役員から「うちもAIで何かやろう」と言われて調べ始めたものの、AI開発とは具体的に何をどこまで作ることなのかがつかめない。ChatGPTを契約するのとは違う話らしいが、では何が違うのか。社内にAIの専門家はおらず、予算枠も決まっていない。そんな状態で情報を集めると、モデルの学習やアルゴリズムの説明ばかりが出てきて、自分が次に何を決めればいいのかは分からないままになります。
先に答えを書くと、AI開発とは「データから学習して判断する仕組みを作り、自社の業務に組み込むこと」です。そして発注する側にとって重要なのは、その中身の技術ではなく、既製のツールで足りるのか自社向けに作るのか、いくらでどれくらいかかるのか、社内でやるのか外に頼むのかという判断です。この記事では、AI開発とは何をどこまで作ることなのかを整理したうえで、進め方の流れ、費用と期間の目安、内製と外注の分かれ目、依頼先のタイプまでを、頼む側が判断するための地図として並べます。
この記事のポイント
- AI開発とはデータから学習して判断する仕組みを業務に組み込むことで、仕様どおりに作る通常の開発とは性質が違う
- いまの選択肢は既製ツールをそのまま使う・既存のAIに自社データを繋ぐ・独自モデルを作るの3つで、多くの会社は真ん中で足りる
- 精度は100%にならない前提で、何%出たら本番化するかという合格ラインを発注側が先に決めておく必要がある
- 費用は数十万円から数千万円まで開き、構想から運用までは半年から1年が目安になる
目次
AI開発とは何をどこまで作ることか
AI開発という言葉は、かなり広い範囲を指して使われています。人によっては新しいAIモデルそのものを研究開発することを指し、別の人はChatGPTを社内向けに使えるようにする作業を指しています。この幅があるせいで、社内の会話が噛み合わなくなることがよくあります。
ここでは発注する側の視点に絞って、AI開発とは何をどこまで作ることなのかを整理します。技術の中身よりも、どこからが自社で用意するもので、どこからが外に頼むものなのかという境界を先に押さえてください。
AI開発と普通のシステム開発の違い
いちばん大きな違いは、動きの決め方です。通常のシステム開発では、こういう入力があったらこう処理してこう出力する、というルールを人間が決めて、そのとおりに作ります。仕様書に書いたことがそのまま動くので、テストは「仕様どおりか」で判定できます。
AI開発では、そのルールを人間が書きません。過去のデータを大量に読ませて、そこからパターンをAI側に見つけさせます。つまり成果物の性能は、書いた仕様ではなく渡したデータで決まります。私が現場で見ていて発注側がいちばん驚くのはここで、「良いエンジニアに頼めば精度が上がる」と思っていたのに、実際にはデータが足りなくて止まる、という展開になります。
| 項目 | 通常のシステム開発 | AI開発 |
|---|---|---|
| 動きの決め方 | 人が仕様として書く | データから学習させる |
| 成否を左右するもの | 要件の精度と設計 | データの量と質 |
| 検収の判定 | 仕様どおり動くか | 合格ラインの精度に届いたか |
| 進め方 | 工程を順に進めやすい | 試して直す反復が前提 |
| 発注側の宿題 | やりたいことの整理 | やりたいこととデータの用意 |
この違いから、契約や進め方も変わってきます。作るものが最初から確定していないため、全部まとめて請負で発注するのが難しく、段階を分けて進めるのが一般的です。この点は費用の膨らみ方にも関わってきますので、後半でもう一度触れます。
いまのAI開発は3つの選び方に分かれる
数年前までのAI開発は、自社のデータでモデルを一から学習させる話がほとんどでした。ですが2026年時点の実務では、ゼロから学習させる案件はかなり減っています。すでに公開されている高性能なAIを土台にして、そこに自社の情報や業務ルールを繋ぐ作り方が主流になったためです。
発注する側から見ると、選択肢は次の3つに整理できます。どれを選ぶかで費用も期間も一桁変わりますので、見積もりを取る前にここの当たりを付けておくと話が早く進みます。
| 選び方 | 中身 | 向いている場面 | 費用感 |
|---|---|---|---|
| 既製ツールを使う | 市販のAIサービスを契約して設定する | 一般的な文書作成や議事録、翻訳 | 月額数千円から数万円 |
| 既存AIに自社データを繋ぐ | 公開モデルに社内文書や業務ルールを参照させる | 社内問い合わせ対応、書類のたたき台作成、検索 | 数十万円から数百万円 |
| 独自モデルを作る | 自社データで学習させて専用の判定を作る | 製造ラインの外観検査、需要予測、異常検知 | 数百万円から数千万円 |
私の感覚では、中小企業の相談の8割くらいは真ん中で足ります。「うちの業務は特殊だから専用のAIが必要」と言われて話を聞くと、実際には社内マニュアルと過去の問い合わせ履歴を参照させれば済む、という内容だった、というケースが多いのです。逆に、カメラで撮った画像から不良品を判定したい、といった話は独自モデルの領域になります。
注意したいのは、上の段に行けば行くほど良いわけではないという点です。独自モデルは自由度が高い代わりに、学習用のデータを集める作業と、精度が出ないときの作り直しが発生します。既製ツールで8割の目的が達成できるなら、それが正解であることも珍しくありません。
AI開発でできることと向かない業務
AIが得意な仕事は、大きく分けると4種類です。過去の傾向から先を読む予測、大量の情報をグループに分ける分類、文章や画像を作る生成、そして普段と違う状態を見つける異常検知です。需要予測、問い合わせの自動振り分け、報告書のたたき台作成、設備の故障予兆の検知は、それぞれこの4つに当てはまります。
一方で、向かない業務もはっきりしています。相談を受けて早い段階でお断りすることが多いのは、次のようなケースです。
- 判断の根拠を1件ずつ説明する義務がある業務（AIは「なぜそう判断したか」を完全には説明できない）
- 過去のデータが紙しか残っていない、または件数が極端に少ない業務
- ベテランの勘に頼っていて、判断のルールを誰も言葉にできない業務
- 1件の誤りが人命や大きな金額に直結し、間違いを許容できない業務
- 月に数件しか発生せず、自動化しても効果が計算できない業務
この見極めを飛ばして進めると、開発そのものは終わったのに現場が使ってくれない、という結末になります。どの業務を対象にするかは、開発会社に決めてもらう話ではなく、発注側が持っている情報で判断する部分です。自社の業務が上の4種類のどれに当てはまるのかを、まず一覧に書き出してみてください。
精度100%にならない前提を先に知る
ここが、発注する側がいちばん先に飲み込んでおくべき前提です。AIの出す答えは確率的なもので、どれだけ費用をかけても100%正解にはなりません。95%の精度が出ているAIは、20件に1件は間違えます。
この性質があるため、AI開発は「仕様どおりに動いたら合格」という検収ができません。代わりに必要なのが、何%出たら本番で使うかという合格ラインを、開発を始める前に決めておくことです。合格ラインが無いまま試作を始めると、出てきた結果を見て「思ったより間違える」と感じて止まります。実際にPoCで終わってしまう案件の多くは、技術が足りなかったのではなく、最初に判定基準を決めていなかったことが原因です。
あわせて決めておきたいのが、間違えたときの受け止め方です。AIが判断に迷ったものは人が見る、という運用にしておけば、90%の精度でも十分に業務は回ります。人と同じ精度を求めるのではなく、人の作業をどこまで減らせれば得なのかで考えると、現実的な線が引けます。誰がどの条件で人の確認に回すのか、という運用ルールまで含めて、開発を始める前に決めておいてください。
合格ラインと運用の受け皿を含めて、発注前に社内で決めるべき論点を漏れなく洗い出したい場合は、AI導入準備度チェックリスト（6領域50項目）で自社の状況を点検できます。
AI開発の進め方と費用・依頼先の決め方
作る範囲の当たりが付いたら、次は進め方とお金の話です。AI開発は最初に全体を確定できないため、段階を分けて、各段階の終わりに続けるかどうかを判断する形が基本になります。
ここからは、その流れと費用・期間の目安、そして社内でやるか外に頼むかの分かれ目を順に見ていきます。判断の順番どおりに並べていますので、上から自社の状況に当てはめてみてください。
構想からPoC・本開発・運用までの流れ
大きく4つの段階に分かれます。それぞれ目的が違いますので、まとめて1本の見積もりにしないほうが安全です。
1つ目は構想の段階です。どの業務を対象にして、何がどれだけ良くなれば成功なのかを決めます。月120時間かかっている問い合わせ対応を60時間に減らす、といった数字にしておくのがポイントです。この段階の作業は社内の宿題で、外注しても代わりにやってもらえません。
2つ目がPoCと呼ばれる試作検証です。少量のデータで実際に動かしてみて、狙った精度が出そうかを確かめます。ここで大事なのは、始める前に合格ラインと、続行するかを決める人を決めておくことです。この2つが無いまま始めると、報告書だけが残って風化します。
3つ目が本開発です。試作したものを、実際の業務で毎日使える形にします。既存システムとの連携、担当者が使う画面、権限の設定、ログの取得などがここで加わるため、費用はPoCから一段上がります。発注側が想定していた金額を超えやすいのはこの段階です。
4つ目が運用です。AIは放っておくと精度が落ちます。扱う商品が変わり、問い合わせの内容が変わり、現場のやり方が変わるためです。月々の保守費と、定期的に学習をやり直す費用を最初から見込んでおいてください。
費用と期間はどのくらいかかるか
費用は作るものの種類で大きく変わります。あくまで一般的な目安として、段階ごとの相場感を並べます。実際の判断は個別の見積もりで確認してください。
| 段階 | 期間の目安 | 費用の目安 |
|---|---|---|
| 構想・業務整理 | 2週間から1か月 | 無償から数十万円 |
| PoC（試作検証） | 1か月から3か月 | 数十万円から300万円程度 |
| 本開発 | 3か月から8か月 | 300万円から数千万円 |
| 運用・保守 | 継続 | 開発費の1割前後を年額で |
構想から運用開始までを通すと、半年から1年程度を見ておくのが現実的です。既製ツールに自社データを繋ぐ範囲なら2、3か月で立ち上がることもありますが、独自モデルを作る場合はデータを集める時間が別に必要になります。
見積もりを比べるときは、金額の大小より前提の違いを見てください。データの整備は誰がやるのか、精度が出なかったときの追加作業は含まれるのか、運用開始後の学習やり直しは別料金かどうか。ここが揃っていない見積もりを並べても比較になりません。種類や規模ごとの内訳をもう少し細かく知りたい場合は、AI開発の費用相場と内訳で確認できます。
内製と外注のどちらで進めるか
既製ツールを設定して使う範囲であれば、社内でも十分に進められます。既存のAIに自社データを繋ぐ範囲も、情シスに手が空いている人がいるなら内製の候補に入ります。一方で、独自モデルを作る、既存の業務システムと繋ぐ、といった話になると、外に頼んだほうが早くて安く済むことが多いです。
判断の分かれ目になるのは、技術力よりも「続けられるか」です。AIは作って終わりではなく、精度を見ながら手を入れ続ける必要があります。担当者が1人しかいない状態で内製すると、その人が異動した時点で止まります。私は、最初のPoCは外注して型を教わり、運用しながら少しずつ社内に移す進め方をおすすめすることが多いです。
自社のケースがどちらに寄るのかを判断軸で確かめたい場合は、AI開発を内製と外注のどちらで進めるかの判断基準を見てください。
依頼先のタイプと契約の決め方
頼む先は大きく4タイプあります。大手のシステム会社は、既存の業務システムと繋ぐ大規模な案件や、社内の稟議に耐える体制が必要な場合に向きます。AI専門の会社は、画像判定や需要予測など特定の領域に強みがあります。スタートアップや小規模な開発会社は、小さく早く試すのに向いています。個人やフリーランスは費用が抑えられますが、体制のリスクを自社で引き受ける前提になります。
契約の形も押さえておいてください。AI開発は成果物の性能を最初に約束しにくいため、PoCの段階は準委任、つまり作業に対して支払う形が一般的です。本開発になって作るものが固まったら請負に切り替える、という組み合わせもよく使われます。逆に、PoCから請負で「精度95%を保証」と書かれた契約は、どこかに無理があると考えたほうが無難です。
見極め方としては、自社と同じ業種の実績があるか、データが足りない場合にどう進めるかを説明できるか、運用後の面倒まで見る気があるか、の3点を聞くと差が出ます。AI開発会社の選び方と契約前の確認質問に、比較の観点と質問リストをまとめています。
- Q. 社内にAIの専門家がいなくても発注できますか？
- A. 発注できます。ただし、対象業務と成功の基準、使えるデータの所在は自社で決める必要があります。技術の説明ができる人は不要ですが、業務を説明できる人と、続けるかどうかを決められる人は社内に必要です。この2人を最初に立てておくと進みが早くなります。
- Q. PoCだけを先に頼むことはできますか？
- A. できます。むしろ、その方が普通です。全体を一括で発注すると、精度が出なかったときに引き返せなくなります。PoCの契約時点で、合格ラインと、続行しない場合の扱い、作ったものやデータの権利をどうするかまで決めておいてください。
- Q. 既製の生成AIツールで足りるかどうかは、どう見分ければいいですか？
- A. 自社固有の情報を参照させる必要があるかどうかが分かれ目です。一般的な文章作成や翻訳なら既製ツールで足ります。社内規程や過去の見積書、取引先ごとのルールを踏まえた答えが必要なら、自社データを繋ぐ開発が必要になります。
