SESの将来性｜発注元のAI活用で、SESの何が減り何が残るか

「発注元の社員が生成AIを使い始めたら、SES のチームが丸ごと要らなくなった」。 そんな話が、SES 業界の中で語られるようになりました。 では SES に将来性はあるのか。この記事は、その問いに「ある / ない」で答えるのではなく、AI がどの仕組みを通って SES の売上に効くのかを分解し、 減りやすい仕事・残りやすい仕事・増える仕事を構造で整理します。

この記事を書いているのは SES 企業向けの営業支援ツール（AI を使ったもの）の運営会社です。 つまり私たち自身も、SES の仕事の一部を AI に置き換える側にいます。 将来を言い当てることはできないので、公的統計で確かめられる事実と、 契約の構造から言えることを分けて書きます。

先に結論

• 準委任で「時間」に対価をもらう限り、AI で上がった生産性は発注者側の「必要な人数の減少」として現れやすい
• 一方で、DX を進める人材が「量」で足りないと答える企業は 85.5%（IPA、2026年）。需要が消えているわけではない
• 影響を受けやすいのは、仕様が決まった作業を、人数で、発注者の指示で引き受けている部分
• 残りやすいのは、文脈を持ち、範囲に責任を負い、AI の出力を検証できる部分
• 将来性は業界単位では決まらない。その会社がどちらの仕事を売っているかで分かれる

人月で売る限り、AIの効果は「人数減」で出る

SES の多くは準委任契約で、対価は働いた時間（人月）に対して支払われます。 売上は「人数 × 単価 × 月数」です。ここに AI が入ると何が起きるかを、契約の形から考えます。

人月の契約では、エンジニアが AI で 2 倍速く仕事をしても、受注者の売上は増えません。 発注者から見れば「同じ量の仕事が半分の人数で済む」ので、生産性向上の果実は、人数の削減という形で発注者の側に落ちます。 これが、AI の話が SES にとって他の業種より直接的に響く理由です。

IPA のソフトウェアモダナイゼーション委員会の報告書（2026年3月）は、この方向をはっきり書いています。

ソフトウェア開発の労働集約的な部分はAIに取って代わられるので、費やされる労働力（人月）に基づく取引が成り立たなくなり、 成果（価値）に基づく取引への転換を余儀なくされる。したがって、人の役割は、戦略立案・企画・要求定義といった上流工程や、 成果物の妥当性確認を中心としたものへと移行する
— IPA「2025年度ソフトウェアモダナイゼーション委員会報告書」

ただし同じ報告書は、現時点の開発契約は依然として人月ベースが主流とも書いています。 方向は示されていても、取引の形はまだ大きくは変わっていません。 変化は一斉にではなく、発注者ごと・現場ごとに、契約更新のタイミングで起きます。 「チームが撤退させられた」という話は、その個別の更新で起きていることの表れと考えられます。

公的データで見る｜AIは広がり、人は足りない

「AI で SES は終わる」と「人手不足だから SES は安泰」は、どちらも片方のデータしか見ていません。 両方を並べます。

AIは、発注元で急速に広がっている

1 年で導入率がほぼ倍になっています。一方で、開発そのものへの AI 導入は、 2024年度末の調査ではユーザー企業で約2割にとどまり、IPA は「まだ少数派」とまとめていました。広がりは速いが、開発の現場の作り方まで変わった企業はまだ一部、というのが公的データの示す現在地です。

それでも、人は足りていない

ただし内訳には変化があります。DX動向2026では、量の不足のうち「大幅に不足」は 2023年度 62.1% → 2024年度 58.5% → 2025年度 50.1% と下がり続けています。 求人倍率も前年より下がりました。不足は続いているが、逼迫は少しずつ緩んでいる。 そして情報サービス企業（JISA 会員）は、売上の3分の1を外注に払っています。SES はこの外部調達の受け皿のひとつです。

日本は「外に頼む」比率が高い。だから振れ幅も大きい

IPA の DX動向2025 の日米独比較では、日本企業はコア事業・競争領域のシステムでも「外部委託による開発」が4割弱で最も多く、米国は「内製による自社開発」が5割弱でした。 日本で「必要な部分は内製化済み」と答えた企業は 16.7% で、米独の半分以下です。 内製化の課題として日本企業が突出して挙げたのは「人材の確保や育成が難しい」でした。

ここに AI が入ると、構図が見えてきます。日本の発注者が外に頼んできた理由の多くは「社内に手が足りない」でした。 AI がその手の一部を補えば、内製に切り替えるハードルが、まさに外注に頼ってきた部分から下がる。 発注元のプロパー社員が AI を使って自分たちで回し始め、外部のチームが外れる、という話は、この構図とよく合います。

減る仕事・残る仕事・増える仕事

AI に置き換わりやすいかどうかは、職種名より仕事の性質で決まります。 3 つの軸で見ると整理しやすくなります。

• 仕様の明確さ — 何を作るかが決まっていて、正しさを機械的に確かめられるか
• 文脈への依存 — その会社の業務・既存システム・人間関係を知らないとできないか
• 責任の所在 — 判断を誤ったときに、誰かが責任を負う必要があるか

手元の案件データ（2026年9月19日集計）でも、単価は「切り出された作業」ほど低く、 「判断」に近いほど高い並びになっています。 役割別ではテスター 65 万円、SE・PG 70 万円、リーダー・PMO 80 万円、PM 90 万円 （工程と役割で単価はどう変わるか）、 工程の組み合わせでは運用保守のみ 55 万円、要件定義のみ 85 万円 （案件が求める工程の組み合わせ）。 AI の影響を測ったデータではありませんが、市場はすでに「作業」と「判断」に違う値段を付けています。

注意したいのは、「残りやすい」仕事も、やり方は変わることです。 障害対応でも移行でも、AI を使う人と使わない人では速さが変わります。 残るのは職種ではなく、AI を道具にして判断と責任を引き受ける人です。

チームごと撤退させられるのは、どんな現場か

同じ発注者の中でも、外されるチームと残るチームがあります。 構造から見ると、外されやすいのは次の条件が重なった現場です。

1. 範囲を発注者が決めている — チケットを渡されて消化する。何をやるかの判断を持っていない
2. 知識が発注者側に溜まっている — 仕様も業務も発注者の社員が一番よく知っている
3. 成果が人数でしか説明できない — 「何人月分の作業をした」以外の言い方がない
4. 各社 1〜2 名の寄せ集め — 現場に受注側の線がなく、1 人ずつ外せる

逆に、ある領域を範囲ごと任されていて、その領域の知識が受注側に溜まっているチームは、 外すと発注者が困ります。AI で発注者の生産性が上がっても、その領域を自分で持つ理由がなければ外注は続きます。

4 の「寄せ集め」の典型が一人常駐です。一人常駐が SES の評判を落としてきた構造と、 その変え方はSESの一人常駐は違法かで詳しく書いています。 AI による体制の見直しは、一人常駐の弱さをさらに表に出す方向に働きます。

SES企業がいまからできること

ここからは SES 企業の経営・営業の方に向けて、手を付けやすい順に挙げます。

1. 稼働中の現場を「作業」と「判断」で棚卸しする

現場ごとに、次の 4 点を一覧にします。

• 担当する工程と役割（テスト要員・実装要員だけか、設計や調整を持っているか）
• 範囲を決めているのは誰か（発注者のチケットか、自社の判断か）
• 自社の人数（1 人か、チームか）
• 次の契約更新はいつか

「作業だけ・発注者が範囲を決める・一人・更新が近い」が重なる現場が、最初に影響を受けやすい現場です。 売上のうちどれだけがここに乗っているかを数字で把握するだけで、打ち手の優先順位が決まります。

2. AIで速くなった分を「人数減」ではなく「範囲拡大」で返す提案をする

発注者が AI で生産性が上がったことに気付くのは、更新の交渉の場です。そのとき受け身でいると、 話は「人数を減らせないか」になります。先に「同じ体制で、テスト設計とレビューまで持ちます」 「この機能領域を範囲ごと引き受けます」と、範囲を広げる案を出すほうが、交渉の主導権を取れます。 単価交渉の材料の作り方は単価交渉で使える材料にまとめています。

3. 一部の契約を「成果」に寄せることを検討する

民法第648条の2は、委任事務の履行で得られる成果に対して報酬を払う形（成果完成型の準委任）を定めています。 請負も含め、成果で対価を受ける契約なら、AI による効率化は受注側の利益になりえます。 ただし完成や品質の責任、見積もりの誤差のリスクも受注側に移ります。 すべてを切り替えるのではなく、範囲が明確で自社が知識を持つ領域から試すのが現実的です （請負契約と準委任契約、どちらで契約すべきか）。

4. エンジニアの AI 利用を、顧客と合意したルールの上で進める

客先の現場では、コードや仕様を外部の AI サービスに入れてよいかは顧客が決めることです。 無断で使えば情報漏えいの問題になり、使わなければ生産性で内製チームに負けます。使ってよい範囲を契約の更新時に確認し、書面で残すことを営業の定型作業にしてください （情報の扱いは案件・要員情報の取り扱い）。

5. 若手の育て方を変える

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、 ソフトウェアエンジニアに求められるものとして AI ツールを使いこなすスキル、上流のスキル、対人スキルを挙げ、 課題として「経験機会の喪失」を挙げています。 かつて若手が経験を積んだ定型的な実装やテストが AI に置き換わると、若手が育つ場所そのものが減ります。 チームで現場に入り、リーダーの下でレビューを受けながら AI を使う経験を積ませる。 これは一人常駐ではできません。

6. スキルシートに「AIをどう使ったか」を書く

発注者が知りたいのは「AI を使えるか」ではなく、どの工程で、どのツールを、どんなレビュー体制で使い、 何が速くなったかです。スキルシートの書き方はスキルシートのテンプレートを参照してください。 AI の利用経験を具体的に書ける要員は、まだ多くありません。

7. 営業自身の仕事も、AIに渡せる部分は渡す

SES 営業の時間の多くは、届いた案件・要員メールの仕分け、条件の突き合わせ、提案文の作成に使われています。 ここは AI で減らせる部分で、当社もそのためのツールを作っています。 空いた時間は、上の 1〜6、つまりどの現場にどの体制で入るかを決め、発注者と範囲を詰める仕事に回すべき時間です。

エンジニアから見た「将来性」

エンジニア個人にとっての問いは「SES に将来性があるか」より、「今の現場で、AI に置き換わりにくい経験が積めているか」です。次の 3 つを自問してみてください。

1. 何を作るかの判断に、少しでも関わっているか（要件・設計・レビュー）
2. その現場の業務やシステムについて、自分しか知らないことがあるか
3. AI を使った仕事のやり方を、現場で試せているか

3 つとも「いいえ」なら、所属会社に案件の選び方や体制を相談する理由になります。 客先常駐全般の見極め方は「客先常駐はやめとけ」は本当かにまとめています。

この記事で分からないこと

• SES に限った AI の影響の統計は、公的にはまだ無い。 上で引いた数字は、企業全体（IPA・総務省）や情報サービス企業全体（JISA）のものです。 SES の案件数や単価が AI でどれだけ動いたかは、この記事では示していません
• 工程別（設計・実装・テスト）に AI の活用率や生産性への効果を示した公的な数字は、 IPA・経済産業省・総務省・デジタル庁の公表資料では確認できませんでした
• 「減る・残る・増える」の区分は、契約の構造と公的資料からの整理であって、予測ではありません。 AI の性能の伸び方しだいで、境目は動きます
• 案件データの単価は、メールで流通した案件の提示単価です（2026年9月19日集計）。 AI の影響を測るために集めたデータではありません

公的統計の数値は、各発行元が公開している原典（PDF・公式ページ）で 2026年10月5日に確認しました。 調査対象と時期は出典ごとに異なります。経済産業省の IT 人材需給の推計（2030年に中位で約45万人不足）は 2019年時点の推計で、生成AIの普及を前提にしていません。

よくある質問

仕分けと突き合わせは道具に任せ、体制を考える時間を作る

Qasica は、メールで届く案件・要員情報を自動でデータベース化し、 スキル・単価・商流・稼働可能日の条件で案件と要員を突き合わせる SES 営業向けのツールです。 営業の時間を「探す・読む・転記する」から、「どの現場にどの体制で入るか」を考える仕事に移すために使えます。

関連記事：SESの一人常駐は違法か / 工程と役割で単価はどう変わるか / SES企業とは

資料請求・相談はこちら