AIを使ったシステムを社内で作れる人がいないとき、開発を外部の会社に頼む方法があります。
ただ、AIの開発はふつうのシステム開発と違い、作って試すまでどれほどの精度が出るか分かりません。
外部に頼むときは、段階に分けて小さく試しながら進めます。
あらかじめ費用の見積もり方、開発会社の比べ方、契約で決めることを知っておくと、判断に迷いにくくなります。
AI開発とは
AI開発は、データや学習済みのモデルを使って、予測、分類、文章の生成などを行うシステムを作ることです。
ふつうのシステム開発では、作る前に仕様を決め、そのとおりに動くかを確かめて受け取ります。
AIは学習に使うデータや入力によって結果が変わるため、経済産業省の「AI・データの利用に関する契約ガイドライン」も、AIのモデルの開発では、契約の時点で仕様や受け取るときの基準を決めるのが難しいことが多いとしています。
そのため、外部に頼むときも、いきなり全体を作らず、小さく試して精度を確かめてから本格的に作ります。
生成AIを使う開発と、モデルを作る開発
いまのAI開発には、ChatGPTのような生成AIを業務に組み込む開発と、自社のデータでモデルを学習させる開発があります。
作り方によって、作るものと外部に頼む作業が変わります。
AI開発の主な作り方
| 作り方 | 作るもの | 外部に頼む主な作業 |
|---|
| 既製のAIサービスを使う | 業務向けの生成AIのサービスを契約し、使い方を決める | サービスの選定、設定、社内のルールづくり、研修 |
|---|
| APIでつなぐ | 生成AIのAPIを呼び出す機能を、社内のシステムや業務の画面に組み込む | 設計、開発、指示文(プロンプト)の調整 |
|---|
| RAG | 社内の規程やマニュアルを検索し、その内容をもとに生成AIが答える仕組み | 文書の整理と取り込み、検索の仕組み、答えの評価 |
|---|
| ファインチューニング | 既存のモデルに自社のデータを追加で学習させたモデル | 学習用のデータの作成、学習、評価 |
|---|
| 独自のモデルを学習させる | 画像の検品や需要の予測などを、自社のデータで一から学習させたモデル | データの収集と加工、学習、評価、システムへの組み込み |
|---|
APIやRAGを使う開発では、作る費用のほかに、使った量に応じた生成AIの利用料が毎月かかります。
モデルを学習させる開発では、データの準備と学習、評価の作業が費用の多くを占めます。
AI開発を外注するときの進め方
経済産業省の契約ガイドラインは、AIのモデルを作る開発を、アセスメント、PoC、開発、追加学習の4つの段階に分けて進める「探索的段階型」を勧めています。
段階ごとに目的を決めておくと、発注する側と開発会社の認識を合わせやすくなり、十分な精度が出ないと分かった段階で開発を止めて、損失の拡大を防げます。
AI開発の4つの段階(経済産業省「AI・データの利用に関する契約ガイドライン」をもとに作成)
| 段階 | 目的 | 主な成果物 | 契約の例 |
|---|
| アセスメント | モデルを作れる見込みを確かめる | レポート | 秘密保持契約 |
|---|
| PoC | 求める精度を出せるかを確かめる | レポート、試作のモデル | 導入検証契約 |
|---|
| 開発 | 実際に使うモデルを作る | 学習済みモデル | ソフトウェア開発契約 |
|---|
| 追加学習 | 新しいデータで学習し直す | 学習し直したモデル | 保守運用の契約など |
|---|
ガイドラインが対象にしているのはモデルを学習させる開発ですが、APIやRAGを使う開発でも、答えの質は試すまで分かりません。
小さく試してから本格的に作る流れは、生成AIを使う開発にも当てはめられます。
アセスメント
アセスメントでは、発注する側が一部のデータを開発会社に渡し、AIで課題を解決できる見込みがあるかを確かめます。
データを渡す前に、秘密保持契約を結びます。
ガイドラインは、どの業務の課題を解決するか、どの数字で効果を測るかを決めるのは発注する側で、開発会社はそれを支援する、という分担が実情に合うとしています。
有償の契約を結んで数か月かけることも珍しくなく、アセスメントをPoCと一緒に行うことや、省いてPoCから始めることもあります。
PoC
PoC(Proof of Concept、概念実証)では、ある程度の量のデータを使って実際にモデルや仕組みを作り、求める精度が出るか、業務で使えるかを確かめます。
結果はレポートにまとめるのが一般的で、それをもとに本格的に開発するかを決めます。
開発
PoCの結果を受けて、実際に業務で使うモデルとシステムを作ります。
既存のシステムとの連携、利用者が操作する画面、セキュリティ、使い始めた後の運用の仕組みも、この段階で作ります。
追加学習と運用
使い始めた後も、業務やデータが変われば、AIの答えの精度は下がることがあります。
新しいデータで学習し直す、生成AIへの指示文や検索対象の文書を見直す、といった作業を続けます。
誰がこの作業を担い、費用をどう払うかは、保守の契約などで決めておきます。
PoCの進め方
PoCは、本格的に開発するかを決めるための試作です。
始める前にどんな結果なら合格とするかを決めておかないと、結果を見ても次に進むかを決められません。
始める前に決めること
解決する課題
: どの業務の、どの作業をどれだけ減らしたいか。例として、問い合わせへの回答の作成にかかる時間を半分にする、といった形で書きます。
評価の指標と合格の基準
: 正しく答えた割合、作業時間、見落としの数など、何で測り、どの水準に達すれば次の段階に進むか。
使うデータ
: データの種類、量、置き場所、個人情報が含まれるか、開発会社に渡せる範囲。
範囲と期間
: 対象にする業務と期間。ガイドラインも、PoCの契約では対象の範囲と期間を合意しておくことが大切だとしています。
やめる条件
: 合格の基準に届かなかったときに、条件を変えてもう一度試すか、開発をやめるか。
生成AIのPoCで確かめること
生成AIを使う仕組みでは、同じ質問に対しても毎回少し違う答えが返るため、確かめ方を先に決めておきます。
- 答えの正しさ:実際の業務の質問と正しい答えの組を用意し、同じ組で何度でも比べられるようにします。
- 使う人の評価:業務で使う人に試してもらい、そのまま使えるか、直す手間がどれだけかかるかを聞きます。
- 利用料の見込み:1回あたりのAPIの利用料と、1か月に使う回数から、使い始めた後の費用を見積もります。
- 入力するデータの扱い:入力した文書や質問がどこに保存されるか、サービスの学習に使われるかを、使うサービスの規約で確かめます。
PoCで終わらせないために
PoCは試行錯誤を伴うため、ガイドラインも、1回で完結せず複数回行うことも少なくないとしています。
試すたびに目的が変わり、本格的な開発の判断がいつまでもできない状態を避けるには、PoCを始める前に、結果を報告する場、次に進むかを決める人、本格的な開発の予算の取り方を決めておきます。
AI開発の費用
AI開発の費用は、作るものの規模とデータの状態によって大きく変わります。
金額の目安を知るには、費用の内訳を知ったうえで、実際の金額の例を見るのが確かです。
費用の内訳
AI開発の費用の内訳
| 費用 | 中身 | かかり方 |
|---|
| 人の作業 | 要件の整理、データの加工、開発、評価 | 作業する人数と期間 |
|---|
| データの準備 | データの収集、整理、正解の付与 | データの量と状態 |
|---|
| クラウドとAPI | 計算の基盤、生成AIのAPIの利用料 | 使った量に応じて毎月 |
|---|
| 保守と運用 | 監視、修正、追加学習 | 月ごとか年ごと |
|---|
人の作業の費用は、1人が1か月働く量(人月)の単価に、人数と期間をかけて見積もられるのがふつうです。
生成AIのAPIの利用料は、Azure OpenAI、Amazon Bedrock、Google Cloudのどれも、100万トークン(トークンは文章を細かく区切った単位)あたりの入力と出力の単価で決まります。
Azure OpenAIとAmazon Bedrockには、すぐに結果が要らない処理をまとめて送ると通常の半額になるバッチ処理と、一定の処理量を前もって予約する方式もあります。
具体的な単価の例は、Gemini APIの料金で紹介しています。
公式サイトに出ている金額の例
費用を個別の見積だけで示す会社のほかに、公式サイトにPoCや本開発の金額を出している会社もあります。
開発会社が公式サイトに出している金額の例(税別。2026年11月17日確認)
| 会社 | PoC | 本開発 | ほか |
|---|
| AI革命 | 300万円〜 | 個別見積 | 既存システムの改修 100万円〜 |
|---|
| Uravation | 80万円〜、最短2週間 | 300万円〜、中規模で2〜4か月 | 保守 月額15万円〜 |
|---|
| 課題解決プラットフォーム | ― | 既存システムとの連携は個別見積 | 月額の業務改善AI 30万円(最低3か月) |
|---|
「〜」の付いた金額は最低額で、作る範囲や連携するシステムによって上がります。
PoCの金額に本番のシステムを作る費用は含まれず、本開発は別に見積もられます。
出典:AI革命「AI受託開発・AIシステム開発」、Uravation「AI受託開発・PoCプログラム」、課題解決プラットフォーム「AI開発は内製か外注か」(いずれも2026年11月17日確認)
費用を左右すること
- データの量と状態:データが散らばっている、形式がそろっていない、正解が付いていないときは、準備の作業が増えます。
- 求める精度:精度の目標が高いほど、試行と評価の回数が増えます。
- 既存のシステムとの連携:基幹システムや社内の認証とつなぐと、設計と動作確認の作業が増えます。
- 使う人の数と処理の量:APIの利用料と、クラウドの費用に関わります。
- セキュリティの要件:データを社外に出さない、利用の記録を残すといった要件があると、構成の検討と確認の作業が増えます。
見積の比べ方
いくつかの会社から見積を取るときは、同じ段階の、同じ範囲と成果物で比べます。
PoCの見積と本開発まで含めた見積を並べても、金額は比べられません。
- 作業の内訳:人月の単価、人数、期間が書かれているか。
- 含まれない費用:クラウドや外部のAPIの利用料、ソフトウェアのライセンスを別に払う契約もあります(AI革命はこれらの実費を別途としています)。
- 成果物:レポート、モデル、ソースコード、設計書、評価の結果のどれを受け取れるか。
- 使い始めた後の条件:保守の費用と範囲、納品後の無償改修期間(Uravationは本番の開発に3か月の無償改修期間を含めています)。
開発会社の選び方
AI開発を頼める会社は、得意な範囲がそれぞれ違います。
頼みたいことに合う種類の会社から候補を選び、同じ観点で比べます。
依頼先の種類
AI開発の主な依頼先
| 依頼先 | 向いている依頼 |
|---|
| 大手のSI企業 | 基幹システムとの連携、規模の大きな開発、全社への展開 |
|---|
| AIを専門にする開発会社 | モデルの開発、RAGなど生成AIの仕組み、PoC |
|---|
| コンサルティング会社 | AIを使う業務の洗い出し、計画づくり |
|---|
| 既製のAIサービスの会社 | 問い合わせの対応など、決まった用途ですぐに始める |
|---|
比べる観点
開発会社を比べる観点
| 観点 | 確かめること |
|---|
| 実績 | 同じ業務や同じ種類のデータで開発した例があるか |
|---|
| PoCの設計 | 評価の指標、合格の基準、やめる条件を提案に含めているか |
|---|
| データの扱い | 秘密保持、データの保存場所、学習への利用、終了後の消去 |
|---|
| 契約と権利 | 契約の型、成果物とモデルの権利、使ってよい範囲 |
|---|
| 運用 | 使い始めた後の保守、追加学習、問い合わせの窓口 |
|---|
| 社内への引き継ぎ | 設計書、プロンプト、評価のデータを渡すか。社内の担当者に説明や研修を行うか |
|---|
| 見積 | 段階ごとの内訳と、含まれない費用 |
|---|
提案を頼むときに伝えること
複数の会社に同じ条件で提案を頼めるように、次のことを文書にまとめて渡します。
- 解決したい課題と、対象の業務
- 使えるデータの種類、量、置き場所、個人情報の有無
- 評価の指標と合格の基準の案
- 予算と、使い始めたい時期
- 使い始めた後に、社内で運用を担う人
- 守る社内の規程(情報セキュリティなど)
契約で決めること
AI開発の契約では、何に対してお金を払うか、データと成果物を誰がどう使えるかを決めます。
準委任と請負
請負は、決めた成果物を完成させることに対してお金を払う契約です。
準委任は、検証や開発といった作業を行うことに対してお金を払う契約で、完成させる義務は負いません。
経済産業省の契約ガイドラインは、AIのモデルを作る開発では、どの段階でも準委任の契約がなじみやすいとしています。
開発の段階でも、契約の時点で仕様や受け取るときの基準を決めるのが難しく、未知の入力に対して想定外の動きをしないことを保証するのも難しいため、請負にはなじみにくいという考え方です。
準委任には、作業で得られた成果に対して払う「成果完成型」と、作業をした割合に応じて払う「履行割合型」があります。
どちらにするかをはっきりさせ、成果完成型にするなら、どの成果物を納めるかを合意しておきます。
一方で、ガイドラインは、従来のソフトウェア開発では、仕様が決まった後の設計と開発の段階は、完成までを約束する請負がなじむことが多いとも書いています。
AIを組み込むシステムでも、画面や既存システムとの連携のように仕様を先に決められる部分は、モデルを作る部分と分けて契約の型を考えられます。
データと成果物の扱い
ガイドラインは、次のものについて、それぞれの扱いを意識して交渉することが大切だとしています。
- 元のデータ(生データ)
- 学習用に加工したデータ(学習用データセット)
- 学習に使うプログラム
- 学習済みのモデル(必要に応じて、学習済みのパラメータと、モデルを動かすプログラム)
- 開発の中で得られたノウハウ
誰のものにするか、どこまで使ってよいかは、契約で決めます。
ガイドラインは、成果物の権利を、PoCでは開発会社、本格的な開発の段階では発注する側と、段階で分ける考え方も示しています。
確かめに使える公的な資料
- AI・データの利用に関する契約ガイドライン(経済産業省):4つの段階の考え方と、秘密保持契約書、導入検証契約書、ソフトウェア開発契約書のひな形があります。
- AIの利用・開発に関する契約チェックリスト(経済産業省、2025年2月):AIを使うサービスの契約で確かめる点をまとめたものです。法務の担当者だけでなく、事業部門の担当者が契約を最初に検討する場面でも使えるように書かれています。
- AI事業者ガイドライン(総務省・経済産業省、第1.2版、2026年3月):AIに関わる事業者を「AI開発者」「AI提供者」「AI利用者」に分け、それぞれが取り組むことをまとめています。自社の業務で使うならAI利用者、作ったAIを組み込んだサービスを顧客に提供するならAI提供者に当たり、チェックリストも付いています。
- AI推進法(人工知能関連技術の研究開発及び活用の推進に関する法律):2025年9月に全面施行され、AIを事業に使う事業者には、AIの活用に努め、国と自治体の施策に協力することが求められています。政府は2026年10月の会議で、AI法を含む関連の法制度の見直しを論点に挙げています。
外注と内製の選び方
IPA(情報処理推進機構)の「DX動向2026」では、AIを導入または試験利用している企業が挙げた課題のうち、最も多かったのが「専門人材が不足している」(50.1%)でした。
社内に開発できる人がいなければ外注から始め、いずれ社内で改善を続けたいなら、内製に移す前提で外注する方法もあります。
外注、内製、併用の違い
| 進め方 | 向いている場合 | 社内に要る人 |
|---|
| 外注 | 社内に開発の経験がない、早く形にしたい | 課題と評価の基準を決め、開発会社とやり取りする担当 |
|---|
| 内製 | AIが事業の中心で、改善を続けたい、データを外に出しにくい | データとモデルを扱う技術者、運用の担当 |
|---|
| 併用 | 最初は外部と作り、運用と改善を社内に移したい | 外部から仕組みを引き継ぐ担当 |
|---|
開発を頼む前に、既製の生成AIのサービスで足りないかを確かめておくと、作る範囲を絞れます。
仕事に使える生成AIは、用途別のおすすめの生成AIで比べられます。
内製に移していく進め方
- 課題、評価のデータ、合格の基準は、最初から社内で持ちます。
- 最初の開発は外部と組み、設計書、プロンプト、評価の結果を受け取ることを契約に入れます。
- 使い始めた後の運用(データの更新、プロンプトの調整、評価)から、社内の担当に移します。
- 社内で直せる範囲を広げ、大きな改修だけを外部に頼みます。
AI開発の進め方を社内で共有する動画を作る
AI開発を外部と進めるときは、経営層や現場の担当者と、段階ごとに何を決めるかをそろえておくと、PoCの結果を見て次に進むかを決めやすくなります。
進め方を説明の動画にしておくと、関わる人に同じ内容を何度でも見てもらえます。
NoLangでは、ホームの入力欄に作りたい動画の内容を書き、縦横比と長さを選んで「動画を生成」を押すと、動画を作れます。
次の動画は、この記事の作例としてNoLangで作り、テンプレートにしたものです。
AI開発を外部の開発会社に頼むときの進め方を、ふつうの開発との違いと、目的を決める、データを確かめる、依頼先を比べる、小さく試す、運用で育てる、の5つのステップに分けて、約2分50秒にまとめています。
半年かけて「精度が出ませんでした」という報告書だけが残った失敗の例から始まり、ふつうの開発とAI開発の違いや、ステップごとに決めることを図と字幕で示します。
最後に、目的を決める、データを用意する、合格かどうかを判断する、の3つは発注する側にしかできない仕事だとまとめます。
テンプレートの欄の文は、このテンプレートで作るときの頼み方の例です。
「このテンプレートで動画を作る」ボタンから、同じ構成の動画を、システムの導入や業務の外注など、社内で共有したいほかの進め方の題材で作れます。
会社でAI開発を進めるとき
AIの使い方の社内ルールや研修の内容も、説明の動画にしておくと、部署や拠点が違っても同じ内容で伝えられます。
NoLangでは、社内の資料や文章から、説明の動画を作れます。
会社で使うときの相談はお問い合わせで受け付けていて、資料は下のボタンからダウンロードできます。
資料をダウンロード