、業務内容、担当工程、必要スキル、単価条件、募集状態を分けて確認します。
受信経路や取引先の構成が変われば件数も変わるため、異なる母集団をそのまま比べないことが大切です。
公式資料は市場変化を考える背景にはなりますが、自社のSES案件数や単価推移を示すものではありません。
案件が減ったという印象を結論にせず、同じ期間と同じ集計基準で記録を見直してください。
生成AI経験がない人材は提案しにくくなりますか？
生成AI経験がないことだけで提案できないとは限らず、案件が求める役割と既存経験の対応で判断します。
要件整理、設計、検証、顧客調整、運用改善などの経験が重視される案件では、特定ツールの利用歴以外にも説明できる材料があります。
一方で生成AIツールの利用が必須要件なら、未経験を経験済みのように書かず、学習状況と実務で再現できる範囲を分けて伝えます。
営業担当の方は必須要件と尚可要件を顧客へ確認し、候補者本人の希望も合わせて提案可否を決めてください。
生成AI案件の単価はどう比較すればよいですか？
生成AIという名称で比較せず、担当工程、責任範囲、必要な技術、評価の役割、顧客との調整範囲をそろえて比べます。
同じ技術名が書かれていても、補助的にツールを使う役割と、業務への導入方針を決めて結果を評価する役割では仕事の内容が異なります。
提示単価だけを切り出さず、精算条件、勤務条件、商流、契約形態も案件票や契約書で確認してください。
相場や将来の上昇を推測で補わず、自社が受け取った条件と担当範囲を基に個別に判断します。
参照リンク
経済産業省「生成AI時代のDX推進に必要な人材・スキルの考え方2024」 — 生成AIの日常業務への組み込みとDX推進人材に求められるスキルの変化を確認した公式資料です。
IPA「DX動向2025-AI時代のデジタル人材育成」 — AI時代の人材育成とスキル評価を扱うディスカッションペーパーで、IPAの公式見解ではなく執筆者の見解です。
