AI 開発の受託・FDE 型・内製化は、要件を誰が持つか、コードと運用を誰が持つか、終わったあと社内に何が残るかの3点で分かれます。要件を言葉で固められ、運用を外に任せてよい業務なら受託開発が向いています。動くものを見ないと要件が固まらず、いずれ社内で回したい業務は FDE 型、作り手を社内に抱え続けられる中核の業務は内製化、というのが選び方の軸です。
AI 開発は契約の時点で性能を約束しにくく、日本では作り手の多くが発注する企業の外にいるので、この2つの事情も選び方に関わってきます。
AI 開発の受託・FDE 型・内製化は、要件を誰が持つか、コードと運用を誰が持つか、終わったあと社内に何が残るかの3点で分かれます。要件を言葉で固められ、運用を外に任せてよい業務なら受託開発が向いています。動くものを見ないと要件が固まらず、いずれ社内で回したい業務は FDE 型、作り手を社内に抱え続けられる中核の業務は内製化、というのが選び方の軸です。
AI 開発は契約の時点で性能を約束しにくく、日本では作り手の多くが発注する企業の外にいるので、この2つの事情も選び方に関わってきます。
編集部
Offers AX 編集部株式会社overflow が運営する Offers AX の編集部です。全社の AI 導入(AX)を支援する現場の知見をもとに記事を制作しています。
この執筆者の詳細・記事一覧 →受託・FDE 型・内製化の違いは、誰が何を持つかを並べると一目で分かります。
| 比べる点 | 受託開発 | FDE 型 | 内製化 |
|---|---|---|---|
| 要件を持つのは | 発注側が書き、契約で固める | 発注側と現場に入った作り手が、動くものを見ながら決める | 社内のチーム |
| コードを書くのは | 受託会社 | 外部の作り手 | 社内のエンジニア |
| 運用を持つのは | 保守契約の範囲は受託会社、それ以外は発注側 | 引き継ぎまでは外部、その後は社内 | 社内 |
| 終わったあと社内に残るもの | 成果物と仕様書 | 動く仕組み・引き継ぎの文書・運用の体制 | 人とノウハウ |
| 向く業務 | 入力と出力を作る前に言葉で書ける業務 | 現物を見ないと要件が固まらない業務 | 変え続ける中核の業務 |
受託開発は、要件を発注側が書き切ってから作り手に渡す進め方です。FDE 型は、作り手が業務の近くに入り、要件を決めるところから実装と定着までを持つ点が受託と違います。
内製化は要件もコードも運用も社内で持ち続ける形で、外部の手を借りない代わりに、作り手を社内に抱え続けることが前提になる進め方です。
FDE(Forward Deployed Engineer)という職種そのものの定義と仕事内容は、FDE の定義と仕事内容が詳しく扱っています。
AI 開発では、作る前に「どこまでの精度が出るか」を約束できないことが多く、これが受託開発の契約を難しくしています。経済産業省が2018年5月にまとめた「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」が AI 技術の特性として挙げるのは、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左右されることなどです。
そのうえで資料は、開発を4つの段階に分けて進める「探索的段階型」を示し、モデル契約で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を提示しました。
| 段階 | 目的 | 主な成果物 | 想定される契約 |
|---|---|---|---|
| アセスメント | 一定量のデータで、学習済みモデルを作れそうかを確かめる | レポート等 | 秘密保持契約書等 |
| PoC | ユーザーが望む精度のモデルを作れるかを確かめる | レポート等 | 導入検証契約書等 |
| 開発 | 学習済みモデルを開発する | 学習済みモデル等 | ソフトウェア開発契約書等 |
| 追加学習 | 納品したモデルに、追加のデータで学習させる | 再利用モデル等 | 記載なし |
この資料は生成 AI が広まる前のもので、学習済みモデルを一から作る開発を想定したものです。それでも、作ってみないと性能が分からないという事情は、生成 AI を業務に組み込む今の開発にも当てはまります。
この点は、経済産業省が2025年2月に公表した「AIの利用・開発に関する契約チェックリスト」でも確かめられています。契約ガイドライン AI 編は、AI モデルが学習用データに基づいて作られるため、完成義務の設定や性能保証が必ずしも容易でないと指摘していました。チェックリストは、この指摘が AI モデルを直接の開発対象とする場面では今も妥当だと述べています。
一方で、AI モデルそのものではなく AI モデルを含む AI システムを開発する場合は、出力の不確実性を踏まえた設計が求められ、ベンダが一定の担保責任を負うことが合理的な場面もあり得る、というのが同じ資料の見方です。
発注側としては、頼む対象が AI モデルなのか、業務に組み込む AI システムなのかを、見積もりの前に言葉にしておくことです。完成をどこまで約束させるかという話が、そこでかみ合うようになります。
AI 開発を外注するなら、一括で「完成」を約束させる契約より、段階ごとに区切って次へ進むかを判断する契約のほうが実態に合うでしょう。区切り方の具体例は PoC で止めない AI 導入の進め方 を参照してください。
受託という進め方を考えるうえで押さえておきたいのは、日本では作り手の多くが発注する企業の外にいることです。IPA が2023年3月に公表した DX 白書2023 によると、IT 人材のうち IT 企業に所属する人の割合は、日本が73.6%(2020年)、米国が35.1%(2021年)でした。米国では IT 人材の6割強がユーザー企業の側にいるのに対し、日本では7割強が IT 企業の側にいる計算です。
作り手が社外にいると、要件を書く人と作る人が別の会社に分かれます。要件は文書でやり取りされ、業務の暗黙のルールは文書に残りにくいので、仕上がりを見てから「思っていたものと違う」と気づくことが起きやすくなります。
AI の場合は前の節のとおり性能が作るまで分からないため、この行き違いが従来のシステム開発より大きくなりがちです。
受託開発が力を発揮するのは、入力と出力、合格の基準を作る前に言葉で書き切れる業務です。決まった書式の書類から項目を抜き出す、既存のシステムに決まった形式でデータを渡す、といった処理は要件を文書で固めやすく、AI 開発会社にまとめて任せられます。
一方で、要件が固まっていないまま受託に出すと、仕様が変わるたびに見積もりと契約の見直しが入ります。納品後に業務が変わったとき、社内で直せる人がいなければ改修のたびに発注し直すことになるのも、受託という形の性質です。
AI 受託開発を発注する前に決めておきたいのは、次の4点です。
契約の形そのものも、先に決めておく点です。経済産業省が2025年2月に公表した契約チェックリストは、開発を頼む契約が仕事の完成を目的とする請負契約なのか、委任事務の遂行を目的とする準委任契約なのかが、交渉で重要な論点になることがあると述べています。準委任ではベンダが善管注意義務を負うにとどまり、請負では仕事の完成義務と契約不適合責任を負う点が、一般的に大きな違いです(経済産業省「AIの利用・開発に関する契約チェックリスト」令和7年2月)。
ただし、準委任契約に分類されても、一定の水準に達しない開発をすればベンダが債務不履行責任を問われ得る点は変わりません。チェックリストは、契約の名前を抽象的に議論するより、発注側が成果の内容や水準をどの程度求めるかのほうが重要な論点になる場合が少なくないとしています。
権利の扱いで2018年の経済産業省の資料が示すのも、成果物の利用条件をきめ細やかに設定してユーザとベンダの利益を調整する考え方です(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月公表)。権利を「どちらのものか」の二択で争うより、どちらが何に使えるかを条件で決めるほうが、次の段階へ進みやすくなります。
チェックリストは、この論点をさらに具体的に述べています。開発で生まれた成果の知的財産をフォアグラウンド IP、開発と関係なく各社がもともと持つ知的財産をバックグラウンド IP と呼び、前者の権利帰属や利用条件が契約で議論されることが少なくない、という整理です。
ところが、議論の対象になる成果物の範囲が曖昧なまま開発が進み、権利を決める段階になって、成果物がフォアグラウンド IP なのかベンダのバックグラウンド IP なのかで争いになることもあります。AI の開発は長く続くことがあり、進むほど成果物の範囲が見えにくくなるため、開発の初期に双方の認識を擦り合わせておくことが重要だというのが、チェックリストの指摘です。
FDE 型の支援を使うと、要件を文書で固めてから作る流れが、動くものを見ながら決める流れに変わるのが最大の違いです。作り手が業務の近くに入るため、現場の担当者が試作を触って「ここは違う」と返せば、すぐに直しへ反映できます。要件定義書を往復させる期間が短くなる分、性能が作るまで分からないという AI 開発の事情とも相性が良い進め方です。
変わらないこともあります。どの業務に AI を入れるか、AI の出力をどこまで信用して人が何を判断するかを決めるのは、FDE 型でも発注する企業の側です。
業務を知る担当者が試作を触り、意見を返す時間を割けなければ、作り手が近くにいても要件は固まりません。FDE 型は外部に丸ごと任せる進め方というより、社内の担当者と作り手が同じものを見て決める進め方だと考えたほうが実態に近いでしょう。
もう1つの違いは、終わったあとに残るものです。作り手が社内の環境で作り、引き継ぎを前提に進めれば、契約が終わってもコードと運用の手順が社内に残ります。受託で成果物だけを受け取る場合と比べて次の改修を社内で始めやすく、内製化を見据える企業にはこの点が利点になります。
Offers AX は株式会社overflow が提供する AI 導入の支援で、コンサルティング・AI エージェント開発・内製化支援の3本柱で構成されています。サービスページでは FDE を「業務の現場に近い距離で戦略立案と実装を一体で進めるモデル」とし、要件定義書ではなく動くもので合意する進め方だと説明しています。AI エージェント開発では、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から本実装へ進む流れです。
作る場所は、お客様の既存環境です。GCP・Azure・AWS のすべてに対応し、当社環境に顧客データを抱えず、契約が終了しても資産はお客様環境に残る形にしています。内製化支援の範囲は、引き継ぎドキュメントの整備、社内の運用体制の設計、エンジニア採用の要件定義まで。効果の実測で継続を判断し、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。
受託・FDE 型・内製化のどれが自社に合うか決めきれない段階なら、課題の洗い出しから始める相談も受け付けています。サービスの全体像は Offers AX のサービスページ に、1時間の相談の申し込みは 無料相談を申し込む から。
内製化は大企業を中心に進んでいますが、中核の事業でも外部委託を使う企業がなお最も多い状況です。IPA が2024年6月に公表した DX 動向2024 では、コア事業・競争領域のシステムに「内製による自社開発」を適用している企業は2023年度調査で31.6%となり、2022年度調査の24.8%から増えました。ただし同じ領域で「外部委託による開発」は39.9%で、内製を上回ったままです。
従業員規模別では、1,001人以上の企業の40.4%が「内製化を進めている」と答えた一方、全体では23.1%にとどまり、27.8%が「外部開発を今後も利用予定であり、内製化は進めていない」と回答しました。
内製か外部かを二者択一で選んでいる企業は少なく、領域ごとに使い分けていると読むのが自然です。同じ調査は、従業員1,000人以下の企業でパッケージや SaaS の利用、外部開発の継続を選ぶ回答が多いことから、自社の要員確保が限られる中で方法を選んでいるとみています。
社内で回す体制づくりについては、内製化のカテゴリ の記事も参考になるはずです。
内製化を進めている企業が挙げる課題は、人材の確保と育成に集中しているのが実情です。同じ DX 動向2024 で「内製化を進めている」と答えた企業(n=231)のうち87.4%が「人材の確保や育成が難しい」を課題に挙げ、「新しい技術への対応が難しい」(39.4%)、「開発量の増減への対応が難しい」(36.4%)、「内製化には利点も欠点もあるため、判断が難しい」(32.0%)が続きました。
AI 開発では、上位3つの課題がそろって重くなります。作り手を確保できても、モデルや開発の道具の入れ替わりが速いので、追いかけ続ける負担は避けられないでしょう。業務への組み込みが一巡すると開発量が落ち、作り手の手が空く時期も出ます。
最初から全部を内製で抱えるより、変え続ける中核の業務に絞って社内に作り手を置き、それ以外は外部と分担するほうが、この課題と付き合いやすくなります。社内に AI 推進の組織を置く方法は、AI CoE の作り方 が参考になるはずです。
自社に合う進め方は、次の3つの問いに順に答えると絞り込めます。
3つの進め方は、1つの会社の中で併用できます。要件が固まらない最初の業務は FDE 型で作って引き継ぎ、仕様が固まった周辺の処理は受託に出し、変え続ける中核の業務は内製化へ移す、という組み合わせも現実的です。
最初の一歩は、AI を入れたい業務を3〜5件書き出し、3つの問いへの答えを1行ずつ並べた表を作ることです。要件を言葉で書き切れない業務が多いと分かれば、受託に出す前に、動くものを見ながら要件を決める小さな検証から始める判断ができます。
表の完成度は粗くて構いません。発注先との最初の打ち合わせにこの表を持ち込むと、見積もりが「何を完成させる約束なのか」を、比べる前提がそろった状態で確かめられます。
どの業務から AI エージェントを入れ、どう発注するかは、業務に入る AI エージェントの作り方と発注の仕方 で具体的に扱っています。
AI を全社の成果につなげる Offers AX
コンサルティング・AI エージェント開発・内製化支援の3本柱で、実装まで支援します。無料相談を受け付けています。
無料で相談するForward Deployed Engineer(FDE)型の支援を使うと、仕様は試作を前に現場で決まり、受け取るものは仕様どおりのシステムから、業務で使われる仕組みと引き継ぎの文書に変わります。その分、発注側は業務の持ち主・現場の窓口・データと権限・判断の速さの4つを用意する必要があります。
Offers AX 編集部
属人化した業務を AI で引き継げる形にする順番は、業務の洗い出し、本人の話と作業の記録の文字化、当事者の確認による確定、AI が参照できる置き場と持ち主の決定の4つです。AI の下書きを確定前に正式な文書にしない決まりと、異動・退職が決まった人の記録の同意と範囲の決め方も示します。
Offers AX 編集部
AI 開発を外部と進めるとき、発注側が決めるのは目的の合意・PoC の合格基準・本番の検収・運用の引き継ぎの4つです。出力が確率的に変わる AI は不具合の有無だけでは検収できないため、精度の目安と人が確認する範囲を基準に置きます。
Offers AX 編集部
AI 伴走支援は、外部の担当者が業務に入り、動くものを一緒に作りながら運用を社内へ移す支援です。助言で終わるコンサル、納品で終わる受託開発とは社内に残るものが違い、頼む前に任せる業務・社内の担当者・終わる時期と移管の条件・データの扱いを決めておく必要があります。
Offers AX 編集部
各部門の AI 推進担当(AI アンバサダー)は、役職ではなく業務を知る人から選び、役割を4つに絞り、時間と評価を任命と同時に決めると続きます。DX 人材の評価基準が無い企業は 76.1%(IPA)。続かなくなる6つの原因と手当て。
Offers AX 編集部
AX 人材とは、AI を使える人ではなく、AI を前提にした業務の変更を現場と一緒に進める人のことです。方針を業務に落とす・現場で使い方を広げる・技術と安全を見る・データを整えるの4役割と、デジタルスキル標準との対応、推進役に案件を持たせる育て方。
Offers AX 編集部