AI駆動開発基盤による、選ばれ続けるSIerへの進化

はじめに

大手顧客によるIT子会社の統合や内製化の加速、生成AIによるコード自動生成、Cursor・Claude Code・Devinといった開発支援ツールの急速な進化。SIerを取り巻く環境は、かつてないスピードで変化しています。

こうした中で、多くの開発部門の責任者の方々が「自社はこの先も顧客に選ばれ続けられるのか」という問いに向き合われています。しかし、「何をどう変えればよいのか」について、具体的な道筋を描けている企業はまだ多くありません。

本記事では、SIerが「選ばれ続ける存在」へ進化するために必要な構造変革を、業界のデータをもとに整理いたします。

SIerのビジネスモデルが直面する構造的課題

SIerのビジネスモデルは「PMの数 × PMの単価」で成り立っています。PMの人数が受注キャパシティを規定し、PMの品質が顧客満足を左右します。

しかし、この構造には大きな制約があります。PM人材の育成に時間がかかりすぎるという問題です。

独立系SIerの開発部門において、PM比率は15〜18%程度が一般的です。経営層の多くが「20%以上に引き上げたい」とお考えですが、研修制度を整備しても、実際のPM比率の改善は年間数ポイントにとどまるケースがほとんどです。

仮に開発部門500名、PM比率15%の企業をモデルにすると、PM比率を20%に引き上げるために必要なPM増員は25名。現在の育成スピードでは年間の純増が3〜5名程度のため、5年から8年を要する計算になります。

この間に市場環境は大きく変化します。競合がAI駆動の開発体制を整え、顧客が内製化を完了すれば、従来型のSIerに求められる役割は大きく変わる可能性があります。

PM育成に10年かかる構造的理由

IPA（情報処理推進機構）のプロジェクトマネージャ試験の合格者平均年齢は38.1歳です。大卒入社からPMに至るまでに約15年。「PMになるには10年の実務経験が必要」という業界の通説は、この数字からも裏付けられます。

PMの仕事は「知見」と「判断」の掛け合わせで成り立っています。

知見とは、既存のDB定義やAPI仕様、過去の手戻り履歴、顧客の業務ルール、セキュリティ要件など、判断の材料となる情報です。

判断とは、「既存テーブルに項目を追加するか、新テーブルを作るか」「バリデーションはどこまで実施するか」「過去の類似機能で起きた手戻りをどう回避するか」といった意思決定です。

研修で体系的に教えられるのは「知見」の部分が中心です。一方で、要件定義の品質を左右する「判断」は、実際の案件を経験し、成功と失敗を重ねることでしか身につかないとされてきました。

PM育成に10年を要するのは、判断力の獲得方法が個人の実務経験に限られていたという構造に起因しています。

海外における「仕組みへの転換」

この課題は日本のSIerに限った話ではありません。

2026年2月、米ゴールドマン・サックスがAI企業Anthropicと協力し、業務自動化のためのAIエージェントを開発した事例が報じられました。注目すべきは、単にAIツールを導入したのではなく、AIの仕組みを自社の業務プロセスに組み込んだという点です。

SIer業界においても、同様の転換が求められつつあります。「人材を提供する会社」から「人材と仕組みを提供し、顧客と共に進化する会社」への転換です。

下流工程のAIツールだけでは上流の課題は解決しない

「Cursor、Claude Code、Devin、VSCodeのAI機能など、優れた開発支援ツールを導入すれば上流工程の課題も解決するのではないか」というご質問をいただくことがあります。

これらのツールは実装工程の効率化において非常に大きな成果を上げています。しかし、顧客がSIerを選定される際に重視されるのは、コーディング能力よりも「要件定義の品質」「上流工程での業務理解力」「過去の知見を活かした提案力」であることが多いのではないでしょうか。

AI駆動開発基盤と、下流工程の開発支援ツールの役割の違いを整理いたします。

	AI駆動開発基盤	Cursor・Claude Code・Devin・VSCode
起点	顧客の要求	コード
成果物	PMの判断の再現	コードの翻訳・生成
記載内容	Why（なぜこう作るべきか）	What（何を実装したか）
業務ルール	含まれる	含まれない
PM判断の再現性	高い	低い
対象工程	上流（要求定義・要件定義・設計）	下流（実装・テスト）

Cursor・Claude Code・Devinなどは下流工程のボトムアップ型ツールであり、コードを起点として設計書を逆生成します。一方、AI駆動開発基盤は上流工程のトップダウン型であり、顧客の要求を起点として要件定義・設計書を生成します。

両者は競合するものではなく、補完関係にあります。下流工程にはCursorやClaude Codeを活用し、上流工程にはAI駆動開発基盤を導入する。この組み合わせにより、開発プロセス全体の品質と効率を底上げすることが可能になります。

ただし、開発プロセス全体の品質は最も弱い工程に左右されます。下流がどれほど効率化されても、上流の要件定義が属人的なままであれば、手戻りや品質のばらつきは解消されません。

上流工程の標準化こそが、顧客から「選ばれ続ける理由」になると考えています。

AI駆動開発基盤がもたらす3つの変化

変化1：PMの業務が「判断」に集中する

PMの業務を分解すると、要件定義書1本あたり平均10〜15時間を要しています。その大半は、過去の設計書の検索、ドラフト作成、整合性チェック、レビュー指摘への対応といった作業です。本来PMが注力すべき「判断」と「顧客との対話」に充てられている時間は、全体の10〜15%程度にとどまります。

AI駆動開発基盤を導入すると、この時間配分が大きく変わります。資料の探索や整合性チェックが自動化され、PMの時間の半分以上を「判断」と「顧客との対話」に充てられるようになります。工数としては60〜70%の削減が見込まれます。

PMの役割が「作業者」から「判断者」へと転換する。これは単なる効率化ではなく、PM業務の本質的な再定義です。

変化2：PM育成が業務の中で自然に加速する

認知科学の分野で実証されている「Worked Example Effect（解答例効果）」によれば、正解例を参照しながら学ぶ方が、自力で取り組むよりも約2倍の学習効果が得られることが示されています。

AI駆動開発基盤を活用すると、同じ要求に対してAIが生成した要件定義書と、PMご自身が作成された成果物を比較することができます。「この観点が不足していた」「このDB参照が漏れていた」といった差分が、根拠とともに即座に確認できます。日々の業務そのものが、比較学習の機会になるという仕組みです。

この仕組みにより、PM育成に要する期間の大幅な短縮が期待できます。PM比率の改善スピードは、従来の約2〜3倍に加速する見込みです。

変化3：組織のデータが競争優位の源泉になる

上流工程を標準化し、PMの判断をデータとして蓄積していくと、ある段階で質的な変化が生まれます。

従来、顧客が受ける開発の品質は「担当PM個人の経験値」に左右されてきました。しかし、開発知見がデータ化されると、顧客が受ける価値は「組織全体の蓄積データ」に変わります。創業から数十年、PM数十名から百名の判断データが蓄積されていれば、その知見の厚みは個人の経験とは比較にならないものになります。

ただし、この価値が実現するためには、データが「構造化」された状態で管理されていることが前提となります。

	構造化データ	非構造化データ
ドキュメントの信頼性	高い	ばらつきあり
管理コスト	低い（自動化可能）	高い（手動管理）
品質チェック	自動で実施可能	手動での確認が必要
AIによる活用	十分に可能	限定的
サービス例	AI駆動開発基盤	Google Workspace・Notion

NotionやExcelに分散しているドキュメントでは、AIが判断材料として十分に活用することが困難です。ドキュメントの蓄積を始める段階から、構造化を意識した設計が重要です。

選ばれ続けるSIerへの4段階の進化

AI駆動開発基盤の導入は、SIerのビジネスモデルそのものを段階的に進化させます。

Phase 1：自社を強くする
PMの業務を効率化し、成果物の品質を安定させる。PM工数の最大50%削減により、同じ人数でより多くの案件に対応できるようになる。

Phase 2：顧客と一緒に変わる
顧客の開発プロセスに入り込み、共に改善していく。「開発パートナー」から「開発プロセスのパートナー」へと関係性が深化する。

Phase 3：データを武器にする
案件データの蓄積により、提供価値が継続的に向上する仕組みを構築する。顧客固有の知見が蓄積されることで、パートナーシップの代替が難しくなる。

Phase 4：替えの効かない存在になる
人材ではなく仕組みで選ばれるパートナーへ。担当者が替わっても品質が変わらないSIerは、顧客にとって極めて貴重な存在になる。

大手顧客による内製化が加速する中、Phase 1の業務効率化だけでは十分とは言えません。Phase 2以降へと段階的に進むことで、顧客にとって不可欠なパートナーとしての地位を確立できると考えています。

まとめ

SIerが今後も顧客に選ばれ続けるために、3つの構造変革が求められています。

1. 上流工程を標準化する。 Cursor・Claude Code・Devinなど下流の開発支援ツールは優れていますが、それだけでは差別化にはなりません。上流工程（要件定義・基本設計）をAI駆動で標準化することが、選ばれる理由になります。

2. PMの判断を組織のデータに変える。 個人の経験に依存するモデルから、組織全体の構造化データを活用するモデルへ。PM育成が加速し、成果物の品質が安定します。

3. 「人材の提供」から「仕組みで選ばれる存在」へ進化する。 業務効率化にとどまらず、顧客のプロセスに入り込み、データの蓄積により替えの効かないパートナーとなる。

AI時代において、人材の質だけで勝負するのは容易ではありません。仕組みとデータを競争力の源泉とすることで、次の10年も顧客に選ばれ続けるSIerへの進化が可能になります。

もし、この記事のテーマについて
「もう少し踏み込んで話したい」と感じた方がいれば、
30分だけお時間をください。

▶ 寒河江と30分、同じ問題意識で話す
https://meetings-na2.hubspot.com/sagae1/clone
(オンライン・代表直対応)

貴社の開発部門の規模に合わせたROIシミュレーションを無料で作成しております。PM比率の改善速度や開発工数の削減効果を、貴社の数字でお試しいただけます。

▼ 「【取締役限定】SIer向けAI駆動開発基盤 ROIシミュレーションテンプレート」を無料ダウンロード
ダウンロードURL