AI 開発の費用は、5つの工程に分けると比べられます
見積の行を5つの工程に振り分けると、どの会社の見積にどの作業が含まれていないかが見えてきます。
| 工程 |
何に払うか |
見積書で確かめること |
| 1. 要件の整理 |
対象業務の調査、AI に任せる判断の範囲、評価の指標と中止の条件を決める作業 |
成果物が文書だけか、試作の画面まで含むか。評価の指標を誰が決めるか |
| 2. データ準備 |
データの収集・整形・ラベル付け、個人情報の加工、評価用のテストデータ作り |
社内データの抽出と加工を誰が行うか。テストデータの件数 |
| 3. モデル構築と評価 |
使うモデルの選定、プロンプトや追加学習の設計、テストデータでの評価 |
評価の回数と、指標が届かなかったときの扱い |
| 4. システム連携 |
既存システム・画面・権限管理・ログとの接続 |
連携先の数。ログの保存先と保存期間 |
| 5. 運用と改善 |
モデルの利用料、監視、保守、精度の確認、モデル更新への対応 |
月額か都度払いか。誰が監視し、誰が直すか |
工程を分けて読むのは、AI のシステムではモデルそのものより周りの仕組みのほうが大きくなりやすいからです。Google の研究者による論文は、実運用の機械学習システムのうち機械学習のコードが占めるのはごく一部で、その周りに要る基盤は広く複雑だと図で示しています(D. Sculley ほか(Google)「Hidden Technical Debt in Machine Learning Systems」NeurIPS 2015)。
見積の中で「AI モデル開発」の行が小さく、データ準備やシステム連携の行が大きくても、それ自体はおかしくありません。気をつけたいのは逆の形です。モデルの行だけが厚く、連携や運用の行が見当たらない見積は、後から追加の費用が出てくる余地を残しています。
見積書は工程ごとに、受け取るものと担当を確かめます
工程ごとに「何を受け取るか」と「誰が作業するか」が書かれていれば、各社の金額の差を説明できるようになります。書かれていない工程は、見積を頼んだ会社に質問として返してください。
要件の整理は、評価の指標と中止の条件まで決めます
要件の整理で受け取るべきものは、対象業務の範囲に加えて、何をもって「使える」とするかの指標と、届かなかったときに止める条件です。この2つが決まらないまま開発に進むと、検証のたびに基準が動き、作業の期間と費用が延びていきます。
見積書では、この工程の成果物が文書だけなのか、試作の画面やプロトタイプまで含むのかを見ておきましょう。動くものを見ながら決めるほうが、現場の担当者も判断に加わりやすくなります。
データ準備は、社内の作業時間も費用として数えます
データ準備の費用は外部に払う金額だけで終わらず、社内でデータを抽出し、個人情報を加工する担当者の時間もかかります。先の論文は「データへの依存はコードへの依存より費用がかさむ」という章を立てました。データの依存関係はコードと違い、静的な解析で見つけにくいというのがその指摘です(D. Sculley ほか(Google)「Hidden Technical Debt in Machine Learning Systems」NeurIPS 2015)。
政府機関向けのルールでも、学習データやテストデータの検証と改善は、契約の定めによって発注側ではなく事業者が行う場合もあり得るとしています(デジタル社会推進会議幹事会「行政の進化と革新のための生成AIの調達・利活用に係るガイドライン」2026年6月12日決定)。どちらが担うかは契約次第です。見積の前提条件の欄に、データの抽出と加工の担当が書かれているかを確かめてください。
モデル構築と評価は、評価の作業量で費用が変わります
既存の大規模言語モデルを組み込む開発では、モデルを一から学習させない分、費用を左右するのは使い方の設計と出力の評価です。同ガイドラインは、リリース前に利用目的と機能を踏まえたテストシナリオを作り、入出力を検証して、期待した品質を満たしているかを確かめるよう求めています。
見積で確かめたいのは、テストシナリオとテストデータを誰が作り、何件で評価し、何回まで直すのかという点です。評価の回数に上限が無い見積は、指標が届かないときに費用も止まらない形になっています。
システム連携は、権限とログの設計を含めます
AI を既存の業務システムにつなぐ工程では、画面や API の接続だけでなく、誰がどの情報にアクセスできるかの権限と、入出力の記録の設計が費用に入ります。同ガイドラインは、生成 AI システムの適正な利用を確かめるため、入力や出力、アクセス履歴のログを取得し管理する必要があるとしています。
ログの保存先と保存期間は、公開後の保存の費用にもつながる項目です。人事や顧客のデータを扱う業務なら、ログに個人情報が残る前提で、保存期間と閲覧できる人を見積の時点で決めておくと安全です。
契約形態によって、費用が増える場面が変わります
同じ作業でも、完成に払う契約か、作業の期間に払う契約か、月ごとに払う契約かで、費用が想定より増える場面が違います。
民法の定めでは、請負は仕事の完成を約束し、その結果に報酬を払う契約です。準委任は事務の処理を委ねる契約で、報酬は期間で定めることも、得られた成果に対して払うと定めることもできます(民法第632条・第648条・第648条の2・第656条)。
| 契約形態 |
何に払うか |
費用が増えやすい場面 |
発注側が決めておくこと |
| 請負 |
完成した成果物 |
精度の基準や対象業務が途中で変わり、追加の見積が出る |
検収の基準を、件数や正解率のように数値で書ける範囲に絞る |
| 準委任(期間・工数で払う) |
作業した期間・工数 |
検証が長引き、期間に比例して費用が増える |
報告の頻度と中身、中止を判断する時点 |
| 月額(保守・運用) |
毎月の運用と保守 |
処理件数や対象業務が増え、利用料と作業が増える |
月の上限額と、見直しの時期 |
経済産業省のガイドラインは、学習済みモデルの性質や効果が契約の時点では分からない場合が多いことを AI 技術の特性に挙げたうえで、開発を段階に分ける「探索的段階型」を想定し、段階ごとに秘密保持契約書、導入検証契約書、ソフトウェア開発契約書のモデル契約を示しました(経済産業省「経済産業省におけるAI・データ契約ガイドラインの検討状況について」2018年5月)。
費用の面から見ると、段階ごとに区切って発注すれば、PoC で見込みが無いと分かった時点で、次の段階の費用を払わずに止められます。最初から全工程を一括で請負にすると、この止めどころが契約から消えてしまうので注意が必要です。
契約の条文で何を決めるかは AI 開発の契約で決めておく6項目の記事 で、PoC から本開発に進むかの判断の仕方は PoC で止めない進め方の記事 で扱っています。
Offers AX は、動くもので効果を確かめてから本実装に進みます
Offers AX の進め方は、本実装の費用をかける前に、数週間で作るプロトタイプを実際の業務で試し、効果を測ってから次に進む形です。最初に6つの領域を5段階で診断し、最も低い領域から着手の順番を決めたうえで、課題の調査とユースケースの選定を経てプロトタイプを作ります。
要件定義書ではなく、動くもので合意するのが前提です。「何をもって使えるとするか」を画面を見ながら発注側と同じ数字で確かめ、効果が出ない場合に中止を選べることも、最初から契約の前提に含めています。
構築は原則としてお客様の既存環境で行い(GCP・Azure・AWS のいずれにも対応)、当社の環境に顧客データを抱えません。契約が終わっても、資産はお客様の環境に残る形です。内製化支援では、引き継ぎドキュメントの整備と社内の運用体制の設計を最初から組み込んでいるため、公開後の監視や精度の確認を社内で担う形も選べます。
Offers AX のサービス内容を見る
見積の工程の分け方や、公開後の運用を社内とベンダーのどちらで持つかを相談したい場合は、無料相談を申し込む からお問い合わせください。
公開後も続く費用は、3つに分けて最初の見積に入れます
公開後には、モデルの利用料、監視と保守、精度の確認の3つがかかり続けるので、初期の開発費と同じ見積に並べておくのが確実です。
先の論文は、機械学習システムの開発と公開は比較的速く安く済む一方で、長く保守し続けるのは難しく費用もかかる、という傾向を冒頭で挙げています(D. Sculley ほか(Google)「Hidden Technical Debt in Machine Learning Systems」NeurIPS 2015)。初期費用だけで稟議の承認を得ると、運用が始まった後に予算を取り直すことになり、その間に監視や改善が止まる恐れがあります。
| 続く費用 |
中身 |
増える要因 |
最初の見積で決めること |
| モデルの利用料 |
API の従量課金、クラウドの計算資源 |
処理件数、1件あたりの文字量、モデルの変更 |
月の想定件数と上限額 |
| 監視と保守 |
稼働の監視、不具合や脆弱性への対応、連携先の変更への追従 |
連携先の数、モデル提供元の更新 |
担当(ベンダーか社内か)と対応する時間帯 |
| 精度の確認 |
出力のサンプル点検、テストデータでの再評価、プロンプトの見直し |
業務ルールの変更、モデルの更新 |
確認の頻度と、基準を下回ったときの対応 |
政府機関向けのガイドラインがリリース後の提供者の取り組みとして挙げるのは、出力が期待した品質を満たしているか、不適切な生成やバイアスが無いかを監視し、利用ログのサンプルチェックなどで確かめることです。生成 AI モデルの大きな更新や大規模な追加学習があったときは、目的・用途とコストの関係も考えながら、品質やセキュリティ対策、必要なコストの変化などを確かめてから提供を始めるよう求めています(デジタル社会推進会議幹事会「行政の進化と革新のための生成AIの調達・利活用に係るガイドライン」2026年6月12日決定)。
モデルの更新は提供元が出すもので、発注側が日程を選べるとは限らない点に注意してください。保守の見積に「モデル更新時の再評価」を1行入れておけば、更新のたびに追加の発注を待たずに対応できます。
モデルの利用料は、処理件数と文字量で試算できます
API で使う生成 AI の利用料は、入力と出力のトークン(文字量の単位)の数に単価を掛けて決まるため、月の処理件数と1件あたりの文字量が分かれば試算できます。
一例として Anthropic の公開料金では、Claude Sonnet 5.5 の単価が100万トークンあたり入力2ドル、出力10ドルで、出力は入力の5倍です。急がない処理をまとめて送る Batch API を使うと、入力・出力とも50%割り引かれます(Anthropic「Pricing」2026年11月1日時点)。
この単価に当てはめて計算してみます。1件あたり入力2,000トークン・出力500トークンの処理を月1万件行うなら、入力は2,000万トークンで40ドル、出力は500万トークンで50ドル、合わせて月90ドルです。件数が10倍になれば利用料も10倍になるので、見積には単価と想定件数を分けて書いてもらい、件数が増えたときの金額を自社で計算できる形にしておきます。
気をつけたいのは、同じ文章でもモデルによってトークン数が変わる点です。同じ料金表には、Claude 4.7 以降のモデルは新しいトークナイザーを使い、同じ文章でおよそ30%多くのトークンになるという注記があります。為替の変動で円の支払額が動くことも、ドル建ての料金ならではの要素です。
モデルを替えると単価とトークン数の両方が動くため、利用料の見積は一度出して終わりにせず、モデルを替えるたび、また料金表が改定されるたびに試算し直す前提で置いてください。
見積を依頼する前に、社内で5つをそろえます
ベンダーに見積を頼む前に次の5つを社内でそろえておくと、各社の見積が同じ前提で出てきます。
- 対象業務と、AI に任せる判断の範囲(人が最終判断する場面を含む)
- 使えるデータの一覧と、個人情報・機密の有無、社外に渡してよい範囲
- 「使える」とする評価の指標と、中止する条件
- 想定する月の処理件数と、1件あたりの入力・出力の量
- 公開後の監視・保守・精度の確認を、社内とベンダーのどちらが担うか
4があれば利用料を試算でき、5があれば運用の見積に何を含めるべきかが決まります。見積が届いたら、5つの工程と公開後の3つの費用の表に各社の行を書き写し、空いている欄を質問にして返してください。比較の抜けが埋まり、稟議の資料もその表から作れます。
AI エージェントのように業務の手順ごと任せる開発では、工程の分け方と続く費用の中身がもう少し複雑になるため、開発の進め方と発注の仕方は AI エージェント開発の記事 で、全社の AI 導入の進め方は AX 戦略のカテゴリ で扱っています。