全社でChatGPTの法人契約は済ませた。社内ルールも整えた。それなのに現場から「うちの商品のことを聞いても一般論しか返ってこない」「過去の見積を踏まえた文面が出てこない」と言われる。そこで出てくるのが、では自社向けに作るのか、という話です。ただ、生成AI開発とは具体的に何をすることなのか、契約して使うのと何が違うのか、いくらかかるのかが分からないまま検討だけが始まってしまう、という相談をよく受けます。
先に答えを書くと、生成AI開発とは「すでにある大規模言語モデルを土台にして、そこへ自社のデータや業務ルールを組み合わせ、業務で使える形にすること」です。ゼロからAIを作る話ではありません。そして発注する側にとっての本題は技術の中身ではなく、どの段階まで作るのか、そもそも作らずに済ませられないか、という判断のほうです。この記事では、既製ツールを使うのとの違い、作り方の3段階、RAGとファインチューニングの選び分け、費用と進め方までを、頼む側の判断材料として整理します。
この記事のポイント
- 生成AI開発とはゼロからAIを作ることではなく、既存のモデルに自社データと業務ルールを組み合わせること
- 作り方は設定だけ・自社データを参照させる・モデル自体を調整するの3段階で、多くの会社は真ん中で足りる
- 費用が膨らむ最大の原因は開発ではなく、社内文書が紙やバラバラの書式で残っていること
- 既製ツールで目的の8割が達成できるなら、作らないほうが正解という判断も普通にある
目次
生成AI開発とは何を作ることか
生成AI開発という言葉を聞くと、AIそのものを作る話に聞こえます。ですが実務でこの言葉が使われる場面のほとんどは、そうではありません。すでに公開されている高性能な言語モデルを土台として借り、その上に自社の情報と使い方を載せる作業を指しています。
この前提が共有できていないと、社内の会話が噛み合いません。経営層は「AIを作るなんて大企業の話だろう」と身構え、現場は「ChatGPTがあるのに何を作るのか」と首をかしげます。まずは何を作って何を作らないのかの境界から押さえてください。
既製ツールを使うのと何が違うのか
いちばん大きな違いは、自社固有の情報を踏まえた答えが返るかどうかです。法人契約したChatGPTは、一般的な知識にもとづいて文章を作ります。優秀ですが、御社の商品マニュアルも、過去の見積も、社内規程も知りません。生成AI開発は、そこを埋める作業です。
もう一つの違いは、業務の中に組み込めるかどうかです。既製ツールは基本的に「人がチャット画面を開いて質問する」形です。一方で自社向けに作れば、問い合わせメールが届いた時点で自動的に下案を用意する、基幹システムの画面から呼び出す、といった形にできます。使う人が意識せずに済む状態にできるかが分かれ目です。
| 項目 | 既製ツールをそのまま使う | 生成AI開発 |
|---|---|---|
| 自社情報の反映 | 都度こちらが貼り付ける | 仕組みとして自動で参照させる |
| 業務への組み込み | チャット画面を開いて使う | 既存システムや業務フローに組み込む |
| 始めるまでの早さ | 契約した日から使える | 数週間から数か月かかる |
| 費用の形 | 人数ぶんの月額 | 初期の開発費と運用費 |
| やめやすさ | 解約すれば終わり | 作ったものの引き取り先が必要 |
表の最後の行は見落とされがちですが、発注判断では効いてきます。作ったものは資産になる代わりに、面倒を見続ける相手が要ります。始めやすさだけで比べないでください。
生成AI開発は3段階に分かれる
「作る」と一言で言っても、実際の中身は3つの段階に分かれます。どこまでやる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。
| 段階 | やること | 向いている用途 | 費用感 |
|---|---|---|---|
| 設定だけで済ませる | 既製ツールに指示文や参照ファイルを登録する | 定型文の作成、要約、翻訳 | 月額数千円から数万円 |
| 自社データを参照させる | 社内文書を検索できる形にしてAIに引かせる | 社内問い合わせ、見積の下案、規程の確認 | 数十万円から数百万円 |
| モデル自体を調整する | 自社のやり取りを学習させて応答の癖を作る | 独特の言い回しや専門用語が必須の業務 | 数百万円以上 |
私の感覚では、相談の8割くらいは真ん中で足ります。「うちの業務は特殊なので専用のAIを作りたい」と言われて中身を聞くと、社内マニュアルと過去の対応履歴を参照させれば済む、という話であることがほとんどです。3段目が本当に必要になるのは、業界特有の言い回しを外すと業務にならない場合や、応答の形式が厳密に決まっている場合に限られます。
逆に、1段目で足りるかどうかも先に確かめてください。既製ツールにも、自社のファイルを登録して参照させる機能が付いているものが増えています。件数が少なく、更新も月に一度という程度なら、それで十分なことがあります。
作らないほうがよい場合もある
開発会社に相談すると、当然ながら作る前提で話が進みます。ですが発注する側としては、作らない判断を最初に検討しておくべきです。私が相談を受けて「まだ作らないほうがいい」とお伝えするのは、次のような場合です。
- 既製ツールで目的の8割が達成できていて、残り2割のために数百万円をかけようとしている
- 参照させたい社内文書が、そもそも整理されていない、または存在しない
- 使う予定の業務が月に数件しかなく、時間短縮の効果が計算できない
- 現場がまだ既製ツールを日常的に使っておらず、作っても使われる見込みが薄い
- 社内に「この業務を良くしたい」と手を挙げる担当者がいない
とくに最後の2つは重く見てください。生成AIは、道具を渡せば勝手に使われるものではありません。既製ツールすら定着していない状態で自社向けのものを作っても、置き場所が増えるだけで終わります。まず全社で既製ツールを使い倒し、そこで出てきた「ここが物足りない」という具体的な不満を材料にして作るほうが、確実に当たります。
生成AI開発の進め方と依頼先の決め方
作る方向で進めると決めたら、次は手法の選択とデータの準備です。ここからは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。
先に結論を言うと、発注側が時間を使うべきなのは手法選びではなくデータの整理です。手法は開発会社が提案してくれますが、データの状態は自社にしか分かりません。
RAGとファインチューニングの選び方
自社向けに作る方法として、よく2つの言葉が出てきます。RAGと、ファインチューニングです。技術の中身は開発会社に任せて構いませんが、発注判断に効く違いだけは押さえておいてください。
RAGは、AIが答える前に社内の資料を検索して、その内容を根拠に回答させるやり方です。試験にたとえるなら、参考書を持ち込んで答えるようなものです。ファインチューニングは、自社のやり取りを事前に学習させて、応答の癖そのものを作り込むやり方です。こちらは試験勉強をして覚えてから臨む形になります。
この説明はよく見かけますが、発注側にとって本当に重要なのはその先です。両者は運用開始後の手間がまったく違います。
| 比較 | RAG | ファインチューニング |
|---|---|---|
| 得意なこと | 最新の社内情報を正確に引く | 言い回しや形式をそろえる |
| 情報を更新するとき | 元の資料を差し替えれば反映される | 学習をやり直す必要がある |
| 初期費用 | 比較的抑えられる | 高くなりやすい |
| 根拠の確認 | 参照元の資料をたどれる | なぜその答えかは追いにくい |
社内情報が頻繁に変わる会社では、RAGのほうが運用が圧倒的に楽です。規程が改定されたら文書を差し替えるだけで済みます。ファインチューニングでこれをやると、そのたびに学習のやり直しと費用が発生します。まずRAGで始め、それでも応答の形が安定しない部分だけ後から調整を足す、という順番が現実的です。
データ整備は発注側の宿題になる
費用が想定を超える最大の原因は、開発そのものではありません。参照させたい社内文書が使える状態になっていないことです。これは相談を受けるたびに出てきます。
よくあるのは、重要な手順書が紙のファイルにしか残っていない、共有サーバーにはあるが担当者しか場所を知らない、同じ内容の資料が部署ごとに違う書式で3種類ある、古い版と新しい版が混在していてどちらが正なのか誰も分からない、といった状態です。この整理を開発会社に頼むこともできますが、中身の正しさを判断できるのは自社の人間だけなので、結局は社内の作業になります。
着手前に、参照させたい資料について次の4点だけでも書き出しておくと、見積もりの精度が変わります。どこにあるか、どんな形式か、何件あるか、誰が正しさを判断できるか。この4点が埋まらない資料は、いったん対象から外すのが安全です。
データの状態を含めて、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。
費用と期間はどのくらいかかるか
あくまで一般的な目安ですが、自社データを参照させる範囲であれば、試作に1か月から2か月、本格的に業務へ組み込むところまでで3か月から半年程度を見ておくと現実的です。実際の判断は個別の見積もりで確認してください。
見積もりを比べるときは、金額そのものより前提を見てください。とくに次の3点が揃っていない見積もりは、あとで追加費用が出ます。データの整形は誰の作業に含まれるのか、狙った精度が出なかったときの調整は範囲内なのか、運用開始後に資料を追加する作業は月額に含まれるのか。ここを揃えないと比較になりません。
もう一つ、利用量に応じた従量課金が毎月かかる点も忘れないでください。使う人が増えれば増えるほど積み上がります。費用の内訳や規模別の目安をもう少し細かく見たい場合は、生成AI導入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
設定だけで済ませる範囲なら、社内で十分に進められます。自社データを参照させる範囲は、情シスに手が空いている人がいれば内製の候補に入りますが、既存システムと繋ぐ話になると外に頼んだほうが早いことが多いです。
判断の分かれ目は技術力よりも、続けられるかどうかです。生成AIは作って終わりではなく、資料を追加し、うまく答えられなかった質問を拾って直し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、その人の異動で止まります。AI開発全体での内製と外注の判断軸は、AI開発とは何かを整理した記事にまとめています。
外注する場合は、自社と同じような業務での実績があるか、データが足りないときにどう進めるかを説明できるか、運用開始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。あわせて、社内の利用ルールが未整備なら先に整えておいてください。生成AI社内ガイドラインの作り方で、決めるべき項目を確認できます。
- Q. ChatGPTの法人契約があれば生成AI開発は不要ですか？
- A. 用途によります。一般的な文章作成や要約なら法人契約で足ります。自社の商品情報や過去の取引履歴を踏まえた答えが必要になった時点で、参照させる仕組みが要ります。まず既製ツールを使い倒し、出てきた不満を材料にして判断するのが確実です。
- Q. 自社のデータを渡しても学習に使われませんか？
- A. 法人向けのプランやAPI経由の利用では、入力内容を学習に使わない契約になっているのが一般的です。ただし提供元とプランによって扱いが違うため、契約前に必ず条件を確認し、開発会社にも自社データの保管場所と保持期間を書面で示してもらってください。
- Q. 小さく試すにはどこから始めればよいですか？
- A. 対象業務を1つに絞り、参照させる資料も整理済みのものだけに限って試すのが確実です。社内問い合わせ対応のように、間違えても取り返しがつき、件数が多い業務が向いています。最初から全社展開を狙わないでください。
