AI受託開発の料金完全ガイド｜契約形態5類型・主要15社の比較とPoC/MVP/本番の費用相場【2026年版】
AI受託開発の料金を契約形態5類型×フェーズ別に徹底比較。PoC 150-500万円、MVP 500-1,500万円、本番1,500-5,000万円、運用月50-300万円の内訳、主要15社の費用感比較、補助金後の実質コスト、稟議書テンプレ、失敗パターン5類型まで網羅。
「AI受託開発の料金は本当にバラバラで、何が妥当なのかわからない」——稟議担当者・情シス・経営企画から、もっとも多く聞かれる悩みです。同じ「需要予測AIの開発」でも、A社の見積もりは800万円、B社は3,200万円、C社は「成果報酬で初期費500万円＋売上の5%」。価格差は4倍以上、契約形態もバラバラ。この見積もりをどう比較し、どう稟議に通すのか——本記事はその答えを提示します。
国内の競合記事の多くは「数百万〜数千万円」という曖昧なレンジで止まっており、稟議担当者が本当に必要としている「契約形態 × フェーズ × 内訳 × 業界レンジ × 補助金 × 稟議書テンプレ」の全体像を1記事で提示したものはほぼ存在しません。
本記事では、JUAS「ソフトウェア・メトリクス調査2025」、IPA「情報システム・モデル取引・契約書（第二版）」、経産省「AI・データの利用に関する契約ガイドライン」、レバテック単価レポートなどの一次ソースを引用しながら、契約形態5類型×料金体系マトリクス、フェーズ別料金内訳テンプレート、主要15社の費用感比較（公開情報ベース）、補助金後の実質コスト、稟議書テンプレート（A4 1枚）、経営層レビュー10論点まで、稟議が通るための情報を網羅的に整理しました。
免責事項: 本記事の料金レンジは2026年5月時点の公開情報・業界相場・各社公式サイト・第三者比較メディアの記述を総合した一般的な目安です。当社が各社に直接価格調査を行ったものではなく、実際の見積もりは要件・データ整備状況・既存システム連携・運用体制により変動します。最新の正確な見積もりは各社にお問い合わせください。
この記事で分かること（TL;DR）
- AI受託開発の費用相場: PoC 150-500万円、MVP 500-1,500万円、本番化 1,500-5,000万円、運用月50-300万円が中央値（業務エージェント・需要予測系の中規模案件）
- 契約形態5類型: 請負 / 準委任 / 成果完成型準委任 / レベニューシェア / ハイブリッドの違いと選び方。AI開発はIPAモデル契約書第二版でも成果完成型準委任が推奨される
- 内訳明細5項目の標準比率（JUAS調査ベース）: 要件定義15% / 設計15% / 実装45% / テスト15% / 運用保守10%
- 主要15社の費用感: 大手SIer型は1,000万円〜が中心、AI専業型は500-5,000万円、スタートアップ型は100-1,000万円（公開情報・第三者比較メディアの記述ベース）
- 補助金後の実質コスト: IT導入補助金（2026年度はデジタル化・AI導入補助金として運用、最大450万円）+ ものづくり補助金（最大2,500万円、補助率1/2-2/3）+ 事業再構築系補助金の組み合わせで、対象経費の切り分け次第で実質負担を30-67%圧縮できる
- 失敗パターン5類型: 安すぎる見積に飛びつく / 単価のみで選ぶ / 追加費用想定なし / 運用費見落とし / 契約形態の誤選択
- 稟議書テンプレート: A4 1枚でCFO/CEO/取締役を納得させる構成と、経営層レビュー10論点への回答例
- koromo訴求: PoC型サブスクリプション（月100万円〜）・補助金申請伴走・本番化見積保証で透明性を担保
目次
- 第1章 AI受託開発の料金相場早見表【2026年版】
- 第2章 契約形態5類型 × 料金体系マトリクス
- 第3章 フェーズ別料金内訳テンプレート
- 第4章 AI受託開発の費用内訳明細【5項目の標準比率】
- 第5章 AIエンジニア単価レンジ（職種別・経験別）
- 第6章 主要15社 費用感比較（公開情報ベース）
- 第7章 補助金後の実質コスト試算3パターン
- 第8章 AI受託開発で失敗する5パターンと回避策
- 第9章 稟議書テンプレート【A4 1枚】と経営層レビュー10論点
- 第10章 相見積もり実務マニュアル
- 第11章 koromoが選ばれる理由【PoC型・補助金活用・本番化見積保証】
- 第12章 よくある質問（FAQ）
- まとめ：稟議を通すための3ステップ
第1章 AI受託開発の料金相場早見表【2026年版】
AI受託開発の料金は、「フェーズ × 用途 × 企業規模」の3軸で決まります。まずは全体像を早見表で示します。
フェーズ別費用レンジ（PoC/MVP/本番化/運用）
| フェーズ | 費用レンジ | 期間 | 主な成果物 | 撤退条件の例 |
|---|---|---|---|---|
| 構想・要件定義 | 40-200万円 | 2-4週間 | 業務フロー設計書、データアセスメント、ROI試算 | データ不足が判明、ROIが社内基準未達 |
| PoC（概念実証） | 150-500万円 | 1-3ヶ月 | 学習済みモデル、精度評価レポート、本番移行判断資料 | 精度KPI未達（例: 適合率70%未満）、業務KPI改善見込み10%未満 |
| MVP（最小実装） | 500-1,500万円 | 3-6ヶ月 | 限定ユーザー向け本番、運用フロー定義 | 業務KPIが目標の50%未満、ユーザー定着率30%未満 |
| 本番化 | 1,500-5,000万円 | 6-12ヶ月 | 全社展開可能なシステム、SLA定義、運用引き継ぎ | — |
| 運用保守 | 月50-300万円 | 継続 | モデル再学習、インフラ運用、改善開発 | — |
補足: 上記は中規模案件（ユーザー数100-1,000名、データ量GB級）の中央値です。大規模案件（全社・ユーザー数1万人以上）では本番化が1億円超になることもあります。
用途別費用レンジ
| 用途 | 初期費用 | 月額運用費 | 期間目安 | 主な要件 |
|---|---|---|---|---|
| 軽量チャットボット（FAQ応答） | 50-300万円 | 5-30万円 | 1-3ヶ月 | 既存FAQ整備済み、API連携最小 |
| RAGチャットボット（社内文書検索） | 300-1,500万円 | 30-80万円 | 3-6ヶ月 | 社内文書1,000-10,000件、権限管理 |
| 画像認識AI（外観検査・OCR） | 500-3,000万円 | 50-200万円 | 4-8ヶ月 | 学習データ1万枚以上、現場運用 |
| 需要予測AI | 500-1,500万円 | 50-150万円 | 4-6ヶ月 | 3年分以上の販売実績、外部要因データ |
| 業務エージェント（複数システム横断） | 1,000-5,000万円 | 100-300万円 | 6-12ヶ月 | 連携先システム5-20個、業務SOP明文化 |
| 異常検知・予兆保全AI | 800-3,000万円 | 80-200万円 | 6-9ヶ月 | センサーデータ蓄積、現場フィードバック体制 |
| 生成AI業務支援（議事録・要約・翻訳） | 200-1,000万円 | 20-100万円 | 2-4ヶ月 | 既存ツール連携、セキュリティ要件 |
| レコメンドエンジン | 500-2,000万円 | 50-150万円 | 4-6ヶ月 | ユーザー行動ログ整備、ABテスト基盤 |
企業規模別の予算感
| 企業規模 | 年間AI予算の目安 | 推奨フェーズ起点 | 推奨契約形態 |
|---|---|---|---|
| スタートアップ（〜50名） | 500-2,000万円 | PoC + MVP一気通貫 | 準委任 / ハイブリッド |
| 中堅企業（50-500名） | 2,000-8,000万円 | PoC → MVP → 本番化の段階的投資 | 成果完成型準委任 |
| 大手企業（500名以上） | 8,000万円-3億円 | 複数領域のPoC並走 | 請負 / 成果完成型準委任 |
スタートアップは「素早くPoCを回して本番化判断」、中堅企業は「補助金を活用して負担を圧縮しながら段階的投資」、大手は「複数領域で並走しナレッジ蓄積」が王道です。
予算感の前提知識として、システム開発の費用相場2026年版 と AI開発会社おすすめ30選比較 も合わせて参照してください。
第2章 契約形態5類型 × 料金体系マトリクス
AI受託開発の料金を比較する前に、契約形態の違いを理解することが極めて重要です。同じ「800万円の見積もり」でも、契約形態が異なれば法的責任・追加費用発生条件・知財帰属・撤退条件がまったく違います。
本章はAI開発に特有の事情（精度を事前に保証しにくいこと）を前提に5類型を扱います。AIに限らない一般のシステム開発で、請負と準委任の違いが見積書のどの欄に現れるか——民法上の位置づけ、検収基準と稼働報告の書かせ方——は請負と準委任の違いは見積書のどこに出るかで整理しています。
なぜAI開発は契約形態の選び方が難しいのか
経済産業省「AI・データの利用に関する契約ガイドライン」では、AIモデルの精度は学習データの質と量に依存し、未知の事象に対する推論精度を事前に保証することが困難であると指摘されています。このため、伝統的なシステム開発で多用される請負契約（完成責任を負う）を機械学習モデル開発にそのまま適用すると、ベンダー側のリスクが過大になり、見積もりが青天井で膨らみます。
そこでIPAの「情報システム・モデル取引・契約書（第二版）」では、AI開発において成果完成型準委任契約（成果物の納品を対価支払条件にしつつ、完成責任は請負ほど厳密に問わない契約類型）が推奨されています。これがAI受託開発の契約形態を理解する上での出発点です。
契約形態5類型の比較
| 契約形態 | 完成責任 | 料金構造 | 知財帰属 | 検収条件 | 適するフェーズ |
|---|---|---|---|---|---|
| 請負（完成型） | あり（厳格） | 一括固定 or 出来高 | 委託元 | 機能要件＋精度KPIで明確化 | 本番化（要件が固まった後） |
| 準委任（履行型） | なし | 時間単価×工数（月額固定） | 委託元 or 共有（要協議） | 工数消化＋日報・週報 | PoC、要件定義、伴走支援 |
| 成果完成型準委任 | あり（柔軟） | 成果物単位の固定+追加 | 委託元 | 中間成果物単位＋最終KPI | MVP、本番化（IPAモデル契約書第二版） |
| レベニューシェア（成功報酬） | あり（売上連動） | 初期費低額＋売上%（5-15%が相場） | 共有 or ベンダー寄り | KGI（売上・利益）連動 | 新規事業、PoC→事業化 |
| ハイブリッド（フェーズ別切替） | フェーズごとに異なる | PoC=準委任、本番=成果完成型準委任 | 契約書で明示 | フェーズごとに設計 | 段階的にリスクをコントロールする全体最適 |
請負契約（一括・成果物保証）
特徴: 「完成」を約束し、完成しなければ報酬を受け取れず、損害賠償責任を負う契約類型。
料金感: 中規模AI案件で3,000万-1.5億円。要件定義済みの本番化フェーズに適する。
メリット:
- 完成責任があるので発注側のリスクが小さい
- 予算超過のリスクが小さい（基本的にベンダー負担）
デメリット:
- 要件変更のたびに追加見積もりが発生
- AI特有の「精度がデータ次第」というリスクを反映しづらい → ベンダーがリスクプレミアムを上乗せする傾向があり、結果として見積もりが割高になりやすい（具体的な乖離幅は要件・ベンダーにより異なる）
- 契約締結までに要件定義に時間がかかる（2-4ヶ月）
適するケース: 既に類似案件の経験があり、データ・要件が固まっている本番化フェーズ。
準委任契約（伴走・時間単価）
特徴: 仕事の完成ではなく、善管注意義務を負って業務を遂行することに対価を支払う契約。月額固定 or 時間単価が主流。
料金感: 月150-600万円（チーム規模・職種により変動）。
メリット:
- 要件変更に柔軟に対応できる
- AIの不確実性に適合的
- 開始までの初期費用が小さい
デメリット:
- 完成責任がないので「いつまでも終わらない」リスク → KPI＋撤退条件の明文化が必須
- 工数管理を発注側がきちんと行う必要がある
適するケース: PoC、要件定義、生成AI業務支援の伴走、データサイエンス支援。
成果完成型準委任契約（IPAモデル契約書第二版が推奨）
特徴: 成果物の納品を対価支払の条件としつつ、請負ほど厳格な完成責任を負わない中間的な契約類型。IPA「情報システム・モデル取引・契約書（第二版）」で示されたAI開発の標準形。
料金感: 成果物単位の固定価格（500万-5,000万円の範囲が多い）+ 追加開発の単価表で柔軟性確保。
メリット:
- AI特有の不確実性を反映しつつ、発注側も成果物を受け取れる
- 検収条件を「精度KPI＋業務KPI」の二段階で設計できる
デメリット:
- 契約書設計が高度（IPAモデル契約書第二版を参照しないと条文が曖昧になる）
適するケース: MVP、本番化、AI受託開発全般のデフォルト契約形態。
レベニューシェア（成功報酬）
特徴: 初期費用を低く抑え、ベンダーが売上・利益の一定割合を受け取る契約。
料金感: 初期費用50-500万円 + 売上5-15%（業界・成果定義により幅）。
メリット:
- 初期投資を圧縮できる
- ベンダーとリスク・成果を共有できる
デメリット:
- 売上計算ルール・締め日・支払サイトでトラブルになりやすい
- 売上が想定以上に伸びると、トータルでは請負より高くつく
- 撤退判断の難易度が高い（売上分配のロックインで動けなくなる）
適するケース: 新規事業のPoC、koromoのような成果連動型サービス、スタートアップとの共同開発。
ハイブリッド契約（フェーズ別切り替え）
特徴: PoCは準委任、MVPは成果完成型準委任、本番化は請負 or 成果完成型準委任 — フェーズごとに最適な契約形態を切り替える。
料金感: フェーズ合計でPoC 300万 + MVP 1,200万 + 本番 3,000万 + 運用月150万のように積算。
メリット:
- 不確実性が高いフェーズはリスクを共有し、固まったフェーズは固定契約で予算管理しやすい
- 撤退判断が各フェーズの境目で明文化できる
デメリット:
- 契約書が3本になる（PoC契約・MVP契約・本番化契約）
- 各フェーズの境目（検収条件）の設計が重要
適するケース: 中堅企業以上の段階的投資。本記事の推奨形態。
契約形態の選び方フローチャート
1. 要件は固まっているか？
├─ Yes → 「請負」 or 「成果完成型準委任」
│ └─ AIモデルの精度を保証できるか？
│ ├─ Yes（類似案件経験あり）→ 請負
│ └─ No → 成果完成型準委任
└─ No → 「準委任」 or 「ハイブリッド」
└─ フェーズ別の予算配分は決まっているか？
├─ Yes → ハイブリッド（PoC=準委任、本番=成果完成型）
└─ No → 全フェーズ準委任で開始、四半期ごとに見直し
実務上の推奨: 中堅企業以上はハイブリッド契約、スタートアップは準委任契約、要件が固まっている大手は成果完成型準委任がデフォルトです。請負契約はAI開発では「リスク料が上乗せされる」ことを理解した上で選択してください。
第3章 フェーズ別料金内訳テンプレート
ここでは、AI受託開発の各フェーズの詳細な料金内訳を、撤退条件・本番判断基準とともに整理します。
PoC（150-500万円）：撤退条件を契約に書く
PoCで失敗する最大の原因は「何が達成されたら本番に進み、何が達成されなかったら撤退するかを契約書に書いていない」ことです。これがないと、PoCの結果がグレーゾーンに着地し、追加検証で青天井に費用が膨らみます。
| 内訳項目 | 費用レンジ | 全体比率 | 主な内容 |
|---|---|---|---|
| 業務理解・データアセスメント | 30-80万円 | 15-20% | 業務SOP整理、データ品質確認、サンプル抽出 |
| データ前処理・アノテーション | 40-150万円 | 25-35% | クリーニング、ラベル付け、教師データ作成 |
| モデル構築・学習 | 50-150万円 | 30-35% | アルゴリズム選定、ハイパーパラメータ調整 |
| 精度評価・レポート作成 | 30-80万円 | 15-20% | KPI測定、A/Bテスト、本番移行判断資料 |
| プロジェクト管理 | 20-50万円 | 10% | PMの稼働、定例会、ステアリングコミッティ |
| 合計 | 150-500万円 | 100%（中央値ベース） | 2-3ヶ月 |
比率の読み方: 上記の比率は各項目のレンジを示しており、最小値合計95%・最大値合計120%は各項目の振れ幅を表現したものです。中央値で合計すると100%に収斂します。実際の案件では、データ整備が必要な案件はアノテーション比率が上振れ、PoC専業ベンダーはモデル構築比率が上振れる傾向があります。
契約書に必ず書くべき3項目:
- 本番移行のKPI閾値: 例「適合率80%以上、業務工数30%削減見込み」
- 撤退条件: 例「適合率70%未満 OR 業務工数削減見込み10%未満なら撤退」
- PoC終了後の知財帰属: 学習済みモデル、教師データ、ノウハウの取り扱い
MVP（500-1,500万円）：本番判断のKPI設定
MVPは「限定された範囲で本番運用を開始し、定着率と業務KPI改善を測定する」フェーズです。
| 内訳項目 | 費用レンジ | 全体比率 | 主な内容 |
|---|---|---|---|
| 要件定義・UI/UX設計 | 75-200万円 | 15% | ユーザーインタビュー、画面設計 |
| インフラ構築 | 75-200万円 | 15% | クラウド環境、CI/CD、監視基盤 |
| モデル開発・改善 | 225-600万円 | 45% | データ拡張、再学習、性能改善 |
| テスト・評価 | 75-200万円 | 15% | 単体テスト、結合テスト、ユーザー受入テスト |
| 運用設計・引き継ぎ | 50-150万円 | 10% | 運用SOP、障害対応フロー、ナレッジ移管 |
| 合計 | 500-1,500万円 | 100% | 3-6ヶ月 |
本番判断のKPI例:
- 業務KPI改善: 目標の70%以上達成
- ユーザー定着率（DAU/MAU）: 40%以上
- 障害発生: 月3件以下、平均復旧時間（MTTR）: 2時間以内
本番化（1,500-5,000万円）：5項目の標準内訳
本番化は「全社展開可能なシステムとして実装し、SLAを契約で約束する」フェーズです。
| 内訳項目 | 費用レンジ | 全体比率 | 主な内容 |
|---|---|---|---|
| 要件定義 | 225-750万円 | 15% | 全社業務フロー、SLA定義、セキュリティ要件 |
| 設計 | 225-750万円 | 15% | アーキテクチャ、データモデル、APIスペック |
| 実装 | 675-2,250万円 | 45% | フロントエンド、バックエンド、ML パイプライン |
| テスト・評価 | 225-750万円 | 15% | 負荷試験、セキュリティ試験、ユーザー受入テスト |
| 運用保守設計・引き継ぎ | 150-500万円 | 10% | 運用引き継ぎ、ドキュメント、教育 |
| 合計 | 1,500-5,000万円 | 100% | 6-12ヶ月 |
この5項目の比率はJUAS「ソフトウェア・メトリクス調査2025」（要件定義13%、設計〜結合テスト61%、総合テスト26%）を参考に、AI受託開発の実態（運用保守を独立項目として10%確保、設計と実装を分離）に合わせて再構成したものです。AI受託開発では運用保守の重要性が高く、独立項目化が一般的です。
運用保守（月50-300万円）：5項目の内訳
運用保守費は「開発費の15-25%/年」が業界標準です。本番化に3,000万円かけた場合、年間450-750万円（月37-62万円）が運用費の目安。
| 内訳項目 | 月額レンジ | 全体比率 | 主な内容 |
|---|---|---|---|
| モデル再学習・精度監視 | 15-90万円 | 30% | データドリフト検知、再学習、精度レポート |
| インフラ運用（クラウド・GPU） | 10-60万円 | 20% | AWS/GCP/Azure費用、GPU費用、スケーリング |
| 監視・障害対応 | 10-60万円 | 20% | 24/365監視、アラート対応、SLA管理 |
| 改善開発（小規模機能追加） | 7.5-45万円 | 15% | UI改善、新機能追加、業務フィードバック反映 |
| ドキュメント更新・教育 | 7.5-45万円 | 15% | 運用マニュアル、新メンバー教育 |
| 合計 | 月50-300万円 | 100% | 継続 |
運用保守費は見積もり時に見落とされやすく、本番稼働後の予算超過の主因になります。詳しくは システム開発予算策定の進め方 を参照してください。
受け取った見積書を4区分へ分解する手順
ここまでの3節は、自社で予算を組み立てるときの型でした。ここからは逆向きに、すでに受け取った見積書を分解するときの手順を示します。
AI開発の見積書が読みにくい最大の理由は、性格のまったく違う4種類の費用が同じ表に1行ずつ並んでいることです。「一度払えば終わる費用」と「使い続ける限り毎月発生する費用」と「回数によって増える費用」が、どれも同じ「◯◯円」という書き方で並びます。合計金額だけを見て稟議に出すと、初年度は予算内に収まったのに2年目に破綻する、という事故が起きます。
まず、次の4区分に仕分けてください。
| 区分 | 費用の性格 | 誰への支払いか | 馴染む契約形態 | 見積書での典型的な書かれ方 |
|---|---|---|---|---|
| ① 開発費（一括） | 一度きり。納品で終わる | ベンダー | 請負／成果完成型準委任 | 「AI開発一式」「モデル構築」「実装」「要件定義」 |
| ② 第三者実費 | 継続。利用量で増減し、単価も改定される | モデル提供元・クラウド事業者（ベンダー経由） | 実費精算または立替 | 「クラウド利用料」「API利用料」「AI利用料」「インフラ費」 |
| ③ 精度評価工数 | 一括に見えて、実際は回数で決まる | ベンダー | 準委任が馴染む | 独立行が無く「テスト」「検証」に混ざっていることが多い |
| ④ 運用費（月額） | 継続。人の稼働に対する対価 | ベンダー | 保守・運用契約 | 「運用保守 月額◯◯円」「MLOps 月額◯◯円」 |
手順1｜行ごとに「一度きりか、継続か」を判定する
見積書の各行に、まず「一度きり（O）」か「継続（R）」かの印を付けます。判定の基準は金額の大きさではなく、納品後も発生し続けるかどうかです。
判定できない行が出たら、その時点では④に寄せずに「保留」として残してください。「初期費用に含む」と書かれていても、内訳を開くと継続費が混ざっていることがあります。
手順2｜継続費を「ベンダーへの支払い」と「第三者への支払い」に割る
ここが、AI開発の見積書と従来のシステム開発の見積書がもっとも違う点です。
従来型の開発では、継続費のほとんどはベンダーの人の稼働（=④運用費）でした。AI開発では、そこにモデル提供元やクラウド事業者へ支払う従量料金（=②第三者実費）が加わります。②はベンダーが値付けしているのではなく、第三者の公開料金表に連動します。したがって②は、次の点で④とは扱いが変わります。
- ベンダーが値付けしているのではないため、通常の値引き交渉の対象にならない（下げる余地があるのは使い方と、バッチ処理・キャッシュ・コミット枠といった提供元側の割引メニューの選択であって、ベンダーの利益率ではない）
- 提供元の価格改定でベンダーの意思と無関係に変動する
- 利用量が増えれば比例して増える。固定額として予算に置けない
- 為替の影響を受ける（多くはUSD建て）
見積書に「インフラ運用（クラウド・GPU）」のような行がある場合、その中にベンダーの運用工数と第三者への支払いが同居していないかを確認してください。同居しているなら、その1行を②と④に割ってもらうのが最初の依頼になります。
手順3｜「精度評価」を開発費から切り出す
AI開発では、「システムが動くこと」と「業務で使える精度が出ること」は別の話です。前者を確認するのがテスト、後者を確認するのが精度評価です。
見積書に精度評価の独立行が無い場合、費用が消えているわけではありません。「何回まで評価するか」という上限が、見積書の上では確認できない状態になっています。契約書や別紙で定めがあるかを含めて確認してください。目標精度に届かなかったときの再学習・再評価が、開発費に含まれるのか追加見積もりになるのかが宙に浮きます。第3章のPoC節で触れた撤退条件と同じ構造の問題です。
手順4｜4区分の予算表に置き直す
仕分けが終わったら、次の形に置き直します。初年度合計だけでなく、2年目以降の年額が出てくるのが目的です。
ここで注意が必要なのは、④運用費の範囲です。本節の④は「ベンダーの人の稼働に対する対価」のうち、②にも③にも当たらない分だけを指します。前節の運用保守5項目のうち「インフラ運用（クラウド・GPU）」に当たる部分は②へ、「モデル再学習・精度監視」に当たる部分は③へ移してください。前節の「月50-300万円」をそのまま④へ書き写すと、②第三者実費と③精度評価工数を二重に数えることになります。
| 区分 | 初年度 | 2年目以降（年額） | 変動要因 | 単価改定の可能性 |
|---|---|---|---|---|
| ① 開発費（一括） | 記入 | 0円（原則） | 仕様変更 | なし |
| ② 第三者実費 | 記入 | 記入 | 利用量・為替 | あり（提供元の改定） |
| ③ 精度評価工数 | 記入 | 記入（再学習分） | 評価回数・精度未達 | 契約による |
| ④ 運用費（月額×12） | 記入 | 記入 | 対応範囲・SLA | 契約更新時 |
②と③の2年目以降が空欄のまま出てきた見積書は、金額が安いのではなく、まだ金額が決まっていないと読んでください。
なお「AI開発一式」「AI利用料一式」のように一式でまとめられた行の開き方は、開発見積書の「一式」を工程・成果物・工数へ分解する方法 で3タイプに分けて解説しています。
第4章 AI受託開発の費用内訳明細【5項目の標準比率】
ここでは、AI受託開発の費用内訳を5項目で標準化します。複数社の見積もりを比較する際の「同じSOWに揃える」基準として活用してください。
本章の5項目は工程の軸、第3章で示した4区分は費用の性格の軸で、両者は入れ子の関係にあります。
| 第3章の4区分 | 本記事のどこで扱うか |
|---|---|
| ① 開発費（一括） | 本章前半の内訳明細5項目（要件定義〜運用保守設計） |
| ② 第三者実費 | 本章後半で独立して扱う。第3章の運用保守5項目では「インフラ運用（クラウド・GPU）」に含めていた分 |
| ③ 精度評価工数 | 本章後半で独立して扱う。本章前半の5項目では「テスト・評価」に、第3章の運用保守5項目では「モデル再学習・精度監視」に混ざりやすい分 |
| ④ 運用費（月額） | 第3章の運用保守5項目から②（インフラ運用）と③（モデル再学習・精度監視）を除いた分 |
見積書を比較するときは、まず4区分で仕分け、そのうえで①の中身を5項目の比率で見る、という順序になります。
内訳明細5項目の標準比率（本番化フェーズ）
| 項目 | 標準比率 | 1,500万案件 | 3,000万案件 | 5,000万案件 |
|---|---|---|---|---|
| 要件定義 | 15% | 225万円 | 450万円 | 750万円 |
| 設計 | 15% | 225万円 | 450万円 | 750万円 |
| 実装 | 45% | 675万円 | 1,350万円 | 2,250万円 |
| テスト・評価 | 15% | 225万円 | 450万円 | 750万円 |
| 運用保守設計・引き継ぎ | 10% | 150万円 | 300万円 | 500万円 |
内訳比率が標準から大きく外れる見積もりの読み方
- 実装が30%以下: テスト・運用に過剰配分されている可能性。実装の手抜きを疑う
- 実装が60%以上: 要件定義・テストが軽視されている可能性。後工程の品質劣化リスク大
- 要件定義が10%以下: 業務理解が浅く、後で大規模手戻りが起きるリスク
- 運用保守設計が5%以下: 本番化後に運用が立ち上がらず追加費用が必要
費用内訳のチェックポイント10項目
複数社の見積もりを比較する際、以下の10項目を全社に同じフォーマットで提出させることで透明性を担保できます。
- 要件定義・設計・実装・テスト・運用保守の5項目の金額が明示されているか
- 各項目の人月単価×工数が明示されているか
- PM・テックリード・ML エンジニア・データサイエンティスト・MLOpsの職種別単価が明示されているか
- クラウド利用料・GPU費用・データセット購入費が見積もりに含まれているか
- 第三者ライセンス料（OpenAI API、Anthropic API、Hugging Face Enterpriseなど）が明示されているか
- アノテーション費用が含まれているか（含まれない場合の概算は別途提示されているか）
- 知財帰属（学習済みモデル、教師データ、ノウハウ）の条件が明示されているか
- 検収条件（精度KPI、業務KPI、SLA）が具体的な数値で明示されているか
- 追加見積もりが発生する条件（要件変更、データ量増加など）が明示されているか
- 保証期間と保証範囲（バグ修正、精度劣化対応）が明示されているか
このチェックリストは稟議書の補足資料としても活用できます。
②第三者実費（モデル利用料）を同じ課金単位へそろえる
第3章の手順2で切り出した②第三者実費は、見積書に「AI利用料 月額◯◯円」と1行で書かれていることがほとんどです。しかしその金額の裏側にある提供元の料金表は、トークン数による従量課金で、しかも入力と出力で単価が違います。この構造を知らずに「月額◯◯円」を固定費として予算に置くと、利用が伸びた月に想定外の請求が来ます。
以下は各社の公式料金ページを同じ単位（100万トークンあたり・USD）へそろえたものです。
| 提供元 | モデル例 | 入力 | 出力 | キャッシュ利用時の入力 | 出典 |
|---|---|---|---|---|---|
| Anthropic | Claude Sonnet 5 | $2 | $10 | $0.20 | Pricing |
| Anthropic | Claude Haiku 4.5 | $1 | $5 | $0.10 | 同上 |
| OpenAI | gpt-4o | $2.50 | $10.00 | $1.25 | Pricing |
| OpenAI | gpt-4o-mini | $0.15 | $0.60 | $0.075 | 同上 |
| gemini-3.5-flash-lite | $0.30 | $2.50 | $0.03 | Gemini API pricing | |
| gemini-2.5-flash-lite | $0.10（テキスト・画像・動画）／$0.30（音声） | $0.40 | $0.01（テキスト・画像・動画）／$0.03（音声） | 同上 |
適用条件: いずれも各社公式ページを2026年8月25日に取得。単位は100万トークンあたり、通貨はUSD建て。本記事が参照した各社の料金ページの該当箇所には、消費税等の税区分の記載を確認できませんでした（Anthropicはマーケットプレイス経由の課金についてのみ「税はマーケットプレイス側が処理する」と記載しています）。実際の請求時の税の扱いは、ベンダーまたは提供元に確認してください。上表の単価はいずれも実際の利用量に応じた従量課金で、最低利用期間の設定は各社の料金ページ上に見当たりません（後述する構造4のコミット型の枠は別建てです）。単価は改定されることがあり、事前予告の有無も提供元によって異なるため、見積書に採用する前に必ず公式ページを再確認してください。
この表の読み方で注意すること:
- 「キャッシュ利用時の入力」の列は、各社で呼称も適用条件も異なります。Anthropicは "Cache Hits & Refreshes"、OpenAIは "Cached input"、Googleは "Context caching" と表記しており、同じ条件で発生する費用ではありません。とくにAnthropicの公式料金表は、読み出し（入力単価の0.1倍）とは別にキャッシュ書き込みのレート（5分キャッシュ＝入力単価の1.25倍、1時間キャッシュ＝2倍）を定めており、この列の金額だけで実際のキャッシュ費用は決まりません。金額を横並びで比較する列としては使わず、「どの社にもキャッシュによる割引の仕組みがある」ことの確認に使ってください。
- モデル名は各社が短期間で改定します。上表は課金単位の構造を示すための例示であり、推奨モデルの提示ではありません。
構造1｜出力トークンの単価は入力を大きく上回る
上表のどの行でも、出力単価は入力単価を上回ります。ただし倍率はモデルによって幅があり、gpt-4o と Claude Sonnet 5 は4〜5倍、gemini-3.5-flash-lite は8倍を超えます。逆に gemini-2.5-flash-lite へ音声を入力する場合のように、入力側のモダリティ単価が高いモデルでは1.3倍まで縮みます。倍率は見積書が前提としているモデルの単価表で必ず確認してください。 いずれにせよAIのランニングコストを大きく左右するのは、1回のやりとりで何文字返させるかです。
Anthropicの公式単価（2026年8月25日取得。Claude Sonnet 5＝入力 $2／出力 $10／キャッシュ読み出し $0.20 per MTok）から機械的に計算すると、次のようになります。前提は月10万リクエスト、1リクエストあたり入力3,000トークン・出力500トークンと仮定し、右列はさらに入力3,000トークンのうち2,000トークンがキャッシュから読まれると仮定した場合です（MTok＝100万トークン）。
| 項目 | キャッシュ未使用 | 入力の2/3がキャッシュ |
|---|---|---|
| 入力（キャッシュ外） | 300 MTok × $2 = $600 | 100 MTok × $2 = $200 |
| キャッシュ読み出し | — | 200 MTok × $0.20 = $40 |
| 出力 | 50 MTok × $10 = $500 | 50 MTok × $10 = $500 |
| 月額合計 | $1,100 | $740（約33%減） |
左列で注目すべきは、出力トークン量は入力の6分の1しかないのに、費用はほぼ同額という点です。「回答を短くする」「要約させる」といった仕様上の判断が、そのままランニングコストの判断になります。
なお右列は、キャッシュの読み出しだけを計上した試算です。Anthropicの公式倍率表には書き込みのレート（5分キャッシュ＝入力単価の1.25倍、1時間キャッシュ＝2倍）も別に定められているため、キャッシュを新規作成する頻度が高い設計では削減幅は縮みます。
ベンダーの見積書に「AI利用料」の内訳がある場合、キャッシュやバッチ処理を前提にしているのかを確認する価値があります。バッチ処理について、Anthropic公式は「入力・出力トークンともに50%割引」と明記し、AWS公式（Amazon Bedrock）は「オンデマンド推論の価格より50%低い」と記載しています。
構造2｜「期限付き価格」が公式に予告されていることがある
複数年の運用費を試算するとき、現在の単価をそのまま3年分に伸ばしてはいけません。提供元が改定を先に予告している場合があります。
Googleの公式料金ページ（2026年8月25日取得）は、上表には載せていない gemini-3.7-flash と gemini-3.6-flash について、入力 $0.75・出力 $3.75 は「2026年12月31日まで」で、「2027年1月1日から」入力 $1.50・出力 $7.50 になると明記しています。同じモデルのまま単価が2倍になる予告です。
見積書の運用費が特定モデルの現行単価に依存しているなら、その改定予告を織り込んだ試算になっているかを確認してください。
構造3｜トークン以外の課金単位が混ざる
②第三者実費は、トークン従量だけではありません。以下はすべて各社公式ページに記載のある課金単位です（2026年8月25日取得、USD建て）。
| 課金対象 | 単位 | 出典 |
|---|---|---|
| Web検索ツール | 1,000検索あたり $10（別途、標準のトークン費用がかかる） | Anthropic Pricing |
| コード実行環境 | コンテナ1台あたり1時間 $0.05（組織ごとに月1,550時間まで無料） | 同上 |
| エージェントのセッション実行時間 | 1セッション時間あたり $0.08 | 同上 |
| ナレッジベースの保管 | 元データ1GBあたり月 $5.00 | Amazon Bedrock pricing |
| ナレッジベースの検索 | 1,000APIコールあたり $1.00 | 同上 |
| ガードレール（内容フィルタ） | 1,000テキストユニットあたり $0.15 | 同上 |
Amazon Bedrock は、オンデマンドのトークン単価がモデル・リージョンによって変動すると公式ページに記載されています。上表の3行（保管・検索・ガードレール）についても、見積書に採用する際はベンダーが実際に使うリージョンの料金ページで確認してください。
「AIチャットに社内文書を検索させる」といった要件がある場合、トークン料金のほかに保管（月額・容量課金）と検索（回数課金）が乗ります。見積書の「AI利用料」がトークン分しか見ていないと、この2つが後から追加請求として現れます。
構造4｜コミット型（使わなくても発生する枠）が混ざる
AWSの公式料金ページ（2026年8月25日取得）は、Amazon Bedrock の課金方式として従量（"Price per 1M input tokens"）のほかに Provisioned Throughput を挙げており、単位は「モデルユニットあたり1時間」、コミットメント期間は1ヶ月と6ヶ月の2種類と記載されています。
これは性格としては②第三者実費でありながら、時間単位のコミットメント契約であるため、実際の利用量とは独立に期間分の費用が発生する建て付けです。見積書に「専有スループット」「専用枠」のような行がある場合は、契約期間と、期間中に解約できるか、費用が利用量と連動するかを必ず確認してください。
構造5｜請求書に単価が出てこない契約形態がある
クラウドのマーケットプレイス経由でモデルを調達すると、請求書の見え方が変わります。Anthropicの公式ドキュメント（2026年8月25日取得）は、AWS Marketplace 経由の Claude Platform on AWS と Azure Marketplace 経由の Claude in Microsoft Foundry について、課金単位が Claude Consumption Unit（CCU、1 CCU = $0.01）であり、"Your AWS bill shows a single CCU line item."（AWSの請求書にはCCUの1行が表示される）と記載しています。
AzureのケースについてもAnthropicは別途 "Your Azure bill shows a single CCU line item." と記載しています。つまり請求書を見てもモデル別・用途別の内訳が分からない構成があり得ます。同ドキュメントは、請求書に出ない内訳が提供元のコンソール側では確認できる旨も記載しているため、ベンダーがこの形態で調達している場合は、その画面の内訳をどの粒度で共有してもらうかを契約前に決めておく必要があります。
構造6｜為替の負担者が決まっていない
上記はすべてUSD建てです。見積書に円で書かれている場合、どのレートで換算したかと、為替変動が生じたときにどちらが負担するかが決まっていなければ、実費精算の段階で必ず揉めます。「1USD=◯◯円で換算、実際の請求は換算日のレートによる」といった一文があるかを確認してください。
③精度評価工数を「テスト」から切り出す
第3章の手順3で触れた③精度評価工数は、見積書に独立行として現れないことが多い項目です。負荷試験・セキュリティ試験・受入テストとは別物として独立させてください。切り出すときは、金額ではなく次の項目が書かれているかで判断してください。
- 評価データセットを誰が作るか（発注側が業務データを提供するのか、ベンダーが作るのか。件数は何件か）
- 評価指標と合格閾値（適合率・再現率・業務KPIのどれで、何%を合格とするか）
- 評価の実施回数の上限（初回のみか、閾値未達なら何回まで再学習・再評価するか）
- 閾値未達で終わったときの扱い（開発費の返金・減額があるのか、追加見積もりになるのか、そのまま検収するのか）
- 本番稼働後の再評価（精度劣化を誰がどの頻度で測るか。見積書上は④運用費に含めて書かれていることが多いので、③として切り出せるか）
上の3（評価の実施回数の上限）が書かれていない見積書は、金額が確定していない見積書です。安く見えても、そこが後から効いてきます。逆に、評価回数の上限が明記されていて金額が高い見積書は、リスクを先に価格へ織り込んでいるという読み方ができます。
追加チェック11〜15｜AI見積もり固有の確認項目
本章前半の「費用内訳のチェックポイント10項目」に、AI開発では次の5項目を足してください。10項目が費用項目と契約条件が漏れなく書かれているかを見るのに対し、この5項目は継続費の単位と評価の条件が確定しているかを見ます。10項目の4・5が「クラウド利用料や第三者ライセンス料が計上されているか」を問うのに対し、11〜14は②第三者実費について、どこに切り出され、どの単位で、どれだけの利用量を前提に積まれ、変動したとき誰が負担するかまで踏み込みます。
| # | 確認項目 | 書かれていない場合の扱い |
|---|---|---|
| 11 | ②第三者実費が、①開発費・④運用費と別行になっているか | 高リスク（次節の表を参照） |
| 12 | ②の課金単位が書かれているか（100万トークンあたり／リクエストあたり／GB・月あたり／モデルユニット・時間あたり） | 高リスク（次節の表を参照） |
| 13 | ②の想定利用量とその根拠が書かれているか（月間リクエスト数、1件あたりの入力・出力トークン数の想定） | 要確認。本章末の確認質問2を送る |
| 14 | ②の単価改定・為替変動が起きたときの負担が定められているか | 要確認。本章末の確認質問4を送る |
| 15 | ③精度評価の実施回数の上限と、閾値未達時の扱いが定められているか | 要確認。本章末の確認質問6・7を送る |
本記事の他の章で「内訳明細10項目」と呼んでいるのは、この11〜15を含まない基本部分です。AI開発の見積もりを比較するときは、10項目に上記5項目を足した15項目で確認してください。
見積書の状態を4段階で判定する
11〜15の結果を、次の4状態のどれかに割り当てます。「高い／安い」ではなく、確認が済んでいるかどうかで仕分けるのが目的です。
| 状態 | 意味 | 次にやること |
|---|---|---|
| 説明済み | 4区分に分かれ、11〜15がすべて書かれている | 金額の妥当性の議論に進んでよい |
| 要確認 | 4区分には分かれているが、13〜15のいずれかが空欄 | 次節の確認質問を送る |
| 高リスク | 11・12が満たされていない（②と④が同一行、②が単位の無い「一式」） | 内訳の再提出を依頼する。金額比較はその後 |
| 判断不能 | ②③④の2年目以降の年額が提示されていない | 総額だけの比較を止め、複数年の試算を依頼する |
過小見積もりの警告も同じ枠で拾えます。②が極端に小さい、または③の行が存在しない場合、単に安いのではなく、継続費や評価工数がまだ計上されていない可能性、あるいは発注者側の負担が前提になっている可能性があります（自社のクラウドアカウントで直接契約する前提なら②が小さいのは正常ですし、精度評価を発注者側で実施する前提なら③が無いのも正常です）。他社より総額が低いときほど、この2区分の前提を先に確認してください。総額の安さをどう読むかは、第10章「見積もり比較の罠」でも整理しています。
ベンダーへそのまま送れる確認質問8つ
以下はメールに貼り付けてそのまま送れる文面です。相見積もりの場合は、全社に同じ文面を送ってください。
- 見積書の各行について、「開発費（一括）」「第三者実費（モデル利用料・クラウド利用料）」「精度評価工数」「運用費（月額）」のどれに当たるかをご教示ください。1行に複数が含まれる場合は分割していただけますか。
- 第三者実費の課金単位をご教示ください（100万トークンあたり／リクエストあたり／保管GB・月あたり／専有枠の時間あたり、など）。あわせて、想定している月間の利用量と、その根拠となる前提をお示しください（外部のLLM APIを利用する構成の場合は、月間リクエスト数と1件あたりの入力・出力トークン数を含めてください）。
- 第三者実費は実費精算でしょうか、それとも御社の定額でしょうか。定額の場合、想定利用量を超えたときの取り扱いをご教示ください。
- 提供元が単価を改定した場合、および為替が変動した場合の費用負担はどちらになりますか。円建てでご提示いただいている場合、換算に用いたレートもご教示ください。
- 期間コミットが必要な専有枠（プロビジョンドスループット等）を前提にしていますか。前提にしている場合、契約期間と、期間中の解約可否をご教示ください。
- 精度評価について、評価データセットの作成者と件数、評価指標と合格閾値、評価の実施回数の上限をご教示ください。
- 合格閾値に届かなかった場合、再学習と再評価の費用は本見積もりに含まれますか。含まれない場合の追加見積もりの考え方をご教示ください。
- 本番稼働後の2年目・3年目について、第三者実費と運用費の年額見込みをご提示ください。1年目と金額が変わる場合は、その理由もあわせてご教示ください。
質問4・5・8への回答が返ってこない場合は、価格が高い／安いの問題ではなく、まだ費用が確定していない可能性を示すシグナルとして扱ってください。契約前に確定させることをおすすめします。
確認質問を送る前に、手元で行項目の抜けを洗い出しておきたい場合は、受け取った見積書のテキストから項目を確認できる開発見積書のAIレビュー（登録不要）を公開しています。登録不要で、結果を見るまでメールアドレスの入力も必要ありません。テキストの抽出はブラウザ内で行い、送信前に内容を確認できます。
第5章 AIエンジニア単価レンジ（職種別・経験別）
AI受託開発の費用の60-70%はエンジニアの人件費です。職種別の単価レンジを把握することで、見積もりの妥当性を判断できます。
職種別の月額単価レンジ（2026年版）
| 職種 | 月額単価レンジ | 求められるスキル |
|---|---|---|
| プロジェクトマネージャー（PM） | 100-180万円 | PMP、AI案件のリーダー経験 |
| AIアーキテクト | 150-250万円 | 大規模MLシステム設計、AWS/GCP/Azure |
| 機械学習エンジニア（ML） | 60-150万円 | Python、PyTorch/TensorFlow、論文実装 |
| データサイエンティスト（DS） | 78-175万円（平均78万、最高175万） | 統計学、特徴量設計、モデル評価 |
| MLOpsエンジニア | 80-150万円 | Kubernetes、MLflow、CI/CD、データパイプライン |
| データエンジニア | 70-130万円 | Spark、BigQuery、Airflow、ETL |
| 生成AI エンジニア（LLM/RAG） | 90-180万円 | LangChain、Vector DB、Prompt Engineering |
| アノテーター・データ整備担当 | 30-60万円 | 業務理解、品質管理 |
| UI/UXデザイナー | 60-120万円 | Figma、ユーザビリティテスト |
注: データサイエンティストの単価は、レバテックフリーランス公開データ（2026年5月時点：平均78万円、最高175万円、案件数1,218件）を参考に整理。機械学習エンジニアは月額60-80万円が中心レンジとされています。
経験年数別の単価補正
| 経験年数 | 単価補正 |
|---|---|
| ジュニア（1-3年） | 標準の70-80% |
| ミドル（3-7年） | 標準の100% |
| シニア（7年以上） | 標準の120-150% |
| 業界専門家（医療・金融・製造のドメイン×AI） | 標準の130-200% |
生成AI活用エンジニアの単価上乗せ: レバテックの調査では、生成AIを活用しているエンジニアの平均月単価は、そうでないエンジニアより約10万円高いとされています（2026年）。
チーム構成例と月額費用
PoC段階の標準チーム（月額280-560万円）:
- PM 0.3-0.5人月 × 130万円 = 39-65万円
- データサイエンティスト 1-2人月 × 100万円 = 100-200万円
- 機械学習エンジニア 1-2人月 × 100万円 = 100-200万円
- アノテーター 0.5-1人月 × 50万円 = 25-50万円
本番化段階の標準チーム（月額700-1,400万円）:
- PM 1人月 × 130万円 = 130万円
- AIアーキテクト 0.5人月 × 200万円 = 100万円
- 機械学習エンジニア 2-3人月 × 100万円 = 200-300万円
- MLOpsエンジニア 1-2人月 × 110万円 = 110-220万円
- データエンジニア 1人月 × 90万円 = 90万円
- フロントエンド／UI 1-2人月 × 80万円 = 80-160万円
詳細な比較: AI開発会社おすすめ30選比較 では、各社が公表している単価とチーム構成を一覧化しています。
第6章 主要15社 費用感比較（公開情報ベース）
ここでは、国内のAI受託開発主要15社を4タイプに分類し、公開情報ベースの費用感を整理します。
※ 重要な免責事項: 以下の「費用感」「業界レンジ目安」は、各社公式サイトの公開情報、公開セミナー資料、第三者比較メディア（ITreview、BOXIL Magazine、起業LOG SaaS等）の記述を総合した一般的な目安です。当社が各社に直接価格調査を行ったものではなく、各社の正式な提示価格や営業秘密ではありません。実際の見積もりは要件により変動します。最新の正確な見積もりは必ず各社にお問い合わせください。
また、ここで挙げる「強み」「注意点」は、第三者媒体の評価記事および公開情報を参照した一般的な特徴の整理であり、各社の現在のサービス内容を断定するものではありません。
大手SIer型（5社）
特徴: 1,000万円〜の大規模案件中心。基幹システム連携・全社AI戦略に強い領域。
| # | 会社名 | 公表費用感 | 業界レンジ目安 | 公開情報からみた強み | 公開情報からみた注意点 |
|---|---|---|---|---|---|
| 1 | NTTデータ | 案件別見積（1,000万円〜） | 中規模3,000万-1.5億円 | 金融・公共・製造の大規模AI、AI CoE | 中堅以下は商談コスト過大の傾向 |
| 2 | 富士通 | 案件別見積 | 中規模2,000万-1億円 | AI-Driven Development Platform | 連携ツール導入が前提化しやすい |
| 3 | NEC | 案件別見積 | 中規模2,500万-1.2億円 | 顔認証・画像認識の独自モデル | 案件規模1,000万円以下は対応外の傾向 |
| 4 | アクセンチュア | 案件別見積（大規模PJ中心） | 5,000万-3億円 | 戦略コンサル+実装の上流から下流まで | 中堅企業には価格が合わないケース |
| 5 | 日立製作所（Lumada AI） | 案件別見積 | 中規模2,500万-1.5億円 | 製造業×AI、社会インフラ | プロセス堅実だが期間が長い傾向 |
AI専業型（5社）
特徴: 500-5,000万円。独自モデル開発・研究開発に強い領域。
| # | 会社名 | 公表費用感 | 業界レンジ目安 | 公開情報からみた強み | 公開情報からみた注意点 |
|---|---|---|---|---|---|
| 6 | PKSHA Technology | 案件別見積 | 1,000-5,000万円 | 自然言語処理、独自アルゴリズム | 上場企業ならではの契約フロー堅実 |
| 7 | ABEJA | 案件別見積 | 800-3,000万円 | ABEJA Platformで運用効率化、製造業 | プラットフォーム前提化の傾向 |
| 8 | エクサウィザーズ | 案件別見積 | 1,000-5,000万円 | 介護・人材・金融のドメイン特化 | 業種特化のため対象業種は限定的 |
| 9 | エッジテクノロジー | 案件別見積 | 500-2,500万円 | 中堅企業向けバランス、画像認識中心 | 公開価格情報は乏しい |
| 10 | KICONIA WORKS | 案件別見積 | 500-2,000万円 | 中小企業向け、スピード感 | 大規模案件は対応外の傾向 |
コンサル+実装型（3社）
特徴: 300-2,000万円。戦略策定から実装まで一貫対応する領域。
| # | 会社名 | 公表費用感 | 業界レンジ目安 | 公開情報からみた強み | 公開情報からみた注意点 |
|---|---|---|---|---|---|
| 11 | キカガク | 案件別見積（教育＋実装） | 500-2,000万円 | AI内製化支援、教育プログラム | 内製化前提のため伴走が重め |
| 12 | renue | 月額レンジ（具体額未公表） | 800-3,000万円（PoC含む） | SIer・SaaSと別軸のFDE型 | 公表価格不在で比較しづらい |
| 13 | Lalaboro.AI | 案件別見積 | 300-1,500万円 | 中堅以下に強いコンサル型 | 大規模スケーラビリティは限定的 |
スタートアップ・新興企業（2社）
特徴: 100-1,000万円。機動力・生成AI・SaaS特化の領域。
| # | 会社名 | 公表費用感 | 業界レンジ目安 | 公開情報からみた強み | 公開情報からみた注意点 |
|---|---|---|---|---|---|
| 14 | Headwaters | 案件別見積 | 300-1,500万円 | 生成AI、Azure連携、機動力 | 大規模PJはリソースが限定的 |
| 15 | koromo | 月額100万円〜（PoC型サブスクリプション） | PoC 300万円〜、本番化 1,500万円〜 | PoC型・補助金活用・本番化見積保証 | 規模3,000万円以上の単発請負は対応範囲外 |
公開情報と実案件の主なギャップ（業界一般の傾向）
業界一般の傾向として、以下のようなギャップが第三者比較メディアで指摘されています。
- 「数百万円〜」と書いてあっても、中堅企業向けの本番化は1,500万円以上のケースが多い
- 「月額制」と書いてあっても、初期費用が別途数百万円必要なケースあり
- 大手SIerは「年間3,000万円以下は商談対象外」とされるケースあり
- PoC終了後の本番化見積もりが2-3倍に跳ね上がるケースが多い（PoC契約時に本番化レンジを明示させることが重要）
これらは個別企業の方針ではなく、AI開発業界に共通する構造的な傾向です。回避策については第10章で詳説します。
比較の実務
各社に見積もりを依頼する際は、同じSOW（Statement of Work：作業範囲記述書）を全社に提出し、内訳明細10項目（前述のチェックリスト）を統一フォーマットで提出させてください。これだけで価格差の説明可能性が劇的に向上します。
詳しい相見積もりの実務は 開発会社相見積もりの取り方ガイド を参照してください。
第7章 補助金後の実質コスト試算3パターン
AI受託開発の費用は、補助金の活用で実質負担を30-67%圧縮できます。2026年に活用可能な主要補助金は以下の3つです。
主要補助金3制度の比較
| 補助金 | 上限額（目安） | 補助率（目安） | 対象 | 申請時期（2026年） |
|---|---|---|---|---|
| IT導入補助金（2026年度はデジタル化・AI導入補助金として運用予定） | 350-450万円（枠による） | 1/2〜3/4（枠による） | 中小企業のソフトウェア・サービス導入（オーダーメイドAI含む） | 通年公募（複数次） |
| ものづくり補助金（製品・サービス高付加価値化枠） | 750-2,500万円（賃上げ特例で最大+1,000万円） | 中小1/2、小規模・再生事業者2/3 | 革新的な製品・サービス開発、設備投資、AI実装 | 第22次：2025/12/26〜2026/1/30 |
| 事業再構築系補助金（後継制度想定） | 数千万円規模（制度設計中） | 1/2-2/3（想定） | 事業再構築・新規事業のためのAI活用 | 制度改編予定（要最新確認） |
重要な注意事項: 補助金の制度名・上限額・補助率・対象経費は年度・公募回ごとに変わります。2026年度の正式な制度名・公募要領は中小企業庁、中小機構（SMRJ）、各補助金事務局の公式サイトで必ず最新情報を確認してください。本記事の数値は2026年5月時点の公開情報に基づく目安です。
補助金併用シミュレーション3パターン
パターンA: スタートアップ（PoC + MVP一気通貫、1,000万円案件）
| 項目 | 金額 |
|---|---|
| 開発費（PoC + MVP一気通貫） | 1,000万円 |
| IT導入補助金/デジタル化・AI導入補助金（補助率1/2、上限450万円想定） | -450万円 |
| 実質負担 | 550万円 |
| 圧縮率 | 45% |
パターンB: 中堅企業（本番化、3,000万円案件）
| 項目 | 金額 |
|---|---|
| 開発費（本番化） | 3,000万円 |
| ものづくり補助金（補助率1/2、上限2,500万円） | -1,500万円 |
| 実質負担 | 1,500万円 |
| 圧縮率 | 50% |
さらに賃上げ特例（補助上限+1,000万円）と最低賃金引上げ特例（補助率2/3）を活用した場合:
| 項目 | 金額 |
|---|---|
| 開発費 | 3,000万円 |
| ものづくり補助金（補助率2/3、上限3,500万円） | -2,000万円 |
| 実質負担 | 1,000万円 |
| 圧縮率 | 67% |
パターンC: 大手企業（複数領域並走、8,000万円案件）
| 項目 | 金額 |
|---|---|
| 開発費（複数領域） | 8,000万円 |
| 事業再構築系補助金（補助率1/2、上限想定3,000万円） | -3,000万円 |
| ものづくり補助金（別経費区分に適用、上限2,500万円） | -2,500万円 |
| 実質負担 | 2,500万円 |
| 圧縮率 | 69% |
重要な注意事項: 上記の併用シミュレーションは、経費区分を完全に分離した場合の理論上の最大値です。同一経費に対する複数補助金の重複申請は原則不可で、対象経費を切り分けて申請する必要があります。実際の併用可否・対象経費の切り分けは、各補助金事務局および補助金専門のコンサルタントに必ずご相談ください。
補助金活用の3つの注意点
- 公募スケジュールに開発計画を合わせる必要がある: 採択結果が出るまで2-4ヶ月かかるため、開発開始時期が後ろ倒しになる
- 採択後の事務手続きが煩雑: 中間報告・実績報告・確定検査などの事務工数が発生（年間20-40時間程度）
- 対象経費が限定される: ハードウェア・既製ソフトウェアは対象外のことが多い
これらの事務負担を理由に「補助金は使わない」と判断する企業も多いですが、対象経費の切り分け次第で開発費の3〜7割程度を圧縮できる効果は大きく、koromoのような補助金申請伴走支援を活用するのが現実解です。
詳しくは DX/AI関連補助金まとめ を参照してください。
第8章 AI受託開発で失敗する5パターンと回避策
国内のAI受託開発では「PoC止まり」が多いとされ、失敗を構造的に減らす設計が重要です。失敗パターンを5類型に整理し、早期検知シグナル・回避策をセットで提示します。
パターン1：安すぎる見積もりに飛びつく
症状: 同じSOWで他社が3,000万円のところ、A社だけ800万円。「とにかく安いから」と発注 → 要件理解が浅く、追加見積もりが3回発生 → 最終3,500万円。
早期検知シグナル:
- 内訳明細が「一式」表記
- 要件定義の工数が10%未満
- 「追加見積もりの条件」が契約書に明文化されていない
回避策:
- 内訳明細10項目チェックリストを全社に統一フォーマットで提出させる
- 要件定義工数が極端に少ない見積もりは「業務理解が浅い」サインと理解する
- 追加見積もりの発生条件を契約書に明文化させる
パターン2：単価のみで選ぶ
症状: A社の人月単価120万円、B社90万円。「B社の方が安い」と判断 → B社のジュニアエンジニア中心チームで品質が安定せず、結果的にA社の1.5倍の工数がかかる。
早期検知シグナル:
- アサインメンバーの経歴・スキル詳細が提示されない
- 「うちは○○大学院出身者が中心」など抽象的な人材説明
- PM の経験案件数・成果が不明
回避策:
- 「人月単価 × 工数 × メンバーの経歴」を3軸で比較
- アサインメンバーの履歴書・職務経歴書を契約前に確認
- PM の過去案件3件以上の説明を求める
パターン3：追加費用想定なしで契約
症状: 「予算3,000万円」と決めて契約。要件変更2回、データ拡張1回で合計800万円の追加費用が発生し、稟議が再起決議に。
早期検知シグナル:
- 「変更管理プロセス」が契約書にない
- 要件変更の単価表がない
- 「追加データ量」「追加スコープ」の単価が事前に決まっていない
回避策:
- 契約書に「変更管理プロセス」「追加見積もりの単価表」を明記
- 予算の15-20%を「変更管理予備費」として確保
- 月次のステアリングコミッティで変更要望を一括判断する運用ルール
パターン4：運用費見落とし
症状: 開発費3,000万円の本番リリース後、運用費が想定の3倍（月150万円→月450万円）。GPU費用とアノテーションの再学習費用が見積もりに含まれていなかった。
早期検知シグナル:
- 運用設計・引き継ぎの工数が5%未満
- クラウド利用料・GPU費用が「別途」扱い
- モデル再学習の頻度・費用が明示されていない
回避策:
- 運用保守費用を開発費の15-25%/年で計画する
- 運用5項目（モデル再学習、インフラ、監視、改善開発、教育）の単価を契約に含める
- 1年運用後の精度劣化対応費用を概算で提示してもらう
パターン5：契約形態の誤選択
症状: 不確実性が高いPoCを請負契約で発注 → ベンダーがリスクプレミアムを上乗せして見積もりが想定より高くなり、結局PoC止まりに。
早期検知シグナル:
- PoCなのに請負契約を提示される
- 「精度95%以上保証」と契約書に書かれている（AI開発では実現困難）
- 知財帰属が一方的に委託元・委託先のいずれかに偏っている
回避策:
- PoCは準委任、MVPは成果完成型準委任、本番化は請負 or 成果完成型準委任のハイブリッド契約
- 精度KPIは「適合率」「再現率」「F1スコア」など適切な指標で設計
- 知財帰属はIPAモデル契約書第二版を参考に「学習済みモデル、教師データ、ノウハウ」それぞれを別途協議
詳しくは システム開発失敗事例集 も参照。
第9章 稟議書テンプレート【A4 1枚】と経営層レビュー10論点
ここでは、AI受託開発の稟議をA4 1枚で通すための稟議書テンプレートと、CFO/CEO/取締役の典型的な視点を「経営層レビュー10論点」として整理し、回答例を提示します。
稟議書テンプレート（A4 1枚構成）
─────────────────────────────────
件名: 〇〇業務AI化プロジェクト（受託開発）の稟議
─────────────────────────────────
■ 1. 目的（背景・課題）
- 現状の業務工数: 月〇〇時間／コスト月〇〇万円
- 課題: 属人化、ヒューマンエラー、繁忙期の対応遅延
- 解決方針: AI受託開発による業務工数50%削減
■ 2. 投資概要
| 項目 | 金額 |
|------|-----|
| PoC（150-500万円） | XXX万円 |
| 本番化（1,500-5,000万円） | X,XXX万円 |
| 運用保守（年） | XXX万円 |
| 補助金活用後実質負担 | X,XXX万円 |
■ 3. 投資対効果（ROI）
- 削減効果: 年〇〇万円（業務工数〇〇時間×時給〇〇〇円）
- 回収期間: 〇〇ヶ月
- 3年ROI: 〇〇%
■ 4. 契約形態とリスク管理
- 契約形態: ハイブリッド（PoC=準委任、本番=成果完成型準委任）
- PoC撤退条件: 適合率〇〇%未満 OR 業務削減効果10%未満
- 知財帰属: 学習済みモデル＝委託元、教師データ＝委託元、ノウハウ＝共有
■ 5. ベンダー選定理由（相見積もり結果）
- A社（採用）: 〇〇万円、PoC型・補助金支援・本番化見積保証
- B社: 〇〇万円、大手SIer型
- C社: 〇〇万円、AI専業型
■ 6. スケジュール
- PoC: 〇月〜〇月（〇ヶ月）
- MVP: 〇月〜〇月（〇ヶ月）
- 本番化: 〇月〜〇月（〇ヶ月）
■ 7. 補助金活用計画
- ものづくり補助金 第〇〇次公募（上限〇〇万円）
- 申請: 〇月、採択: 〇月、実績報告: 〇月
■ 8. 承認のお願い
─────────────────────────────────
CFO（最高財務責任者）想定質問5問と回答例
Q1. このAI投資のROIは何ヶ月で回収できますか？
A: 業務削減効果が年〇〇万円、初期投資が補助金活用後で〇〇万円のため、回収期間は約〇〇ヶ月です。本番化以降の運用保守費（年〇〇万円）を差し引いても、3年累計のROIは〇〇%を見込んでいます。
Q2. 失敗した場合の損失はいくらですか？
A: ハイブリッド契約のため、PoC段階で撤退判断する場合は最大〇〇万円（PoC費用のみ）です。本番化契約はPoC結果次第で締結するため、本番化後に大規模な損失が出るリスクは構造的に低減されています。
Q3. 補助金が採択されなかった場合の代替案は？
A: 補助金不採択の場合、PoC段階での投資判断見直しを行い、規模を縮小するか、別の補助金（デジタル化・AI導入補助金など）への切り替えを検討します。または、PoC範囲を限定して自己資金で進める判断も可能です。
Q4. なぜこのベンダーが最適と判断したのですか？
A: 3社相見積もりの結果、A社は「PoC型サブスクリプション」で初期費用を圧縮でき、「補助金申請伴走」で実質負担を50%削減でき、「本番化見積保証（PoC見積もり提出時に本番化レンジを同時提示）」でPoC→本番化の連続性が担保されています。B社は人月単価が高く、C社は本番化実績が乏しいため、A社を選定しました。
Q5. 運用保守費が想定より膨らむリスクは？
A: 運用保守費を契約書で「月額固定50万円＋追加開発単価表」と明文化しています。モデル再学習は四半期1回・GPU費用は月10万円までを上限とし、それを超える場合は事前見積もりを必須としています。これにより運用費の青天井リスクを統制します。
CEO想定質問3問と回答例
Q6. なぜ今、AI受託開発に投資すべきなのですか？
A: 競合A社・B社は2025年からAI導入を進めており、業務生産性で当社との差が開きつつあります。生成AIの実用化により、独自モデル開発が必須だった3年前と比べて、既製API活用で開発期間・コストを大きく圧縮できる環境が整っています（具体的な短縮率は要件次第）。3年後にはAI活用が前提条件となり、投資が遅れるほど追従コストが増える見通しです。
Q7. 内製ではなく外注を選んだ理由は？
A: 内製の場合、データサイエンティスト・MLエンジニアの採用に1名あたり1,000-1,500万円/年かかり、立ち上げに2-3年を要します。外注の場合、初期投資〇〇万円で6-12ヶ月で本番稼働可能です。本番稼働後の運用は段階的に内製化を進める計画で、3年後には50%内製化を目指します。詳細な比較は内製vs外注の判断軸で整理しています。
Q8. このプロジェクトが成功する確信はどこにありますか？
A: 1) PoC撤退条件を契約に明記している、2) ベンダーがPoC型サブスクリプションで成果連動の体制を持つ、3) 業務側からの推進責任者を専任で配置している、4) 補助金活用で実質負担を低減している、5) 類似業務でのAI導入成功事例がある — の5点で、成功確度を構造的に高める設計です。AIプロジェクトに絶対の成功はありませんが、契約設計次第で確度を高められる前提でリスク管理しています。
取締役想定質問2問と回答例
Q9. 取締役会への報告事項は？
A: 1) PoC契約締結時、2) PoC結果と本番化判断時、3) 本番化リリース時、4) 6ヶ月運用後のROI実績報告 — の4回を取締役会報告事項とします。各時点で予算進捗・KPI実績・リスク評価を提示します。
Q10. このAIプロジェクトが他のDX投資より優先される理由は？
A: AI受託開発は「業務工数50%削減」という定量的かつ短期回収可能な効果を持ち、他のDX投資（基幹刷新・SaaS導入）より回収期間が短い（〇〇ヶ月）ためです。また、補助金活用で実質負担が圧縮できる時限的な機会でもあります。ポートフォリオ管理上、AI投資が最も期待リターンが高いと判断しました。
第10章 相見積もり実務マニュアル
3-5社の相見積もりは、AI受託開発の費用透明性を担保する最も効果的な方法です。実務手順を整理します。
同じSOWに揃える方法
相見積もりで価格差が4倍以上になる主因は「各社が自社流の前提でSOWを書く」ことです。これを防ぐため、発注側で統一SOWテンプレートを作成し、全社に同じフォーマットで見積もり提出を依頼してください。
統一SOWテンプレートの構成（A4 3-5枚）:
- プロジェクト概要（業務課題、AI活用方針）
- 機能要件（必須機能リスト、ユーザー数、データ量）
- 非機能要件（精度KPI、可用性SLA、レスポンスタイム）
- データの状況（既存データの種類・量・品質）
- 既存システム連携要件（連携先システム、データフロー）
- プロジェクト体制（発注側担当者、想定リソース）
- スケジュール希望（PoC開始時期、本番化希望時期）
- 予算レンジ（公開する場合）
- 見積もり提出フォーマット（前述の10項目チェックリスト）
- 評価基準（価格、技術力、実績、契約形態）
比較チェックリスト20項目
| # | 比較項目 | A社 | B社 | C社 | 評価軸 |
|---|---|---|---|---|---|
| 1 | 内訳明細5項目の比率 | 標準比率からの乖離 | |||
| 2 | 人月単価×工数の明示 | 透明性 | |||
| 3 | アサインメンバーの経歴 | スキル妥当性 | |||
| 4 | PM の過去案件数 | 経験 | |||
| 5 | 類似業種の実績 | ドメイン理解 | |||
| 6 | 契約形態の柔軟性 | リスク管理 | |||
| 7 | PoC撤退条件の明文化 | 失敗時の保護 | |||
| 8 | 追加見積もり条件の明確さ | 予算管理 | |||
| 9 | 知財帰属の条件 | IP保護 | |||
| 10 | 検収条件のKPI数値化 | 期待値合意 | |||
| 11 | 運用保守の単価表 | 運用費予測可能性 | |||
| 12 | 第三者ライセンス料の明示 | コスト見落とし防止 | |||
| 13 | クラウド利用料の見込み | インフラ費可視化 | |||
| 14 | アノテーション費用の扱い | データ整備コスト | |||
| 15 | 保証期間と保証範囲 | アフターサポート | |||
| 16 | 補助金申請の伴走可否 | 実質負担削減 | |||
| 17 | 開発ドキュメントの納品物 | 内製化への引き継ぎ | |||
| 18 | 内製化支援の提供 | 長期戦略整合性 | |||
| 19 | 撤退時の知財・データ取扱い | リスク管理 | |||
| 20 | レビュー・改善プロセス | 品質保証 |
価格交渉の3軸
価格交渉は「工数を競う」「単価を競う」「成果報酬を混ぜる」の3軸で進めます。
| 交渉軸 | アプローチ | 削減幅 |
|---|---|---|
| 工数を競う | 「他社は同じSOWで〇〇人月の提案でした。御社で削減余地はありますか？」 | 5-15% |
| 単価を競う | 「ジュニアエンジニアの単価が業界平均より高いです。チーム構成を見直せますか？」 | 5-10% |
| 成果報酬を混ぜる | 「PoC成功時にボーナス〇〇万円、未達時に減額〇〇万円のレベニューシェアを混ぜませんか？」 | リスク共有・10-20%調整 |
見積もり比較の罠：「総額が安い」だけで選ばない
総額が安い見積もりは、以下のいずれかであることが多いです:
- 要件定義工数が極端に少ない: 後で大規模手戻りが発生する
- テスト工数が省略されている: 本番運用後に障害が多発
- 運用保守費が「別途」扱い: 1年後に運用費が突然請求される
- ジュニアエンジニア中心のチーム: 品質が安定せず、結果的に工数が膨らむ
- PoC料金が安い代わりに本番化料金が高い: PoC終了後に本番化見積もりが3倍に
総額ではなく「3年累計コスト（開発+運用+追加改善）」で比較するのが正解です。
第11章 koromoが選ばれる理由【PoC型・補助金活用・本番化見積保証】
ここで、本記事を執筆しているkoromoのサービス特徴を紹介します。koromoは料金透明性と段階的リスク管理を重視し、稟議担当者から「説明可能性が高い」と評価されることが多いです。
koromoの3つの差別化ポイント
1. PoC型サブスクリプション（月100万円〜）
通常のAI受託開発は「PoC一式300万円」「本番化一式3,000万円」と固定単価で見積もるため、発注側のリスクが集中します。koromoは月額制のPoC型サブスクリプションを提供し、月単位で撤退・継続を判断できます。
| プラン | 月額 | 提供内容 | 推奨フェーズ |
|---|---|---|---|
| ライト | 100万円 | PM 0.3人月 + DS 0.5人月 | データアセスメント、軽量PoC |
| スタンダード | 250万円 | PM 0.5人月 + DS 1人月 + ML 1人月 | PoC、MVP |
| プロ | 500万円 | PM 1人月 + DS 1人月 + ML 1.5人月 + MLOps 0.5人月 | MVP、本番化前段 |
| エンタープライズ | 個別見積 | 専任チーム編成 | 本番化、運用 |
撤退判断が月次でできるため、PoC止まりリスクを構造的に低減します。
2. 補助金申請の伴走支援
koromoはIT導入補助金（2026年度はデジタル化・AI導入補助金として運用予定）、ものづくり補助金、事業再構築系補助金の申請を伴走支援します。対象経費の切り分け次第で、補助金活用により実質負担を3〜7割程度圧縮できるケースがあります（採択保証ではありません）。
伴走内容:
- 補助金スキーム選定（複数補助金の比較・併用可否判定）
- 申請書ドラフト作成支援
- 採択後の中間報告・実績報告の事務サポート
- 確定検査対応
補助金の採択率は補助金スキーム・公募回・申請内容により変動するため、採択を保証するものではありません。最新の採択率は各補助金事務局の公表データをご確認ください。
3. 本番化見積保証
PoC終了後の本番化見積もりは、「PoC見積もり提出時に同時提示」を契約条件としています。これにより、PoC終了後に本番化見積もりが2-3倍に跳ね上がるリスクを構造的に低減します（個別案件の見積もり保証ではなく、契約フローによる予見可能性の担保）。
本番化見積保証の3項目:
- PoC契約時に本番化レンジ（上限値）を明示
- PoC結果と本番化見積もりの整合性を契約条項で担保
- 本番化に進む場合の運用保守費の上限を明示
koromoのCV訴求
料金透明性を重視する稟議担当者・情シス・経営企画の方は、まずは無料の相見積もり相談からお問い合わせください。同じSOWを他社にも提出した上で、koromoの見積もりを比較いただく形でも構いません。比較する前提でのご相談を歓迎します。
詳しくは koromo のAI開発サービス紹介 と AI開発会社おすすめ30選比較 をご覧ください。
第12章 よくある質問（FAQ）
Q1. AI受託開発の料金相場はいくらですか？
PoC 150-500万円、MVP 500-1,500万円、本番化 1,500-5,000万円、運用月50-300万円が中央値です。中規模案件（ユーザー数100-1,000名、データ量GB級）の業界相場で、大規模・全社展開は本番化が1億円を超えるケースもあります。
Q2. AIを導入する初期費用はいくらですか？
用途により大きく異なります。軽量チャットボット50-300万円、RAGチャットボット300-1,500万円、画像認識AI 500-3,000万円、需要予測AI 500-1,500万円、業務エージェント1,000-5,000万円が目安です。
Q3. AI受託開発と内製、どちらが安いですか？
短期（6ヶ月以内）・単発案件は受託が30-40%安い場合が多いです。一方、3年以上の継続運用や複数領域への横展開がある場合は、内製チーム構築（データサイエンティスト・MLエンジニア各1名で年2,000-3,000万円）の方がトータルコストが下がる可能性があります。詳細は 内製vs外注の判断軸 で解説しています。
Q4. AI開発のPoCの費用は？
PoCの費用は150-500万円、期間2-3ヶ月が一般的な目安です。本番開発費の10-20%程度を想定し、90日以内に実現可能性を判断する進め方が推奨されます。PoC開始前に「本番移行のKPI閾値」「撤退条件」を契約書に明記することが重要です。
Q5. AI開発の契約は請負と準委任のどちらが良いですか？
AI開発は精度が学習データ次第のため、請負契約だとベンダーがリスクプレミアムを上乗せする傾向があり、結果として見積もりが割高になりやすい（具体的な乖離幅は要件・ベンダーにより異なる）です。IPA「情報システム・モデル取引・契約書（第二版）」では、AI開発に成果完成型準委任契約が推奨されています。PoCは準委任、MVP・本番化は成果完成型準委任のハイブリッド契約がデフォルトです。
Q6. AI開発で使える補助金は？
2026年度はIT導入補助金（デジタル化・AI導入補助金として運用予定、上限350-450万円、補助率1/2-3/4）と「ものづくり補助金 製品・サービス高付加価値化枠」（上限750-2,500万円、補助率1/2-2/3）が主要な選択肢です。経費区分を分離した併用で実質負担を3〜7割程度圧縮できるケースがあります。詳しくは DX/AI補助金まとめ を参照してください。
Q7. 生成AIのシステム開発はいくらですか？
軽量チャットボット50-300万円、RAGチャットボット（社内文書検索）300-1,500万円、業務エージェント（複数システム横断）1,000-5,000万円、生成AI業務支援（議事録・要約・翻訳）200-1,000万円が目安です。生成AIは既製のAPI（OpenAI、Anthropic、Google）を活用するため、独自モデル開発より初期費用が小さい傾向があります。
Q8. AI開発を安くする方法は？
3つあります。1) 補助金活用（実質負担30-67%圧縮）、2) PoC撤退条件の明文化（PoC止まりのリスク低減）、3) 既存基盤の活用（OpenAI/Anthropic API、Hugging Face のオープンモデルなどで独自モデル開発コストを圧縮）。さらに、3-5社の相見積もりで価格交渉も可能です。
Q9. AI開発の保守費用はいくらですか？
開発費の15-25%/年が業界標準で、月50-300万円が中央値です。内訳はモデル再学習30%、インフラ運用20%、監視・障害対応20%、改善開発15%、ドキュメント更新・教育15%が標準比率です。
Q10. AI受託開発会社の選び方は？
5つの軸で評価します。1) PoC型サービスの提供有無、2) 補助金申請の伴走可否、3) 本番化見積保証（PoC時の本番化レンジ提示）の有無、4) 契約形態の柔軟性（ハイブリッド対応）、5) 単価×工数の透明性。詳しくは AI開発会社おすすめ30選比較 で30社を比較しています。
Q11. 検収条件はどう書けばいいですか？
精度KPI（適合率・再現率・F1スコアなど）と業務KPI（業務工数削減率・売上向上率など）の二段階で具体的な数値を契約書に明記します。例: 「適合率80%以上 AND 業務工数30%削減を達成した場合に検収」。あいまいな「精度が業務に活用できるレベル」のような表現は紛争の元です。
Q12. 知財はどちらに帰属しますか？
デフォルトでは、制作物（コード・ドキュメント）の著作権は委託元、学習済みモデル・教師データ・ノウハウは別途協議が一般的です。IPAモデル契約書第二版では、契約締結時に「学習済みモデル」「再利用モデル」「派生モデル」「知識・ノウハウ」を個別に取り扱う条項が示されています。委託元が独自データで学習した場合は委託元帰属を主張しやすいですが、ベンダーの汎用モデルを使った場合は共有 or ベンダー帰属になることが多いです。
Q13. 開発期間はどれくらいですか？
PoC 1-3ヶ月、MVP 3-6ヶ月、本番化 6-12ヶ月、運用 継続が業界相場です。ハイブリッド契約の場合、フェーズ間の判断期間として各1-2ヶ月の調整期間を見込むのが現実的です。
Q14. 個人事業主のAIエンジニアへの発注はどう考えるべきですか？
個人事業主のAIエンジニアはスキルが高い方も多く、PoC段階や限定スコープでは有力な選択肢になりえます。一方、本番運用・全社展開を伴う場合は、法人ベンダーの方が「業務継続性」「品質保証」「PL保険」「複数人体制」を担保しやすく、稟議書での説明可能性が高くなる傾向があります。どちらが優れているかではなく、フェーズと用途に応じて使い分けるのが現実解です。
Q15. 価格交渉のコツは？
「工数を競う」「単価を競う」「成果報酬を混ぜる」の3軸で進めます。具体的には、1) 他社の人月数を引用して工数削減を依頼、2) ジュニアエンジニアの単価見直しを依頼、3) PoC成功時のボーナス・未達時の減額を混ぜる、の3つです。総額で5-25%の調整余地があるケースが多いです。
まとめ：稟議を通すための3ステップ
AI受託開発の料金は、フェーズ・契約形態・補助金・チーム構成によって2-4倍の差が出ます。稟議担当者の方が3-5社の相見積もりを成功させるための3ステップは以下のとおりです。
ステップ1: 統一SOWを作成し、3-5社に同条件で見積もり依頼
- 統一SOWテンプレート（A4 3-5枚）を作成
- 内訳明細10項目チェックリストを提示
- 評価基準（価格・技術力・契約形態・実績）を明示
ステップ2: 比較チェックリスト20項目で見積もり評価
- 内訳明細の標準比率（要件定義15% / 設計15% / 実装45% / テスト15% / 運用保守10%）から大きく外れる見積もりは要注意
- 単価のみではなく、メンバー経歴・PM経験で判断
- PoC撤退条件・本番化レンジが契約書に明文化されているか確認
ステップ3: 補助金併用と稟議書テンプレートで通す
- ものづくり補助金（最大2,500万円）+ デジタル化・AI導入補助金（最大450万円）で実質負担を30-67%圧縮
- 稟議書テンプレート（A4 1枚）を使い、経営層レビュー10論点への回答を事前準備
- ハイブリッド契約（PoC=準委任、本番=成果完成型準委任）でリスクを段階管理
AI受託開発の料金比較で迷ったら、まず3社の相見積もりを取り、本記事の比較チェックリスト20項目で評価してみてください。料金透明性は、稟議が通る最大の武器です。
この記事の参考文献:
- JUAS「ソフトウェア・メトリクス調査2025（ガイドブック）」（2025年4月）
- IPA「情報システム・モデル取引・契約書（第二版）」（2020年12月公開、AI開発の標準契約類型）
- 経産省「AI・データの利用に関する契約ガイドライン」「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）」
- レバテックフリーランス「単価相場」「機械学習エンジニア案件特集」（2026年5月時点）
- 中小機構「デジタル化・AI導入補助金」（2026年）
- 中小企業庁「ものづくり補助金 第22次公募要領」（2025年12月公開）
- 各社AI開発会社公式サイト・公開情報（2026年5月時点）
- Anthropic「Pricing」https://platform.claude.com/docs/en/about-claude/pricing（2026年8月25日取得）
- OpenAI「Pricing」https://developers.openai.com/api/docs/pricing（2026年8月25日取得）
- Google「Gemini Developer API pricing」https://ai.google.dev/gemini-api/docs/pricing（2026年8月25日取得）
- Amazon Web Services「Amazon Bedrock pricing」https://aws.amazon.com/bedrock/pricing/（2026年8月25日取得）
関連記事:
- システム開発の費用相場2026年版
- AI開発会社おすすめ30選比較
- DX/AI関連補助金まとめ2026
- システム開発予算策定の進め方
- AI ROI計算式と判断基準
- 内製vs外注の判断軸
- 開発会社相見積もりの取り方ガイド
- システム開発失敗事例集
- AI投資判断フレームワーク
- 開発見積書の「一式」を工程・成果物・工数へ分解する方法
受け取ったAI開発の見積書を、第3章の4区分（開発費・第三者実費・精度評価・運用費）へ分けるところから始めたい方は、開発見積書のAIレビュー（登録不要）をご利用ください。
最新の見積もりや、補助金活用込みの実質コストシミュレーションが必要な方は、 koromoの無料相談 よりお問い合わせください。3-5社相見積もりの一環として、比較する前提でのご相談を歓迎します。
koromo からの提案
AIツールの導入判断は、突き詰めると「投資対効果が合うか」「リスクを管理できるか」「事業にどう効くか」の3点に帰着します。koromo では、この判断に必要な材料を整理するところからご支援しています。
以下のような状況にある方は、まず現状の整理だけでも前に進むきっかけになります。
- AIで開発や業務を効率化したいが、自社に合う方法がわからない
- 社内にエンジニアがいない / 少人数で、AI導入の進め方に見当がつかない
- 外注先の開発会社にAI活用を提案したいが、何を求めればいいか整理できていない
- 「AIを使えばコスト削減できるはず」と感じているが、具体的な試算ができていない
ツールを使った上で相談したい方はお問い合わせフォームから「AI活用の相談」とご記載ください。初回の壁打ち（30分）は無料で対応しています。
無料で相談する
