SES単価交渉、AIで武装する時代

ミドリ(confused)： タツヤさん、うちのSES企業なんですけど、単価交渉がいつも弱くて困ってるんです。クライアントに言われるまま値下げしちゃうことが多くて……。

タツヤ： あー、SES業界のあるあるだね。営業担当者が「市場相場がわからないから、クライアントの言い値で通してしまう」パターン。

ミドリ： まさにそれです。適正な単価がいくらなのか、誰も自信を持って言えないんですよ。

タツヤ： そこにAIを使うと、状況が一変する。市場データに基づいた根拠のある単価提示ができるようになるから、交渉力が格段に上がるんだよ。

SES単価交渉の3大問題

ミドリ： まず何が問題なのか、整理してもらえますか？

タツヤ： SESの単価交渉で負ける理由は大きく3つある。

問題1：市場相場のデータがない

タツヤ： 「Javaエンジニアの市場相場っていくら？」って聞かれて、即答できる営業がどれだけいる？

ミドリ(confused)： うーん……「だいたい60〜80万くらいですかね」みたいな曖昧な答えになりそうです。

タツヤ： その「だいたい」が問題。実際には経験年数、スキルセット、業界、地域、契約期間によって大きく変わる。Java + AWS + 金融業界経験5年以上なら85〜100万円、Javaだけで業界経験なし3年目なら55〜65万円。この粒度の相場観がないと、交渉の土台が作れない。

問題2：エンジニアのスキル評価が主観的

タツヤ： スキルシートに「Java：5年」って書いてあっても、実力はピンキリでしょ？

ミドリ(nodding)： たしかに。5年やってても基本的なことしかできない人もいれば、2年でもかなり高度な設計ができる人もいます。

タツヤ： そう。でも多くのSES企業は「経験年数」だけで単価を決めてる。結果、優秀なエンジニアは安売りされ、そうでないエンジニアに高い単価がついたりする。

問題3：交渉の属人化

タツヤ： 3つ目は、交渉スキルが個人に依存してること。ベテラン営業は勘と経験で妥当な線を出せるけど、若手は全くできない。

ミドリ： うちの若手営業、まさにそうです……。

タツヤ： この3つの問題を、AIで一気に解決するのが今日のテーマだよ。

AI単価分析の仕組み

ミドリ(thinking)： 具体的にどうやるんですか？

タツヤ： 大きく4つのステップがある。

ステップ1：市場データの収集と構造化

タツヤ(nodding)： まず求人サイト、エージェント情報、過去の自社契約データ、業界レポートから単価データを集める。これをAIで構造化して、以下の軸で分類する。

ミドリ： データが揃ったら何ができるんですか？

ステップ2：適正単価のAI算出

タツヤ： 集めたデータで機械学習モデルを作って、スキルの組み合わせに対する適正単価レンジを算出する。例えばこういう結果が出る。

エンジニアプロフィール現行単価AI算出適正単価差額
Java/Spring Boot/AWS/金融5年70万円82〜90万円+12〜20万円
Python/ML/データ分析3年60万円68〜75万円+8〜15万円
React/TypeScript/SaaS開発4年55万円63〜70万円+8〜15万円
COBOL/銀行系基幹10年65万円72〜80万円+7〜15万円
インフラ/Kubernetes/SRE6年68万円78〜88万円+10〜20万円

ミドリ： 全部、現行より高い……！ うちのエンジニア、安売りされてたってことですか？

タツヤ： SES業界全体の傾向として、自社エンジニアを10〜20%安く売ってしまっている企業が大半なんだよ。データがないから「このくらいでいいか」で決めてしまう。

ステップ3：交渉シナリオの自動生成

タツヤ： 適正単価がわかったら、次はクライアントへの提示方法。AIが交渉用の資料を自動生成する。

ミドリ： どんな資料ですか？

タツヤ： こういう要素が入る。

ミドリ： データに基づいた提案ができるなら、営業も自信を持って交渉できそうですね。

ステップ4：契約条件の最適化提案

タツヤ： 単価だけじゃない。契約条件全体をAIが分析して、最適な提案を出す。

ミドリ： 単価交渉だけじゃなくて、契約全体を最適化するんですね。

導入事例3選

ミドリ： 実際にAIを使って単価交渉を改善した事例を教えてください。

事例1：従業員120名のSES企業 ── 平均単価15%アップ

タツヤ： C社は東京を拠点にエンジニア80名を稼働させてた。課題は「営業10名の交渉スキルにばらつきがありすぎる」こと。トップ営業の平均単価が78万円なのに、ワースト営業は62万円。同じスキルのエンジニアでも差がついてた。

ミドリ： 16万円の差は大きいですね。

タツヤ： AI単価分析ツールを導入して、全エンジニアの適正単価をデータベース化した。営業には「この案件なら最低○万円、目標○万円」っていうガイドラインが自動で提示されるようにした。

ミドリ： 結果は？

タツヤ： 6ヶ月後の実績がこれ。

指標導入前導入後改善
平均単価68万円78万円+15%
営業間の単価ばらつき16万円5万円69%改善
契約更新時の単価アップ成功率22%58%2.6倍
年間売上6.5億円7.5億円+1億円

ミドリ： 年間1億円の売上増ですか！

タツヤ： システム導入コストが年間500万円だから、ROIは20倍。しかも営業全員がデータに基づいて交渉するようになったから、ばらつきも大幅に縮小した。

事例2：従業員50名のSES企業 ── 契約更新率が向上

タツヤ： D社の課題は「契約更新時にクライアントから値下げ要求が来ると断れない」。毎回2〜3万円ずつ値下げされて、利益が圧迫されてた。

ミドリ： じわじわ削られるパターン、きついですね。

タツヤ： AI分析で「エンジニアの稼働中の成長」を可視化した。「入場時はJavaのみだったが、現在はAWSの資格も取得し、インフラも対応可能になった」というデータを提示して、逆に単価アップの交渉をする方針に切り替えた。

ミドリ： 守りから攻めに転じたわけですね。

タツヤ： 結果、契約更新時に35%のケースで単価アップに成功。値下げを受け入れたケースは前年の45%から12%に激減した。

事例3：従業員200名のSES企業 ── チーム提案で大型案件獲得

タツヤ： E社はAI分析で「個人ではなくチーム単位で提案した方が、単価も安定性も上がる」というインサイトを得た。

ミドリ： チーム提案ですか？

タツヤ： そう。AIが「このクライアントの案件規模なら、PM1名＋シニアSE2名＋ミドルSE2名の5名チームが最適」と提案。個別に売るよりチーム単価で月額400万円（1人あたり80万円）の契約を獲得した。個別契約だと1人あたり65万円程度だったから、23%の単価アップに相当する。

ミドリ： チームで出す方が高く売れるんですね。

タツヤ： クライアント側も「チームで来てくれるなら管理コストが下がる」というメリットがある。Win-Winの構造を作れるのがポイントだよ。

契約最適化チェックリスト

ミドリ(confused)： うちでも始めたいんですけど、何から手をつければいいですか？

タツヤ(nodding)： まずは以下のチェックリストで現状を把握しよう。

データ整備フェーズ（1ヶ月目）

分析・ツール導入フェーズ（2ヶ月目）

実践フェーズ（3ヶ月目以降）

ミドリ： 3ヶ月あれば回り始めるんですね。

タツヤ： 重要なのは「完璧なデータが揃ってから始める」んじゃなくて、「今あるデータで始めて、徐々に精度を上げていく」こと。最初から100%の精度は必要ない。

よくある失敗パターン

ミドリ： 逆に、やっちゃいけないことってありますか？

タツヤ： 3つの典型的な失敗パターンがある。

  1. データなしで値上げ交渉 — AIが出した数字だけ見せても、裏付けデータがなければクライアントは納得しない。市場相場レポートやスキル評価の根拠を必ずセットで提示すること
  2. 一律値上げ — 全エンジニア同率で値上げしようとすると失敗する。スキルや実績に基づいた個別の適正単価を提示しないと説得力がない
  3. クライアントとの関係を無視 — データだけで押すと関係が壊れる。長期パートナーシップの文脈で「お互いにとってフェアな単価」として提案するのが鉄則

ミドリ： データは武器であって、振り回すものじゃない、と。

タツヤ(nodding)： その通り。交渉の本質は「相手を打ち負かす」ことじゃなくて「互いに納得できる着地点を見つける」こと。AIはそのための材料を提供してくれるんだよ。

まとめ：データで交渉力を底上げする

ミドリ： 今日の話をまとめるとどうなりますか？

タツヤ： SESの単価交渉は「勘と経験」の時代から「データとAI」の時代に変わりつつある。市場相場データ、スキル評価、契約条件の最適化。この3つをAIで武装することで、平均15%の単価アップが現実的に見えてくる。

ミドリ： エンジニア80名で平均単価が10万円上がったら、年間で……。

タツヤ： 80名 × 10万円 × 12ヶ月 = 年間9,600万円の売上増。これがAI単価分析のインパクトだよ。

ミドリ： 今すぐデータ整備から始めます。

タツヤ： いいね。まずは自社の契約データを棚卸しするところから。データがあれば、AIが道を示してくれるから。

次のアクション

SES契約の単価最適化を始めるために、以下を実施しましょう。