Blog中小企業のAI開発・保守依頼ガイド｜費用相場、契約範囲、会社選びを徹底解説

AIを活用した業務効率化や問い合わせ対応の自動化を検討する中小企業にとって、課題は「開発できるか」だけではありません。導入後に回答品質が落ちた、APIの仕様変更で止まった、担当会社を変えられない、といった問題を避けるには、依頼前から保守・契約・移管まで設計する必要があります。

本記事では、AI開発を依頼する際の費用の考え方、保守に含めるべき作業、委託先の比較方法、RFPや契約の確認項目を実務向けに整理します。経営者や情報システム担当者が、見積もり比較や稟議に使える形で解説します。

中小企業でもAI開発・保守は一括で依頼できる｜先に確認したい3つの条件

中小企業でも、AIの企画、開発、導入、運用保守をまとめて外部へ依頼できます。ただし、委託先に任せれば自動的に成果が出るわけではありません。進めやすいのは、①対象業務がある程度明確である、②利用できるデータを確認できる、③社内で意思決定と運用判断を担える、という3条件がそろう場合です。

AIに詳しい担当者を社内に置く必要は必ずしもありません。しかし、現場の業務を知る責任者、費用対効果を判断する決裁者、情報の取り扱いを判断する担当者は必要です。委託先は技術と実装を担い、社内は業務への適合性と利用ルールの判断を担う。この分担が出発点になります。

外注に向くケース・向かないケースを「業務の標準化・データ・運用責任」で見分ける

外注に向くのは、例えば「紙の注文書を読み取りExcelへ転記する」「社内規程を検索して回答する」「問い合わせの一次対応を自動化する」など、対象業務・入力・期待する出力を説明できるケースです。業務に例外があっても、頻度や判断者を整理できれば、段階的な導入を検討できます。

一方で、「とにかくAIを入れたい」「何を自動化したいか決まっていない」状態では、本開発を急がないほうが安全です。現行フロー、作業時間、ミス、利用データ、例外処理を棚卸しし、小さく検証できるテーマを選びます。データが紙・PDF・Excelに分散している場合は、AI開発より先にデータ化や入力ルールの統一が必要になることもあります。

導入後に誰が「この回答は業務上使えるか」「データを更新してよいか」を決めるかも重要です。運用責任者が不在だと、精度改善やルール変更が止まり、使われない仕組みになりがちです。

「開発を頼む」のではなく「運用責任をどこまで任せるか」を決める

AI開発の依頼では、納品範囲だけでなく、導入後の責任分界を明確にします。委託範囲は、稼働監視、障害対応、権限管理、データ更新、回答品質の評価、プロンプト修正、モデルやAPIの変更確認、利用者からの問い合わせ対応まで分解して確認します。

社内に残すべき役割は、業務ルールの承認、回答内容の業務上の妥当性判断、機密情報の取り扱い判断、改善の優先順位決定です。委託先に任せる範囲と社内承認が必要な範囲を、契約前に表で整理すると認識のずれを防げます。

依頼方法別に見るAI導入の選択肢｜SaaS・API活用・個別開発・既存システム連携

AI導入は、必ずしもゼロからの個別開発が必要ではありません。目的、業務固有性、既存システムとの連携要否、予算に応じて方式を選びます。

• SaaS活用：文書作成、要約、議事録、汎用的なチャット活用などに向きます。導入は早い一方、機能やデータ管理はサービス仕様に左右されます。
• API活用：生成AIをメール、社内ポータル、問い合わせフォームなどに組み込みます。業務に合わせた画面や処理を作れますが、API利用料や連携部分の保守が必要です。
• 個別開発：固有の業務フロー、複数のデータ源、独自の権限管理が必要な場合に適します。設計の自由度が高い分、保守対象も増えます。
• 既存システム連携：顧客管理、受発注、在庫、基幹システムとつなぎ、回答・登録・通知までを業務フローに組み込みます。連携先の仕様変更や権限管理も保守対象になります。

判断に迷う場合は、最初にSaaSや小規模なAPI活用で業務効果を確かめ、必要性が明確になった部分だけ個別開発へ広げる方法が現実的です。

生成AIと機械学習では、保守で管理すべき対象が異なる

生成AIの社内FAQやRAG（社内文書を検索して回答の根拠にする仕組み）では、回答品質、プロンプト、参照文書、検索設定、ユーザー権限、LLMやAPIの仕様変更を継続管理します。古い規程を参照していないか、根拠のない回答をしていないかも確認対象です。

一方、需要予測、異常検知、画像判定などの機械学習では、学習データと本番データの変化、予測精度、再学習の必要性、推論環境を見ます。両者を同じ「AI保守」として一括りにせず、対象技術に合わせた保守計画を見積もりに含めることが重要です。

AI開発・保守の費用相場｜初期費用だけでなく年間総額で比較する

AI開発の費用は、用途、データの整備状況、既存システム連携、求める精度、セキュリティ要件で大きく変わります。小規模な検証から、複数部門や既存システムと連携する本格導入まで、必要な設計・開発・運用の範囲によって見積額は変動します。金額だけを先に比べるのではなく、何を実現し、どこまで保守する費用なのかを確認することが大切です。

初期費用だけで比較すると、導入後の負担を見落としやすくなります。クラウド利用料、API従量課金、保守、データ更新、品質改善、社内教育、追加改修などは継続して発生します。年間総額、できれば導入後2〜3年の見通しで比較しましょう。

見積書を5つに分解する：要件定義・開発・環境・保守・改善

見積もりは次の5項目に分けて確認すると、安く見える提案の抜け漏れを発見しやすくなります。

1. 要件定義：業務課題、KPI、データ、連携、権限、受入基準を整理する費用です。
2. 開発：PoC、画面、AI連携、検索機能、テスト、導入支援などです。
3. 環境：クラウド、データベース、検索基盤、監視、外部APIなどの初期設定・利用料です。
4. 保守：障害対応、監視、軽微な設定変更、問い合わせ対応などです。
5. 改善：精度評価、データ整備、プロンプト改善、再学習、新機能追加などです。

各項目について、成果物、含まれる作業、除外条件、従量課金の有無、追加費用の発生条件を明記してもらいましょう。

月額保守の3モデル：監視中心・品質改善込み・時間外対応あり

月額保守は、金額より範囲で比較します。監視中心の契約は、稼働確認、障害一次対応、定期バックアップなどが主な対象です。品質改善込みの契約では、回答ログや失敗例を確認し、文書・プロンプト・検索設定を調整します。時間外対応ありの契約は、夜間・休日の受付や優先対応を含む場合があります。

再学習、大量の文書整理、新しい業務への展開、画面刷新、連携先追加は追加開発になることが一般的です。「月額内で何時間まで」「何件まで」「どの障害レベルまで」を必ず確認してください。

稟議に使える年間TCO・ROIの試算テンプレート

年間TCO（総保有コスト）は、導入形態に応じて項目を追加・削除する前提で、次のように整理できます。

年間TCOの試算例＝初期費用＋年間クラウド・API費＋年間保守費＋改善費＋社内運用人件費＋教育・セキュリティ関連費

ROIは、本記事での簡易試算として、（年間削減効果＋年間増収効果−年間TCO）÷年間TCOと置けます。ただし、これは会計・投資評価上の正式な定義ではなく、稟議時に効果とコストを比較するための考え方です。削減効果は「月間削減時間×人件費単価×12か月」のように前提を明示します。売上効果は過大に見積もらず、問い合わせ対応率や商談化率など確認可能な指標で段階的に評価しましょう。

PoCでは、精度だけでなく、利用者が実際に使えるか、現場の確認負荷が許容範囲か、本番運用費を払っても効果が残るかを評価し、本番移行の条件を事前に決めます。

AI保守で委託すべき作業｜障害対応だけでは足りない品質・データ・APIの運用

AI保守は、サーバーが動いているかを見るだけでは不十分です。AIは、参照データ、利用者の質問、外部サービスの仕様、業務ルールの変化によって品質が変わります。保守契約では、可用性、品質、データ、外部サービス、利用定着の5領域を扱うと整理しやすくなります。

• 可用性・セキュリティ：稼働監視、障害対応、権限、監査ログ
• AI品質：回答・予測の評価、失敗例分析、改善提案
• データ：文書更新、前処理、版管理、索引の更新
• 外部サービス：LLM・API・クラウド仕様変更の影響確認
• 利用定着：利用ログ、質問傾向、教育、問い合わせ対応

生成AIの保守：回答品質、プロンプト、検索データ、モデル変更を管理する

RAG型の社内検索では、PDFの文字化けや古い規程の混入が回答品質を下げます。文書の作成日・版・対象部署などのメタデータを管理し、更新・削除を検索データへ反映する手順が必要です。回答が根拠を示せるか、根拠が不足する場合に回答を控える設定になっているかも確認します。

プロンプトや検索設定を変えると、回答形式や精度が変化します。そのため、変更履歴、評価質問、テスト結果、承認者を残します。モデルやAPIの変更時には、品質、応答速度、コスト、既存機能への影響を検証し、必要に応じて切り戻せる状態にしておくと安全です。

機械学習AIの保守：精度監視、データドリフト、再学習の判断基準

機械学習では、運用開始時に精度が良くても、季節変動、商品構成、設備状態、入力方法の変化によって予測が外れやすくなることがあります。これを把握するには、正解データとの比較、誤判定の分類、入力データの分布変化を定期的に確認します。

再学習は自動で行えばよいものではありません。再学習の実施条件、使うデータ、評価方法、承認者、本番反映前のテスト、問題発生時の戻し方を決めます。精度の許容値は業務リスクによって異なるため、発注側と委託先で合意しておくことが必要です。

保守に含まれる変更と、追加開発として見積もる変更の境界

既存機能の監視、軽微な設定変更、定例のデータ反映、合意済みの評価作業は保守に含める設計が考えられます。一方で、新しい業務の追加、対象部署の拡大、新規システム連携、大量データの再整備、画面の大幅改修、構成変更は追加開発として扱うのが一般的です。

曖昧なまま契約すると、「改善のつもりで頼んだ作業」が都度見積もりになったり、反対に無償対応への期待が生じたりします。変更依頼から見積、承認、テスト、本番反映までの流れを契約時に定めましょう。

保守契約・SLAの比較表｜止めないために決める対応時間と品質指標

SLAは、問題が起きたときに「どの水準で対応するか」を合意するものです。24時間365日対応が必要とは限りません。中小企業では、業務時間内に確実に連絡が取れ、重要障害の連絡・判断・復旧手順が明確であることのほうが実用的な場合もあります。

提案を比較する際は、受付時間、連絡経路、一次回答時間、復旧目標、対象外時間、時間外費用、定例報告、品質改善の有無を同じ表で並べます。「問い合わせは受け付ける」と「復旧作業を開始する」は異なるため、言葉の定義も確認してください。

障害レベル別の連絡・一次回答・復旧目標を明文化する

障害レベルは、業務影響で分類します。例えば、全利用者が使えず基幹業務が止まる状態を最優先、代替手段があり一部機能だけ使えない状態を中優先、表示崩れや改善要望を低優先とします。

• 最優先の取り決め例：連絡先、受付方法、一次回答目標、暫定回避策、復旧目標、経営層への報告基準
• 中優先の取り決め例：影響範囲、対応開始目標、計画修正の扱い
• 低優先の取り決め例：次回保守、月次改善、追加開発のいずれで扱うか

障害レベルと各目標値は、業務への影響や運用体制に応じて契約当事者間で合意します。復旧目標は、完全復旧だけを意味しません。代替手段の提示、機能停止による影響遮断、前バージョンへの切り戻しも含めて定義します。

月次報告で追うべきAI運用KPI：稼働率だけでなく品質と利用定着を見る

月次報告では、稼働率や障害件数に加えて、AIが業務に役立っているかを確認します。生成AIなら、回答件数、根拠提示率、有人引き継ぎ率、未回答・不適切回答の件数、利用部門別の利用率を見ます。機械学習なら、予測誤差、誤検知・見逃し、データ欠損、再学習候補を追います。

API利用量と費用、利用者からの改善要望、教育実施状況も合わせて確認します。品質、コスト、利用定着を一体で見ることで、使われない高機能システムへの投資を防げます。

セキュリティ・個人情報・AI出力のリスクを保守運用に組み込む

AIの安全な利用は、導入時の設定だけで完結しません。AI事業者ガイドラインでも、技術や利用状況の変化に応じて対策を見直す考え方が示されています。IPAが案内するAI事業者ガイドラインも参照しながら、業務に合わせたルールと保守手順を整備しましょう。

委託先との契約では、アクセス権限、ログの閲覧者と保存期間、再委託の有無、障害・漏えい時の連絡、契約終了時のデータ返却・削除を確認します。AIサービスの入力データを学習に利用するか、どこに保存されるか、どのように削除されるかは、利用するサービスごとの契約条件で確認が必要です。

生成AIに入力してよい情報・禁止する情報を業務別に決める

情報を「公開情報」「社内限定情報」「個人情報」「営業秘密」「認証情報」などに分類し、社内規程や利用サービスの契約条件に基づいて生成AIへの入力可否を定めます。特に認証情報や秘密情報は原則として入力しないなど、厳格に管理することが重要です。

社内文書を扱う場合も、誰がどの文書を検索できるかを権限で制御します。重要な出力は人が確認し、顧客への送信、本番データへの登録、契約判断などをAIの自動出力だけで確定しない運用にします。著作権、誤情報、差別的表現などのリスクを含め、レビューと承認の記録を残しましょう。

AI開発会社・保守委託先の選び方｜価格以外の8項目で採点する

開発会社の比較は、見積総額だけでは不十分です。以下の8項目を100点満点の評価表にし、自社の重要度に応じて配点を変えると判断しやすくなります。

1. 類似業務・本番運用の実績
2. 自社業務への理解と現場ヒアリング力
3. データ整備、権限、連携への対応力
4. AI技術・構成の説明力と代替案
5. 保守体制、窓口、障害対応の明確さ
6. セキュリティと委託先管理
7. 見積もりの透明性と変更条件
8. 事業継続性、成果物の移管性、引き継ぎ支援

認証の有無だけで安全性を判断するのではなく、認証の対象範囲、アクセス制御、再委託、インシデント対応を具体的に質問しましょう。ISMSなどの適合性評価制度は確認材料の一つですが、実運用の品質を保証するものではありません。

提案書で見抜く「開発会社」と「長期運用パートナー」の違い

開発中心の提案は、機能、画面、納期、納品物に重点が置かれます。これ自体は悪いことではありませんが、AI活用では導入後の品質管理が重要です。長期運用を意識する提案では、業務KPI、評価方法、データ更新、障害時の対応、運用担当者への教育、終了時の引き継ぎまで触れられています。

提案の場では、「精度が下がった場合の調査手順は何か」「API料金が増えた場合にどう通知するか」「担当者交代時に誰が引き継ぐか」「他社へ移すとき何を渡せるか」を質問してください。回答が具体的で、前提や対象外も説明できる会社は、運用の現実を理解している可能性が高いといえます。

見積もり依頼を成功させるRFP・比較表｜保守前提で伝えるべき情報

複数社から見積もりを取る際は、同じ前提を渡さなければ公平に比べられません。RFP（提案依頼書）は大規模な文書でなくても構いません。目的、対象業務、現行課題、必要機能、連携先、データ、運用条件をA4数枚程度で整理するだけでも提案の精度が上がります。

最低限、対象ユーザー、利用頻度、業務フロー、現行の作業時間、例外処理、保有データの形式・量・更新頻度、個人情報の有無、希望時期、予算の考え方、必須要件と任意要件を伝えます。PoCを行う場合は、検証期間、利用者、成功条件、本番移行の判断者も記載します。

見積比較表に入れるべき20項目：金額・保守範囲・移管性を同じ条件で比べる

比較表には、①初期費用、②月額・年額保守、③API・クラウド従量費、④見積対象範囲、⑤ユーザー数、⑥データ量、⑦機能、⑧連携、⑨インフラ、⑩セキュリティ、⑪テスト、⑫納品物、⑬納期、⑭体制、⑮受付時間とSLA、⑯障害・改修範囲、⑰精度評価・再学習、⑱追加費用条件、⑲終了時のデータ・コード移管、⑳前提条件・評価方法を入れます。

金額の大小ではなく、同額で何が含まれているか、対象外の作業は何かを比較します。特に「API費は別途か」「データ整備は誰が担うか」「品質改善は月額内か」「移管支援は有償か」を見落とさないでください。

AI開発・保守の見積もりを比較したい方へ

エイムハックでは、業務課題の整理からAI活用の検討、プロトタイプ開発、既存システムの保守まで対応しています。仕様が固まっていない段階でも、保守を見据えた進め方をご提案します。

AI開発・保守について相談する

契約とベンダーロックイン対策｜解約しても業務を止めない引き渡し設計

ベンダーロックインとは、特定の開発会社に依存し、他社への移管や自社での改修が難しい状態です。完全に依存をなくすことは現実的でない場合もありますが、依存の度合いを可視化し、移管可能な状態を契約と運用で維持することはできます。

契約では、契約期間、自動更新、解約予告、責任分界、再委託、秘密保持、個人情報の扱い、知的財産権、検収、保証・免責に加え、終了時のデータ・設定・成果物の引き渡し範囲を確認します。法律的な条項の妥当性は、必要に応じて専門家へ相談してください。

自社名義で持つべき資産：クラウド、API、ドメイン、データ、ソース、設計書

可能な範囲で、クラウドアカウント、API契約、ドメイン、ソースコードの保管先、業務データは発注者名義または発注者が管理者権限を持つ形にします。委託先が運用権限を持つことと、委託先名義でしかアクセスできないことは別問題です。

引き渡し対象には、ソースコードだけでなく、要件定義書、設計書、インフラ構成図、環境変数の管理方法、プロンプト、検索データの作成手順、評価データ、運用手順書、障害履歴を含めます。コードだけでは、次の担当者が安全に運用できません。

定期的な移管テストで「引き継げるはず」を検証する

移管可能性は、契約書に書くだけでは確認できません。契約・運用方針で定めた頻度で、アカウント、ソース、設定、手順書、バックアップから、別担当者でも環境を確認・再現できるかを棚卸しします。すべてを本番で再構築する必要はありませんが、不足している権限や資料を早期に発見できます。

このテストを実施するか、どこまで委託先が支援するか、費用をどうするかは契約時に合意しておくとスムーズです。

補助金に頼り切らない年間資金計画｜導入後2〜3年の運用費を先に確保する

補助金・助成制度は初期投資を抑える選択肢になり得ますが、採択や対象経費は保証されません。制度名、対象者、対象ツール、申請要件は年度・申請枠によって変わるため、必ず最新の公募要領を確認してください。

資金計画では、補助対象となる初期費用だけでなく、2〜3年分の保守、クラウド、API、セキュリティ、データ整備、改善開発、教育、予備費を年度ごとに積み上げます。補助金が終了した後も払える運用費かどうかが、継続利用の条件です。

導入効果は、削減時間、入力ミス、問い合わせ対応率、資料作成時間など、業務ごとのKPIで月次確認します。効果が不十分なら、利用者教育、対象業務、データ、プロンプト、業務ルールのどこに原因があるかを見直し、改善か停止かを判断します。

中小企業のAI外注で起きやすい失敗と、保守開始前の回避チェック

よくある失敗は、「AI導入」が目的になり、業務課題と効果測定が曖昧なまま開発を始めることです。次の項目を保守開始前に確認しましょう。

• 対象業務、利用者、削減したい作業、KPIが明確か
• 入力データの欠損、表記揺れ、権限、個人情報を棚卸ししたか
• PoCの成功・中止・本番移行の基準を事前に決めたか
• 初期費用だけでなく、年間TCOと追加費用条件を確認したか
• 品質評価の責任者と、改善の承認者が社内にいるか
• SLA、連絡手段、時間外対応、障害時の暫定対応を合意したか
• アカウント名義、管理者権限、成果物、移管条件を確認したか
• 利用者教育、入力禁止情報、出力確認手順を整備したか

AIは導入後に育てる仕組みです。小規模な業務から始め、利用実態と品質を見ながら対象を広げるほうが、過剰な投資や現場の混乱を避けやすくなります。

まとめ｜AI開発の依頼先は「作れるか」より「保守・移管まで続けられるか」で選ぶ

中小企業がAI開発を依頼する際は、機能や初期費用だけでなく、導入後の品質維持、データ更新、API変更、障害対応、利用定着、移管までを一つの計画として比較することが重要です。

まずは対象業務とKPIを絞り、SaaS、API活用、個別開発、既存システム連携のどれが適するかを検討します。その上で、年間TCO、保守範囲、SLA、追加開発の境界、成果物の帰属、自社名義のアカウント管理を見積もりと契約に反映させます。

AIに詳しい人材が社内にいなくても、業務責任者と意思決定者が関わり、技術パートナーと役割分担できれば導入は進められます。重要なのは、納品時ではなく、数年後も安全に使い続け、必要なら乗り換えられる状態を最初から作ることです。

中小企業のAI開発・保守依頼に関するよくある質問

AI人材が社内にいなくても依頼できますか？

依頼できます。ただし、現場業務を説明できる担当者、業務上の正確性を判断する責任者、情報の取り扱いを判断する担当者は社内に必要です。技術選定や実装、運用支援は委託先に任せつつ、業務判断は自社が担う形が基本です。

保守費は開発費の何％を見込めばよいですか？

一律の割合で判断するのは危険です。AIでは、API利用量、データ更新、精度改善、再学習、対応時間、既存システム連携の有無によって費用が変わります。開発費に対する比率ではなく、保守範囲と年間TCOを見積書上で確認してください。

生成AIの回答精度が下がった場合、保守で改善できますか？

原因が参照文書の古さ、検索設定、プロンプト、モデル・API変更などであれば、改善できる可能性があります。ただし、どこまでを月額保守に含めるか、データ整備や大規模な再設計を追加開発とするかは契約によって異なります。

契約終了後に他社へ保守を移管できますか？

可能かどうかは契約と資産管理の状態に左右されます。ソースコード、設定情報、データ、プロンプト、評価データ、設計書、運用手順書を受領できるか、クラウドやAPIが自社名義か、引き継ぎ支援が契約に含まれるかを事前に確認してください。