※本記事は継続的に最新情報へアップデートしています。
「AIでSESは終わるのか」。そう聞いた瞬間、どこか腑に落ちない感覚を覚えた経営者は少なくないはずだ。
案件相談は減っていない。AI導入、業務自動化、レガシー刷新、セキュリティ対応。営業の入口だけを見れば、むしろ追い風に見える。
それなのに、手元に利益が残りにくい。かつてのように「数名のエンジニアを数か月常駐させ、人月で売上を積む」案件が取りにくくなっている。飛び込んでくるのは、短期、スポット、AI生成物の手直し、プロトタイプ検証、追加改修といった細切れの案件ばかり──もし、この状況に心当たりがあるなら、これは業界論ではなく、自社の売上方程式を見直す話である。
例えば、社員30名規模のSES企業を想像してみてください。ここ2年で「3名×6か月」のような案件が減り、代わりに「1名×3週間」のスポット支援がスケジュール表を埋めていく。
売上はそれなりに動いているのに、決算になると手元に残るものが薄い──本記事でいう小物化とは、まさにこの違和感のことである。
この矛盾の正体は、IT需要の消滅ではない。SESが取りやすかった“実装部分”の小物化である。
※本記事でいう「小物化」とは、IT需要そのものが縮むことではありません。従来は複数名・数か月で成立していた実装工程が、短期・少人数・スポット対応へ分解されることを指します。
✅ 先に結論
AI時代に、SES・IT派遣・受託開発の仕事が単純に消えるわけではありません。むしろ、AI・DX需要は続きます。問題は、SESが人月で取りやすかった下流実装工程が、AIによって短期・少人数・スポット型へ分解されることです。
- ポイント1：案件需要そのものが小さくなるのではなく、SESが取りやすかった「実装部分」が小物化する。
- ポイント2：AIで比較的圧縮されやすいのは、コーディング、デバッグ、単体テスト、ドキュメント整理などの下流工程である。
- ポイント3：中小IT企業の経営者は、①高付加価値化、②M&A・資本提携、③小物案件を数で追う消耗戦、という分岐点に立っている。
- ポイント4：これから企業価値を決めるのは、単なるエンジニア数ではなく、顧客の現場を理解し、AI成果物を業務価値へ変えられる現場リーダーの供給力である。
SESはAIでどうなるのか——AI時代の案件「小物化」とその構造
AI・DX需要は続く。しかし、SESが人月を積みやすかった下流実装工程は、短期・少人数・スポット型へ分解され始めている。
図1：AIでSESは終わるのか――違和感の正体まず、経営者が切り分けるべき誤解があります。AIで消えるのは、IT需要そのものではありません。
AI時代になったからといって、IT需要そのものが消えるわけではありません。国内企業のIT投資は、レガシーシステム刷新、クラウド移行、セキュリティ強化、生成AI活用、データ基盤整備を背景に拡大基調です。矢野経済研究所は、国内民間企業のIT市場規模について、2025年度を前年度比5.8%増の16兆7,300億円、2026年度を同3.9%増の17兆3,900億円と予測しています。[出典：矢野経済研究所「国内企業のIT投資に関する調査を実施（2025年）」]
つまり、IT投資の総量は残ります。むしろ、AIを使いたい、業務を自動化したい、古いシステムを刷新したい、セキュリティを強化したいという相談は増える方向にあります。
しかし、経営者が見ている肌感覚は、少し違うはずです。案件はある。問い合わせもある。それでも、以前のように人月が積み上がらない。
案件需要そのものが小さくなるのではなく、SESが取りやすかった“実装部分”が小物化するということです。
従来は、要件定義が終わったあと、数名から十数名のエンジニアを数か月単位で投入し、実装、デバッグ、単体テスト、ドキュメント整理を進める案件がありました。SES企業にとっては、この下流実装工程こそが人月を積みやすい領域でした。
ところが生成AIの普及により、仕様書からのコード生成、リファクタリング、単体テストコード作成、ドキュメント整理、軽微な修正対応は短時間化し始めています。JISAは、生成AIの活用によってソフトウェア開発の生産性が向上し、その結果として「単価下落と受注量増」が見込まれると整理しています。[出典：JISA「情報サービス産業における生成AI利活用に向けた提言」]
この変化は、SES企業にとって単純な朗報ではありません。相談件数が増えても、1案件あたりで積める人数、期間、単価が圧縮されれば、売上と利益は伸びにくくなります。
なぜ小物化するのか——AIが圧縮するのはプロジェクト全体ではなく下流実装である
AIが比較的得意なのは、主にコーディング、デバッグ、単体テスト、ドキュメント整理などの下流工程である。
図2：案件はあるのに、なぜ利益が残らないのかここで、プロジェクト全体を見誤ってはいけません。AIが速くする工程と、最後まで人間が背負う工程は、同じではないからです。
「AIで開発が速くなったはずなのに、なぜ自社の利益は薄くなるのか」。その答えは、どの工程が圧縮され、どの工程が残るのかを切り分けたときにはじめて見えてきます。
AIがプログラミングを支援するからといって、プロジェクト全体の仕事がなくなるわけではありません。筆者の20年以上のプロジェクトマネジメント経験から見ると、コーディング、デバッグ、単体テストに相当する工数は、案件にもよりますが全体の3分の1から4分の1程度に収まることが多いです。
もちろん、この比率は開発手法、業務領域、契約形態、品質要求によって変わります。ここで重要なのは、AIが比較的圧縮しやすい工程と、現時点ではAIだけでは代替しにくい工程を分けて考えることです。
プロジェクトで本当に重いのは、顧客が何をしたいのかを聞き出すこと、曖昧な要望を要件に落とすこと、AIや開発チームが作った成果物が顧客要件に合っているか確認すること、顧客側の部門間調整を進めること、最終的に「これで使える」と受入合意を取ることです。
AIはコードを書く速度を上げます。テストコードも作れます。ドキュメントの初稿も作れます。しかし、顧客の現場にある暗黙知、部門間の利害、既存システムの癖、例外処理、運用上の制約、現場担当者の本音までは、AIだけでは読み切れません。
だからこそ、AIで小物化するのはプロジェクト全体ではなく、SESが人月で売りやすかった下流実装部分なのです。
| 領域 | AIで圧縮されやすい仕事 | 人間側の価値が残る仕事 |
|---|---|---|
| 要件定義 | 議事録要約、論点整理、要件候補の初期整理 | 顧客の真意の確認、業務制約の読み取り、優先順位の合意形成 |
| 設計 | 設計書ドラフト、API仕様案、画面項目案 | アーキテクチャ判断、運用制約、保守性、セキュリティ判断 |
| 実装 | 仕様通りのコード生成、リファクタリング、軽微な修正 | 設計意図の反映、品質判断、例外処理、レビュー責任 |
| テスト | 単体テストコード作成、テストケース案、ログ整理 | 受入条件の設計、品質リスク判断、障害時の説明責任 |
| 納品・運用 | ドキュメント整形、FAQ生成、手順書ドラフト | 顧客調整、運用定着、例外対応、部門間合意 |
| 出典：Arpable編集部調査・公開資料を基に作成 | ||
人月モデルはなぜ崩れるのか——AIで変わるSESの売上方程式
人月モデルでは、AIによる生産性向上が、そのまま請求時間の減少圧力になる。
図3：人月モデルはなぜ崩れるのかここから話は、技術論ではなく経営論になります。AIがコードを書くかどうかではなく、自社の売上がどこで生まれていたのかを問い直す局面です。
問題はAIではありません。むしろAIは顧客に価値をもたらします。問題は、その価値が高まるほど自社の請求時間が減ってしまう、旧来型の人月依存モデルです。
AI時代の問題は、単に「AIがコードを書く」という技術論ではありません。SES企業の売上方程式が変わるという経営問題です。
例えば、従来なら3名・3か月で見積もっていた改修案件が、AI活用を前提にすると1名・3週間のスポット対応として再設計される。こうした変化は、顧客にとっては歓迎すべき効率化です。しかし、人月で売上を積んできたSES企業にとっては、売上の土台そのものが細くなることを意味します。
旧来型SESの売上は、単純化すれば次の式で表せます。
このモデルでは、人を多く出し、長く稼働させ、高い単価を取るほど売上が増えます。ところが、AIによって実装作業が短縮されると、この3要素すべてに圧力がかかります。
- 人数：AIにより、従来3名必要だった実装支援が1〜2名で済む可能性が出る。
- 稼働月数：数か月の常駐ではなく、数週間のスポット支援に変わる。
- 月額単価：単純実装やテスト中心の人材は、AI代替可能性を理由に単価下落圧力を受ける。
つまり、案件数が増えても、人数、期間、単価が同時に圧縮されれば、売上は伸びにくくなります。これが、人月モデルの自己矛盾です。
仮に、従来150時間かかっていた実装作業が、AI活用によって50時間で終わるようになったとします。これは顧客にとっては大きな価値です。しかし、時間課金で売上を作ってきたSES企業にとっては、請求できる時間が100時間減ることを意味します。
ここに、人月モデルが前提としていた「時間＝価値」という関係の崩壊があります。AIによって作業が短縮されるほど顧客価値は上がる一方で、時間課金に依存する会社ほど自社の売上を削ることになる。これこそが、いま直視すべき人月モデルの自己矛盾です。
自社は、AIによって短縮された時間を「売上減」として受け止める会社でしょうか。それとも、短縮した時間を利益率や高付加価値提案に変えられる会社でしょうか。
単価はどう変わるのか——単純実装は下がり、現場リーダーは上がる
単価が一律に下がるわけではない。下がるのはAIで代替されやすい仕事であり、上がるのは現場を動かす仕事である。
図4：単価はどう変わるのか――一律下落ではなく二極化では、SES企業の生命線である「単価」はどうなるのでしょうか。ここで起きるのは、単純な値下がりではありません。会社によって、そして人材の役割によって、明暗が分かれます。
結論から言えば、一律に下がるわけではありません。AI時代の単価変化は、単純な下落ではなく、役割による二極化として現れます。
下がりやすいのは、指示通りにコードを書く、仕様書通りに単体テストを行う、ドキュメントを整える、軽微な修正を行うといった仕事です。AIで代替・支援しやすく、顧客側から見ても「この作業に人を一人張り付ける理由」が弱くなりやすい領域です。
一方で、価値が上がるのは、顧客の現場を理解し、要件を整理し、AIが作った成果物を検証し、チームをまとめ、顧客と受入合意を取れる人材です。つまり、単価の焦点は「コードを書けるか」から「現場を前に進められるか」へ移ります。
Stack Overflow Developer Survey 2025の「AI tool frustrations」では、「惜しいが正確ではない」AI出力への対応を最大の不満として挙げた開発者が66%、AI生成コードのデバッグに余計な時間がかかると答えた開発者が45.2%に上ります。AIは開発を速くしますが、AIの出力を検証し、責任ある成果物として顧客に渡す人間の役割は残ります。[出典：Stack Overflow Developer Survey 2025「AI tool frustrations」]
| 分類 | 価値が下がりやすい仕事 | 価値が上がりやすい仕事 |
|---|---|---|
| 実装 | 仕様通りのコーディング、軽微な修正、リファクタリング | AIコードのレビュー、設計判断、品質責任 |
| テスト | 単体テスト実行、テストケースの機械的作成 | 受入条件整理、品質リスク判断、障害時の顧客説明 |
| 資料 | ドキュメント整形、議事録要約、仕様書ドラフト | 意思決定資料化、経営・業務部門への説明 |
| 調整 | 指示待ち作業、単純な進捗報告 | 顧客折衝、部門間調整、優先順位判断 |
| 人材 | 単純実装者、テスター、ドキュメント要員 | 現場リーダー、PM、アーキテクト、AIコード監査人材 |
| 出典：Arpable編集部調査・公開資料を基に作成 | ||
AI時代に高く評価されるのは、コードを書ける人ではなく、顧客の現場を動かせる人です。
企業が欲しいのは現場リーダーである
AIがプログラミングを支援しても、顧客現場を理解し、チームと顧客の間をつなぐ人材は必要である。
図5：なぜ企業は現場リーダーを欲しがるのかここで、採用市場の現実を見ます。多くの企業が本当に探しているのは、単に手を動かす人ではありません。顧客現場を任せられる人です。
レバテックが公開した「レバテックIT人材白書2026」によると、IT人材採用市場において企業が最も注力している採用ポジションは「現場リーダー」で、42.3%と最多を占めています。[出典：レバテック「レバテックIT人材白書2026」]
この数字は、本記事にとって非常に重要です。
企業が欲しいのは、単なるメンバーではありません。顧客の現場を知り、メンバーをまとめ、要件の曖昧さを整理し、トラブル時に判断し、顧客と会話できる人材です。
イメージとしては、要件定義も開発も一通り分かっていて、顧客会議にも一人で出せるエンジニアです。営業がいなくても、顧客と次の一手を一緒に描ける人材です。
一人で「要件整理＋進行＋レビュー」まで回せるため、同じ人件費でも、売上・粗利のレバレッジがまったく違うタイプの人材と言えます。
AIがコードを書く時代ほど、この人材の価値は上がります。なぜなら、顧客が本当に困っているのは「コードが足りないこと」だけではなく、「現場で使える形に落とし込めないこと」だからです。
AIがコードを書くようになっても、顧客の現場は単純化されません。むしろ、AIが作った成果物を業務に適用する場面では、現場理解の重要性が増します。
顧客の業務には、仕様書に書かれていない前提があります。部門間の力学があります。既存システムの歴史があります。現場担当者だけが知っている例外処理があります。AIはこれらを完全には読み取れません。
だからこそ、現場リーダーが必要になります。
現場リーダーは、単なる採用ポジションではありません。SES・IT派遣企業にとっては、顧客継続率、案件単価、若手育成、M&A時の企業価値を左右する中核資産です。
M&A急増は何を意味するのか——売却ラッシュではなく業界再編である
SES・IT派遣企業のM&Aは、AIだけでなく採用難、労務コスト、法務リスク、後継者問題が重なった業界再編である。
図6：M&A急増は何を意味するのか「最近、SESや技術者派遣企業のM&Aが増えている」。そう感じている経営者も多いはずです。中には、「この流れに乗るべきか、それとも踏みとどまるべきか」と胸の内で天秤をかけている方もいるでしょう。
では、この再編は今回の構造変化とどうつながるのでしょうか。
SES・IT派遣企業のM&A増加は、「AIで仕事がなくなったから売る」という単純な話ではありません。むしろ、案件需要は残る一方で、実装人月だけでは利益を作りにくくなった企業が、採用・教育・顧客基盤・資本力をめぐって再編されていると見るべきです。
背景には、複数の要因があります。
- IT人材不足の常態化
- 中堅・現場リーダーの採用難
- AIによる下流実装人月の小物化
- 単純実装領域の単価下落圧力
- 社会保険・労務管理・コンプライアンス対応コストの増加
- 偽装請負や多重下請け構造への監視強化
- 経営者の高齢化・後継者不在
- 大手SIer、上場企業、PEファンドによるロールアップ戦略
- 人材獲得型M&A、いわゆるアクハイヤーの拡大
帝国データバンクは、2024年度の「ソフトウェア業」倒産件数が220件に達し、前年度の154件から1.4倍に増加したと発表しています。過去10年間で初めて200件を超え、従業員10人未満の企業が全体の8割以上を占めるとされています。[出典：帝国データバンク「ソフトウェア業の倒産動向（2024年度）」]
一方で、大手資本による技術者派遣・IT人材企業への投資も活発です。Reutersは2025年8月、Blackstoneが技術者派遣大手のテクノプロ・ホールディングスに対し、5074億円規模のTOBを行うと報じています。[出典：Reuters, Blackstone offers $3.5 bln for Japan’s TechnoPro, 2025年8月]
これは、業界が単純に縮小しているというより、小規模事業者の淘汰と、大手・中堅グループへの集約が同時に進んでいることを示しています。
M&Aは敗北ではありません。経営者にとっては、事業を守り、社員の雇用を守り、顧客基盤を維持し、次の成長資本を得るための選択肢でもあります。
ただし、M&Aで真に評価される会社と、安く買い叩かれる会社は明確に分かれます。買い手企業や投資家が注視するのは、M&A成立後の統合作業、すなわちPMIにおいて、SES業界最大の資産である「現場リーダーやキーマン」が流出せずに残るかというリスクです。
| 評価される企業 | 評価されにくい企業 |
|---|---|
| 現場リーダー・キーマンが複数いる | 特定の社長・営業・エンジニアに依存している |
| プライム比率が高い | 二次請け・三次請けが中心 |
| 教育・育成の仕組みがある | 顧客現場で育つことを前提にしている |
| 労務・契約・勤怠管理が整備されている | 偽装請負リスクや労務管理の曖昧さが残る |
| AI駆動開発を標準プロセスに組み込んでいる | AI利用が個人任せで、品質管理がない |
| 顧客継続率・案件継続率が高い | 短期スポット案件を数で追っている |
| 出典：Arpable編集部調査・公開資料を基に作成 | |
中小IT企業に残された3つの経営判断
AI時代のSES企業に問われるのは、案件を取る力だけではない。どの事業モデルを選ぶかである。
図7：生き残るSES企業の条件――経営者が今決めるべきことここからが、本記事の本丸です。ここから先は、“業界全体の話”ではありません。“あなたの会社がどの道を選ぶか”の話です。
経営者に問われているのは、AIを使うかどうかではありません。自社の売上方程式を、AI時代に合わせて書き換えるかどうかです。
中小・中堅のSES・IT派遣・受託開発企業の経営者には、これから大きく3つの選択肢があります。
判断1：高付加価値化する
最も王道の選択肢は、人月で下流実装を売る会社から、顧客現場を任せられる会社へ変わることです。
具体的には、以下の方向です。
- プライム比率を高める
- 顧客折衝・要件定義に踏み込む
- AI駆動開発を標準プロセス化する
- AIコードレビュー、テスト自動化、品質監査をサービス化する
- 現場リーダー候補を育てる
- 単なる準委任だけでなく、固定価格、成果連動、運用支援型契約を一部導入する
この道は簡単ではありません。しかし、成功すれば人月単価の下落圧力から抜け出しやすくなります。
判断2：M&A・資本提携で再編に乗る
2つ目は、M&Aや資本提携を経営選択肢として正面から考えることです。
これは、単に「会社を売る」という話ではありません。採用、教育、顧客基盤、AI投資、コンプライアンス対応を自社単独で抱えきれない場合、大手・中堅グループの傘下に入ることで、社員の雇用や顧客への提供価値を守る選択肢になります。
一方で、M&Aで高く評価されるためには、準備が必要です。
- 現場リーダー・キーマンの可視化
- 顧客契約、商流、案件継続率の整理
- 労務・勤怠・契約形態の整備
- 教育カリキュラムや育成実績の可視化
- AI駆動開発・品質管理プロセスの標準化
M&Aは、準備した会社には選択肢になります。準備していない会社には、最後の出口になってしまいます。
判断3：小物案件を数で追う
3つ目は、短期・スポット・低単価の小物案件を数で追い続ける道です。
これは、短期的には売上を作れるかもしれません。しかし、経営リスクは大きくなります。
案件数はある。稼働も埋まる。しかし、手元には十分な粗利が残らない。営業とアサインの管理コストだけが膨らみ、現場リーダーを育てる余裕も、若手に投資する余力も失われていく。この状態が続けば、会社は忙しいまま、静かに体力を削られていきます。
- 稼働管理が複雑になる
- 営業・アサインの負荷が増える
- 粗利率が下がる
- エンジニアが成長機会を感じにくくなる
- 顧客との長期関係が作りにくい
- 現場リーダーが育ちにくい
小物案件をすべて否定する必要はありません。入口として、実績作りとして、顧客接点として有効な場面もあります。
ただし、それを「主力モデル」にした瞬間、消耗戦は始まっています。売上は動いているのに、会社の未来を作る余力が削られていくからです。
小物案件を「入口」として使うのか、「主力」として追い続けるのか。この違いが、AI時代のSES企業の収益性を左右します。
旧来型SESの限界——顧客に育ててもらうモデルは通用しにくくなる
未経験者を十分に育てず顧客現場に出し、現場で育つことを期待するモデルは、AI時代にはリスクになる。
図8：新人教育はどう変えるべきかこれまで一部のSES企業では、未経験者や若手を顧客先に出し、実地で育つことを期待するモデルが成立していました。
しかし、AI時代にはこの前提が揺らぎます。顧客が求めるのは、単純作業をこなす人ではなく、AIを使いながら現場の成果に責任を持てる人材だからです。
AIで下流実装工程が圧縮されると、若手が担いやすかった単純作業は減ります。顧客側も、AIでできる作業のために人を受け入れる理由が弱くなります。
さらに、リモート化やコンプライアンス強化により、顧客現場で自然に育つ前提も崩れつつあります。
若手育成の論点は別記事に譲ります。ここで経営者に突きつけたいのは、もっと根本的な問いです。
あなたの会社には、顧客現場を任せられる人材を、自社の力で育てる仕組みがあるでしょうか。
経営者が今見るべき5つの判断軸
AI時代に問われるのは、AIを使っているかではない。自社の売上構造、人材構造、契約構造を見直しているかである。
図9：人を出す会社から、現場を動かす会社へ中小・中堅IT企業の経営者は、次の5つを点検すべきです。どれか一つでも空白のままなら、AI時代の再編局面で、自社の弱点として表に出てきます。
| 判断軸 | 確認すべき問い | 危険な状態 |
|---|---|---|
| 売上構造 | 売上の何割が下流実装人月に依存しているか | 実装・テスト・資料作成の人月が主力で、上流・運用支援が弱い |
| 顧客構造 | プライム比率はどの程度か | 二次請け・三次請けが中心で、顧客文脈にアクセスできない |
| 人材構造 | 現場リーダーを何人持っているか | 単純実装者はいるが、顧客折衝できる人材が少ない |
| 育成構造 | 若手を現場リーダー候補に育てる仕組みがあるか | 顧客現場で自然に育つことを期待している |
| M&A耐性 | 労務、契約、教育、顧客基盤を説明できるか | 属人的で、デューデリジェンスに耐える資料がない |
| 出典：Arpable編集部調査・公開資料を基に作成 | ||
※時間が許せば、紙でもExcelでも構いませんので、上の表4をそのまま自社向けにコピーし、「売上構造〜M&A耐性」の5項目に対して◎・○・△・×で自己評価してみてください。30分程度の棚卸しだけでも、「最初に手を付けるべき1項目」が見えてきます。
この5つのうち、特に重要なのは現場リーダーです。
なぜなら、現場リーダーは売上構造、顧客構造、育成構造、M&A評価のすべてに関わるからです。現場リーダーがいれば、顧客と話せます。若手を育てられます。AI成果物を確認できます。受入合意を取れます。トラブル時に説明できます。
AI時代のSES企業にとって、現場リーダーは採用ポジションではなく、企業価値そのものです。
生き残るSES企業の条件——「人を出すだけ」の会社は選ばれにくくなる
これからのSES企業の価値は、何人出せるかではなく、どの現場を任せられるかで決まる。
図8：AI時代のSES経営診断——5つの判断軸
では、中小・中堅のSES・IT派遣・受託開発企業は、何を変えるべきでしょうか。答えは、単にAIツールを導入することではありません。顧客から見た自社の役割を変えることです。
人を出す会社から、現場を動かす会社へ変わることが必要です。
プライム比率を高める
二次請け、三次請けの深い商流では、顧客の現場文脈に触れにくくなります。要件の背景が見えず、受入条件も把握しにくい。結果として、単純な作業提供に近づきます。
AI時代に価値が上がるのは、顧客現場に近い仕事です。プライム比率を高めることは、単価だけでなく、現場リーダー育成にも直結します。
AI駆動開発を標準プロセスにする
AIの利用を個人任せにしてはいけません。個人の便利ツールとして使うだけでは、品質、セキュリティ、再現性、顧客説明に問題が出ます。
AIコード生成、レビュー、テスト自動化、ドキュメント生成、セキュリティ確認を、社内の標準プロセスとして整える必要があります。AI駆動開発の考え方は、関連記事である「AI駆動開発ツール徹底比較ランキング2026」でも詳しく整理しています。
現場リーダー候補を育てる
若手に任せるべきなのは、AIでもできる作業の繰り返しではありません。
AIが出したコードや資料を検証すること。顧客要件と照合すること。リスクを見つけること。上司に説明すること。顧客に確認すべき論点を整理すること。これらを訓練する必要があります。
若手育成の目的は、単純実装者を増やすことではありません。将来の現場リーダー候補を育てることです。未経験者の入口問題については、CS専攻の就職難を扱った記事でも別の角度から整理しています。
価値ベースの契約を一部導入する
すべてを人月契約から変える必要はありません。現実には、準委任契約が必要な場面も多いでしょう。
しかし、AIで作業時間が短縮される領域では、時間課金だけに依存すると自社の利益が削られます。固定価格、成果連動、運用支援、AI品質監査、顧問型支援など、価値ベースの契約を一部でも導入することが重要です。
コンプライアンスを経営資産にする
偽装請負、労務管理、勤怠管理、契約形態、セキュリティ、個人情報管理は、単なる守りではありません。
M&Aや大手顧客との取引では、これらが企業価値を左右します。コンプライアンスが弱い企業は、買い手から見ても、顧客から見ても、リスクの高い会社になります。
AI時代のSES企業にとって、コンプライアンスはコストではなく、信頼を売るための経営資産です。
関連記事との役割分担
本記事は、AI時代の雇用・経営・ソロプレナー化を扱った既存記事とは主戦場を分けている。
| 関連記事 | 主テーマ | 本記事との違い |
|---|---|---|
| CS専攻の就職難は本当か？ | 未経験者が最初の実務経験を得る入口の細さ | 本記事では、SES企業の収益モデルと経営判断を扱う |
| AI駆動経営のリアル2026 | AIエージェントへの委任、権限、ガバナンス | 本記事では、AI時代のSES・IT派遣企業の事業モデルを扱う |
| AIが変えるシリコンバレーの新常識 | AIで個人が企業規模の仕事を担うソロプレナー化 | 本記事では、企業側が人月モデルをどう再設計するかを扱う |
| 出典：Arpable編集部作成 | ||
まとめ——案件は消えない。小物化するのは、SESが売ってきた実装人月である
AIでIT需要が消えるのではない。SESが取りやすかった実装部分が小物化し、価値は現場リーダーへ移る。
図9：案件は消えない。小物化するのは、SESが売ってきた実装人月であるここまで見てきたのは、「IT需要は残る」という事実と、「その中でSESが売ってきた実装人月だけが小物化していく」という構造です。
AI時代に、SES・IT派遣・受託開発の仕事がなくなるわけではありません。むしろ、仕事は残ります。問題は、その仕事の中で、どこに利益が残るのかです。
AI・DX需要は続きます。レガシー刷新も、クラウド移行も、セキュリティ対応も、業務自動化も、AI導入も残ります。
しかし、SESが取りやすかった実装部分は小物化します。コーディング、デバッグ、単体テスト、ドキュメント整理はAIで圧縮されます。従来なら数名・数か月で積めた実装人月が、短期・少人数・スポット型へ分解されます。
その結果、人月で下流工程を積むモデルは収益性を下げます。
一方で、顧客の現場を理解し、要件を整理し、AI成果物を業務価値に変え、チームをまとめ、顧客と受入合意を取れる現場リーダーの価値は上がります。
AI時代にSES企業の仕事は消えない。消えるのは、実装人月だけで価値を積み上げる余地である。
中小・中堅IT企業の経営者に問われるのは、AIに仕事を奪われるかどうかではありません。
自社は、これからも人月を売り続けるのか。
現場リーダーを育てて高付加価値化するのか。
M&A・資本提携で再編に乗るのか。
それとも、小物案件を数で追って消耗するのか。
これは「AIがプログラマーを不要にするか」という技術論ではありません。中小・中堅IT企業の売上方程式を、いま書き換えるかどうかという経営判断です。
案件があるうちに、現場リーダーを育て、実装人月の先にある価値へ移れるか。それとも、小物案件を数で追い、利益率と人材をすり減らしていくのか。次の5年の分岐点は、すでに始まっています。
5年後に振り返ったとき、「あのとき何もしなかった」ことだけは後悔しないと言い切れるでしょうか。
意思決定を先送りできる時間は、もう多くは残されていません。案件がある今こそ、売上方程式を書き換える最後の余裕が残されているのです。
専門用語まとめ
本記事で使った主要な用語を、経営判断に必要な範囲で簡潔に整理する。
| 用語 | 意味 |
|---|---|
| SES | System Engineering Serviceの略。エンジニアの技術力や作業時間を提供する契約形態として使われることが多い。本記事では、人月を売上の中心に置く事業モデルとして扱う。 |
| 人月モデル | 人数×稼働期間×単価で売上を作るモデル。AIで作業時間が短縮されると請求時間が減り、「効率化すると売上が下がる」という本記事の中核テーマにつながる構造的課題を持つ。 |
| 小物化 | 従来なら複数名・数か月で外部委託されていた実装工程が、短期・少人数・スポット対応へ分解されること。本記事の中心概念である。 |
| 現場リーダー | 顧客現場を理解し、要件整理、チーム運営、成果物確認、顧客調整を担う人材。本記事では企業価値を左右する中核資産として扱う。 |
| プライム比率 | 顧客と直接契約している案件の割合。高いほど顧客文脈に近く、利益率や企業価値も高まりやすい。 |
| ロールアップ | 同業の中小企業を複数買収・統合し、規模の経済や案件共有、バックオフィス統合で企業価値を高める戦略。SES業界では再編の重要キーワードである。 |
| アクハイヤー（Acqui-hire） | 人材の獲得を主目的としたM&A手法。SES・IT派遣企業では、エンジニアや現場リーダーを獲得するために活用されることがある。 |
| PMI | Post Merger Integrationの略。M&A後の統合作業。SES企業ではキーマン流出や文化摩擦が大きなリスクになる。 |
| 出典：Arpable編集部作成 | |
本記事の調査概要
本文中の数字や断定表現は、公開資料およびArpable編集部調査に基づいている。
※Arpable編集部調査は、公開情報、業界動向、当社の実務知見をもとに整理した非公開社内レポートであり、公的統計や第三者調査会社の公開レポートとは性格が異なります。
| 分類 | 資料・出典 | 本記事での使い方 |
|---|---|---|
| 弊社調査 | Arpable編集部調査「エンジニア中心のSES・IT派遣業界におけるM&A急増の真相と実態調査報告書」（2026年6月、非公開社内レポート） | SES・IT派遣企業のM&A増加、売り手・買い手の動機、バリュエーション、PMIリスクの整理に使用 |
| 弊社調査 | Arpable編集部調査「プログラミングの生成AI代替に伴うIT・SES業界の構造地殻変動とM&A市場の急拡大に関する調査報告書」（2026年6月、非公開社内レポート） | 実装人月の圧縮、案件小物化、人月モデルの限界、現場リーダー需要の分析に使用 |
| 業界団体資料 | JISA「情報サービス産業における生成AI利活用に向けた提言」（2024年9月） | 生成AIによる生産性向上、単価下落と受注量増の見通しを確認 |
| 市場調査 | 矢野経済研究所「国内企業のIT投資に関する調査を実施（2025年）」 | 国内民間企業のIT市場規模とAI・クラウド・レガシー刷新投資の拡大確認に使用 |
| 開発者調査 | Stack Overflow Developer Survey 2025 | AIコードが「惜しいが正確ではない」ことへの不満、デバッグ負担の確認に使用 |
| 倒産動向 | 帝国データバンク「ソフトウェア業の倒産動向（2024年度）」 | ソフトウェア業倒産件数と小規模事業者の厳しさを確認 |
| 採用市場資料 | レバテック「レバテックIT人材白書2026」公開PDF | 企業が注力する採用ポジションとして「現場リーダー」が重視されている点を確認 |
| 出典：Arpable編集部調査・公開資料を基に作成 | ||
なお、本文中で「コーディング、デバッグ、単体テストはプロジェクト全体工数の3分の1から4分の1程度」と述べる箇所は、筆者の20年以上のプロジェクトマネジメント経験に基づく実務上の目安です。外部統計ではなく、現場感に基づく判断として明示します。
参考文献 / 出典
本文中の数字や断定表現は、公開資料およびArpable編集部調査に基づいている。
- JISA「情報サービス産業における生成AI利活用に向けた提言」2024年9月30日：https://www.jisa.or.jp/Portals/0/data/20240930_ai_policy.pdf
- 矢野経済研究所「国内企業のIT投資に関する調査を実施（2025年）」2025年12月1日：https://www.yano.co.jp/press-release/show/press_id/3974
- Stack Overflow「2025 Developer Survey – AI」：https://survey.stackoverflow.co/2025/ai
- 帝国データバンク「『ソフトウェア業』の倒産動向（2024年度）」2025年4月23日：https://www.tdb.co.jp/report/industry/20250423-software-br24fy/
- Reuters「Blackstone offers $3.5 bln for Japan’s TechnoPro as deal competition heats up」2025年8月6日：https://www.reuters.com/business/blackstone-offers-35-bln-japans-technopro-deal-competition-heats-up-2025-08-06/
- レバテック「レバテックIT人材白書2026」：https://levtech.jp/files/doc/levtech_research_2026.pdf
- Arpable編集部調査「エンジニア中心のSES・IT派遣業界におけるM&A急増の真相と実態調査報告書」2026年6月（非公開社内レポート）
- Arpable編集部調査「プログラミングの生成AI代替に伴うIT・SES業界の構造地殻変動とM&A市場の急拡大に関する調査報告書」2026年6月（非公開社内レポート）
あわせて読みたい関連記事
本記事の背景にある、若手人材の入口問題、AI駆動経営、ソロプレナー化、現場リーダー人材、ROI設計をあわせて確認したい。
補足Q&A
SES・IT派遣企業の経営者が抱きやすい疑問に、実務視点で回答する。
Q1. AIでSES企業の仕事はなくなるのでしょうか？
なくなるというより、仕事の中身が変わります。AI・DX需要は続きますが、SESが取りやすかった下流実装工程は短期・少人数・スポット型へ分解されやすくなります。したがって、人月を積むモデルだけに依存する企業は厳しくなります。
Q2. 小物案件は受けない方がよいのでしょうか？
小物案件そのものが悪いわけではありません。新規顧客との接点、実績作り、PoC支援として有効な場合もあります。ただし、小物案件を主力にして数で追い続けると、営業負荷、稼働管理、粗利低下、エンジニアの成長機会不足が重なりやすくなります。
Q3. 中小SES企業が最初に取り組むべきことは何ですか？
まず、自社の売上がどれだけ下流実装人月に依存しているかを可視化することです。たとえば、直近12か月の売上を案件別に並べ、「要件定義・運用支援・現場リーダー業務」と「実装・テスト・資料作成」にざっくり色分けしてみるだけでも傾向は見えてきます。そのうえで、プライム比率、現場リーダー数、若手育成、AI駆動開発の標準化、労務・契約コンプライアンスを点検します。いきなり全てを変えるのではなく、最初は1つの顧客、1つのチーム、1つの契約形態から高付加価値化を試すのが現実的です。
更新履歴
本記事は、AI開発支援・SES市場・M&A動向の変化に合わせて更新する。
- ：初版公開。AI時代のSES案件小物化、人月モデル限界、現場リーダー需要、M&A再編を整理。
