AI開発会社の選び方｜費用相場・依頼の流れ・契約の確認項目

AI開発会社を選ぶときに最初に決めるべきなのは、どの会社に頼むかではありません。①そもそも開発が必要か（既製サービスで足りないか） ②どの段階まで契約するか ③成果物と権利をどう定めるか、の3点です。この3点が曖昧なまま相見積もりを取ると、金額の桁が会社ごとに10倍違って比較にならず、PoC（試作・検証）で止まったまま費用だけが残ります。この記事では、AI開発会社の選び方を、2026年時点の費用相場・見積書の見方・段階契約の組み方・契約で決める10項目まで含めて、発注側の判断基準として整理します。

AI開発会社とは？一般のシステム開発会社との違いは3点

AI開発会社とは、機械学習モデルや生成AIを業務システムに組み込むところまでを請け負う会社です。一般のシステム開発会社との違いは、①仕様の決まり方 ②成果物の性質 ③納品後の扱い、の3点に集約されます。

第一に、仕様の決まり方が違います。通常のシステム開発は「この入力にはこの出力を返す」と要件を書き切ってから作りますが、AIは学習データを入れて動かしてみるまで精度が分かりません。着手前に性能を確約できない前提で進めるため、契約と進め方が変わります。

第二に、成果物が「動くプログラム」だけではありません。学習用データセット、学習済みモデル、前処理の手順、評価の仕組みまでが成果物になり、それぞれ誰のものかを決める必要があります。ここを決めずに進めるのが、後述するトラブルの最大要因です。

第三に、納品後に劣化します。世の中のデータや業務が変われば精度は下がるため、リリースがゴールではなく、再学習と改善の運用が前提になります。保守費が通常のシステムより高めに見積もられるのはこのためです。

比較軸	一般のシステム開発	AI開発
着手前の仕様	要件定義で確定できる	データを見るまで確定できない
性能の約束	仕様どおり動くことを約束できる	精度の水準は事前に確約しにくい
主な成果物	プログラム・設計書	学習データ・学習済みモデル・評価環境も含む
契約形態	請負契約が中心	段階ごとに準委任・請負を使い分ける
納品後	不具合対応が中心	精度劣化への再学習・改善が前提
費用の出方	初期に集中	段階ごとに分散し、運用費の比率が高い

この違いを理解しないまま「見積もりください」と依頼すると、真面目な会社ほど金額を出せず、逆に即答してくる会社は要件を聞かずに標準構成を当てているだけ、という状況が起きます。まず自社の課題を段階に分けて渡すことが、正確な見積もりを得る近道です。AI活用を社内でどう立ち上げるかの全体像はAI導入の進め方｜中小企業のステップと失敗回避で解説しています。

発注の前に｜「そもそも開発が必要か」を判定する5つの問い

AI開発会社に相談する前に確認すべきなのは、開発せずに既製サービスで足りないかです。2026年時点では、以前ならスクラッチ開発が必要だった処理の多くが、月額数千円〜数万円の既製サービスや、既存AIのAPI接続で実現できるようになりました。ここを飛ばすと、数百万円かけて市販品と同等のものを作ることになります。

次の5つの問いに答えてください。3つ以上が「はい」なら、開発ではなく既製サービスの導入・設定から始めるほうが費用対効果が高い可能性があります。

1. やりたいことは、文章の要約・作成・分類・検索など、一般的な処理か
2. 扱うデータは、社内文書やスプレッドシートなど標準的な形式か
3. 自社にしかない大量のデータ（画像・センサー・取引履歴など）を使わなくても成立するか
4. 処理の精度が多少ぶれても、人が最終確認すれば業務が回るか
5. 対象業務の関係者が20名以下、または月間の処理件数が数千件以下か

実現方式	向くケース	費用の目安	立ち上げ期間
既製の生成AIサービスを契約して使う	文章作成・要約・調査など汎用処理。まず効果を確かめたい	1人あたり月3,000〜6,000円程度	数日
ノーコード／ローコードツールで社内向けに組む	定型の問い合わせ対応、社内マニュアル検索。件数が少ない	初期20〜100万円＋月額数万円	2〜6週間
既製AIのAPIを既存システムに接続（RAG構築等）	自社文書を根拠に回答させたい。基幹システムと連携したい	初期100〜1,000万円＋月額10〜50万円	2〜6か月
専用モデルを新規開発（スクラッチ）	自社固有データでの画像判定・需要予測など既製品では代替不能	初期500万円〜数千万円	6か月〜

上の表で下に行くほど、費用も失敗したときの損失も大きくなります。まず1段目・2段目で業務が回るかを確かめ、足りない部分だけを開発に回すのが、投資を無駄にしない順序です。既製ツールでどこまでできるかは業務自動化AIツール｜種類・選び方・導入手順とChatGPTの業務活用｜安全な導入手順と職種別の使い方で整理しています。

AI開発の費用相場は？用途別・フェーズ別の目安（2026年時点）

AI開発の費用は、PoCで100〜500万円程度、本開発で500〜3,000万円程度、運用が月額10〜100万円程度が広く見られる目安です。ただしこの幅は用途によって大きく変わるため、自社の用途に近い行で見るほうが実務的です。

用途別の費用目安

用途	PoC・試作	本開発	月額運用	費用が跳ねる要因
社内文書を根拠に回答するAI（RAG・社内検索）	100〜300万円	300〜1,000万円	10〜50万円	文書の形式がばらばら／権限管理の複雑さ
顧客向けAIチャットボット	50〜200万円	200〜800万円	10〜40万円	基幹システム連携／有人対応への引き継ぎ
業務を自動で進めるAIエージェント	150〜400万円	500〜2,000万円	20〜80万円	連携先システムの数／誤作動時の巻き戻し設計
画像認識（検品・判定）	100〜300万円	500〜1,500万円	10〜50万円	教師データの撮影・付与作業／要求精度
需要予測・数値予測	100〜300万円	300〜1,000万円	10〜40万円	データ整備の状態／予測単位の細かさ
音声認識・文字起こし活用	50〜200万円	300〜1,000万円	10〜40万円	専門用語辞書／多言語対応

この表で注目してほしいのは右端の列です。同じ用途でも、費用を決めるのはAIの難易度ではなくデータと連携の状態であることがほとんどです。たとえば社内検索AIは、文書が整理されたクラウドストレージに揃っていれば下限に近く、紙とPDFと個人フォルダに散っていれば上限を超えます。

フェーズ別の費用と期間

AI開発は一括ではなく、段階に分けて契約するのが標準的な進め方です。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」でも、アセスメント→PoC→開発→追加学習という探索的段階型開発方式が示されています。

段階	やること	成果物	費用の目安	期間
①アセスメント	データを見て実現可能性を判断	報告書・簡易検証結果	0〜100万円	2週間〜1か月
②PoC（検証）	限定条件で試作し精度と業務適合を確認	試作モデル・評価結果	100〜500万円	1〜3か月
③開発	本番運用に耐える形で作り込む	本番システム・学習済みモデル	300〜3,000万円	3〜9か月
④追加学習・運用	再学習と改善を続ける	更新モデル・運用報告	月10〜100万円	継続

アセスメントを無償で行う会社もありますが、無償の範囲は「話を聞いて概算を出す」までであることが多く、実データを見る作業は有償になるのが一般的です。ここを有償で依頼できるかは、後述する会社選びの判断材料にもなります。

人月単価の内訳

見積書の金額は、結局のところ「誰が何か月入るか」で決まります。単価の相場観を持っておくと、提示された金額が体制と釣り合っているかを確認できます。

役割	人月単価の目安	主な担当範囲	関与の目安
プロジェクトマネージャー	100〜180万円	要件調整・進行管理・報告	全期間 0.3〜0.5人月／月
データサイエンティスト	120〜250万円	データ分析・モデル設計・精度改善	PoC期に厚く配置
AI／機械学習エンジニア	100〜200万円	実装・学習パイプライン構築	開発期に厚く配置
バックエンド／フロントエンドエンジニア	80〜150万円	業務システム連携・画面開発	開発期
MLOps・インフラエンジニア	100〜180万円	基盤構築・監視・再学習の自動化	開発後期〜運用

見積総額が同じでも、内訳が「データサイエンティスト1名×6か月」なのか「若手エンジニア3名×6か月」なのかで、成果はまったく変わります。金額の比較ではなく体制の比較をしてください。発注時の見積もりの読み方という点では、Webサイト制作の考え方と共通する部分も多く、ホームページ制作の発注費用｜内訳と見積もりの見方もあわせて参考になります。

上位記事が書かない「発注側にかかる費用」

AI開発の総額を見誤る最大の理由は、開発会社に払う金額しか計算していないことです。実際には、発注側の社内工数が総額の3〜4割に達することも珍しくありません。ここを見込まずに稟議を通すと、途中で人が足りなくなり、プロジェクトが止まります。

発注側の作業	誰がやるか	工数の目安	見落とすとどうなるか
データの収集・提供（形式変換を含む）	情報システム・業務部門	20〜80時間	PoCの開始が1〜2か月遅れる
教師データの付与（画像のラベル付け等）	業務部門・外部委託	件数次第で数十〜数百時間	精度が上がらず原因も特定できない
正解・判断基準の言語化	現場のベテラン担当者	10〜40時間	評価ができず「なんとなく違う」で差し戻しが続く
週次の打ち合わせ・意思決定	推進担当・決裁者	月8〜16時間	判断待ちで開発が止まり、期間が延びる
現場への説明・試用・フィードバック収集	推進担当・現場責任者	20〜60時間	完成しても使われない
セキュリティ・法務の確認	法務・情報システム	10〜30時間	契約直前で差し戻し、着手が遅れる

金額に換算してみます。社内工数の合計を仮に250時間、時間単価を4,000円とすると、社内費用は約100万円です。開発会社への支払いがPoC300万円＋本開発800万円なら、実質の総投資は約1,200万円になります。稟議には、この社内費用と推進担当の月間工数（目安として月20〜40時間）まで書いてください。

AI開発を依頼する流れは？相談から運用までの7ステップ

依頼の流れは、課題の言語化から始めて運用の引き渡しで終わる7段階です。各段階で発注側が何を用意するかを先に決めておくと、待ち時間が減ります。

順序	段階	発注側が用意するもの	期間の目安
1	課題と目的の言語化	対象業務・現状の時間／件数／誤り率	1〜2週間
2	実現方式の検討（開発の要否判断）	既製サービスの試用結果	2〜4週間
3	RFP作成・複数社への打診	後述の11項目を書いた依頼書	1〜2週間
4	提案・見積もりの比較と選定	比較表・確認質問への回答	2〜4週間
5	アセスメント／PoC契約と実施	実データ・評価基準・判断者	1〜3か月
6	本開発契約と構築	業務側の受け入れ体制・テスト担当	3〜9か月
7	本番運用・改善への移行	運用担当・監視指標・再学習の予算	継続

相談から本番稼働まで、小規模でも6か月前後、基幹連携を伴えば1年前後を見ておくのが現実的です。「3か月で本番」と提案された場合は、どこを省いているのかを必ず確認してください。多くの場合、省かれているのは評価とデータ整備です。

PoCで終わらせないために｜本開発へ進む「卒業ゲート」5基準

PoCが本開発に進まない最大の原因は、精度が出なかったことではなく、進む・やめるの判断基準を決めずに始めたことです。基準がないと「もう少し改善すれば」が続き、判断が先送りされます。PoCの契約前に、次の5基準と合格ラインを文書で合意してください。

基準	測り方	合格ラインの決め方
①精度	評価用データでの正答率・誤検知率	現状の人手の水準を基準に、業務が回る最低線を先に決める
②業務適合	現場担当5〜10名が実業務で試用した評価	「使い続けたい」が過半数
③工数削減	対象作業の前後の所要時間（確認時間を含む）	確認込みで3割以上短縮
④運用可能性	データ更新・再学習を自社の体制で回せるか	担当者と月間工数が決まっている
⑤費用対効果	本開発＋年間運用費と、削減時間の金額換算	2〜3年で回収の見込みが立つ

判定は「5つ中4つ以上で本開発へ進む／3つで条件付き継続（不足項目の改善に期限を切る）／2つ以下で中止または方式変更」と運用します。重要なのは③の削減時間に、AIの出力を人が確認する時間を必ず含めることです。生成時間が10分の1になっても確認に同じだけかかるなら、正味の削減はほぼありません。工程ごとの見極め方は生成AIの業務活用｜職種・工程別の使いどころで詳しく整理しています。

RFP（提案依頼書）に書くべき11項目

相見積もりの精度は、渡す資料の精度で決まります。口頭で「AIで業務を効率化したい」とだけ伝えると、各社が別々の前提で見積もるため比較できません。A4で3〜5枚あれば十分なので、次の11項目を書いて複数社に同じものを渡してください。

項目	書く内容	抜けたときの影響
1. 背景と課題	どの業務の何が問題か。現状の件数・時間・誤り率	提案が一般論になる
2. 目的とゴール	何がどうなれば成功か（数値で）	評価ができない
3. 対象範囲	やること／今回はやらないこと	見積もりが膨らむ、または後で追加費用
4. データの状況	種類・形式・件数・保管場所・持ち出し可否	金額の桁が変わる／PoCで手戻り
5. 既存システム	連携が必要なシステムと接続方式	連携費用が後から発生
6. 利用者と件数	誰が何人、月何件使うか	基盤の規模が決まらない
7. 予算と段階	PoC枠と本開発枠を分けて提示	一括の高額提案しか来ない
8. スケジュール	いつまでに何を判断したいか	体制が確保されない
9. 体制と窓口	自社の推進担当・決裁者・稼働可能時間	判断待ちで遅延
10. セキュリティ要件	データの持ち出し可否・保管場所・アクセス制限	契約直前に差し戻し
11. 提案してほしい項目	体制表・工数内訳・評価方法・運用費・権利の扱い	比較できない提案書が集まる

特に4番と7番が効きます。データの状況を書くだけで見積もりの精度は大きく上がり、予算を段階に分けて示すことで「まずPoCから」という現実的な提案を引き出せます。

AI開発会社の選び方｜8つの観点と確認のしかた

選定は、実績の多さではなく自社の課題との近さで見ます。AI開発は領域ごとに必要な技術も知見も違うため、有名企業の事例が並んでいても、自社の用途と違えば参考になりません。次の8観点で比較してください。

観点	見るポイント	確認方法
①用途の近さ	同じ種類のAI（RAG・画像認識等）の構築経験	直近2年の類似案件の規模・期間・体制を聞く
②業務理解	こちらの業務課題を自分の言葉で言い換えられるか	初回商談で課題の再定義があるか
③段階契約への対応	アセスメント／PoCから請けられるか	段階ごとの契約書ひな形の有無
④評価設計	精度の測り方と合格ラインを提案してくるか	提案書に評価方法の記載があるか
⑤体制の透明性	誰が何時間関わるか、再委託の有無	体制表と工数内訳の提出可否
⑥運用まで見ているか	再学習・監視・引き継ぎの提案があるか	運用フェーズの費用が見積もりにあるか
⑦データの扱い	預けたデータの保管場所と利用範囲	秘密保持契約と、他社案件への転用可否の明示
⑧内製化支援	自社で運用できる状態まで引き渡す姿勢	ドキュメント納品と教育の有無

比較記事に載っている会社数は選定の役に立ちません。20社の一覧から選ぶのではなく、この8観点で3〜4社に絞り、同じRFPを渡して提案を比べるほうが精度が上がります。外注先選定の考え方は業種を問わず共通する部分が多く、SEO会社の選び方｜失敗しない比較ポイントの観点も応用できます。

商談で聞く12の質問｜回答の見極め方

提案書だけでは差が出ないため、商談での質問で判断します。次の12問は、答えの内容よりも答え方に差が出る質問です。

1. 当社のデータを見ないで精度は約束できますか（＝できないと言えるか）
2. 今回の用途で、うまくいかないとしたら原因は何だと思いますか
3. PoCの合格ラインをどう設定しますか
4. PoCで基準に届かなかった場合、どうしますか
5. 体制表と、各メンバーの月間稼働時間を出せますか
6. 再委託はありますか。ある場合、どの範囲ですか
7. 当社が提供したデータは、他社案件や学習に使われますか
8. 学習済みモデルと学習用データの権利は誰に帰属しますか
9. 納品後、当社だけで再学習できるようにする方法はありますか
10. 運用開始1年後にかかる費用はいくらですか
11. 途中でやめる場合、どこまでが引き渡し対象ですか
12. 類似案件で失敗した事例と、その原因を教えてください

質問	安心できる回答	注意したい回答
精度の約束（Q1）	「データを見るまで確約できない。アセスメントで見立てを出す」	「95%は出せます」と即答する
失敗要因（Q2）	データ量・ばらつき・判断基準の曖昧さなど具体名を挙げる	「問題ありません」で終わる
不合格時の対応（Q4）	方式変更・スコープ縮小・中止の選択肢を提示	「追加で改善しましょう」だけ
権利帰属（Q8）	成果物を分けて、それぞれの帰属を条文で示す	「一般的には当社帰属です」で済ませる
失敗事例（Q12）	具体的に語り、再発防止を仕組みで説明	「失敗したことはありません」

Q1で精度を即答する会社は、要件を聞かずに標準構成を当てているか、営業段階の言い値である可能性があります。逆に「見ないと分からない」と正直に答え、そのうえでアセスメントの進め方を提示できる会社は、進行の設計ができていると判断できます。

契約で決めるべき10項目｜権利帰属・データ利用・性能保証

AI開発でのトラブルは、技術ではなく契約の書き方から生じます。経済産業省は2018年の「AI・データの利用に関する契約ガイドライン」に加え、2025年2月に「AIの利用・開発に関する契約チェックリスト」を公表しており、利用型（既製サービスの利用）と開発型（カスタマイズ・新規開発）に分けて確認項目が整理されています。発注前に、少なくとも次の10項目を書面で確定してください。

項目	決めること	曖昧なままだと
1. 契約形態	段階ごとに請負／準委任のどちらか	完成義務の有無で認識がずれ、支払いで揉める
2. 成果物の定義	モデル・データセット・前処理コード・ドキュメントの範囲	「納品済み」の範囲が食い違う
3. 権利の帰属	学習済みモデル・派生モデル・学習用データの帰属	自社データで作ったモデルを他社に転用される
4. 提供データの利用範囲	目的外利用の禁止・保管場所・返却／削除の時期	顧客情報が想定外の用途に使われる
5. 追加学習の扱い	運用中に増えるデータの権利と利用条件	運用データを根拠に価格交渉されうる
6. 性能の記載	保証ではなく評価方法と目標値として書く	達成不能な保証を巡って紛争になる
7. 競業・秘密保持	同業他社への提供制限の範囲と期間	ノウハウが競合に流れる
8. 再委託	可否・範囲・再委託先への義務の承継	知らない会社にデータが渡る
9. 責任の範囲	誤った出力による損害の分担と上限額	想定外の賠償リスクを負う
10. 中止・引き渡し	途中終了時の成果物の引き渡し範囲	払った分が何も残らない

請負契約と準委任契約の使い分け

請負契約は仕事の完成に責任を負う形式、準委任契約は合意した業務を適切に実施することに責任を負う形式です。AI開発では、着手時点で完成形を定義しにくいため、探索の要素が強い段階は準委任、仕様が固まった段階は請負、という使い分けが実務では選ばれやすくなっています。

段階	適した形態	理由
アセスメント	準委任	実現可能性の見極めが目的で、完成物がない
PoC	準委任（成果完成型も可）	精度が事前に約束できない。報告書等を成果とする場合は成果完成型
開発	請負が中心	PoCで仕様が固まり、完成の定義ができる
追加学習・運用	準委任	継続的な改善作業であり完成の概念がない

準委任だからといって、成果に無関心でよいわけではありません。何をもって業務を実施したとみなすか（レポートの提出、評価の実施など）を契約に書いておくことで、双方の期待値が揃います。

開発費用を抑える5つの方法

費用を下げる最も効果が大きい方法は、値引き交渉ではなく作る範囲を減らすことです。次の5つを順に検討してください。

1. 対象業務を1つに絞る：複数業務を同時に対象にすると、要件調整だけで数か月かかります。効果が見えやすい1業務に絞り、成功後に横展開します。
2. 既製のAIサービス・APIを土台にする：モデルを一から学習させるのではなく、既存の生成AIに自社データを参照させる方式（RAG）にすれば、開発規模を大きく圧縮できます。
3. 段階契約にする：一括発注を避け、アセスメント→PoC→開発と分けて契約します。合わないと分かった時点で止められるため、損失の上限を管理できます。
4. データ整備を自社で担う：ファイルの集約・形式統一・ラベル付けは、外注すると費用がかさみます。判断基準を持つのは自社側なので、内製したほうが速い場合も多いです。
5. 補助金・税制優遇を確認する：中小企業向けの支援制度が対象になる場合があります。申請には計画書と期間の制約があるため、発注前に確認してください。制度の概要はAI導入で使える補助金｜対象・申請の流れで解説しています。

逆に、削ってはいけないのは評価とドキュメントです。ここを削ると、精度が下がったときに原因を特定できず、担当者が変わった瞬間に運用できなくなります。

リリース後に効いてくる費用｜精度劣化と再学習

AIは作った時点が最高精度で、その後は緩やかに劣化します。扱う商品・顧客・書式・業務ルールが変われば、学習時の前提とずれていくためです。運用予算を確保していないと、精度が落ちた段階で「使えないシステム」として放置されます。

運用項目	頻度の目安	費用の目安（年間）	怠るとどうなるか
精度の監視・レポート	月次	30〜120万円	劣化に気づかず誤った出力が業務に流れる
データ更新・再学習	四半期〜半年	60〜300万円	新しい商品・事例に対応できない
基盤・利用料（API・サーバー）	月次	利用量に応じて変動	想定外の従量課金が発生する
問い合わせ・障害対応	随時	保守契約に含むことが多い	止まったときに復旧できない
業務ルール変更への追随	随時	都度見積もり	現場が手作業に戻る

目安として、年間の運用費は初期開発費の15〜25%程度を見込んでおくと、大きく外れません。稟議では初期費用だけでなく、3年間の総額で判断してください。

KPIは二層で設計する｜モデルの指標と事業の指標

AI開発の評価でつまずくのは、精度という単一の指標だけを見てしまうことです。精度が上がっても業務が楽にならないことは普通に起こります。指標は二層で持ってください。

層	指標の例	測る頻度	見る人
モデル層	正答率・誤検知率・応答時間・回答不能率	週次	推進担当・開発会社
業務層	対象作業の所要時間・処理件数・差し戻し率・利用率	月次	業務部門の責任者
事業層	人件費の削減額・対応可能件数・顧客の待ち時間	四半期	決裁者

モデル層は数週間で動きますが、業務層は2〜3か月、事業層は半年以上の遅れで表れます。この時間差を先に共有しておかないと、「3か月経っても数字が変わらない」という理由で有望なプロジェクトが止まります。導入前のベースライン（現状の所要時間・件数）を必ず記録してから始めてください。

内製と外注をどう分けるか

結論として、全部内製も全部外注も現実的ではありません。判断基準を持ち、工程ごとに分けるのが実務的です。

工程	内製に向く	外注に向く
課題の定義・優先順位づけ	◎ 業務を知る自社が最適	△ 支援のみ
データの収集・整備	◎ 権限と業務知識が要る	○ 量が多い作業は委託
モデル設計・実装	△ 専門人材が要る	◎ 経験の差が出る
業務システムとの連携	○ 既存担当がいれば	◎ 仕様把握が要る場合
評価・受け入れテスト	◎ 自社が判断すべき	△ 方法設計のみ支援
運用・再学習	○ 中長期では内製化を目指す	◎ 立ち上げ期は委託
現場への定着	◎ 自社しかできない	× 委託しても定着しない

特に最後の「定着」は外注できません。作ることに予算を集中し、使わせることに人を割かなかったプロジェクトは、完成しても利用率が上がらないまま終わります。どの業務から着手するかの整理はAIで業務効率化する方法｜導入手順・事例・費用が参考になります。

AI開発でよくある失敗5類型と、防げる段階

失敗の多くは開発の途中ではなく、発注前の設計段階で決まっています。どの段階で防げるかを対応づけておきます。

失敗の型	起きること	防げる段階	具体的な打ち手
①PoC止まり	試作は動いたが本番に進まない	PoC契約前	卒業ゲート5基準と合格ラインを事前合意
②データ不足	学習に足るデータがなく精度が出ない	アセスメント	実データを見てもらってから見積もりを取る
③要件の膨張	途中で対象業務が増え、費用と期間が倍増	RFP作成	「今回はやらないこと」を明記する
④使われない	完成したが現場が従来の方法を続ける	PoC段階	現場担当を試用に巻き込み、利用率を指標に置く
⑤権利・データの紛争	モデルやデータの扱いで揉める	契約時	成果物を分けて帰属と利用範囲を条文化

この5つのうち4つは、発注前の1〜2か月で対処できます。開発会社を探し始める前に、この記事のRFP11項目と卒業ゲート5基準を先に作ってください。

WHITCHの取り組み｜自社運用で確かめた「人とAIの分担」

WHITCHでは、月間約900万UU規模の自社メディアの運営や他社メディアの運営支援で、AIを日常業務に組み込んで運用しています。自社の業務では月686時間の削減、記事制作の工程では1本あたり約40時間かかっていた作業を約1時間まで短縮し、1日10〜18本を公開する体制を維持しています。

この経験から言えるのは、成果を分けるのはモデルの性能ではなく工程の分け方だということです。参考として、実際の分担を示します。

工程	AIに任せる部分	人が持つ部分
調査・情報整理	資料の収集・要約・比較表の作成	調べる範囲の指定、情報の採否
構成・設計	案の複数生成	読者と目的に照らした選択
作成	下書きの生成	事実確認、数値の根拠づけ
確認	表記ゆれ・形式の点検	公開判断、表現の責任
改善	実績データの集計・比較	次に何を変えるかの決定

この分担が示すのは、AIを入れても判断は人に残るということです。開発を発注するときも、AIに何を判断させないかを先に決めるほど、要件が安定して費用も読みやすくなります。

うまくいかないときの見直し順序と、撤退の基準

思うような成果が出ないとき、すぐに開発会社を変えるのは得策ではありません。原因の切り分けを順序どおりに行ってください。

1. 対象業務が適切か：判断基準が言語化できない業務を選んでいないか
2. データは足りているか：件数・種類・鮮度・ばらつきを確認する
3. 評価基準は妥当か：人間の精度を超える基準を要求していないか
4. 業務フローに組み込めているか：使う手前に手作業の準備が残っていないか
5. 体制は足りているか：推進担当の工数が確保されているか

そのうえで、次の状態が続く場合は、方式変更または中止を検討する段階です。

• PoC延長を2回行っても卒業ゲートの合格が3基準未満
• 精度改善のたびに現場の確認工数が増え、正味の削減が生まれない
• 3年間の総費用が、削減額の見込みを上回ったまま縮まらない
• 推進担当の月間工数が確保できず、判断待ちが常態化している
• 既製サービスで同等のことが実現できると判明した

中止は失敗ではありません。段階契約にしていれば、止めた時点で損失は確定し、次の投資に回せます。むしろ避けるべきは、判断を先送りして運用されないシステムに保守費を払い続けることです。

まとめ｜AI開発会社選びは「段階で契約し、基準で判断する」

AI開発会社の選び方で決定的なのは、比較サイトの掲載社数でも知名度でもありません。①開発せずに済む方法を先に潰したか ②アセスメント・PoC・開発を分けて契約したか ③進む／やめるの基準と、権利・データの扱いを先に文書化したか、の3点です。

費用は、用途にもよりますがPoCで100〜500万円程度、本開発で300〜3,000万円程度、運用が年間で初期費用の15〜25%程度が目安です。加えて、発注側の社内工数が総額の3〜4割に達することを見込んでおくと、稟議も現場の負荷も現実に近づきます。

進め方としては、まず自社の対象業務を1つに絞り、RFPの11項目を書き、3〜4社に同じ条件で提案を求めてください。そのうえでアセスメントから小さく契約し、卒業ゲート5基準で判断する。この順序を守るだけで、AI開発でよくある失敗の大半は発注前に防げます。社内でどう体制を作り定着させるかはAI導入の進め方｜中小企業のステップと失敗回避を、どの業務から着手するかの整理はAIで業務効率化する方法｜導入手順・事例・費用をあわせてご覧ください。