
結論: AI開発の受託開発は、「完成品を買う」頼み方ではなく、時間と専門性を借りる代わりに、社内に残る知見と変更の自由度を手放す頼み方です。この記事では、受託開発のメリットとデメリット、開発の7工程ごとに発注側が用意する物と受け取る物、請負と準委任の違い、費用の目安、向かないケースを順に書きます。
この記事の要点
- 受託開発で得るのは「時間と専門性」、失うのは「社内に残る知見」と「後から仕様を変える自由度」(変えるたびに追加の依頼と費用が要る)。得失を先に知ってから頼むかどうかを決める
- 開発は7工程(要件定義=作る物を決める/データ準備/モデル選定=AIの方式を選ぶ/学習と評価/実装と統合=今の業務につなぐ/テストと検収=約束どおりか確かめて受け取る/運用)。各工程で「自社が用意する物」「受け取る物」「止める基準(=この条件になったら先へ進まず、続けるか見直す目印)」を決めて頼む
- 契約は請負(=完成品を約束する契約)か準委任(=作業をすることを約束する契約)か。特許庁のIP BASE(2021年度掲載の解説)は、請負は完成に法的責任を負い、準委任は完成に法的責任を負わないと整理している。ただし準委任でも、作業は注意を払って行う責任がある。AIは精度の保証が難しい点も同じ資料に書かれている
- 費用は段階で上がる。当社のAI適用診断(=AIで何ができるかを2週間で調べる有料の事前調査。実際の業務システムにはつながない)はライト15万円・標準30万円(税別)。他社の調査値では、本開発の総額は小〜中規模で500〜1,500万円
この記事は、AI開発を受託会社に頼むかどうかを検討している、中小企業の経営者・事業責任者・DX担当の方に向けて書いています。「AIで何かを作りたい」ところまでは決まっていて、受託で頼むのが良いのか、内製や別の手段にするのかを決めようとしている場面を想定しています。内容は「頼み方の得失」と「工程ごとの受け渡し」に絞ります。
今日やることは1つです。次の3行をメモに書いてください。「使うデータ(どこにあり、誰が触れるか)」「うまくいったかを決める基準(=これを満たせば受け取ると決めた数字。合格ラインとも呼ぶ)」「結果を受け入れる担当者の名前」の3行です。基準の例は、問い合わせ対応なら「1か月分の件数のうち、何割を人の手直しなしで返せればよいか」です。現場の担当者に1か月分の件数を聞くと、数字にしやすくなります。書けない行がある場合は、そこが見積の前に詰める箇所です。
AI開発の受託開発とは|頼める範囲と他の頼み方との違い
受託開発とは、AIを作る工程を開発会社に任せ、納品物(システムやモデル=AIの頭脳にあたる部分)を受け取る頼み方です。導入支援・顧問・内製と並べると違いが見えます。
| 頼み方 | 誰が作るか | 自社に残る物 | 向く場面 |
|---|---|---|---|
| 受託開発 | 開発会社が作る | 納品物と仕様書。作る過程の知見は残りにくい | 最初の1本を早く動かしたい/社内に開発担当がいない |
| 導入支援・伴走 | 自社が作り、外部が助言と手伝い(伴走=外部の人が自社と並んで作業を手伝う形) | 手順と判断の考え方 | 自社の担当者を育てながら進めたい |
| 顧問 | 自社が作り、外部が方針を助言 | 方針と優先順位 | 何から手を付けるかが決まっていない |
| 内製 | 自社が作る | 作る力そのもの | 長く改修を重ねる/仕様が頻繁に変わる |
受託開発では、何を作るか、どのデータを使うか、できた物を受け入れるかの判断は発注側に残ります。作業は買えても、判断は買えません。 判断の部分まで相談したい場合は、導入支援や顧問が近い頼み方です。AI導入全体の進め方はAI導入の7工程に、依頼先ごとの範囲はAI受託開発の外注に書いています。
確かめ方: 見積をもらったら「この金額で、自社に残る物は何か」を聞きます。納品物の一覧と、仕様書・学習データ・設定の引き渡しの有無が答えられれば、範囲は共有できています。
受託開発のメリット|得られる3つのこと
受託開発で得られるのは、専門性を借りること、立ち上がりの速さ、開発体制を持たなくてよいことの3つです。
① 専門性を月単位で借りる。 AI開発は、データの扱い、モデルの選定、評価の設計など、複数の専門性が要ります。社内で採用すると時間もコストもかかりますが、受託なら必要な期間だけ借りられます。確かめ方は「実際に手を動かす人は誰で、自社の業務に近い経験はあるか」を聞くことです。
② 立ち上がりが速い。 開発環境の整備や過去の失敗から学んだ進め方を、開発会社が持っています。一般の会社が初めてAIを作るとき、環境づくりと試行錯誤に時間を取られがちですが、受託ならそこを省けます。確かめ方は、着手から最初の動く物(試作)が出るまでの段取りを、日付で示してもらうことです。
③ 社内に開発体制を持たなくてよい。 採用や育成をしなくても、開発の間は専門家に任せられます。ただし、納品後に使う担当者は社内に必要です。確かめ方は、納品後に自社の誰が何を触る想定かを聞き、答えが「特になし」なら運用の段取りを足してもらうことです。
受託開発のデメリット|失う3つのこと
受託開発のデメリットは、知見が社内に残りにくいこと、要件が曖昧だと費用と期間が延びること、精度の約束が難しいことです。
| デメリット | 起きること | 防ぐ条件 |
|---|---|---|
| 社内に知見が残りにくい | 納品後に改修や原因調査を頼むたびに外部へ費用が出る | 設計書・評価データ・設定の引き渡しと、定例での説明を契約に入れる |
| 要件が曖昧だと費用と期間が延びる | 作りながら「やはりこうしたい」が増え、見積が膨らむ | 要件定義を独立した工程として先に済ませ、用意物を決めてから本開発の見積を取る |
| 精度の約束が難しい | 完成しても業務で使える精度か分からず、揉める | 検収に使うデータと合格ラインを、契約前に文章で合意する |
3つ目は、公的な資料にも書かれています。特許庁のIP BASE(2021年度掲載の解説)は、AIは過去の例から答えを作るので、見たことのない場面での正しさは約束しにくい、と説明しています。原文は次のとおりです。AIソフトウェアについて「学習用データを用いて帰納的に生成される性質上、その精度は、学習用データのデータ量と質に依存し、未知の事象に対する推論精度の保証が難しい制約があります」と書いています。同じページは「『AIだから性能保証は難しい』という固定観念にとらわれることなく、開発対象を踏まえた条件交渉をすることが重要」とも述べています。保証できないと諦めるのではなく、条件を文章にして交渉するのが、発注側の仕事です。
受託開発で得る物と手放す物は、天秤の両側に置いて決める
図の内容: 受託開発の得失3つずつと、失う側を小さくするための3つの条件を示した図。
確かめ方: 右側の3つそれぞれについて、「契約書のどこに防ぐ条件が書かれているか」を指させるかを見ます。指させない項目は、見積の前に追記を頼みます。
開発の7工程|発注側が用意する物と受け取る物
受託開発の工程は、要件定義から運用まで7つに分けられます。各工程で「発注側が用意する物」と「受け取る物」を決めておくと揉めにくくなります。工程名は一般的な分類で、会社によって呼び方や区切りは変わります。
7つを日常語に言い換えると、次のとおりです。①要件定義は作る物と合格の条件を決める、②データ準備は使うデータを集めて整える、③モデル選定はAIの方式を選ぶ、④学習と評価はAIに覚えさせて正しさを測る、⑤実装・統合は今の業務につなぐ、⑥テスト・検収は約束どおりか確かめて受け取る、⑦運用は使い続けるために見直す、という並びです。
7工程のうち、発注側の決定が特に重いのは要件定義と検収
図の内容: 7工程を2段に並べ、発注側の決定が特に重い要件定義と検収を強調した図。
| 工程 | 発注側が用意する物 | 受け取る物 | 止める基準の例 |
|---|---|---|---|
| ① 要件定義 | 目的・対象業務・合格の基準 | 要件定義書、作る範囲と作らない範囲 | 合格の基準が数字や件数で書けない |
| ② データ準備 | 使うデータの提供と利用許可 | データの量・質の確認結果 | 量や質が目的に足りないと分かった |
| ③ モデル選定 | 使えるツールや外部サービスの制約 | 方式の候補と選定理由 | 情報管理ルールに合わない方式しかない |
| ④ 学習と評価 | 評価に使う正解データ | 評価結果(誤りの種類つき) | 合格ラインに届く見込みが立たない |
| ⑤ 実装・統合 | 既存システムの情報と窓口 | 動く仕組みと接続仕様 | 既存業務への接続で想定外の改修が要る |
| ⑥ テスト・検収 | 検収用データと受入担当者 | テスト結果、検収報告 | 合格ラインを満たさないまま納品された |
| ⑦ 運用 | 運用担当者と問い合わせ窓口 | 運用手順、保守の範囲 | 担当者が決まらず、手順が誰にも渡らない |
① 要件定義
何を作り、何を作らないかを文章にする工程で、ここが曖昧だと後の工程で費用と期間が延びやすくなります。発注側は、対象業務、今のやり方、うまくいったと判断する基準を用意します。受け取るのは要件定義書です。止める基準は「合格の基準が数字や件数で書けない」ことです。書けないまま本開発に進むと、後から「想定と違う」が出ます。
数字の決め方は、現場に聞くのが近道です。たとえば請求書の読み取りなら、1か月分の枚数を現場の担当者に聞き、そのうち何枚を人の修正なしで読み取れればよいかを決めます。
問い合わせ対応なら、回答案を作るところまでか、相手に送るところまでかを分けます。回答案は担当者が直せても、自動送信では誤りがそのまま相手に届きます。対象の業務名が同じでも、必要な確認や接続先は変わります。「担当者が回答案を確認して送る」のように、人が判断する場所まで書いておくと、試作で見るべき動きも揃います。
現場の担当者には、普段の処理だけでなく例外も説明してもらいます。情報が足りないとき、承認者が不在のとき、顧客から訂正が来たときにどうするかを確認します。例外をすべて自動化する必要はありません。今回は人に戻すと決め、その戻し方を要件に含めます。
確かめ方: 要件定義書を読んで、「作らないこと」が書かれているかを見ます。書かれていなければ、範囲の食い違いがまだ残っています。
② データ準備
使うデータを集め、使える形に整える工程です。発注側は、データの所在、提供してよい範囲、個人情報の扱いを用意します。受け取るのは、データの量と質の確認結果です。特許庁のIP BASEが述べるとおり、AIの精度は学習用データの量と質に左右されます。ここで足りないと分かったら続行を見直します。
データは、保存場所を伝えるだけでは渡したことになりません。項目の意味、更新する人、空欄の扱いも一緒に伝えます。たとえば同じ「完了」でも、受付の完了と請求の完了では意味が違います。現場の言葉を説明せずに渡すと、開発会社が別の意味で扱うおそれがあります。
提供前には、試作に必要な項目を絞り、見せてよい範囲を社内で決めます。受け渡し方法、閲覧できる担当者、作業後に返却・削除する対象も確認します。開発中に作られるデータの写しや作業記録をどう扱うかまで決めておくと、元データだけを片付けて写しが残る事態を防げます。
データの安全対策は、見積の前に次の5点を書面で確かめます。
| 確かめる点 | 聞き方 | 良い答えの例 |
|---|---|---|
| 渡す範囲 | 試作に必要な項目だけに絞れるか | 項目を限定し、個人情報は伏せた状態で渡せる |
| 保管と閲覧 | どこに置き、誰が見られるか | 保管場所と閲覧担当者を名前で示す |
| 外部サービスへの送信 | データがAIサービスの学習に使われないか | 送信先と利用条件を契約前に示す |
| 作業記録と写し | 開発中に作ったデータの写しをどうするか | 返却・削除する対象を一覧にする |
| 終了時の扱い | 契約が終わったらどうするか | 返却または削除の期限と確認方法を書く |
確かめ方: 「このデータで目的の精度が出る見込みはありますか。無理な場合、何が足りませんか」と聞きます。見込みを数字で答えられる会社は、データを見たうえで話しています。
③ モデル選定
使うAIの方式を決める工程です。発注側は、使えるツールの制約(情報を外部に出してよいか、社内に閉じるか)を用意します。受け取るのは方式の候補と選定理由です。理由が「流行っているから」だけなら、比較の根拠が足りません。
確かめ方: 同じ業務の例を使い、候補ごとの回答内容、処理の待ち時間、情報の扱いを比べてもらいます。説明が専門用語だけなら、「現場の担当者の作業はどう変わるか」に言い換えてもらいます。方式の名前よりも、選んだ理由と、採用しなかった候補の弱点が分かることが大切です。
④ 学習と評価
AIにデータを学習させ、精度を測る工程です。発注側は、評価に使う正解データを用意します。ここでの精度が合格ラインに届きそうかを見て、「続ける・条件を変える・止める」を決めます。
正解データを作るときは、社内でも答えが割れる例を分けておきます。担当者によって判断が違うままだと、AIの誤りなのか、業務ルールが未定なのかを区別できません。迷う例は現場の責任者に確認し、答えを決められない場合は、人に確認を求める動きも評価対象にします。
評価結果は、誤りの影響と合わせて読みます。回答の言い回しが不自然な場合と、金額や取引条件を取り違えた場合では、同じ誤りでも業務への影響が違います。修正の手間や見逃したときの影響を踏まえ、自動で進めてよい処理と、人の確認を残す処理を分けます。
確かめ方: 評価結果に、全体の正解率だけでなく「どんなときに間違えたか」の例が付いているかを見ます。間違い方が分かれば、業務で許せる誤りかを判断できます。
⑤ 実装・統合
AIを既存の業務の流れにつなぐ工程です。発注側は、既存システムの情報と社内の窓口を用意します。つなぎ込みで想定外の改修が出やすい工程なので、変更が出たときの扱い(追加費用か、範囲内か)を先に決めておきます。
確かめ方: 担当者が試作の画面で実際に試し、うまくいかない例も見せてもらいます。たとえば、つなぐ先のシステムが止まったときや、同じ依頼が2つ重なったときの動きです。画面に回答が出ることと、既存の業務に正しく記録されることは別です。途中で失敗した処理を誰が見つけ、どこから再開するかも確認します。本番(=実際の業務で使っている環境)につなぐ権限は、確認が済んだ作業に必要な範囲で渡します。
⑥ テスト・検収
検収とは、納品物が約束どおりかを確かめて受け取る手続きです。発注側が受け入れる工程で、合格ラインを契約の前に決めておくのが最も効きます。発注側は、検収用のデータと受け入れ担当者を用意します。受け取るのはテスト結果と検収報告です。合格ラインを満たさないまま納品されたら、受け入れず、直す期限を決めます。
確かめ方: 検収用データを、開発に使わなかった実際の業務データから別に取り分けてあるかを聞きます。開発に使ったデータで測った精度は、本番の精度を保証しません。
⑦ 運用
納品後に、AIが使われ続けるように見直す工程です。発注側は、運用担当者と問い合わせ窓口を用意します。運用や保守を契約に含めるかは会社ごとに違います。AIエージェントの保守にも、頻度と要否の考え方を書いています。
引き継ぎでは、開発会社の実演を見るだけで終えないようにします。社内の担当者が手順書を見ながら、入力内容の修正や、処理が止まったときの確認を試します。説明がないと進められなかった箇所を手順書に追記してもらえば、担当者が替わった後も使える資料になります。
また、納品物を受け取ることと、使い続けるための管理権限を持つことは別です。外部サービスの契約者、利用料を払う会社、設定を変更できる担当者を確認します。開発会社との契約が終わった後に、自社で変更できる部分と、引き続き依頼が必要な部分を分けておきます。
サポートの約束(対応の時間や範囲)は、次の4点を文章にしてもらいます。
- 問い合わせの窓口(メール・チャットなど)と受付時間
- 不具合の連絡から最初の返答までの目安時間
- 対応の範囲(不具合の修正だけか、精度の見直しや改修を含むか)
- 同じ種類の開発を、どんな業務で担当したことがあるか(件数や社名でなく、業務の種類で答えてもらう)
最後の1点は実績の確認です。社名を出せない場合も、業務の種類と、自社の業務との違いは説明してもらえます。
確かめ方: 納品後に不具合や精度の低下が見つかったとき、誰が・いつまでに・いくらで対応するかを、見積の段階で書面にしてもらいます。
AIエージェントに絞って、7工程ごとに発注側が決めることと受け取る物を見たい場合は、AIエージェント開発の外注|7工程の任せ方と月額費用の案件例も参考になります。
契約形態|請負と準委任の違いと「完成」の決め方
契約は、完成に責任を負う請負型と、作業を行うことに責任を負う準委任型に分かれます。AI開発では「どこまで結果を約束できるか」で選びます。
特許庁のIP BASE(2021年度掲載の解説・参照日: 2026年11月6日)は、2つを次のように説明しています。2021年度掲載の資料ですが、請負と準委任の定義は契約の基本の整理として読めます。
- 請負型: 「請負人が注文者に対し仕事の完成を約束し、その履行について法的な責任を負う契約」
- 準委任型: 「契約で合意された仕事を一定の水準、善良な管理者の注意のもと実施することに対して、対価と責任が発生する契約類型」で、「受任者は仕事の完成に対して、法的な責任を負いません」
言い換えると、準委任は、決めた作業を、専門家として当然守るべき注意を払って行う契約です。完成は約束しませんが、作業の質に責任がないわけではありません。
なお、診断・PoC(=小さな試作)・本開発という段階で見ると、選び方は次の図のとおりです。
結果が読めない段階は準委任、合格条件を書ける段階は請負も選べる
図の内容: 診断・PoC・本開発の3段階ごとに、準委任と請負のどちらが向くかを示した図。
この図は、IP BASEの定義から導いた考え方で、公的資料が段階別に推奨しているわけではありません。ただ、結果が読めない段階で請負を選ぶと、開発側が完成の責任を負います。そのため、見積に余裕が上乗せされたり、「完成」の定義で揉めたりしやすくなります。IP BASEも、成果完成型にする場合でも「何をもって『完成』とするのかは別途問題になりうる」と注意しています。
当社のAI専門家の契約は、準委任か請負のどちらでも組めます(請負は30万円から)。発注側は「完成の定義を契約に書いてほしい」と要求してかまいません。フェーズ別の選び方はAI導入の準委任と請負で、契約の注意点はAI準委任契約で詳しく書いています。
確かめ方: 「この契約で、完成とは何を指しますか。検収の合格ラインは文章でどこに書きますか」と聞きます。答えが「納品したら完成」だけなら、検収の基準を追加してもらいます。
AIの利用や生成物の扱いまで契約書に書く場合は、業務委託契約でAIの利用を定める7条項と準委任・請負の決め方も合わせて確認してください。
費用の目安|診断・試作・本開発で段階的に上がる
費用は、診断・要件定義、PoC、本開発の順に上がります。他社の調査値では、本開発の総額は小〜中規模で500〜1,500万円です。ここに載せる相場は他社記事の調査値で、当社の価格ではありません。
| 段階 | 他社調査値の幅 | 期間の目安(調査値) | 出典 |
|---|---|---|---|
| コンサル・要件定義 | 40〜200万円 | 1〜2か月 | ai-market.jp(2026年6月28日更新)ほか |
| PoC(小さな試作) | 100〜500万円 | 1〜3か月 | 同上 |
| AIモデルの本開発 | 1人月(=1人が1か月働く量)あたり100〜250万円 | 要件による | 同上 |
| システム開発 | 1人月あたり80〜200万円 | 要件による | 同上 |
| 総額(小〜中規模/大規模) | 500〜1,500万円/1,500万〜数千万円 | 要件による | 同上 |
本開発の金額は、1人月の単価に人数と月数を掛けて出します。プロベルの調査記事(probel.jp)では、チャットボットが200万〜500万円、業務自動化が500万〜2,000万円です(他社調査値)。いずれも調査元の数字で、調査元ごとに前提が違います。目安として読んでください。
ここからは、受託開発の相場とは別の、当社の事例です。AI専門家の業務委託は、開発会社への依頼ではなく、専門家個人を月単位で借りる契約で、月20〜36万円の案件があります。稼働は週1〜2回・月20時間から、標準期間は3〜4か月です。AI適用診断は2週間・本番非接続・現場同席で、ライト診断15万円、標準診断30万円(税別)です。本番化と保守は別契約です。診断の中身はAI適用診断の費用相場、費用全体の読み方はAI受託開発の費用相場に書いています。
費用を比べるときは、合計額と一緒に、金額が変わる条件を読みます。データの整理、既存システムへの接続、現場向けの説明が見積に含まれるかで、発注後に自社へ残る仕事は変わります。安く見える見積でも、必要な作業が別料金なら、同じ条件での比較にはなりません。
開発後の利用料も、本開発の金額とは分けて確認します。AIや外部サービスの利用料、保存先の費用、保守の費用について、何を使うと増えるかを聞きます。金額をまだ出せない項目は、その理由と見積が出る段階を記載してもらいます。これにより、試作の結果を見て続行を決めるとき、開発費だけで判断せずに済みます。
期間の目安は、上の表の調査値で見ると、要件定義が1〜2か月、PoCが1〜3か月で、本開発は要件によります。当社の例では、AI適用診断が2週間、AI専門家の標準期間が3〜4か月です。どれも調査値や事例であり、自社の業務に当てはまる期間は、要件定義の後に見積で確認します。
確かめ方: 見積が上の表のどの段階にあたるかを書き出します。要件定義の項目が無く、いきなり本開発の金額が出ている見積は、範囲が固まっていないおそれがあります。
業務の種類で見ると、頼み方の考え方は次のように変わります。個別の事例ではなく、一般的な整理です。
| 業務の種類 | 先に決めること | 検収で見る点 |
|---|---|---|
| 問い合わせ対応 | 回答案までか、送信までか | 誤った回答が出たときに人が止められるか |
| 書類・帳票の読み取り | 対象の書式の数と例外の扱い | 読み取りの誤りの種類と修正の手間 |
| 社内文書の検索・要約 | 参照してよい文書の範囲 | 閲覧権限の違う人に見せてよい内容だけが出るか |
| 需要や数量の予測 | 使う過去データの期間と項目 | 外れたときに業務で許せる幅 |
業種が違っても、先に決めるのは「どこまで自動にし、どこで人が確認するか」です。
受託開発の代わりになる手段|欠けている物ごとの次の一歩
受託開発に必要な物(目的・データ・仕様・運用担当)のどれかが欠けているときは、欠けている物ごとに次の手段へ進みます。そのまま頼むと、お金を使っても使われない物が残ります。
| 欠けている物 | 代わりの手段 | 具体例 |
|---|---|---|
| 目的 | 先に診断や整理から始める(AI適用診断) | 「AIで何かしたい」の段階では見積が出ないため、対象業務を1つに絞る |
| データ | データを集める段階から始める。またはデータが要らない手段を探す | 市販のチャット型AIで文章案を作る/業務ソフトの標準機能を使う |
| 安定した仕様 | 内製か、準委任での伴走にする(AI開発の内製化) | 仕様が毎週変わると、変更のたびに費用が出る |
| 運用する人 | 運用の担当を決める。または既製のサービスを使う | 納品後に誰も触れず止まるのを避ける |
確かめ方: 上の4つのうち1つでも当てはまる場合は、その解消を先にします。当てはまらないなら、次の早見表に進みます。
早見表|頼む前の確認10問
頼む前に、次の10問を開発会社に聞き、答えを比べます。
| 確認する質問 | 良い答え | NGの答え |
|---|---|---|
| 1. 手を動かすのは誰か | 担当者名と経験を示す | 「チームで対応します」だけ |
| 2. 合格ラインはどう決めるか | 検収データと基準を契約前に合意 | 「納品後に確認します」 |
| 3. データが足りない場合は | 続行・停止の判断点を示す | 「やってみないと分かりません」で終わる |
| 4. 要件定義は独立した工程か | 別の工程として見積に載る | 本開発に含まれて見えない |
| 5. 自社に残る物は何か | 設計書・設定・評価データの一覧 | 「納品物のみ」 |
| 6. 契約は請負か準委任か | 理由と「完成の定義」を説明 | 理由を説明できない |
| 7. 精度は保証されるか | 保証できない点と、代わりの条件交渉を説明 | 「必ず出ます」 |
| 8. 途中で止められるか | 工程ごとの止め方と費用を説明 | 一括前払いのみ |
| 9. 変更が出たときの扱い | 追加費用の基準が書面にある | その都度相談 |
| 10. 納品後の対応 | 運用・保守の範囲と費用を明記 | 範囲が書かれていない |
右の列のような答えが返ってきたら、すぐ外すのではなく、理由を聞いて答えを書面にしてもらいます。書面に残らない、または理由に納得できないときは、その会社を候補から外します。
7番目で「必ず出ます」と答える会社の説明は、IP BASEが述べるAIの精度の性質と合いません。聞いたうえで、答えが書面に残るかを確かめます。
今すぐ受託開発を頼まなくていい会社と、この記事に含まれないこと
次のいずれかに当てはまる会社は、受託開発を今すぐ頼まなくて構いません(代わりの手段は前の節のとおりです)。
- 目的や対象業務がまだ決まっていない
- 手元に使えるデータがほとんど無い
- 仕様が頻繁に変わる、または社内で長く改修したい
- 納品後に運用する担当者を置けない
この記事に含まれないことは、次の3つです。
- 会社の探し方・選び方・比較: AI受託開発会社の探し方、AI受託開発会社の選び方
- 見積の読み方・内訳: AI受託開発の費用相場
- 著作権と中途解約の注意点: AI準委任契約
Summary in English
Commissioned AI development (contract development) means paying an outside company to build an AI system. What you buy is time and specialist skill; what you give up is the know-how that would otherwise stay inside your company, and some freedom to change specifications. The article breaks the work into seven steps: requirements, data preparation, model selection, training and evaluation, implementation and integration, testing and acceptance, and operation. At each step the client prepares specific inputs, receives specific deliverables, and sets a stopping rule. On contracts, Japan’s Patent Office portal IP BASE (a FY2021 explainer, checked on November 6, 2026) says that under a work-for-completion contract the contractor promises completion and bears legal responsibility, while under a quasi-mandate contract the contractor does not bear legal responsibility for completion. The same page notes that AI accuracy depends on the amount and quality of training data and is hard to guarantee, yet urges both sides to negotiate conditions rather than assume that performance cannot be guaranteed. For cost, other companies’ survey figures put consulting and requirements work at 400,000 to 2 million yen, proofs of concept at 1 to 5 million yen, and a small-to-mid-size full build at 5 to 15 million yen in total. AI Expert’s own examples are a 150,000 yen light diagnosis and a 300,000 yen standard diagnosis (excluding tax), each taking two weeks without connecting to production systems. Commissioned development suits companies with a clear purpose, usable data, and someone to run the result.
まとめ|受託開発は「用意物と止める基準」を決めて頼む
- 受託開発は時間と専門性を借りる頼み方で、社内に残る知見と変更の自由度を手放す
- 失うものは、引き渡しの契約、要件定義の先行、検収の合意で小さくできる
- 開発は7工程。各工程の「用意する物・受け取る物・止める基準」を決めて頼む
- 請負は完成に、準委任は作業を行うことに責任を負う。AIの精度は保証が難しいため、検収の条件を文章にする
- 費用は段階的に上がる。他社の調査値は調査元で幅が違うため、自社の段階に当てはめて読む
次のアクションは、3つのうちどれか1つで構いません。
- 今日: 用意物の3行(データ・合格の基準・受け入れ担当者)をメモに書く
- 今週: 候補の開発会社がすでにあれば、早見表の10問を同じ文面で送る。まだなければ、まず1社に10問のうち3問だけ聞く
- 今月: 受託開発が向かない条件に当てはまるなら、先にその解消か代わりの手段を進める。当てはまらなければ、診断か要件定義から頼み、その結果を見て本開発の見積を取る
用意物や止める基準の決め方に迷う段階でも、当社の無料相談で一緒に整理できます。
次に読む
- 発注前に決める判断を知りたい → AI開発 受託|発注前に決める5つの判断と契約形態の選び方
- 任せる範囲と見積の確認点を知りたい → AI受託開発 外注|任せる範囲・契約形態・見積の確認5点
- 会社の探し方を知りたい → AI受託 開発会社|探す場所3つと4タイプ・絞り込み基準5つ
- 内製との分け方を知りたい → AI 開発 内製化|工程ごとの内製と外注の分け方5つの判断
更新履歴
- 2026-11-06: 初版公開。特許庁IP BASEの契約形態の解説と、他社調査値の相場を反映。
- 次回更新予定: 2027年2月(IP BASEの記述と、他社記事の相場の再確認)
本記事は2026年11月6日時点の特許庁IP BASEの解説と、他社記事の調査値・当社の事業資料に基づきます(公開日: 2026年11月6日)。契約の内容と費用は個別の見積と契約書で確認してください。
参考・出典
- 特許庁(IP BASE)「AI開発を受託する際の契約方式の選び方 請負型と準委任型」(2021年度掲載) https://ipbase.go.jp/learn/point/ai/page05.php(参照日: 2026年11月6日)
- 当社調査: 他社記事の段階別の相場(ai-market.jp〈2026年6月28日更新〉ほか)を、2026年6月28日〜7月17日に整理(調査元ごとに前提が違う目安)
- プロベルのAI開発費用に関する調査記事(probel.jp/promaga/b/1379/)の調査値(他社調査値)
- 当社資料: AI Expert 事業ファクトシート(2026年6月12日更新)。契約形態・月額・稼働・AI適用診断の価格
FAQよくある質問
- AI開発の受託開発とは、どこまでを任せることですか?
- 受託開発は、AIを作る工程(要件の整理から実装・テスト・引き渡し)を開発会社に任せる頼み方です。任せるのは「作る力」であり、何を作るか・どのデータを使うか・できた物を受け入れるかの判断は発注側に残ります。運用や保守を含めるかは契約で決まるため、見積の段階で範囲を書面にしてもらいます。
- AI開発を受託開発で頼むメリットとデメリットは何ですか?
- メリットは、専門性を必要な期間だけ借りられること、立ち上がりが速いこと、社内に開発体制を持たなくてよいことです。デメリットは、社内に知見が残りにくいこと、要件が曖昧だと費用と期間が延びること、精度の約束が難しいことです。デメリットは、用意物と止める基準を先に決めておくと小さくできます。
- 受託開発と内製では、どちらが向いていますか?
- 最初の1本を早く動かしたい場合や、社内にAI開発の担当者がいない場合は受託開発が向きます。長く改修を重ねる業務や、仕様が毎週変わる業務は内製のほうが向きます。工程ごとに分けて、作る部分は受託・運用と改善は社内、という組み合わせも選べます。
- 受託開発の請負と準委任は、どちらで頼むべきですか?
- 結果が読めない段階(診断・試作)は準委任、仕様と合格条件を文章にできる段階は請負も選べる、という考え方が基本です。特許庁のIP BASEは、請負型は仕事の完成に法的責任を負い、準委任型は完成に法的責任を負わないと説明しています。請負でも「何をもって完成とするか」は別に決める必要があります。
- 受託開発で精度や成果を保証してもらえますか?
- 精度の保証は難しい分野です。特許庁のIP BASEは、AIの精度は学習用データの量と質に依存し、未知の事象への推論精度の保証が難しいと説明しています。一方で「AIだから性能保証は難しい」と決めつけず、開発対象を踏まえて条件を交渉することが重要とも書いています。たとえば、検収用データと合格ラインを契約前に合意します。
- データが少ない場合でも受託開発を頼めますか?
- 頼めますが、いきなり本開発に進むのは避けます。精度は学習用データの量と質に左右されるため、まず診断や小さな試作で、手元のデータで何が確かめられるかを見るのが安全です。データがほぼ無い場合は、データを集める段階から始めるか、AI以外の手段を先に検討します。
- 受託開発の費用は、段階ごとにどれくらいですか?
- 他社記事の調査値(調査元ごとに前提が違うため目安)では、コンサル・要件定義が40〜200万円、PoC(=小さな試作)が100〜500万円、本開発の総額は小〜中規模で500〜1,500万円です。調査元によって幅が違うため目安として読みます。当社の事例では、AI専門家の業務委託が月20〜36万円、AI適用診断がライト15万円・標準30万円(税別)です。
- 受託開発に出すデータの安全は、どう確かめればよいですか?
- 渡す範囲、保管と閲覧する人、外部サービスへの送信有無、作業記録と写しの扱い、終了時の返却・削除の5点を、契約前に書面で確認します。試作に必要な項目だけに絞って渡すと、リスクを小さくできます。
- 受託開発の納品後のサポートは、何を確かめればよいですか?
- 問い合わせ窓口と受付時間、最初の返答までの目安、対応の範囲、同種の業務を担当した経験の4点を、見積の段階で文章にしてもらいます。保守を契約に含めるかは会社ごとに違うため、含まれない場合は別契約の費用も聞きます。
- いきなり本開発ではなく、まず何から頼めばよいですか?
- 最初は診断か要件定義から頼みます。当社のAI適用診断は、2週間・本番システムに接続しない形で、現場に同席して進めます(ライト15万円、標準30万円、税別)。診断の結果をもとに、作る範囲・使うデータ・止める基準を決めてから、試作や本開発の見積を取ります。


