中小SIer・受託開発のM&A DD——AI普及で「価値が残る会社」と「単価が崩れる会社」をどう見分けるか

「ARRも粗利率も悪くない、なのに来期の見通しがどうしても立たない」——中小SIer・受託開発の経営者から、ここ1年で繰り返し聞く言葉です。生成AIの普及で、コーディング作業の量と単価が同時に動き始めました。AIエージェントが要件整理・実装・テストまで一定水準で手を動かせるようになった結果、「人月で時間を売る」型の受託開発は、顧客側からの値下げ要求と内製化検討にさらされています。一方で、特定業界の業務知識やプロダクトIPを持つSIerには、大手SIer・総合ITベンダーがプレミアムを払って買いに来る——AI時代のM&Aは、この二極化が一気に進む局面に入りました。

こうした構造変化の中で、買い手としても売り手としても、これまでのDDの「過去の数字を見る」アプローチが効かなくなっています。直近期のARRが伸びていても、12〜18ヶ月後にAI内製代替で受注が急減するリスクが見えるなら、その数字でバリュエーションを組むのは危険です。SaaS企業のDDでは「SaaS is Dead時代のAI耐性評価」を別記事で書きましたが、SIer・受託開発はそれ以上にAIの直撃を受けやすい業態です。読者の関わる案件で、対象会社の直近12〜18ヶ月の顧客単価推移は追えているでしょうか。SIer・受託開発のDDで「AI普及後にも価値が残る会社か」を見分けるための実務的な軸を、順に押さえていきます。

AIの普及は、SIer・受託開発のM&A市場を一様には動かしていません。買い手が積極的に取りに行っている領域と、売り急ぎ案件が急増している領域がはっきり分かれてきました。買い手の動機は「業界特化の業務知識を持つエンジニアの確保」「特定業界向けプロダクトIPの取得」「AI実装能力を持つ開発組織の取込」のいずれか。売り手の動機は「人月SESモデルの収益見通しが崩れた」「単価下落で利益が出なくなった」「内製化検討を進める顧客が増えてきた」というのが典型です。

「うちは順調だから売る理由はない」と社長が言う案件でも、決算書の単価推移と顧客別売上を遡って見ると、構造変化が始まっていることが多い。譲渡側の譲渡理由を、社長の説明だけで判断しない姿勢が、SIer DDの最初の分岐点になります。

買い手が動いている領域

• 業界特化型の中小SIer：金融・医療・建設・製造・物流など、特定業界の業務知識を蓄積していて、汎用AIでは置き換えにくい受託・パッケージを提供している会社
• 独自プロダクト・SaaSを持つ会社：受託で生計を立てながら、自社プロダクトの売上比率が伸びている会社。プロダクト単独でなくても、IP保有が買い手の関心になる
• AI実装能力を持つ開発組織：Copilot・Claude Code・Cursor等の標準化、AI agentic workflowの実運用、生成AIを使った社内/顧客向けプロダクトの実績がある会社

売り急ぎが増えている領域

• 汎用受託・SES中心の中小ソフトハウス：業界知識・プロダクトIPがなく、人月単価で時間を売る構造。直近12〜18ヶ月で単価が下落し始めている
• 大手SIer1次下請の中堅：元請の発注圧力で単価が下落、AI実装で工数削減を求められる構造
• 業務系の保守受託中心：既存システムの保守・改修中心で、新規開発の比率が低い。AI agentic workflowで顧客側の内製余地が広がっている

SIer・受託開発のDDで最初に分解したいのが、売上の構成です。同じ「年商10億円」でも、その中身が「人月SES8億円・受託2億円」と「人月SES2億円・パッケージ4億円・成果報酬4億円」では、AI普及後の収益持続性が決定的に違います。

案件分類とAI耐性の関係

人月SESの比率が高い会社のバリュエーションは、AI普及後の単価×時間の縮小を織り込んで考える必要があります。一方で、成果報酬や固定保守の比率が高い会社は、AIで工数削減できれば粗利が上がる構造で、AI耐性が高い。プロダクト・SaaSを持っている会社は、IPと顧客ロックインがあるため、AI普及の影響を限定的に受け止められる傾向があります。

この分解を進めるには、過去24ヶ月の契約ごとの単価推移、顧客別の売上ミックスの変化、新規契約の構成比を確認します。経営者・営業責任者が「最近の引き合いはどう変わっているか」を語る言葉と、契約データの構成変化が一致しているかが、SIer DDの実務での確認ポイントです。

SIer・受託開発のDDで、抽象的な「AI耐性が高い・低い」という議論を、定量化する作業が要ります。具体的には、売上を顧客別・案件別に分解し、それぞれについて「3〜5年後にAIによる代替・内製化が進むリスク」を3段階（高・中・低）で配点し、売上加重平均を出します。

AI代替可能率を見る軸

• 業務知識の専門性：業界固有の業務フロー・規制・商慣習に深く入り込んでいる案件か。汎用AIでは要件定義から外れにくいか
• 顧客側の内製余地：顧客企業の社内エンジニア体制で、AIエージェントを使った内製代替が現実的か。外注依存度が高い顧客ほど、AI普及後も外注継続の可能性が残る
• データ・IPの蓄積：その案件を続けるうえで蓄積されてきた顧客データ・モデル・ドキュメントが、対象会社にしか存在しないか
• 規制・コンプライアンス：金融・医療・公共など、認証・監査・法令対応が必要な領域は、AI代替の進度が他業種より遅い傾向
• 運用・保守責任：SLA保証・障害対応・運用責任を負う案件は、AI実装後も継続要因が残る

この5軸で、売上上位の顧客・案件を一つずつ評価し、AI代替リスク高（30%以上の代替・縮小可能性）・中（10〜30%）・低（10%未満）に分類します。売上加重平均で「3年後の売上維持率の中央値」を出し、ベースケースと悲観ケースのバリュエーションに使う、というのがDD実務での扱い方です。

このスコアリングはあくまで仮置きですが、何もしないで「直近期の売上が来期も続く」と仮定するより、はるかに合理的な前提になります。社長や営業責任者にスコアの結果を見せて議論すると、「ここの読みは違う」というやり取りが生まれ、双方の認識が揃ってくる効果もあります。

AI普及後に「価値が残る」SIer・受託開発の条件は、煎じ詰めれば「汎用LLMでは置き換えられない業務知識・データ・プロダクトIPを持っているか」に集約されます。汎用受託でコードを書いているだけの会社は、AI agentic workflowが顧客側で標準化された瞬間に外注の必要性が低下します。一方で、特定業界の業務をディープに理解していて、その業界向けの「使える形」のプロダクト・テンプレート・運用ノウハウを蓄積している会社は、AI普及後もむしろ価値が高まる構造になります。

業界特化IPのDDで見る軸

• 業界特化プロダクト・テンプレートの保有：金融の与信モデル、医療のレセプト処理、建設の積算、製造のMES連携など、業界固有の処理を実装したコード・パッケージ・運用ナレッジ
• 業界特化の人材：その業界で5〜10年以上の経験を持つエンジニア・コンサルタントの在籍人数。プロパー社員と外部リソースの比率
• 蓄積された顧客データ・運用知見：過去の案件で蓄積した業界特有のデータ・ベンチマーク・運用ノウハウ。これがAI学習・推論の差別化要因になりうるか
• 特許・著作権・営業秘密の管理：職務発明規程の整備、コードリポジトリのアクセス管理、退職者の競業避止
• 業界団体・規制当局との関係：業界団体への参加、認証取得、規制当局向け案件の実績

業界特化IPの実態を見るには、コードリポジトリの中身、ドキュメント、社員のスキルマップ、過去案件の成果物——具体的な物に当たることが必要です。社長や経営層の説明だけだと、「業界特化を強化中です」という抽象的な話に終わりがちで、実態が伴っているかは別の話です。

SIer・受託開発のDDで、AI耐性を測るもう一つの軸が、社内の開発組織がどこまでAIを使い倒しているかです。開発生産性をAIで底上げできていない会社は、顧客側がAIで効率化を進めたとき、相対的に高コストな外注先になります。逆に、AIエージェントを開発標準として実運用に組み込んでいる会社は、工数削減を粗利で受け止めるか、単価維持で勝負できます。

AI実装度のDDで確認する軸

• 個別ツールの利用率：GitHub Copilot、Claude Code、Cursor、Devin等のAIコーディング支援ツールが、エンジニアの何%で日常的に使われているか
• 標準化の進度：AI利用が個人裁量に委ねられているか、社内標準として運用ルール（プロンプトテンプレート、コードレビュー基準、セキュリティガイドライン）が整備されているか
• AIエージェントワークフロー：要件定義・設計・実装・テスト・デプロイの工程で、AIエージェントが自律的に動く部分が組み込まれているか
• 生産性の定量変化：AI導入前後でのストーリーポイント・ベロシティ・1人月あたり実装量の変化が記録されているか
• 顧客への単価還元の状況：AIで工数が下がった分を、単価据置で粗利改善するか、単価値下げで受注確保するか、の経営判断と実行

AI実装度が低い会社では、「Copilotは導入したけど一部のエンジニアしか使っていない」という状態にとどまっていることがあります。社内のAI活用度合いは、技術部門のヘッドだけでなく、現場エンジニア複数名へのヒアリングで実態を確認する必要があります。

もう一つ重要なのが、AIで工数が下がった分の経営判断です。顧客への単価還元を求められている会社は、粗利が改善しないまま価格圧力だけ受けています。一方で、単価据置で粗利を維持できている会社は、顧客との関係性とプロダクト・業界知見の組み合わせで「値段の根拠」を作れているということです。この経営判断の質が、AI普及後のSIerの価値を左右します。

SIer・受託開発のAI耐性を「将来の話」ではなく「いま起きている現実」として捉えるための、最も雄弁なデータが直近12〜18ヶ月の単価推移です。生成AIが本格的に企業の調達プロセスに入り始めたのが2024年以降。それ以降の単価変化を、顧客別・案件別に並べると、構造変化の有無が見えます。

単価推移の確認方法

• 顧客別の月次平均単価（人月SESなら）：過去24ヶ月の月次平均単価を出して、上位顧客ごとの推移をグラフ化する。横ばいか、緩やかな下落か、急落か
• 新規契約の単価vs既存契約の単価：新規契約の方が単価が低くなっていれば、市場全体の単価圧力が来ている。既存契約も期更新で単価下落している顧客は、構造的な変化が進行中
• 失注案件の単価：失注した案件の見積単価と、最終的に他社が受注した単価。直近の失注で「価格負け」が増えているか
• 顧客側のAI内製の動き：顧客企業がAIエージェント・AIプラットフォームに自社で投資している兆候。エンタープライズ顧客なら開示・IR資料、中堅顧客なら営業へのヒアリング

顧客ロックインを支える要素

単価圧力に抗える会社の共通点は、何らかの形で顧客ロックインを構築していることです。具体的には次のような要素です。

• 業務システムの基幹度：顧客のミッションクリティカルなシステムを長期保守している。乗り換えコストが高い
• 業界規制対応の蓄積：金融・医療・公共などで、規制対応の実績を積んできた。顧客のコンプライアンス要件を満たす実績がある
• 運用データ・チューニング知見：過去の運用で蓄積した障害・チューニング・調整の知見が、対象会社にしかない
• キーマンの社内プレゼンス：顧客社内で対象会社のエンジニアが「うちのシステムのことは○○さんが一番わかっている」と言われている状態

顧客ロックインの実態は、決算書や契約書だけでは見えません。営業・PMへのヒアリング、顧客側の担当者との関係性、過去のクレーム対応の経緯——複数の角度から確認することで、AI普及後にどれだけの売上が残るかの見通しが立ってきます。