案件選定基準と精度向上施策

押さえるべき案件選定の必須指標

常駐エンジニアの価値は「単価の高さ」だけで決まりません。参画後の稼働安定性、スキル適合、契約条件、文化的フィットまで含めて総合判断すると、離脱リスクが下がり、継続率と粗利が安定します。最低限チェックしたい観点は次の通りです。

• 単価設計：エンジニアの総人件費（給与＋社会保険＋賞与按分）と固定販管費、目標粗利から「最低許容単価」を算出。上振れ要因（夜間対応・リーダー責務）を価格に必ず反映します。
• 精算幅・支払サイト：140–180hの精算幅は標準。上下控除の非対称性や、180h超の常態化は要警戒。支払サイト45日超はキャッシュ圧迫要因です。
• スキル適合：必須／尚可／育成可を分解し、業務時間のうち必須スキルが占める比率を把握。新規技術が多い場合は、学習時間を稼働計画に入れます。
• 稼働安定性：平均残業20h以内、夜間・休日対応の頻度、計画外業務の発生率、週次での作業ばらつき。
• 契約階層・窓口：直・一次は情報の鮮度が高く交渉も透明。二次以降は情報ロスや中間マージンで単価劣化リスクが上がります。
• 期間と延長率：初回は2–3ヶ月でも、現場の延長率やロードマップの有無を確認。バックフィルか増員かも精度に直結します。
• 勤務地・リモート：出社比率、始業時刻、通勤負荷、服装・セキュリティルール。移動時間は実質的な稼働コストです。
• 業務範囲と責務：SOWの有無、受入基準、レビュー体制。「設計レビュー中心」か「実装主体」かで適合人材は変わります。
• セキュリティ・端末：私物PC可否、貸与端末の準備リードタイム、権限申請の手順。初週から手が動くかを逆算します。
• キャリア貢献：実績の可搬性、技術的負債との向き合い方、役割の拡張可能性。次の案件に効く経験かを見ます。

リスクを炙り出す質問とレッドフラッグ

面談・事前確認で必ず聞く10項目

1. プロジェクトの目的・KPI・期限は何か。優先順位は固定か可変か。
2. 現場体制（人数・役割・決裁者）。日々の意思決定は誰が下すか。
3. 期待アウトプットの定義と受入基準。完了の判断材料は何か。
4. 参画初週の具体タスク。環境準備の責任者と期日。
5. 1日の過ごし方（MTG頻度・レビューのタイミング・コミュニケーション手段）。
6. 残業の上限・アラートラインと、突発対応の頻度・手当の有無。
7. ドキュメントとコード規約の整備度、テスト方針、CIの有無。
8. 権限発行・端末手配のフローと標準リードタイム。
9. 直近の離脱理由／長期継続している人の共通点。
10. 延長判断のプロセスと評価項目、契約更新のタイミング。

よくあるレッドフラッグ

• 面談前に成果物提出や無料PoCを求める。
• 業務指示の窓口が複数で責任が曖昧、SOWが無いまま着手を迫る。
• 180h超の稼働が常態化、もしくは精算上限が極端に低い。
• 現場見学や体制図の提示を拒む、離脱者数を隠す。
• 名義貸与、アカウント共有などコンプラ違反の示唆。
• 多重下請けで質問が現場に届かない、回答が常に遅い。
• 端末・権限準備が参画日までに整わない見込み。

精度を高めるスコアリングと運用フロー

属人判断を減らすには、重み付きスコアリングを導入します。100点満点で、70点以上は提案、60–69点は保留（情報追加）、59点以下は見送りといった運用がシンプルです。

• 単価・粗利ポテンシャル：20点
• スキル適合（必須充足・学習容易性）：20点
• 稼働安定性（残業・突発・ばらつき）：15点
• 契約条件（精算幅・支払サイト・階層）：15点
• キャリア貢献（実績可搬性・役割拡張）：10点
• 体制健全性（レビュー・受入基準・責任）：10点
• アクセス・勤務形態（出社比率・移動）：5点
• 継続見込み（延長率・ロードマップ）：5点

数値の裏取りには、期待粗利を併用します。期待粗利＝（月単価 − 月人件費 − 社保等 − 交通宿泊 − 間接費）× 受注確度 × 想定継続月数。受注確度は「面談合格確率 × 入場時期一致率 × 辞退率補正」で更新します。

運用フローの例：

1. 案件票の正規化：必須/尚可/非機能要件を分解し、JSON化。
2. スキル棚卸の差分抽出：候補者の実績からギャップを可視化。
3. 予備ヒアリング：レッドフラッグの有無を短時間で判定。
4. 期待値調整コール：役割・受入基準・初週タスクを合意。
5. 面談準備：行動事例ベースの回答とリハーサル。
6. 契約確認：精算・支払サイト・NDA・SOWの矛盾チェック。
7. 初週フォロー：端末・権限・リズム構築を支援し、30/60/90日でレビュー。

AI活用で精度とスピードはさらに上がります。ChatGPTやClaudeで募集要項を要約・構造化し、Geminiで重複情報を排除、Copilotで面談の想定問答を生成。生成物はあくまで叩き台とし、最終判断は現場のナレッジで補正します。

身近な企業活用例：10名規模のSESチームが初月離脱を3%まで低減

都市圏で10名の常駐エンジニアを抱える社員25名のSES専業。単価は悪くないのに、初月離脱率が12%で収益が不安定という課題がありました。原因は、案件票の粒度不足と面談時の期待値ズレ、精算条件の読み違いでした。

対策として、重み付きスコアリングを導入（70点以上のみ提案）。案件票をテンプレート化し、SOW/受入基準/初週タスクを必須項目に。面談質問集を10項目に絞り、回答の裏取りを標準化。さらに、ChatGPT・Claudeで要件の構造化とスキル差分の自動抽出、Geminiで案件の重複を排除、Copilotで面談想定問答を作成して準備工数を40%削減しました。

3ヶ月後、指標は次の通り改善：初月離脱率12%→3%、面談合格率35%→52%、平均単価は8%上昇、提案から参画までのリードタイム14日→9日、延長率70%→85%。学びは「SOWと受入基準の合意が離脱を減らす」「精算幅と支払サイトをスコアに直結させる」「AIの要約は速いが、文化適合は人が見る」の3点でした。

SES事業は「人×現場×時間」のかけ算です。案件選定の基準を数値化し、質問とレッドフラッグでリスクを事前に潰し、スコアリングとAIで運用精度を高めると、常駐という特性上起きやすいズレや摩耗を最小化できます。結果として、エンジニアの経験価値が積み上がり、事業全体の継続率と粗利がじわりと安定します。