AI 開発は、精度が事前に分からないので段階ごとに区切って進めます
AI 開発の期間を最初に確定できないのは、作ってみるまで精度が分からないからです。AI 技術の特性として、学習済みモデルの性質・効果が契約締結時に不明瞭な場合が多いこと、その性質・効果が学習用データセットによって左右されることが挙げられています(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)。
通常のシステム開発は、要件を固めてから設計と実装に進み、決めた機能ができたかどうかで完成を確かめる流れです。AI 開発では同じ要件でも、渡すデータの量と質で結果が変わります。「この精度のモデルを何月までに」と最初に約束しても、根拠のある約束にはなりにくいのです。
同じ資料は、開発方式としてウォーターフォール型と非ウォーターフォール型の両方を整理したうえで、段階ごとに区切る「探索的段階型」の開発手法と、それに沿ったモデル契約を示しました。そのモデル契約は、ベンダが成果物の完成義務や性能の保証を行わない案です。
性能の保証が無い以上、期間を管理する役目は発注側に残ります。段階の切れ目ごとに、続けるか、範囲を変えるか、やめるかを選ぶのは発注側の仕事です。
契約形態と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、ガイドラインの成り立ちと位置づけは用語集のAI・データの利用に関する契約ガイドラインで扱っています。
4つの段階ごとに、成果物と次へ進む条件を決めます
各段階で発注側が決めるのは、その段階で受け取るものと、次の段階に進む条件の2つです。下の表の「目的」と「主な成果物」はガイドラインの整理をそのまま載せ、右の2列はそれを発注側の作業に置き直しました(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)。
| 段階 |
目的 |
主な成果物 |
発注側が決めること |
次へ進む判断 |
| アセスメント |
一定量のデータを用いて学習済みモデルの生成可能性を検証する |
レポート等 |
対象の業務、渡すデータのサンプル、秘密保持の取り決め |
使えるデータがあり、PoC で確かめる価値があるか |
| PoC |
学習用データセットを用いてユーザが希望する精度の学習済みモデルが生成できるかどうかを検証する |
レポート等 |
精度の指標と合格の値、テストデータの件数、中止の条件 |
合格の値に届いたか。届かなければ範囲を変えるか、やめるか |
| 開発 |
学習済みモデルを開発する |
学習済みモデル等 |
接続する既存システム、権限、ログ、受け入れのテスト |
受け入れのテストに合格し、業務で使う準備が整ったか |
| 追加学習 |
ベンダが納品した学習済みモデルについて、追加の学習用データセットを使って学習をする |
再利用モデル等 |
誰が精度を見張り、いつ学習し直すか |
精度が基準を下回ったか、業務やデータが変わったか |
この整理には、段階ごとの標準の期間は載っていません。期間は各段階の中身で決まり、延びやすい場所も段階ごとに異なる点に注意が必要です。
アセスメントは、データを社外に出す手続きで止まりやすい段階です
アセスメントで時間を取られやすいのは、検証そのものより、データをベンダーに渡すまでの社内の手続きです。人事や顧客のデータを含むなら、渡してよい項目、個人情報の加工の方法、秘密保持の契約を決めてからでないと検証が始まりません。
この段階の成果物はレポートで、動くものは手元に残らない前提です。レポートで何が分かれば PoC に進むのか(使えるデータの量、欠けている項目、整備に要る作業)を最初にベンダーへ伝えておくと、段階の終わりで迷わずに済みます。
PoC は、合格の基準が無いと繰り返しになります
PoC の期間を決めるのは、検証の作業量より、合格の基準が着手前に決まっているかどうかです。基準が無いまま始めると、結果が出るたびに「データを足せばもう少し上がるかもしれない」と検証を延ばす判断が続きます。
着手前に決めるのは、何の指標を何件のテストデータで測り、いくつ以上なら開発に進むか。そして、届かなかったときにいつやめるかです。PoC を本番につなげるために前もって決めておくことは、AI の PoC で止まらない進め方の記事にまとめています。
開発は、モデルより周りの仕組みに時間がかかります
開発の段階で期間を左右するのは、モデルを既存の業務システムにつなぎ、権限とログを整え、受け入れのテストを終えるまでの作業です。政府機関向けのルールは、リリース前に利用目的・機能を踏まえて入出力の検証のためのテストシナリオを作成し、システムが安定して動作することと期待品質を満たしていることを確認するよう定めています(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)。
民間企業にこのルールに従う義務はありません。それでも、テストシナリオを誰が作り、何件で確かめるかは、開発の期間にそのまま入る作業です。見積を受け取ったら、受け入れのテストが工程に含まれているかを確かめてください。
追加学習は、公開した後の期間として最初の計画に入れます
追加学習は、納品したモデルに新しいデータを足して学習し直す段階で、公開した後も続きます。業務のルールや入力されるデータが変わると、公開した時点の精度を保てなくなることがあるためです。モデルの性能が時間とともに落ちる現象は、用語集のモデルドリフトで扱っています。
先のガイドラインは、リリース後に出力が期待品質を満たしているか、不適切な生成やバイアスが発生していないかを監視するよう求めています。生成 AI モデルのメジャーアップデートや大規模な追加学習があったときは、出力の品質、セキュリティ対策、必要コストの変化などを確認したうえで提供を始める決まりです。
モデルの提供元が更新を出す時期は、発注側が選べません。再評価の作業を保守の計画にあらかじめ入れておけば、更新のたびに日程を組み直さずに済みます。
Offers AX は、数週間で動くものを作り、実測で次へ進むかを決めます
Offers AX の AI エージェント開発は、数週間で動くプロトタイプを作り、実業務での検証を経て本実装へ進む形です。最初に6つの領域を5段階で診断し、平均点ではなく最も低い領域を見て着手の順番を決めます。4段階に重ねると、アセスメントにかける時間を「どこから始めるか」の判断に使う進め方です。
要件定義書ではなく、動くもので合意するのが前提になります。効果の実測の工程で数字を出し、その数字で継続を判断していただく設計で、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。PoC の節で書いた「合格の基準」と「中止の条件」を、画面を見ながら発注側と同じ数字で確かめられる形です。
構築は原則としてお客様の既存環境で行い、当社の環境に顧客データを抱えません。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まで支援するので、追加学習の段階を社内で担う形も選べます。
Offers AX のサービス内容を見る
段階の区切り方や、自社の承認の手順に合わせた日程の組み方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。
経済産業省の資料から読める期間の手がかりは、PoC と契約の社内調整の2つです
今回確かめた経済産業省の資料から読み取れる期間の手がかりは、PoC を月の単位で行う例と、AI の契約実務について社内調整だけで半年や1年かかるという声の2つです。
ガイドラインの作業部会が検討した相談事例へのコメントには、「3ヶ月~数ヶ月という短い期間で行ったPoC段階」という表現が出てきます(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)。PoC が月の単位で考えられていることはうかがえるものの、1件の相談事例について述べたもので、標準の期間を示したものとは言えない点に注意が必要です。
同じ資料には、改訂前のガイドラインに寄せられた声として、AI ベンチャーの「AIの契約実務は企業に知見が無いため、事業部門・研究部門・法務・知財部門の間で社内調整しているだけで半年や1年かかり世界のスピードについていけない」という指摘も載っています。契約を結ぶまでの社内調整だけでも、これだけの時間がかかりうることを示す声です。
国内企業の調査では、AI を導入している企業が42.3%、現在試験利用をしている企業が15.7%でした(情報処理推進機構(IPA)「国内企業のDX動向・AI活用動向のポイントを公開」2026年7月16日・n=1,794)。試験利用から先へ進む判断を早めるには、次の4つの要素を着手前に押さえておくことが近道になります。
期間を延ばすのは、モデルの外にある4つの要素です
期間の延び方は、データの準備、精度の基準、社内の確認と承認、外部システムとの接続の4つで読み解けます。どれもモデルの性能とは別の話で、発注側が着手前に手を打てるものです。
| 要素 |
期間が延びる形 |
着手前に決めること |
| データの準備 |
抽出・加工・個人情報の処理が終わらず、検証が始まらない |
使うデータの一覧、持ち主の部署、社外に渡してよい範囲 |
| 精度の基準 |
合格の値が無く、検証が繰り返される |
指標、テストデータの件数、合格の値、中止の条件 |
| 社内の確認と承認 |
法務・情報システム・個人情報の担当の確認が順番に回り、段階の間に待ちが生じる |
承認者の一覧と順番、同時に進められる確認 |
| 外部システムとの接続 |
接続先の担当部署や別のベンダーとの調整が、後から見つかる |
接続先の数と担当、ログと権限の要件 |
データの準備は、持ち主と渡してよい範囲を先に決めます
社内のデータは部署ごとに持ち主が違い、抽出の依頼から加工まで、関わる部署の数だけ調整が要ります。使うデータの一覧に、持ち主の部署、個人情報の有無、社外に渡してよいかを1行ずつ書いておけば、アセスメントの開始を待たせずに済むはずです。
データの棚卸しから更新の担当を決めるまでの手順は、AI のデータ整備の進め方の記事で扱っています。
精度の基準は、「効果」の中身まで決めます
AI を導入した企業に効果を尋ねた調査では、「期待以上の効果があった」と「期待どおりの効果であった」の合計が31.8%、「一定の効果はあった」が50.6%でした(情報処理推進機構(IPA)「国内企業のDX動向・AI活用動向のポイントを公開」2026年7月16日・n=1,037)。
効果を数字で決めていないと、「一定の効果」が出たときに次の段階へ進むかを判断できません。精度の指標に加えて、業務の何がどれだけ変われば続けるのか(処理にかかる時間、確認の手間、誤りの件数など)まで決めておくことが、段階の終わりの会議でその場で結論を出す前提です。
通常の開発の要件に何を足して書くかは、AI の要件定義で書くことの記事にまとめています。
社内の確認と承認は、順番に回さず同時に進めます
法務、情報システム、個人情報の担当の確認を1つずつ順に回すと、それぞれの待ち時間が足し算で期間に積み上がります。どの段階で誰の承認が要るかを着手前に一覧にし、同時に進められる確認はまとめて依頼してください。
段階の終わりの判断会議も、日程を最初に押さえておけば、判断する人の予定が空くのを待つ時間を減らせるでしょう。節目ごとに誰が判断を持つかの決め方は、AI 開発プロジェクトの進め方の記事で扱っています。
外部システムとの接続は、接続先の担当まで洗い出します
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指摘されています(D. Sculley ほか(Google)「Hidden Technical Debt in Machine Learning Systems」NeurIPS 2015)。
接続先の業務システムを別のベンダーが保守しているなら、その会社の作業日程も AI 開発の期間の一部です。接続先の数と担当、ログの保存先、誰がどの情報を見られるかの権限を開発の段階に入る前に一覧にしておくと、後から調整相手が見つかって止まる事態を避けられます。
着手前に、段階ごとの期間を自社で見積もる5つの手順
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、段階ごとの期間を自社の事情に合わせて見積もれます。
- 対象の業務と、AI に任せる判断の範囲(人が最終判断する場面を含む)を1枚に書く
- 使うデータの一覧を作り、持ち主の部署と社外に渡してよい範囲を決める
- PoC の合格の基準(指標・テストデータの件数・合格の値)と、中止の条件を決める
- 段階ごとに要る社内の承認者を一覧にし、同時に進められる確認を分けておく
- 接続する既存システムの数と担当を洗い出し、各段階の終わりの判断会議を先に日程に入れる
ベンダーから届いた見積は4つの段階に分けて書き写し、各段階の期間に社内の作業(データの抽出、承認、受け入れのテスト)が含まれているかを確かめてください。含まれていなければ、その作業は発注側の期間として別に積み上げる必要があります。
段階ごとの日程が見えたら、次は費用です。見積書を工程ごとに読む方法はAI 開発の費用の記事で、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。