-
この記事の対象: リフォーム会社・工務店の社長、工事部門の責任者の方
-
先にやるべきこと: 予定工期と完了日を既存データから自動で集め、見積の場で同種案件の予定と実績の分布が並ぶようにする
-
見込める変化: 「今回は特殊だった」で片付けていた遅れが次の見積に反映され、短い方に外れる偏りが減ります。担当者が決めるのは工期だけ。遅れたときは理由を一言残します
「解体してみたら、下地がかなり傷んでいまして」。完成予定日の延期を施主に伝える電話は、珍しくないのではないでしょうか。
解体後の発覚は毎回起きるのに、次の見積は同じ日数で出る
住まいるダイヤルの相談事例にも「完成予定日から大幅に遅れたリフォーム業者との話し合い」が載っています。リフォーム産業新聞は、帝国データバンクの調査で建設業の約7割が人手不足だと報じています。
見積の場では、次のことが起きているのではないでしょうか。
- 予定と実績の差が残らない。工程表は現場で書き換えられ、見積時の完成予定日と完了日を並べて見る機会がない
- 遅れの理由が毎回違う。解体後の発覚、職人の手配、雨天と変わり、それぞれを「今回は特殊」で片付けて終わる
- 見積が担当者ごとにばらつく。人によって日数が違い、完成予定日の根拠を後から説明できない
工期の見積が短い方に偏るのは、経験不足ではなく予測の癖
Buehler らは1994年、Journal of Personality and Social Psychology に計画錯誤の研究を発表しました。対象はカナダの大学生の卒業論文で、完成日を予測させました。最も正確な予測の平均は33.9日、実際は55.5日でした。予測どおりに終えたのは29.7%（およそ10人に7人が遅れた計算です）で、最悪を想定した予測（平均48.6日）でも実際より短い結果でした。
予測中の思考で過去の経験に触れたのは約7%で、触れた場合も遅れは特殊要因のせいにされ、次に生かされません。
別の実験（123名）では、予測内に終えた割合は対照群29.3%、過去を思い出した群38.1%でした。過去を今回の予測に結び付けた群は60.0%で、予測7.0日に対し実際も7.0日と偏りが消えました。思い出すだけでは足りず、今回の案件に結び付けて初めて偏りが消える、というのがこの実験の要点です。Flyvbjerg が2006年に Project Management Journal に発表した参照クラス予測の論文も同じ方向です。同種案件の実績分布から見積る方法で、大型交通インフラで実用化されています。
対象は学生の課題と大型公共事業で、工事の数値に当てはまるわけではありません。借りるのは予測の癖と、過去の実績を結び付けると偏りが減る仕組みだけです。
Before / After
| Before | After | |
|---|---|---|
| 工期の根拠 | 担当者の経験と勘 | 同種・同規模の過去案件の予定と実績の分布 |
| 予定と実績の記録 | 工程表の書き換えで消える | 完了日や天候が既存データから自動で残る |
| 「今回は特殊」の遅れ | 理由ごとに片付けて終わる | 理由別に件数が残る |
| 人に残るもの | 工期の判断、工程表の書き換え、施主と職人への連絡 | 工期の最終判断だけ。遅れたときは理由を一言 |
どうやって解決するか
Step 1: 見積書の完成予定日と請求書の日付を並べる
まず直近1年分の案件で、見積書の完成予定日と請求書の日付を工事種別ごとに並べます。遅れた案件が何件あり、そのうち何件を「今回は特殊」で片付けたかを数えます。この2つの日付は既に手元にあり、新しい記録は要りません。
Step 2: 打ち手を比較する
| 選択肢 | メリット | デメリット | 判定 |
|---|---|---|---|
| 担当者に「余裕を見るように」と注意する、振り返り会を開く | 費用がかからない | 研究では、過去を思い出すだけの群は予測内に終えた割合が38.1%で、対照群の29.3%と大差がない | — |
| 経験則で予備日を一律に1日足す | すぐ始められる | 研究では、最悪の場合を想定した予測でも実際より短かった。遅れの幅は工事の種類で違う | — |
| 過去案件の予定と実績を担当者が Excel に手で記録する | 仕組みが要らない | 記録が続かず、続いた案件だけの偏った分布になる。判断の材料を人に入力させている | — |
| 事実は既存データから自動で集め、分布から一次判定を提示し、担当者は工期を決めるだけの仕組み | 参照を強制でき、研究ではこの条件で偏りが消えた。判断を重ねるほど自社の実績に合う | 最初に見積書と請求書の日付を取り出す接続を作る | ✅ 採用 |
playparkにリフォーム業での導入実績はまだありません。ただし「事実はあるのに判断の場に並んでいない」構造は他業種で解いています。工数管理ツールの実績を自動集計した工数集計の実例では、転記ミス・集計漏れが月2〜3件から0件になりました。勤怠システムの出勤実績をプロジェクト管理ツールへ自動で流した勤怠連携の実例では、二重入力の月間作業時間を95%削減しています。
Step 3: 経営者自身で試せる範囲から着手する
過去1年分の見積書と請求書の日付があれば、AI コーディングツールに「工事種別ごとの予定と実績の差の表」を作らせるところまでは自分で試せます。この表から工事種別ごとの予備日の目安が出ます。次に、工程表の履歴や現場写真の送信日時、職人の出面から完了日を自動で取り、気象情報で雨天の遅れを現場ごとに蓄積します。担当者が工期を決めたら施主と職人へ自動で知らせる部分は最後で十分です。ひと月動かせば、新しい案件の予定と実績の差が工事種別ごとの分布に加わり、「今回は特殊」で片付けていた遅れが理由別の件数で見えます。
まとめ
| 指標 | 変化 |
|---|---|
| 工期の根拠 | 担当者の経験と勘 → 同種案件の予定と実績の分布 |
| 予定と実績の記録 | 工程表の書き換えで消える → 既存データから自動で残る |
| 人に残るもの | 工期の判断、工程表の書き換え、連絡 → 工期の最終判断だけ |
見積が短い方に外れるのは、担当者の腕ではなく人の予測の癖です。注意や振り返りでは、次の案件で同じ癖が出ます。御社の直近の案件で、遅れたもののうち何件を「今回は特殊」で片付けていたか、一度数えてみてはいかがでしょうか。
自分で試すか、相談するか、どちらでも
まずは見積書と請求書の日付を並べるところから始められます。自動取得や通知まで広げる段階で手が足りなければ、playparkのAI実装支援で小さく試作できます。工期の遅れにお困りでしたら、お問い合わせからご相談ください。
