「AIで業務を効率化したいが、社内に作れる人がいない」「外注したいけれど、費用の目安も、どの会社に頼めばよいかも分からない」。AI受託開発を検討し始めた担当者の多くが、こうした悩みを抱えています。
先に結論をお伝えします。AI受託開発で失敗しにくくするコツは、次の3つです。
- いきなり本開発を頼まず、PoC（試作して効果を確かめる段階）から小さく始める
- 費用は「相場」ではなく、費用が決まる要素と見積もりの中身で比べる
- 契約で「成果物の利用条件」と「データの扱い」を先に決めておく
この記事では、経済産業省のガイドラインなどの公的資料をもとに、発注する側が知っておきたい基本、費用の決まり方、見積もりの確認項目、進め方、契約の注意点、会社の選び方を順に解説します。なお、出典を確認できない費用の「相場」や効果の数字は載せていません。
AI受託開発とは？発注前に押さえる基本
AI受託開発の意味
AI受託開発とは、AIを使ったシステムやツールの開発を、外部の開発会社に依頼して作ってもらうことです。「AI開発の外注」とほぼ同じ意味で使われます。
頼める範囲は会社によって違います。課題の整理やデータの準備から、開発、社内システムへの組み込み、公開後の運用・改善まで、まとめて引き受ける会社もあります。一方で、開発だけを担当する会社もあります。どこからどこまでを頼むのかを、最初に決めておくことが大切です。
普通のシステム開発と何が違うのか
一番の違いは、作る前に「どこまでの精度が出るか」を約束しにくいことです。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（AI編）」（2018年6月）は、AIの特徴として次の点を挙げています。
- 学習させる前に、どんなモデル（AIの中身）ができるか予測しにくい
- 学習に使っていない未知のデータに対して、どう動くかを保証しにくい
- 精度が出ないとき、原因がデータなのか設定なのかプログラムなのか切り分けにくい
- 結果が、学習に使うデータの量や質に大きく左右される
つまり、AI開発は「仕様を決めれば完成品が届く」とは限りません。試しながら進めることを前提に、進め方と契約を組み立てる必要があります。この考え方が、後で説明するPoCや契約形態の選び方につながります。
生成AI（LLM）活用型と機械学習型の違い
ひとくちにAI受託開発といっても、今は大きく2つのタイプがあります。どちらを作るかで、費用のかかり方も、準備するものも変わります。
- 生成AI（LLM）活用型：LLM（大規模言語モデル。ChatGPTなどの土台になっているAI）を外部のサービスから呼び出し、自社の業務に合わせて組み込む開発です。社内文書を検索して答えるチャットボットなどが代表例です。
- 機械学習型：自社のデータでAIを学習させ、専用のモデルを作る開発です。画像から不良品を見つける、需要を予測する、といった用途が代表例です。
| 比べる点 | 生成AI（LLM）活用型 | 機械学習型 |
|---|---|---|
| 主な用途 | 問い合わせ対応、社内文書の検索・要約、文章作成の補助、業務手順の自動化 | 画像の判定、数値の予測、異常の検知、分類 |
| 必要なデータ | 参照させる社内文書・FAQなど。大量の学習データは不要なことが多い | 正解が付いた学習データが必要。データ集めと整理に手間がかかりやすい |
| 費用がかかりやすい所 | 業務への組み込み、回答精度の調整、外部AIの利用料（使った量に応じた料金が一般的） | データの準備、学習と検証のくり返し、モデルの作り直し |
| 精度で気をつける点 | もっともらしい誤り（ハルシネーション）が出ることがある | 学習時と違う種類のデータが来ると精度が落ちることがある |
| 運用で続く作業 | 参照文書の更新、外部AIの仕様変更への対応 | 精度の監視、追加学習 |
総務省・経済産業省の「AI事業者ガイドライン（第1.2版）」（2026年3月31日）は、生成AIの出力を利用する際に「人間の判断を介在させる」などの対策を講じるよう求めています。生成AI型を頼む場合は「AIの回答を誰がどう確認するか」まで、業務の流れとして設計してもらうと安心です。
自社開発・既製SaaS・受託開発の選び方
AIを導入する方法は、受託開発だけではありません。既製のAIサービス（SaaS）を契約する方法や、社内で作る方法もあります。まずはどれが合うかを確認しましょう。
| 方法 | 向いているケース | 注意点 |
|---|---|---|
| 既製SaaSを使う | やりたいことが一般的（議事録作成、文章作成、チャット対応など）で、早く始めたい | 自社の業務に合わせた変更はしにくい。入力したデータの扱いは利用規約で確認が必要 |
| 受託開発を頼む | 自社の業務やデータに合わせたい。既存システムとつなぎたい。社内に作れる人がいない | 要件の整理に社内の時間が要る。契約で権利とデータの扱いを決める必要がある |
| 自社で開発する | AIを事業の中心にしたい。エンジニアを採用・育成できる | 人材の確保と育成に時間がかかる |
迷ったときは、次の順で考えると判断しやすくなります。
- 既製SaaSで目的を果たせるか試す。果たせるならSaaSを使う
- 果たせない理由が「自社のデータや業務に合わない」なら、受託開発を検討する
- AIを長く育てていく中心事業にするなら、受託で始めつつ、社内で引き継げる体制づくりも並行する
AI受託開発で頼める主な内容
よく依頼される用途を、目的別に整理しました。自社の課題に近いものを探してみてください。
| 目的 | 開発の例 | 主なタイプ |
|---|---|---|
| 問い合わせ対応を減らしたい | FAQやマニュアルを参照して答えるチャットボット、電話・LINEの一次受付 | 生成AI型 |
| 社内の情報を探す時間を減らしたい | 社内規程・過去資料を検索して要約する社内アシスタント | 生成AI型 |
| 書類作業を減らしたい | 請求書・申込書の読み取りとシステムへの入力、報告書の下書き作成 | 生成AI型・機械学習型 |
| 品質を安定させたい | カメラ画像による外観検査、異常の検知 | 機械学習型 |
| 判断の精度を上げたい | 需要予測、在庫の最適化、解約しそうな顧客の予測 | 機械学習型 |
| 今ある業務の流れを自動化したい | 複数のSaaSや社内システムをAPI（システム同士をつなぐ窓口）でつなぎ、AIの処理をはさむ | 生成AI型 |
たとえば顧客との接点にLINE公式アカウントを使っている会社なら、問い合わせの一次対応をAIに任せ、回答内容に応じて担当者へ引き継ぐといった組み合わせも考えられます。顧客情報の整理の仕方はLINEの顧客管理の解説、LINE上で動く専用画面についてはLINEミニアプリの解説もあわせてご覧ください。
AI受託開発の費用が決まる要素
「相場」の数字をそのまま信じないほうがよい理由
ネット上には「PoCは○万円〜」「チャットボットは○万円〜」といった相場がたくさん載っています。しかし2026年10月時点で、AI受託開発の費用を広く調べた公的な調査や業界団体の統計は、確認できませんでした。記事ごとに数字がばらばらなのはそのためです。
また、上で見たとおり、同じ「AIチャットボット」でも、既製サービスの設定に近いものと、社内システムと深く連携するものでは、作業量がまったく違います。金額だけで比べるより、「何に、どれだけの工数がかかるのか」で比べるほうが確実です。
費用を左右する7つの要素
| 要素 | 費用が上がりやすいケース | 費用を抑える工夫 |
|---|---|---|
| 1. 目的と範囲 | 対象業務が広い。機能を最初から全部入れる | 効果が大きい業務1つに絞って始める |
| 2. データの状態 | データが紙や複数の場所に散らばっている。正解ラベルがない | 使うデータの場所と形式を事前に洗い出しておく |
| 3. 求める精度 | 人の確認なしで使える水準を求める | 「AIが下書き、人が最終確認」の分担にする |
| 4. 既存システムとの連携 | 連携先が多い。古いシステムでAPIがない | まずは連携なしで試し、効果を見てからつなぐ |
| 5. セキュリティ要件 | 社外にデータを出せない。専用環境が必要 | 扱うデータの機密度を分け、要件を必要な分だけにする |
| 6. 画面・使い勝手 | 専用の管理画面やスマホ対応を一から作る | 既存のチャットツールや社内ツールの画面を使う |
| 7. 運用・保守の範囲 | 精度の監視や改善まで常に頼む | 社内で対応する作業と、外注する作業を分ける |
開発後にもかかる費用
AIは作って終わりではありません。見積もりの段階で、開発費とは別に次の費用が出ないかを確認しましょう。
- 外部AIの利用料：生成AI型では、外部のAIサービスを使った量に応じて料金がかかる形が一般的です。利用者や問い合わせが増えると、月々の費用も増えます。
- サーバー・クラウドの費用：システムを動かす環境の月額費用です。
- 保守・改善の費用：不具合の対応、参照データの更新、外部AIの仕様変更への対応などです。
- 追加学習の費用：機械学習型では、時間がたつと精度が落ちることがあり、データを足して学習し直す作業が出ます。
補助金は使える？
「IT導入補助金」は2026年から「デジタル化・AI導入補助金2026」として公募されています。ただし、この補助金で申請できるのは、IT導入支援事業者が事前に登録したITツールだけです。ITツール登録要領では、完成していないスクラッチ開発（一から作る開発）を伴うソフトウェアや、特定の顧客向けで一般に販売されていないものなどは、登録できない例として挙げられています（2026年10月時点）。
つまり、自社専用にオーダーメイドで作るAIは、この補助金の対象にはなりにくいと考えておきましょう。ほかの補助金が使えるかどうかは、公募要領で対象経費を確認し、必要に応じて支援機関に相談してください。
見積もりで確認する項目
複数の会社から見積もりを取ったら、合計金額だけでなく、次の項目がそろっているかを比べます。書かれていない項目は、質問して書面で回答をもらいましょう。
| 確認項目 | 見るポイント |
|---|---|
| 作業範囲 | 要件整理、データ準備、開発、テスト、導入支援のどこまで含むか |
| 工程ごとの内訳 | 工程別の工数（人数×期間）が分かるか。一式表記だけになっていないか |
| 契約形態 | 請負か準委任か。段階ごとに分けているか |
| 成果物 | 何が納品されるか（ソースコード、学習済みモデル、報告書、手順書など） |
| 評価の方法 | 精度や効果を、どのデータで、どの基準で測るか |
| 権利と利用条件 | 成果物を自社でどこまで使えるか。他社への流用をどう扱うか |
| データの扱い | 預けたデータの保管場所、学習への利用の有無、契約終了後の削除 |
| 外部サービス | 使う外部AIやクラウドの名前と、その利用料を誰が払うか |
| 開発後の費用 | 保守・運用の月額、改善の依頼方法と料金 |
| 変更時の扱い | 途中で要件が変わったときの見積もり直しのルール |
PoCから始める進め方（4段階）
経済産業省のガイドライン（AI編）は、AI開発の進め方として「探索的段階型」を提案しています。開発をいくつかの段階に分け、段階ごとに「目的を実現できそうか」を確かめてから次へ進む方法です。性能が出ないと分かった時点で止めることもできるため、大きな損失を避けやすくなります。
| 段階 | やること | 発注側が判断すること |
|---|---|---|
| 1. アセスメント | 少量のデータで、AIで実現できそうかを検討する | 課題設定は正しいか。データは足りそうか |
| 2. PoC（概念実証） | 試作して、実際のデータで効果や精度を確かめる | 業務で使える水準か。本開発に進むか |
| 3. 開発 | 業務で使うシステムとして作り込み、組み込む | 現場で使えるか。運用の体制は整ったか |
| 4. 追加学習・改善 | 運用しながらデータを足し、精度の維持や改善を図る | 改善を続けるか。社内でどこまで担うか |
ガイドラインには、アセスメント段階の秘密保持契約書、PoC段階の導入検証契約書、開発段階のソフトウェア開発契約書のモデル契約も付いています。契約書の土台として参考にできます。
PoCを始める前に、発注側で次の3つを決めておくと、「試したけれど結論が出ない」状態を防げます。
- 何ができたら成功か：例として「問い合わせの一次回答のうち、人が直さずに使えた割合」など、測れる基準にする
- どのデータで試すか：本番に近いデータを用意できるか。個人情報が含まれるか
- 次に進む条件と、やめる条件：期間と予算の上限を決め、結果を見て判断する
契約で決めること（請負と準委任・権利・データ）
請負と準委任の違い
システム開発の契約には、主に「請負」と「準委任」の2つの形があります。
| 比べる点 | 請負 | 準委任 |
|---|---|---|
| 約束すること | 決めたものを完成させること | 決めた業務を、専門家として注意を払って行うこと |
| 完成の義務 | ある | 原則としてない |
| 成果物に問題があったとき | 修正などを求められる（契約不適合責任） | 業務の進め方に落ち度があったかで判断する |
| 向いている作業 | 仕様をはっきり決められる作業（画面の作成、システム連携など） | 結果が事前に読めない作業（アセスメント、PoC、学習と検証） |
AI開発は性能を事前に約束しにくいため、学習済みモデルの開発は準委任で契約する考え方がよく紹介されています（例：モノリス法律事務所の解説）。ただし、すべてを準委任にすると、発注側は「何が手に入るか」が見えにくくなります。研究的な部分は準委任、仕様が決まる部分は請負と、段階や作業ごとに分ける方法も検討しましょう。
経済産業省の「AIの利用・開発に関する契約チェックリスト」（2025年2月）も、AIモデルの性能保証は容易ではないと指摘し、完成義務の有無や契約の性質を確認する項目を設けています。
成果物は「誰のものか」より「どう使えるか」を決める
「成果物の権利は全部こちらに」と考えがちですが、AI開発ではそれだけでは足りません。ガイドライン（AI編）は、権利の帰属を抽象的に議論するより、誰がアクセスでき、どのように利用できるかという利用条件を具体的に決めることが大切だとしています。
特に、次のものは契約で扱いを決めておきましょう。
- 学習用データセット：学習のために整えたデータ。自社のデータから作られるが、加工は開発会社が行う
- 学習済みモデル：学習した結果のAI。何を指すかがあいまいになりやすいため、契約で定義する
- プログラム（ソースコード）：作った人に権利が生じるのが原則。自社で改修したいなら、譲渡か利用許諾を決める
- ノウハウ：データの加工方法や設定の工夫。共同作業で生まれたものは、双方が主張しやすい
- 開発会社が元から持っている技術：開発会社の既存の部品や仕組みを使う場合、その部分の利用範囲
決めるときは「自社で改修や再学習ができるか」「別の会社に保守を移せるか」「開発会社が他社向けに再利用してよい範囲はどこまでか」の3点から考えると、話がまとまりやすくなります。
預けるデータと学習への利用
契約チェックリストは、相手に渡すデータが、目的外、特に相手のAIの学習に使われないかを確認するよう促しています。一度学習に取り込まれた情報は取り除くのが難しいためです。開発会社が使う外部AIサービスの規約も、あわせて確認しましょう。
個人情報を含むデータを扱う場合は、さらに注意が必要です。個人情報保護委員会は生成AIサービスの利用に関する注意喚起（2023年6月）で、個人データを含む内容を入力する場合は、利用目的の範囲内かを確認し、サービス提供事業者がそのデータを機械学習に使わないことなどを十分に確認するよう求めています。
契約チェックリストの使い方
契約チェックリストは、法務担当や顧問弁護士が条文を確認する場面だけでなく、事業部門の担当者が契約の初期検討をする場面でも使えるように作られています。見積もりの比較が終わった段階で、入力データ、成果物、学習への利用の項目に目を通し、気になる点を開発会社に質問しておくと、契約交渉がスムーズになります。最終的な契約書の確認は、法務担当や専門家に依頼しましょう。
AI受託開発会社の選び方（6つの観点）
会社を比べるときは、知名度や「○選」の順位より、自社の案件との相性で選ぶことが大切です。次の6つの観点で確認しましょう。
| 観点 | 確認すること | 打ち合わせで聞きたい質問 |
|---|---|---|
| 1. 得意なタイプ | 生成AI型と機械学習型のどちらに強いか | 「今回のような用途で、どんな作り方を提案しますか」 |
| 2. 課題整理の力 | AIを使わない方がよい部分も指摘してくれるか | 「この業務でAIを使わない方がよい部分はどこですか」 |
| 3. 進め方 | 段階に分けた提案か。やめる判断の基準を示すか | 「PoCで効果が出なかった場合はどうしますか」 |
| 4. 契約とデータ | 権利、利用条件、データの扱いを説明できるか | 「預けたデータを学習や他の案件に使いますか」 |
| 5. 業務への組み込み | 既存システムとの連携や現場への定着まで見ているか | 「現場の人が使い続けるために、何をしてくれますか」 |
| 6. 開発後の体制 | 保守の範囲、引き継ぎ、ドキュメントの有無 | 「将来、自社や別会社が保守を引き継ぐことはできますか」 |
実績を確認するときは、公開されている事例が自社の用途や規模に近いかを見ます。数字の効果が書かれていても、条件が違えば同じ結果になるとは限りません。どんな条件で、どう測った数字かを質問しましょう。
よくある失敗と対策
| よくある失敗 | 起きる理由 | 対策 |
|---|---|---|
| 「AIで何かしたい」から始めて、目的がぼやける | 解決したい業務と、成功の基準が決まっていない | 対象業務を1つに絞り、測れる成功基準を決める |
| PoCを続けるだけで本番に進まない | 次に進む条件とやめる条件がない | PoCの前に期間・予算・判断基準を決めておく |
| 機能を作りすぎて費用と期間がふくらむ | 最初から全部の要望を入れる | 小さく作って現場で使い、必要な機能を足していく |
| 公開後の利用料・保守費が想定より高い | 開発費だけで比較した | 見積もりで外部AIの利用料と保守費を確認する |
| 開発会社を変えられない | ソースコードや利用条件を契約で決めていない | 改修・引き継ぎの可否を契約で決め、手順書を納品物に入れる |
| データの扱いで社内の承認が止まる | 個人情報や機密データの扱いを後回しにした | 最初の打ち合わせで扱うデータを伝え、社内ルールと照らす |
| 現場で使われない | 使う人の意見を聞かずに作った | PoCの段階から現場の担当者に試してもらう |
よくある質問
Q. AI受託開発の費用相場はいくらですか？
2026年10月時点で、公的な調査など出典を示せる相場は確認できませんでした。費用は、目的と範囲、データの状態、求める精度、連携するシステム、運用の範囲などで大きく変わります。複数の会社から工程別の内訳が分かる見積もりを取り、この記事の確認項目で比べることをおすすめします。
Q. 社内にAIに詳しい人がいなくても頼めますか？
頼めます。ただし、業務の流れや判断の基準を知っているのは発注側です。AIの知識よりも、対象業務に詳しい担当者を窓口にし、データの準備や評価に協力できる体制をつくることが大切です。
Q. PoCを省いて、すぐ本開発に進めますか？
進めることもできます。既製の仕組みの組み合わせで実現できることが分かっている場合は、すぐに開発へ進むこともあります。ただし、精度が事前に読めない用途では、PoCで確かめてから本開発に進む方が、無駄な投資を避けやすくなります。
Q. 開発したAIのソースコードはもらえますか？
契約によります。プログラムの権利は原則として作った側に生じるため、何も決めなければ受け取れないこともあります。自社で改修したい、別の会社に保守を移したいといった希望があれば、見積もりの段階で伝え、譲渡か利用許諾かを契約で決めておきましょう。
Q. 生成AIを使うと、社内の情報が外に漏れませんか？
リスクはゼロではないため、仕組みと契約の両方で対策します。使う外部AIサービスが入力データを学習に使うかどうか、データをどこに保存するか、誰がアクセスできるかを開発会社に確認しましょう。個人情報を扱う場合は、個人情報保護委員会の注意喚起もあわせて確認してください。
AI開発の相談はLiTAERへ
この記事を運営するLiTAER株式会社は、生成AIを組み込んだ業務システムや自動化ツールを、ヒアリング・要件定義から開発・運用まで一貫してお手伝いしています。最初から大きく作らず、PoC（試作）で精度と費用の見通しを確かめてから本番へ広げる進め方です。AIを使わないほうが早い部分は、そのようにお伝えします。
課題が固まっていない段階でも構いません。LiTAERのAI開発サービスから、お気軽にご相談ください。
まとめ
AI受託開発は、作る前に結果を約束しにくいという点で、普通のシステム開発と違います。だからこそ、進め方と契約の組み立てが成否を分けます。
- まず既製SaaSで足りるかを確かめ、足りない部分を受託開発で補う
- 生成AI型か機械学習型かで、費用のかかり方と準備するものが変わる
- 費用は「相場」ではなく、7つの要素と見積もりの内訳で比べる。開発後の利用料・保守費も忘れない
- アセスメント→PoC→開発→追加学習と段階に分け、進む条件とやめる条件を決める
- 契約では、請負と準委任の使い分け、成果物の利用条件、データの扱いを決める
経済産業省の契約ガイドラインと契約チェックリストは、無料で公開されています。発注の前に一度目を通しておくと、開発会社との打ち合わせで確認すべきことがはっきりします。まずは解決したい業務を1つ決めて、相談するところから始めてみてください。
