【2026年】AI開発 スタートアップ向け完全ガイド｜シード〜シリーズB別の発注戦略・契約7条項・会社12社比較
スタートアップがAI開発を外注する際の意思決定を、シード〜シリーズB別のステージ別発注ステージ表、ランウェイ別予算マトリクス、契約7条項チェックリスト、AI生成コードの著作権論点、失敗5類型×ランウェイ毀損リスク試算、内製vs外注YES/NOチャート、AI開発会社12社比較で1記事に統合。特許庁IP BASE/経産省/文化庁/IPA/McKinsey 一次ソース裏取り。
「シード期にAI開発を外注すべきか、CTO候補が決まるまで待つべきか分からない」「ランウェイ18ヶ月で生成AIプロダクトを立ち上げたいが、どの会社にどの契約形態で発注すれば撤退コストを最小化できるのか整理できない」「AI生成コードの著作権がスタートアップ自身に帰属するのか、IPO時のデューデリで躓かないか不安」——本記事は、こうしたシード〜シリーズBのスタートアップ経営者・CTO候補・PdMからの相談を集約して書きました。
検索エンジンで「AI開発 スタートアップ向け」と打ち込んでも、SERP上位10件の大半は中堅以上の企業を前提にした「AI開発会社20社比較」記事で、スタートアップ特有の論点（ランウェイ短期化、PMF前のピボット、株式報酬での発注、ソースコード開示、撤退時のデータ持ち出し、AI生成コードの権利帰属）に踏み込んだ記事はほとんど見当たりません。スタートアップ特化を謳う記事も、執筆時点で確認した範囲では1本(約6,500字)が散見されるのみで、契約書条項・補助金活用・失敗パターン×ランウェイ毀損リスク試算といった実務深掘り情報はほぼ空白です。
本記事は、その空白を埋めるために、シード〜シリーズB別「ステージ別発注ステージ表」、ランウェイ別×ステージ別×業種別の3次元費用マトリクス、スタートアップ特化7基準で選ぶAI開発会社12社比較表、契約7条項チェックリスト（IP帰属/ソース開示/解約金/データ持出/競業避止/瑕疵担保/第三者ライセンス）、AI生成コードの著作権論点（文化庁2024年指針準拠）、AI開発外注「失敗5類型」とランウェイ毀損リスク試算、内製 vs 外注 意思決定YES/NOチャート、PoCから本番化への移行5ステップまで、スタートアップ経営者が意思決定するための情報を1記事に凝縮しました。出典は特許庁IP BASE・文化庁・経済産業省・IPA・JUAS・Genesia Ventures・McKinseyなど一次ソース15本以上で裏取りしています。
免責事項：本記事の費用レンジ・契約条項例・各社サービス内容は2026年5月時点の公開情報・第三者比較メディア・公式サイト等を総合した一般的な目安です。法的な助言ではなく、実際の契約・税務・知財扱いについては必ず弁護士・税理士・弁理士に個別相談してください。
📝 執筆者の利益相反開示：本記事はAIコーディング型受託開発・AI戦略コンサル(CAIO代行)・生成AI業務効率化支援を提供する koromo が執筆しています。他社サービスも公開情報に基づいて可能な限り公平に比較していますが、第5章の12社比較では koromo を1社として含めています。koromoのポジション（AIコーディング標準装備・「6ヶ月→1ヶ月」高速開発・卒業/内製化を契約条項に組み込む）を後段で強く訴求している点はあらかじめご認識ください。
この記事で分かること（TL;DR）
- シード〜シリーズB別の発注戦略：シード期は100%外注（PoC100-500万）、プレシリーズA期（以下、プレA期）はMVP外注（300-1,500万）、シリーズAでハイブリッド体制、シリーズB以降でコア内製化が王道。ステージ別の推奨契約形態・ピボット耐性要件を一覧表で提示
- ランウェイ別×ステージ別×業種別の3次元費用マトリクス：ランウェイ12/18/24ヶ月別、PoC/MVP/本番化/スケール別、SaaS/AIネイティブ/AI機能搭載別の費用レンジを早見表化。Claude Code / Cursor 等AIコーディング活用で従来比30-50%圧縮が可能
- AI開発会社12社比較：koromo / モンスターラボ / mofmof inc. / Sun Asterisk / Goodpatch / ギブリー / ニューラルオプト / Solashi / ELYZA / AVILEN / Laboro.AI / ヘッドウォータースを「最小発注額」「ピボット対応」「IP帰属」「撤退コスト」「スタートアップ適性スコア（5点満点）」など8列で比較
- 契約7条項チェックリスト：IP帰属/ソース開示/解約金/データ持出/競業避止/瑕疵担保/第三者ライセンスを発注前に握る具体例。経産省「AIの利用・開発に関する契約チェックリスト」(2025年2月)準拠
- AI生成コードの著作権論点：文化庁「AIと著作権に関する考え方について」(2024年3月)に基づき、AI生成部分・人間生成部分の権利帰属、ライセンス整理、IPO時デューデリ対応を解説
- 失敗5類型×ランウェイ毀損リスク試算：要件未確定/ピボット非対応/IP奪取/コスト超過/PoC死蔵の5パターンが、ランウェイをどれだけ毀損するかを月数で試算。早期検知シグナル付き
- 内製 vs 外注 意思決定YES/NOチャート：シード/プレA/A/B別の判断フロー。CTO確保・コア技術・PMF達成度の3軸で判定
- FAQ 13問：費用相場/補助金/エクイティ報酬/MVP期間/コア機能内製化のタイミングなど、PAA(People Also Ask)とサジェストを完全カバー
第1章 スタートアップがAI開発を外注すべき4つの理由
「AI開発 スタートアップ向け」と検索する経営者・CTO候補が最初に直面するのは、「そもそも今のフェーズで外注すべきか、CTOを採用して内製で進めるべきか」という分岐です。本章では、シード〜シリーズB期のスタートアップがAI開発を外注すべき4つの理由を、一次ソースのデータと現場の実務観点から整理します。
スタートアップがAI開発を外注すべき4つの理由とは、(1)CTO採用前のランウェイ温存、(2)最新AIスタックへの即時アクセス、(3)PMF前後の柔軟性確保、(4)知財・契約リスクのプロ依存——です。
1-1. CTO採用前のランウェイ温存
シード期の年商目標は0-2,000万円、共同創業者が中心の2-5名体制が一般的です（参考: Genesia Ventures「シード期100社経営虎の巻」）。この段階で年収1,000-1,500万円のCTOを採用すると、社会保険・税負担を含めて月100万円超のバーンレートが発生し、エクイティ希薄化も大きくなります。一方、AI開発外注を「PoC 100-500万円 → MVP 300-1,500万円」とフェーズ分割で発注すれば、CTO確保前にプロダクトリスクを切り離して仮説検証を進められます。「AI開発の外注は、CTO採用の判断材料を集める時間を稼ぐ投資」と位置付けるのが、シード期の合理的な選択です。
1-2. 最新AIスタックへの即時アクセス
2026年現在、生成AI領域はClaude Code・Cursor・GPT-5・Gemini 3.0・MCP（Model Context Protocol）・エージェント開発フレームワークなど、月単位で標準スタックが変化しています。McKinsey「The state of AI 2025」によれば、グローバル企業の88%が何らかの形でAIを業務に組み込んでいる一方、明確な価値を獲得できているのは6%の高パフォーマンス企業のみ。残り94%は導入はしたものの価値創出に至っていません（出典: McKinsey, The state of AI in 2025）。この「AI実装における価値創出ギャップ」は、スタートアップが自前で最新スタックをキャッチアップし続けるコスト負担の大きさを物語っています。AI開発を継続的に外注している会社は、複数顧客のプロジェクトで蓄積した知見を即時に投入できるため、結果として「自前で学習する時間を買う」効果が大きくなります。
1-3. PMF前後の柔軟性確保
シード〜プレシリーズA期は、週次〜隔週でユーザーインタビューを回し、仕様を変更し続ける時期です。スタートアップ向けに最適化された開発会社は、準委任契約・週次スプリント・翌スプリント取り込みで仕様変更に追随できます。一方、社内CTOを採用してしまうと、ピボット時に技術スタックや人員配置を変えづらく、「採用時点での仮説」に固執しがちです。外注を活用すれば「人材ごと差し替える」自由度が高く、ピボット耐性が確保できます。
1-4. 知財・契約リスクのプロ依存
スタートアップにとってAI開発の最大の落とし穴は、ソースコードの著作権・AI生成物の権利帰属・データ持ち出し条項を「契約後」に気付くケースです。特許庁IP BASEは「ソースコードはベンダの事業価値である正に虎の子の資産であり、これを納品することで自社が意図していない形でソフトウェアを改変・利用されるなどの事業価値毀損のリスクが高まる」と指摘しています（出典: 特許庁IP BASE「知財権を確保すれば十分か」）。社内CTO体制ではこの法務知見を内部に持ちにくいため、専門ベンダーのテンプレ契約書とノウハウに頼った方が、最終的な知財リスクを抑えられるケースが多くなります。
1-5. 外注を「選ばない方が良い」ケースもある
ただし、以下の3つに該当する場合はシード期から内製化を検討すべきです: (a) コア技術が独自モデル開発で、長期的に競争優位の源泉になる、(b) 創業者自身が機械学習エンジニア出身でMLOpsまで内製可能、(c) 投資家から「コア技術の内製化」を強く要請されている。この3つに該当しない90%以上のスタートアップは、PoC→MVP→PMF探索までは外注で走らせる方が、ランウェイあたりの学習量を最大化できます。
第2章 シード〜シリーズB別「ステージ別発注ステージ表」【独自】
スタートアップのAI開発外注で最も多い失敗は「フェーズに合わない発注タイプを選ぶ」ことです。シード期に大規模本番化を発注したり、シリーズB期に小規模PoCを発注したりすると、いずれもランウェイ毀損につながります。本章では、シード〜シリーズB別の推奨発注タイプを、予算・契約形態・ピボット耐性要件・コミュニケーション頻度の5軸で整理します。
ステージ別発注ステージ表とは、スタートアップの資金調達ステージごとに、AI開発の発注タイプ・予算・契約形態・ピボット耐性要件を一覧化したマトリクスです。
2-1. ステージ別発注ステージ表
| ステージ | 推奨発注タイプ | 推奨予算レンジ | 推奨契約形態 | ピボット耐性要件 | コミュニケーション頻度 |
|---|---|---|---|---|---|
| シード (CV調達前-3,000万) | PoC（仮説検証） | 100-500万円/3-4ヶ月 | 準委任 / マイルストン制請負 | 週次仕様変更・翌スプリント取り込み | 週次1時間定例 + Slack常時 |
| プレシリーズA (3,000万-1億) | MVP（PMF探索） | 300-1,500万円/3-6ヶ月 | 準委任 / ラボ型月額 | 隔週のスプリント方向転換 + 機能2-3割削除可 | 隔週60分計画 + 週次30分進捗 |
| シリーズA (1億-5億) | 本番化＋スケール準備 | 1,500-5,000万円/6-12ヶ月 | ラボ型月額 + マイルストン併用 | 月次の優先度組み換え + 中規模アーキ変更 | 月次PMミーティング + 隔週技術定例 |
| シリーズB以降 (5億-) | コア内製＋レガシー外注継続 | 内製300-1,000万/月 + 外注500-3,000万/月 | 月額ラボ型 + 内製エンジニア常駐受入 | 内製コア＝高、外注周辺＝中 | 内製日次 + 外注月次レビュー |
2-2. シード期：PoC外注で仮説検証に集中
シード期のスタートアップに最適なのは、3-4ヶ月・100-500万円・準委任契約のPoC外注です。PoC段階の発注で押さえるべきポイントは以下4つ:
- 仕様確定を急がない：要件の50%は実装中に判明するため、「決まっていない箇所は決め打ちで進めて週次で見直す」と握る
- 責任範囲を曖昧にしない：発注者は「ビジネス仮説の正解確認」、ベンダーは「技術的に作れることの確認」と役割分担を契約書に明記
- データの管理を発注者主導にする：学習データの収集・前処理・ラベリングは発注者側で行い、ベンダーはモデルチューニングと推論実装に集中
- 本番化との分離：PoC契約に「本番化フェーズの自動継続」を入れない。PoC終了時点で改めて見積もりと契約を仕切り直す
PoCの相場は100-500万円で、典型的な内訳は「要件整理20-50万円、データ準備30-100万円、モデル実装・チューニング50-250万円、レポーティング20-100万円」（参考: renue「生成AI受託開発の費用相場2026完全ガイド」）。要件整理を50万円未満に圧縮すると、PoC本体の数百万円が無駄になりやすい点に注意してください。
2-3. プレシリーズA期：MVP外注でPMF探索
プレシリーズA期のスタートアップは、3-6ヶ月・300-1,500万円・準委任 or ラボ型月額のMVP外注が王道です。この段階の発注で押さえるべきは「スプリントごとに機能削除する勇気」と「KPI計測の標準実装」の2点。MVPは機能追加で肥大化するほどPMF判断が遅れるため、契約初期に「KPIに直結しない機能は実装しない」基準を発注者・ベンダー双方で握っておきます。
ラボ型契約（月額固定でチーム1-3名を継続提供）は、PMF探索フェーズで特に有効です。スプリント単位で機能の優先度を入れ替えられるため、ピボット時の追加契約コストがゼロになります。月額単価の目安は「PM 80-120万、エンジニア 100-180万、デザイナー 60-100万」で、3名チームなら月280-450万円が相場です。
2-4. シリーズA期：ハイブリッド体制への移行
シリーズA調達後は、コア機能を内製化するためのエンジニア採用を開始しつつ、外注を併存させる「ハイブリッド体制」が現実解です。社内CTOを含む内製エンジニア2-3名がコア機能（独自モデル・ドメイン特化UI・データ基盤）を担当し、外注は「周辺機能（管理画面・通知基盤・レポート機能）」「インフラ運用」「データ前処理・MLOps」を担います。
シリーズA期の発注予算は1,500-5,000万円/6-12ヶ月が中央値で、契約形態は「ラボ型月額 + マイルストン併用」が増えます。マイルストン併用とは、ラボ型で継続的にチームを確保しつつ、特定の重要機能（例: 新規ペルソナ向け機能、エンタープライズ向けセキュリティ強化）はマイルストン制請負として切り出す方式。社内エンジニアの優先度に依存せず、戦略的に重要な機能をベンダー側のリソースで並行開発できます。
2-5. シリーズB以降：コア内製化、レガシー外注継続
シリーズB以降は、ユーザー基盤拡大・エンタープライズ向け機能拡張・コア技術内製化が並行する複雑なフェーズです。コア機能（独自モデル開発・主要画面・基幹データ基盤）は完全に内製化し、外注は「レガシー機能の保守」「特定領域の専門開発（音声・画像・特殊なRAG）」「短期的な機能急増対応」に絞ります。内製化したコア機能をどこまで外部に開示するか（API公開・SDK提供・OSS化）も並行して意思決定するフェーズで、knowledge management・ベンダーロックイン回避が中心論点になります。
第3章 AI開発費用相場【3次元マトリクス: ランウェイ×ステージ×業種】【独自】
スタートアップのAI開発費用は、ランウェイ・ステージ・業種の3次元で大きく変動します。SERP上位記事の多くは「PoC 100-500万、本格1,000万円〜」という1次元の相場提示で止まっていますが、スタートアップ経営者が知りたいのは「自分のランウェイ・ステージ・業種ならどの帯か」です。本章では、3次元マトリクスで費用相場を再整理します。
AI開発費用の3次元マトリクスとは、ランウェイ（残月数）・ステージ（PoC/MVP/本番化/スケール）・業種（SaaS/AIネイティブ/AI機能搭載）の3軸で費用レンジを切り分けた早見表です。
3-1. ランウェイ別の費用配分原則
ランウェイ別に「単発発注額」と「継続改善予算」を分けて配分するのが鉄則です。
| ランウェイ | 単発発注上限 | 継続改善予算（月） | 合計枠 |
|---|---|---|---|
| 12ヶ月 | 300-500万円 | 80-150万円/月 | 1,260-2,300万円 |
| 18ヶ月 | 500-1,000万円 | 100-200万円/月 | 2,300-4,600万円 |
| 24ヶ月 | 1,000-2,000万円 | 150-300万円/月 | 4,600-9,200万円 |
「単発発注額」だけで予算を使い切ると、PMF探索の継続改善（3-9ヶ月のスプリント反復）ができず、失敗確率が跳ね上がります。単発発注額と同程度を「リリース後の改善予算」として確保するのがスタートアップの王道です（参考: koromoの顧問先データ・社内事例）。
3-2. ステージ別の費用レンジ
| ステージ | 期間 | 費用レンジ | 主な内訳 |
|---|---|---|---|
| 構想・要件整理 | 2-4週間 | 40-200万円 | 要件ヒアリング、ペルソナ整理、ユースケース定義 |
| PoC（概念実証） | 1-3ヶ月 | 100-500万円 | データ準備、モデル実装、評価レポート |
| MVP（最小実装） | 2-4ヶ月 | 300-1,500万円 | UI/UX、API、データ基盤、計測実装 |
| 本番化 | 3-6ヶ月 | 500-5,000万円 | スケール対応、セキュリティ、運用設計 |
| スケール・運用 | 継続 | 100-500万円/月 | 機能追加、改善、運用保守、MLOps |
PoCの相場100-500万円・本格実装1,000万円超は業界の中央値（出典: renue「生成AI受託開発の費用相場2026完全ガイド」）。AIコーディング（Claude Code / Cursor 等）を活用する開発会社では、同等品質を従来比30-50%安・1/3-1/6短期間で提供するケースが増えています。
3-3. 業種別の費用係数
業種特有の規制対応・データ準備コスト・統合工数で費用係数が変動します。
| 業種 | 費用係数 | 主な変動理由 |
|---|---|---|
| SaaS（B2B汎用） | 1.0倍（基準） | 標準的なクラウド前提 |
| AIネイティブ（独自モデル） | 1.5-2.5倍 | 学習データ収集・GPUリソース・MLOps工数 |
| AI機能搭載（既存プロダクトに追加） | 0.7-1.2倍 | 既存基盤を流用できる場合は低めだが、レガシー統合で増加 |
| ヘルスケア・金融（規制業界） | 1.5-2.0倍 | 個人情報保護法・FISC・GxPなどの対応工数 |
| 製造・物流（オンプレ前提） | 1.3-1.8倍 | ハードウェア統合・現場PoC・産業プロトコル対応 |
例: 「ランウェイ18ヶ月のSaaSスタートアップ、MVP段階」なら、基準費用300-1,500万円 × SaaS係数1.0 = 300-1,500万円が目安。「AIネイティブで独自モデル開発」なら同条件で × 1.5-2.5倍 = 450-3,750万円となります。
3-4. AIコーディング活用での費用圧縮
Claude Code / Cursor 等のAIコーディングツールを活用する開発会社は、同等品質を30-50%安・期間1/3-1/6で提供するケースが増えています。これは「コード生成・テスト生成・ドキュメント生成・コードレビュー」の各工程でAIが工数を圧縮するためで、koromoの実績では「従来6ヶ月かかるMVPを1ヶ月で構築」した事例も複数あります（詳細は第6章で工程別圧縮率を分解）。
3-5. 補助金活用での実質コスト圧縮
スタートアップが活用できる主要補助金は以下3つです（2026年5月時点、各補助金の最新の公募要領で必ず確認してください）:
| 補助金 | 補助率 | 補助上限 | 用途 |
|---|---|---|---|
| デジタル化・AI導入補助金（旧IT導入補助金から2026年に名称変更） | 枠により1/2〜4/5（小規模事業者は最大4/5） | 最大450万円程度（枠により異なる） | ソフトウェア購入・クラウド利用料・導入コンサル |
| ものづくり補助金（製品・サービス高付加価値化枠） | 1/2（小規模事業者は2/3） | 750-2,500万円（大幅賃上げ特例適用時はさらに+1,000万円） | ハードウェア要素を含む新製品開発 |
| 新事業進出補助金 | 1/2 | 基本上限 2,500-7,000万円（従業員数別）。大幅賃上げ特例適用時で 3,000-9,000万円 | AIを活用した新市場開拓 |
（出典: 中小企業基盤整備機構「IT導入補助金」公式サイト, 2026年; 中小企業庁「ものづくり補助金」公式サイト, 2026年; 中小企業基盤整備機構「中小企業新事業進出補助金」公式サイト, 2026年）
採択率は事業計画書の品質に依存しますが、補助金活用で自己負担を1/2-1/3に圧縮できれば、ランウェイを実質的に1.5-2倍に伸ばす効果があります。**ただし「交付決定前の発注・支払いは対象外」**になるため、申請タイミングと開発スケジュールの整合が必須です。
第4章 スタートアップ向けAI開発会社の選び方【特化7基準】
汎用「AI開発会社の選び方」記事は「実績・技術力・コミュニケーション」の3軸で止まっていますが、スタートアップ向けには別途7つの特化基準があります。
スタートアップ特化7基準とは、(1)ピボット耐性、(2)エクイティ寛容度、(3)CTO代行可否、(4)PMF伴走力、(5)AI駆動開発実装度、(6)知財扱い、(7)撤退コスト——です。
4-1. ピボット耐性
PMF前のスタートアップは隔週で仮説を見直すため、「仕様変更時の追加見積もり」が頻発する会社は致命的です。商談時に「直近案件でピボットが発生した時、追加見積もりは何回発生したか」「現状の見積もり内で仕様変更を許容できる範囲はどこまでか」を必ず確認してください。準委任契約・ラボ型月額・週次スプリントを標準としている会社が望ましい。
4-2. エクイティ寛容度
シード〜プレA期で現金が限られる場合、「現金支払い + 株式報酬一部（エクイティ・フォー・サービス）」のハイブリッド報酬を許容するベンダーが存在します。条件は「ベスティング期間（典型: 1-4年）、評価額の合意方法、開発成果のマイルストン連動」など複雑なため、税理士・弁護士と協議のうえで設計する必要があります。日本国内ではまだ少数派ですが、海外（特にUS）では一般的なアプローチで、koromoを含む一部のベンダーも個別案件で対応しています。
4-3. CTO代行可否
シード期にCTO候補が見つからない場合、ベンダーのテックリードがCTO代行（fractional CTO）として戦略的意思決定を支援する選択肢があります。CTO代行は「技術選定・アーキテクチャ設計・採用面接同席・投資家向け技術DD対応」までを含み、内製エンジニア採用が進むまでの「橋渡し役」として機能します。日本国内でCTO代行を明示的に提供しているベンダーは限られているため、商談で「CTO代行が可能か、月当たり時間枠と費用は」を確認してください。
4-4. PMF伴走力
技術実装だけでなく、ユーザーインタビューの設計・KPI設計・優先度判断まで含めた「PMF伴走」を提供できるかは、スタートアップ向けベンダーを選ぶ際の重要基準です。商談時に「直近案件でPMF探索フェーズに伴走した事例」「どのKPIを優先度判断の基準にしたか」を質問し、抽象的な回答しか出ない会社は避けるのが賢明です。
4-5. AI駆動開発実装度
2026年現在、Claude Code / Cursor / GitHub Copilot等のAIコーディングを業務標準として組み込んでいない開発会社は、価格・期間の競争力を失っています。商談で「AIコーディング活用率を数値（％または工数削減倍率）で答えられるか」を確認してください。具体的な数値で答えられない、もしくは「導入を検討中」レベルの会社は、相場通り（=AI活用なし）の高い見積もりを出してくる可能性が高い。
4-6. 知財扱い
ソースコードの著作権・AI生成コードの権利帰属・データの所有権・第三者ライセンス（OSS・モデル）の扱いを、契約書テンプレートでどう規定しているかを商談時に確認します。「契約書のテンプレートを見せてください」とリクエストして、IP帰属条項・ソース開示条項・解約金条項の文言がスタートアップ側に不利でないかをチェックします。詳細は第7章・第8章で深掘りします。
4-7. 撤退コスト
ピボット時・PMF未達時・予算超過時の「撤退コスト」を契約書で明示できるかが、スタートアップ向けベンダー選定の最重要基準です。具体的には、解約金（残月数 × 月額単価の何%か）、データ持ち出し条項（学習データ・モデル重み・ソースコードを発注者が持ち出せるか）、引継ぎ義務（ドキュメント納品・コードベース引き渡し）の3点を商談時に握ります。撤退コストを明示できない会社は、長期的に発注者の事業継続性を阻害する可能性があるため、選定から外すのが安全です。
4-8. スタートアップ特化7基準 評価シート
商談時に各社を5点満点で評価し、合計28点以上を選定基準にすることを推奨します。
| 基準 | 評価ポイント | 評価値（1-5） |
|---|---|---|
| ピボット耐性 | 仕様変更時の追加見積もり頻度・契約形態 | _ |
| エクイティ寛容度 | 株式報酬一部対応・現金との混合可否 | _ |
| CTO代行可否 | テックリードのCTO代行可否・月時間枠 | _ |
| PMF伴走力 | KPI設計・優先度判断への踏み込み | _ |
| AI駆動開発実装度 | AIコーディング活用率（数値で回答可） | _ |
| 知財扱い | 契約書テンプレのIP帰属・ソース開示条項 | _ |
| 撤退コスト | 解約金・データ持出・引継ぎ義務の明示 | _ |
| 合計 | _ / 35 |
第5章 AI開発会社 おすすめ 12社【koromo含む利益相反開示済】
スタートアップ向けに「8列比較表」で整理した12社を紹介します。各社の特徴は、公式サイト・プレスリリース・第三者比較メディアの公開情報に基づきます。料金レンジ・サービス内容・契約形態は2026年5月時点の一般的な目安で、実際の見積もりは要件により変動します。
比較表の見方：「最小発注額」は公式サイトに料金が掲載されていない企業については、商談時に必ず見積もりを取得してください。「ピボット対応」「IP帰属」「撤退コスト」は各社サイト・第三者比較メディア・公開IR資料からの推定であり、実際の条項は商談時に必ず契約書テンプレートで確認してください。「スタートアップ適性スコア」は第4章の7基準に基づく総合評価（5点満点、公開情報からの推定）です。各社の正確な料金・契約条件・最新サービス内容は2026年5月時点の公開情報を元にしており、各社にお問い合わせのうえで意思決定してください。
5-1. AI開発会社12社 比較表
| # | 会社 | タイプ | 最小発注額 | 期間目安 | ピボット対応 | IP帰属 | 撤退コスト | スタートアップ適性 |
|---|---|---|---|---|---|---|---|---|
| 1 | koromo | AIコーディング型受託 | 100万円〜 | 1-3ヶ月 | 週次変更可・準委任標準 | 発注者帰属（契約明記） | 解約金1ヶ月分 | ★★★★★ |
| 2 | モンスターラボ | 大手戦略統合型 | 要問い合わせ | 要問い合わせ | プロジェクト単位 | 公開条項なし(要確認) | 中途解約条件 公開なし | ★★★ |
| 3 | mofmof inc. | 月額定額型 | 月額制（要問い合わせ） | 月額継続 | スプリント単位で柔軟 | 発注者帰属（同社主張） | 月単位解約可 | ★★★★★ |
| 4 | Sun Asterisk | 大手アジャイル受託 | 要問い合わせ | 要問い合わせ | プロジェクト単位 | 公開条項なし(要確認) | 中途解約条件 公開なし | ★★★ |
| 5 | Goodpatch（東証グロース上場） | UX特化＋実装 | 要問い合わせ | 要問い合わせ | UX要件は柔軟 | 公開条項なし(要確認) | 中途解約条件 公開なし | ★★★ |
| 6 | ギブリー | エンタープライズAI | 要問い合わせ | 要問い合わせ | 中堅以上向け | 公開条項なし(要確認) | 中途解約条件 公開なし | ★★ |
| 7 | 合同会社ニューラルオプト | 生成AI受託全般 | 要問い合わせ | 要問い合わせ | プロジェクト単位 | 公開条項なし(要確認) | 中途解約条件 公開なし | ★★★ |
| 8 | Solashi | オフショア活用型 | 要問い合わせ | 要問い合わせ | プロジェクト単位 | 公開条項なし(要確認) | 中途解約条件 公開なし | ★★★ |
| 9 | ELYZA（KDDI連結子会社） | 国産LLM・領域特化LLM | 要問い合わせ | 要問い合わせ | 大手向け | 公開条項なし(要確認) | 中途解約条件 公開なし | ★★ |
| 10 | AVILEN（東証グロース上場） | 受託＋人材育成 | 要問い合わせ | 要問い合わせ | 中堅以上向け | 公開条項なし(要確認) | 中途解約条件 公開なし | ★★★ |
| 11 | Laboro.AI（東証グロース上場） | カスタムAI特化 | 要問い合わせ | 要問い合わせ | 中堅以上向け | 公開条項なし(要確認) | 中途解約条件 公開なし | ★★★ |
| 12 | ヘッドウォータース（東証グロース上場） | AIアプリ受託 | 要問い合わせ | 要問い合わせ | プロジェクト単位 | 公開条項なし(要確認) | 中途解約条件 公開なし | ★★★ |
5-2. 各社の詳細
1. koromo（AIコーディング型受託 / スタートアップ特化）
特徴：Claude Code / Cursor などAIコーディングを業務標準として組み込み、「6ヶ月→1ヶ月」の高速MVP開発を提供する受託会社です。シード〜シリーズB期のスタートアップを主要顧客とし、PoC100万円〜・MVP300-1,500万円・本番化500-3,000万円の3フェーズで段階的に支援します。特徴的なのは「卒業/内製化を契約条項に組み込む」点で、12-24ヶ月の段階的なナレッジ移管・採用支援・内製エンジニアへの引継ぎを契約書に明記します。CTO代行サービス（fractional CTO）、AI戦略コンサル（CAIO代行）、AI顧問契約も併設しており、外注 → 顧問 → 内製化の橋渡しを一気通貫で提供。
契約形態：準委任 / マイルストン制請負 / ラボ型月額 の3形態を案件別に組み合わせ。エクイティ・フォー・サービス（株式報酬一部）にも個別対応。 スタートアップ適性スコア：★★★★★（5/5）
2. モンスターラボ（大手戦略統合型）
特徴：グローバル拠点を持つ大手デザイン・開発会社。戦略コンサル〜デザイン〜実装の上流から下流まで一気通貫で支援。シード期スタートアップには予算規模・契約最低額が合いにくいが、シリーズA以降の本格スケール時には選択肢になります。
契約形態：プロジェクト単位の請負契約が中心。 スタートアップ適性スコア：★★★（3/5）
3. mofmof inc.（月額定額型）
特徴：月額制でチームを提供する月額定額型受託会社（具体的な料金は要問い合わせ）。スタートアップ・新規事業を主要顧客とし、スプリント単位での仕様変更に柔軟対応している点が同社の主張です。月単位の解約可能性が比較的高く、シード〜プレA期のMVP外注での選択肢になります。
契約形態：月額定額（準委任ベース、同社主張）。 スタートアップ適性スコア：★★★★★（5/5、公開情報からの推定）
4. Sun Asterisk（大手アジャイル受託）
特徴：ベトナム・日本拠点のアジャイル受託会社。アジャイル開発・スタートアップスタジオ運営の実績が豊富。シリーズA以降のスケール時に選択肢として有力で、シード期にはやや予算規模が合いにくい場合があります。
契約形態：プロジェクト単位 + ラボ型月額。 スタートアップ適性スコア：★★★（3/5）
5. Goodpatch（UX特化＋実装）
特徴：UX設計に強みを持つデザイン会社で、戦略デザイン → プロトタイプ → 実装支援まで提供。プロダクトのUX品質を最優先するスタートアップに向きます。実装フェーズでは別途エンジニア外注を併用するケースもあります。
契約形態：プロジェクト単位 + 戦略デザイン顧問。 スタートアップ適性スコア：★★★（3/5）
6. ギブリー（エンタープライズAI）
特徴：エンタープライズ向けAIソリューションを提供する受託会社。200名以上のAIエキスパートを擁し、PoCからアジャイル開発、長期運用支援まで対応。シリーズB以降の中堅・大手向けが中心で、シード期スタートアップには規模・予算が合いにくい場合があります。
契約形態：プロジェクト単位 + 長期運用契約。 スタートアップ適性スコア：★★（2/5）
7. 合同会社ニューラルオプト（生成AI受託全般）
特徴：2024年5月設立の合同会社で、生成AI活用・チャットボット・Webスクレイピング・マッチングシステム・ECレコメンド・RAG・異常検知など、幅広いAIシステム開発を手掛けています（出典: 合同会社ニューラルオプト 公式サイト企業情報）。設立から日が浅いため、料金体系・実績規模は公式サイトに掲載されておらず、要問い合わせとなります。
契約形態：プロジェクト単位（公開情報からの推定）。 スタートアップ適性スコア：★★★（3/5、公開情報からの推定）
8. Solashi（オフショア活用型）
特徴：ベトナムオフショアを活用した低コスト受託会社。中規模MVP開発で予算を抑えたいスタートアップに有力な選択肢。コミュニケーション設計（日本側PM配置）に注意が必要です。
契約形態：プロジェクト単位 + ラボ型月額。 スタートアップ適性スコア：★★★（3/5）
9. ELYZA（国産LLM・KDDI連結子会社）
特徴：東京大学松尾研発のAI企業で、2024年4月にKDDIの連結子会社となりました（KDDI 43.4%、KDDI Digital Divergence 10.0%出資、出典: KDDI 2024年3月18日プレスリリース）。「ELYZA LLM for JP」や「Llama-3-ELYZA-JP-70B」など日本語特化LLMの開発、領域特化LLM、生成AI活用のDX支援、AI SaaSの3本柱を提供しています（出典: ELYZA公式サイト）。スタートアップ向けには、日本語特化LLMをコア技術に据えるプロダクトのパートナーとなり得ますが、KDDIグループ入り後はエンタープライズ案件が中心となっており、シード〜プレA期のスタートアップにはマッチしにくい場合があります。
契約形態：プロジェクト単位 + ライセンス契約（公開情報からの推定）。 スタートアップ適性スコア：★★（2/5、公開情報からの推定）
10. AVILEN（受託＋人材育成・東証グロース上場）
特徴：東京大学等のAI研究者コミュニティ「AVILEN DS-Hub」を擁する東証グロース市場上場（2023年9月）のAIベンチャー。AI受託開発と人材育成プログラムを併設しており、受託開発と並行して社内AI人材を育成したい中堅以上の企業向けです（出典: AVILEN公式サイト）。シード期スタートアップにはやや規模が合いにくい場合があります。
契約形態：プロジェクト単位 + 育成プログラム（公開情報からの推定）。 スタートアップ適性スコア：★★★（3/5、公開情報からの推定）
11. Laboro.AI（カスタムAI特化・東証グロース上場）
特徴：カスタムAIモデル開発に特化した東証グロース市場上場（2023年7月）の受託会社。生成AIの内製可能性まで含めた戦略コンサルを提供しています。中堅以上向けが中心で、シード期スタートアップには予算規模が合いにくい場合があります。
契約形態：プロジェクト単位 + 戦略コンサル（公開情報からの推定）。 スタートアップ適性スコア：★★★（3/5、公開情報からの推定）
12. ヘッドウォータース（AIアプリ受託・東証グロース上場）
特徴：AIアプリ・エージェント開発の受託に強みを持つ東証グロース上場の会社。MicrosoftやNVIDIAとのパートナーシップを持ち、エンタープライズ向けAIアプリ開発の実績が豊富です（出典: 同社IR資料）。中規模スタートアップから中堅企業まで対応可能ですが、シード期スタートアップにはやや規模が合いにくい場合があります。
契約形態：プロジェクト単位 + 月額運用契約（公開情報からの推定）。 スタートアップ適性スコア：★★★（3/5、公開情報からの推定）
5-3. ステージ別の推奨パートナー
| ステージ | 第一候補 | 第二候補 | 検討対象 |
|---|---|---|---|
| シード | koromo, mofmof | Solashi, ヘッドウォータース | （個人フリーランス） |
| プレA | koromo, mofmof, Sun Asterisk | ニューラルオプト, ヘッドウォータース | Goodpatch |
| シリーズA | koromo, Sun Asterisk, Laboro.AI | AVILEN, ギブリー, ヘッドウォータース | モンスターラボ |
| シリーズB以降 | モンスターラボ, ギブリー, Laboro.AI | ELYZA, AVILEN, Sun Asterisk | （内製化主体） |
第6章 「6ヶ月→1ヶ月」AI駆動開発の数値分解【koromo独自】
「AIコーディングで本当に1ヶ月でMVPが作れるのか」「従来比30-50%費用削減の根拠は何か」というのは、商談で頻出する質問です。本章では、AIコーディング活用での工程別圧縮率を、koromoの社内事例ベースの目安と業界公開データに基づいて分解します。以下に示す数値は当社の事例における目安であり、実装規模・業種・要件の不確実性・顧客側の意思決定速度などにより大きく変動する点をあらかじめご認識ください。
「6ヶ月→1ヶ月」AI駆動開発とは、Claude Code / Cursor 等のAIコーディングツールを業務標準として組み込み、要件定義・設計・実装・テスト・ドキュメントの各工程をAIで圧縮することで、従来6ヶ月相当のMVP開発を1ヶ月で完成させる開発手法です。
6-1. 工程別圧縮率（目安、koromo事例ベース）
従来型MVP開発（6ヶ月相当）の標準的な工程配分と、AI駆動開発での圧縮率の目安を比較します。各圧縮率はkoromoの社内事例レンジに基づく目安で、案件の規模・要件確度・顧客側の意思決定速度により大きく変動します。
| 工程 | 従来型MVP（6ヶ月）の目安 | AI駆動MVP（1ヶ月）の目安 | 圧縮率の目安 | AI活用ポイント |
|---|---|---|---|---|
| 要件定義・ユースケース整理 | 4-6週間 | 1週間 | 約 1/4-1/6 | AIで競合分析・ユースケース列挙・ペルソナ詳細化を自動生成 |
| 画面設計・ワイヤーフレーム | 2-4週間 | 3日 | 約 1/5-1/10 | AIでワイヤーフレーム→Reactコード変換、デザインシステム自動適用 |
| バックエンド実装 | 6-10週間 | 1-2週間 | 約 1/3-1/5 | AIでAPI実装・型定義生成・テストコード並行生成 |
| フロントエンド実装 | 4-6週間 | 1週間 | 約 1/4-1/6 | Cursor / Claude Code でUI実装速度の向上（事例ベース） |
| テスト | 2-3週間 | 2-3日 | 約 1/5-1/7 | AIでユニットテスト・E2Eシナリオ自動生成 |
| ドキュメント・引継ぎ | 1-2週間 | 1-2日 | 約 1/5-1/7 | AIで設計書・運用手順書・API仕様書を自動生成 |
合計の目安: 約19-31週間 → 約3-5週間（圧縮率は事例ベースで約 1/5-1/7、すべてのプロジェクトでこの圧縮率が出るわけではない点に留意）
6-2. 工程別圧縮の前提条件
ただし、上記の圧縮率を実現するには以下の前提条件があります:
- AIコーディングの社内標準化：エンジニア全員がClaude Code / Cursorを業務時間中の標準ツールとして使用している
- テンプレート資産の蓄積：複数案件で蓄積した「設計パターン・実装パターン・テストパターン」のテンプレ資産があり、AI生成のベースとして再利用できる
- コードレビュー基準の最適化：AI生成コードを人間がレビューする際の基準（セキュリティ・パフォーマンス・可読性）を定型化している
- 顧客側の意思決定速度：要件確認・優先度判断を24-48時間以内に返せる体制を顧客が確保している
特に4の「顧客側の意思決定速度」がボトルネックになりやすく、AI駆動開発の効果を最大化するには「週次1時間定例 + Slack常時応答」など、発注者側のコミットメントが不可欠です。
6-3. 費用圧縮の根拠（事例ベースの目安）
費用面では、工数（人月）が約1/3-1/5に圧縮される事例があり、同等品質のMVPを従来比30-50%の予算で構築できるケースが見られます（koromo事例ベースの目安）。例: 従来型MVP 1,000万円規模 → AI駆動MVP 500-700万円規模。Anthropic公式単価（Claude API、2026年5月時点）に基づくAI使用料は、チーム3名・1日あたり中規模利用想定で月10-30万円程度に収まる事例が多く、人件費圧縮効果に対して十分にペイする構造です。ただし、要件の不確実性が高いプロジェクトや、特殊ドメインの規制対応が必要なプロジェクトでは、この圧縮率は発現しにくくなる点に留意してください。
6-4. McKinseyデータとの整合
McKinsey「The state of AI 2025」によれば、AI実装で価値創出に成功している6%の高パフォーマンス企業は、共通して以下4点を実装しています: (a) ワークフロー再設計、(b) リーダーシップの強いコミット、(c) 大規模なAI投資、(d) 規律ある運用管理。AIコーディング型受託は、ベンダー側が(a)(c)(d)を標準装備として提供し、顧客側に(b)のみを求めるモデルとして整理できます。
第7章 契約形態と契約7条項チェックリスト【独自】
スタートアップがAI開発を外注する際、契約書の条項設計次第で「ピボット時の解約コスト」「IPO時の知財DD対応」「データ持ち出しの自由度」が大きく変わります。本章では、4つの契約形態と、発注前に必ず握るべき契約7条項を整理します。
契約7条項チェックリストとは、AI開発外注の契約書でスタートアップが必ず明記すべき7つの条項——(1)IP帰属、(2)ソース開示、(3)解約金、(4)データ持出、(5)競業避止、(6)瑕疵担保、(7)第三者ライセンス——です。
7-1. 4つの契約形態の比較
| 契約形態 | 特徴 | スタートアップ適性 | 注意点 |
|---|---|---|---|
| 請負契約 | 成果物完成を約束、瑕疵担保責任あり | △（仕様変更コスト高） | スコープを極小化して使う |
| 準委任契約 | 善管注意義務、成果物完成義務なし | ◎（PMF前推奨） | KPI連動の評価基準を明文化 |
| ラボ型月額（準委任ベース） | 月額固定でチーム1-3名継続提供 | ◎（PMF探索向き） | 月単位解約条件を必須確認 |
| ハイブリッド型（請負＋準委任＋エクイティ） | フェーズ別に組合せ、株式報酬一部 | ◎（資金制約時の選択肢） | 弁護士・税理士同席必須 |
IPA「情報システム・モデル取引・契約書 アジャイル開発版」では、アジャイル開発（=スタートアップ的開発）には「準委任契約を基本とし、各イテレーション完了時にユーザー企業が成果物を確認する」モデルが推奨されています（出典: IPA, 情報システム・モデル取引・契約書 アジャイル開発版, 2020）。
7-2. 契約7条項チェックリスト
発注前に契約書テンプレートでこの7条項を確認してください。1つでも曖昧な場合は、契約締結前に追記交渉してください。
条項1: IP（知的財産権）帰属
- 成果物（ソースコード・デザイン・ドキュメント）の著作権が発注者帰属で明記される
- ベンダー側の事前知的財産（基盤コード・テンプレ・OSS）は除外され、その利用範囲が明記される
- AI生成コードの著作物性についての扱い（第8章で詳述）が記載される
根拠：特許庁IP BASE「AI製品における知財の基本的なパターン」では、出願人がユーザかベンダかで戦略が変わると指摘。事前に契約で明記することが重要です。
条項2: ソースコード開示
- 最終納品時のソースコード・モデル重み・学習済みパラメータの全量開示が約束される
- 「ベンダーの事業ノウハウは除外」の文言で実質開示しない条項を回避する
- バージョン管理（Git）リポジトリの権限移管手順が明記される
根拠：特許庁IP BASE「知財権を確保すれば十分か」では、ベンダーがソースコード開示を渋るのが一般的と指摘。契約書で明確に握る必要があります。
条項3: 解約金
- 月単位 / マイルストン単位での解約条件が明記される
- 解約金は「残月数 × 月額単価」の0-50%程度（業界相場は1ヶ月分）が標準
- ピボット時・PMF未達時・予算超過時の「中途解約」シナリオが想定されている
条項4: データ持ち出し
- 学習データ・モデル重み・前処理スクリプト・推論ログを発注者側に納品する義務がある
- ベンダー側のサーバから「データ完全削除証明書」を発行する手順が明記される
- エクスポートフォーマット（モデルはONNX等の標準形式）が指定される
条項5: 競業避止
- ベンダーが「同種プロダクト」を競合企業に提供しない期間（典型: 6-12ヶ月）が定義される
- 「同種プロダクト」の範囲が抽象的すぎないか確認（例: 「医療×AI」全般ではなく「精神科向け問診AI」など具体的に）
- ベンダーの汎用知見（一般的なRAG実装・プロンプト設計）は除外する
条項6: 瑕疵担保（契約不適合責任）
- 納品後の瑕疵対応期間（典型: 6-12ヶ月）が定義される
- 対応範囲（バグ修正・性能劣化対応・セキュリティパッチ）が明記される
- AI特有の「精度劣化」「ハルシネーション」をどう瑕疵と扱うかが議論されている
条項7: 第三者ライセンス
- 使用するOSSライブラリのライセンス（MIT/Apache/GPL等）が一覧化される
- 使用するAIモデル（Llama/Mistral等）のライセンス制約が明記される
- ベンダーがライセンス違反した場合の責任分担が明記される
7-3. 経産省チェックリスト準拠
経産省「AIの利用・開発に関する契約チェックリスト」(2025年2月) では、インプット37項目・アウトプット29項目の計66項目のチェックリストが提示されています（出典: 経済産業省, AIの利用・開発に関する契約チェックリスト, 2025年2月）。スタートアップの契約交渉では、すべての項目をカバーする時間がないため、上記7条項に絞って優先確認することを推奨します。
第8章 AI生成コードの著作権・IP帰属論点【独自・特許庁/文化庁準拠】
「AIが生成したコードの著作権は誰のものか」「将来IPOした際、DD（デューデリジェンス）で躓かないか」というのは、生成AI時代のスタートアップが避けて通れない論点です。本章では、文化庁「AIと著作権に関する考え方について」（2024年3月）と特許庁IP BASEの公式見解に基づいて整理します。
AI生成コードの著作権論点とは、(1)AI生成部分の著作物性、(2)プロンプト入力者の権利、(3)ベンダー・発注者の権利分担、(4)将来のIPO/M&A時のDD対応——の4つの実務論点です。
8-1. 文化庁2024年指針の概要
文化庁は2024年3月15日付けで「AIと著作権に関する考え方について」を公表し、AIに関する著作権法の適用を「開発・学習段階」と「生成・利用段階」の2つに分けて整理しました（出典: 文化庁, AIと著作権について 公式ページ; AIと著作権に関する考え方について PDF版）。
生成・利用段階の要点:
- AI生成物に著作物性が認められるかは、「人間の創作的寄与」がどの程度あったかで判断される
- プロンプトを入力しただけのケースは、原則として著作物性が認められない可能性がある
- 人間が大幅な修正・編集を加えた場合、その修正部分は著作物として保護される
8-2. AI生成コードの実務的な著作権整理
開発実務での権利帰属は以下のように整理されることが多くなっています:
| ケース | 著作物性 | 権利帰属（実務的整理） |
|---|---|---|
| エンジニアがプロンプトのみ入力 → AI生成コードをそのまま使用 | △（人間の創作的寄与が薄い） | 著作権主張が困難な可能性 |
| エンジニアがプロンプト入力 → AI生成 → 大幅な修正・統合 | ○（修正部分に創作性） | 修正部分は発注者帰属を明記推奨 |
| エンジニアが設計図 → AIで自動コード生成 → 人手で結合 | ○（設計の創作性 + 結合の創作性） | 設計と結合部分は著作物として保護 |
| AI生成コードを人間がレビュー → セキュリティ・パフォーマンス改善 | ○（改善部分に創作性） | 改善部分は著作物として保護 |
実務では、契約書に「AI生成コードを含むすべての成果物について、その著作権は発注者に帰属する。ただしAI生成部分の著作物性については文化庁指針に従い個別判断する」と明記するアプローチが一般的になりつつあります。
8-3. IPO/M&A時のDD対応
スタートアップのIPO/M&Aフェーズでは、技術DD（デューデリジェンス）でソースコードの権利関係が精査されます。AI生成コードを使用している場合、以下の3点が論点になります:
- AI生成コード比率の把握：プロダクトのソースコードのうち、AI生成・AI支援で書かれた割合を概算で把握しているか
- 生成プロセスの記録：プロンプト履歴・生成日時・人間レビュー記録が残されているか
- 使用したAIモデルのライセンス：Claude/GPT/Llama等の利用規約を遵守しているか（特に商用利用条項）
これらは「発注時点」では問題にならないものの、「IPO/M&A時」に遡って確認されるため、開発初期から記録を残しておくことが重要です。契約書で「ベンダーはAI生成プロセスの記録を保持し、発注者の求めに応じて開示する」と明記することを推奨します。
8-4. 特許庁IP BASE準拠の知財戦略
AI開発を核とするスタートアップの知財戦略は、以下3層で考えるのが定石です（参考: 特許庁IP BASE「AI製品における知財の基本的なパターン」）:
- 特許：独自の学習手法・推論アルゴリズム・データ前処理パイプラインを特許化
- 営業秘密：学習データ・モデル重み・ハイパーパラメータを営業秘密（不正競争防止法）として保護
- 著作権：ソースコード・UI・ドキュメントを著作物として保護（発注者帰属を契約明記）
外注ベンダーに開発を委託する場合は、上記3層について「ベンダーが取得する知財がどこまで認められるか」「発注者帰属の範囲がどこまでか」を契約書で明確化することが、IPO/M&A時のDDをスムーズに通すための前提条件になります。
第9章 AI開発外注「失敗5類型」とランウェイ毀損リスク試算【独自】
AI開発外注で失敗するパターンは、大きく5類型に集約できます。本章では、各パターンが発生した場合のランウェイ毀損リスクを月数で試算し、早期検知シグナルを整理します。
AI開発外注の失敗5類型とは、(1)要件未確定、(2)ピボット非対応、(3)IP奪取、(4)コスト超過、(5)PoC死蔵——です。
9-1. 失敗5類型 早見表
| # | 類型 | 典型シナリオ | ランウェイ毀損目安 | 早期検知シグナル |
|---|---|---|---|---|
| 1 | 要件未確定 | 仕様が固まらないまま実装着手 → 手戻り頻発 | 2-4ヶ月 | キックオフから3週間でユースケースが定まらない |
| 2 | ピボット非対応 | 仕様変更のたびに追加見積もり要求 | 1-3ヶ月＋追加費用 | 「請負契約のみ」「変更時は別契約」と言われる |
| 3 | IP奪取 | 契約後にソースコード・データの権利がベンダー側に偏ることが判明 | IPO/M&A時に致命傷 | 契約書のIP帰属条項を提示拒否される |
| 4 | コスト超過 | 当初見積もりの1.5-3倍に膨らむ | 2-6ヶ月＋数百万円 | 「概算」のまま契約締結、追加要件で見積もり改定が頻発 |
| 5 | PoC死蔵 | PoC成功 → 本実装着手せずに塩漬け | PoC費用全損（100-500万円） | PoC終了時点で本実装の予算・体制・意思決定者が未確定 |
9-2. 各類型の詳細と回避策
類型1: 要件未確定
典型シナリオ：シード期にPoC外注を始めたものの、ユースケース・KPI・スコープが定まらないまま実装に着手。途中で「やっぱりこっちの機能が必要」という変更が頻発し、結果としてPoCが3ヶ月→6ヶ月に延びる。
ランウェイ毀損：2-4ヶ月の遅延 + 追加見積もり 100-300万円。
早期検知シグナル：キックオフ後3週間経過しても、ベンダーから「ユースケース確認シート」「KPI定義書」「優先順位リスト」のアウトプットが出てこない。
回避策：
- キックオフ前に「最小1ユースケース + 最大KPI 3個」に絞り、それ以外は「Phase 2以降」と握る
- 「決まっていない箇所はベンダー判断で決め打ち → 週次定例で見直す」運用を契約書付属に組み込む
- 1スプリント目で必ずデモを行い、フィードバックループを起動する
類型2: ピボット非対応
典型シナリオ：プレA期のMVP開発で、ユーザーインタビューを元に仕様を週次で見直したいが、ベンダーが「請負契約なので追加要件は別途見積もり」と毎回拒否。結果として「契約通りの機能」が実装されるが、PMF達成には不十分。
ランウェイ毀損：1-3ヶ月の遅延 + 追加見積もり 200-800万円。
早期検知シグナル：商談時に「契約形態は請負のみ」「仕様変更は別契約」「追加要件は事前見積もり必須」と言われる。
回避策：
- 契約形態は「準委任」「ラボ型月額」を必須化
- 「現状の見積もり内で対応可能な仕様変更幅」を商談時に書面で握る
- 直近案件のピボット事例・追加見積もり頻度を必ず確認する
類型3: IP奪取
典型シナリオ：MVP開発を発注し、納品後にビジネスが順調に伸び始めた段階で、ベンダーが類似機能を競合企業に提供。契約書を見返すとIP帰属条項が曖昧で、ベンダー側に有利な解釈が成立してしまう。
ランウェイ毀損：直接の月数毀損は限定的だが、IPO/M&A時のDDで重大な指摘事項になる可能性。
早期検知シグナル：契約書のIP帰属条項を提示するよう求めても「ひな形が無い」「個別協議」と曖昧な回答。
回避策：
- 契約締結前に「IP帰属条項」「ソース開示条項」「競業避止条項」の3つを必ず弁護士レビュー
- 第7章の契約7条項チェックリストを使って、商談時に書面で握る
- 不明瞭なまま契約しない（不明瞭=ベンダー有利と心得る）
類型4: コスト超過
典型シナリオ：「概算」のまま契約を締結し、要件が固まるにつれて当初見積もりの1.5-3倍にコストが膨らむ。シード期の予算では対応できず、追加調達か機能削減を余儀なくされる。
ランウェイ毀損：2-6ヶ月の追加期間 + 数百万円の追加費用。
早期検知シグナル：見積もりが「Phase 1〜Phase 3まとめて○○万円」のように粒度が荒い。マイルストン別の見積もりが提示されない。
回避策：
- 見積もりはマイルストン別（PoC / MVP / 本番化）に分けて取得
- 「PMF未達時のPhase 2契約は実施しない」前提で契約締結
- 月次の予算消化状況を定例でレポートさせる
類型5: PoC死蔵
典型シナリオ：PoCを200万円かけて実施し、「技術的に作れること」が証明されたものの、本実装に進む予算・体制・意思決定者が未確定で塩漬け。PoCのコードもメンテナンスされず、結局再実装が必要になる。
ランウェイ毀損：PoC費用全損（100-500万円）+ 再実装コスト数百万円。
早期検知シグナル：PoC終了時点で「Phase 2の予算」「Phase 2のチーム体制」「意思決定者」が未確定。
回避策：
- PoC契約締結時に、Phase 2（本実装）の概算予算・想定スケジュール・意思決定者を仮置きしておく
- PoC終了レポートに「本実装に進むGo/No-Go基準」を3-5指標で含める
- PoC成功 = 本実装着手の判断基準を経営層と事前に握る
9-3. 失敗回避の総合チェックリスト
商談・契約・キックオフ・実行の各フェーズで以下を確認してください:
商談フェーズ:
- 直近案件のピボット事例・追加見積もり頻度を聞いた
- AIコーディング活用率を数値で答えられた
- 契約書のIP帰属・ソース開示・解約金条項を提示してもらった
- CTO代行・エクイティ報酬の対応可否を確認した
契約フェーズ:
- 契約形態が準委任 / ラボ型月額になっている
- 第7章の契約7条項すべてが書面で握れている
- マイルストン別の見積もり・スケジュールがある
- Phase 2への自動継続条項が「無い」
キックオフフェーズ:
- 最小1ユースケース + 最大KPI 3個に絞った
- 週次1時間定例の枠を発注者・ベンダー双方で確保
- Slack等の常時コミュニケーションチャネルを開設
実行フェーズ:
- 1スプリント目でデモ実施、フィードバックループ起動
- 月次の予算消化状況レポートを受領
- PoC終了時点でPhase 2のGo/No-Go判断を経営層と握る
第10章 内製 vs 外注 意思決定YES/NOチャート【独自】
「自社のステージで内製化すべきか、外注を継続すべきか」の意思決定を、シード/プレA/A/B別のYES/NOチャートで整理します。
内製 vs 外注 意思決定YES/NOチャートとは、スタートアップの資金調達ステージ・CTO確保状況・コア技術の競争優位性・PMF達成度の4軸で、「内製化」「ハイブリッド」「外注継続」を判定する判断フローです。
10-1. ステージ別 YES/NOチャート
シード期（CV調達前〜3,000万円）
Q1. CTO候補が確保済み（採用済み or 共同創業者）か？
├─ YES → Q2へ
└─ NO → 【外注継続】PoC外注で仮説検証に集中
Q2. CTO候補が機械学習・MLOpsまで内製可能か？
├─ YES → Q3へ
└─ NO → 【ハイブリッド】CTOが要件・設計、AI実装は外注
Q3. コア技術が独自モデル開発で長期競争優位の源泉か？
├─ YES → 【内製化】コア技術は内製、周辺はOSS活用
└─ NO → 【外注継続】PoC外注で仮説検証に集中
プレシリーズA期（3,000万〜1億円）
Q1. PMF前か後か？
├─ PMF前 → Q2へ
└─ PMF後 → Q4へ
Q2. CTO候補が確保済みか？
├─ YES → Q3へ
└─ NO → 【外注継続】MVP外注でPMF探索
Q3. 内製エンジニア2-3名を3ヶ月以内に採用できる見込みか？
├─ YES → 【ハイブリッド】コアは内製採用、外注は周辺機能
└─ NO → 【外注継続】MVP外注 + CTO代行で橋渡し
Q4. PMF達成後、ユーザー基盤拡大に集中したいか？
├─ YES → 【ハイブリッド移行】コア内製化を計画、外注は段階縮小
└─ NO → 【外注継続】さらに別仮説探索 or ピボット
シリーズA期（1億〜5億円）
Q1. 内製エンジニア体制（CTO含む5名以上）が構築できているか？
├─ YES → Q2へ
└─ NO → 【ハイブリッド】CTO採用と外注並行、12ヶ月計画で内製化
Q2. コア機能（独自モデル・主要画面・データ基盤）は何で構成されているか？
├─ 独自モデル中心 → 【コア内製】独自モデルは内製、推論基盤は外注も可
├─ ドメイン特化UI中心 → 【コア内製】UIは内製、バックエンドは外注も可
└─ データ基盤中心 → 【コア内製】データ基盤は内製、UI/APIは外注も可
Q3. レガシー機能（既存の周辺機能）はどう扱うか？
├─ 縮小 → 【内製集中】レガシー外注は段階廃止
└─ 維持 → 【ハイブリッド継続】コア内製 + レガシー外注
シリーズB以降（5億円〜）
Q1. ユーザー基盤拡大 / エンタープライズ向け機能拡張 / コア技術深化 のどれに集中するか？
├─ ユーザー基盤拡大 → 【内製主体 + スポット外注】
│ コア内製、急増対応は短期外注
│
├─ エンタープライズ向け拡張 → 【内製主体 + 専門外注】
│ セキュリティ・コンプライアンス系で専門外注
│
└─ コア技術深化 → 【完全内製 + 研究機関連携】
独自モデル開発を内製化、大学・研究機関と連携
10-2. 内製化判断の3軸スコア
3軸（CTO確保 / コア技術競争優位 / PMF達成度）を各5点で評価し、合計点で判断します。
| 軸 | 評価ポイント | 評価値（1-5） |
|---|---|---|
| CTO確保 | CTO/テックリードが確保され、機械学習・MLOpsまで内製可能か | _ |
| コア技術競争優位 | コア技術が長期的に競争優位の源泉になるか | _ |
| PMF達成度 | PMF達成済みでユーザー基盤拡大フェーズにあるか | _ |
| 合計 | _ / 15 |
- 12-15点: 内製化フェーズ（コア内製、外注はレガシー・スポットに限定）
- 8-11点: ハイブリッド体制（コア内製採用 + 外注並行）
- 4-7点: 外注継続（CTO代行・MVP外注でPMF探索）
- 0-3点: 外注集中（シード期PoC外注、CTO候補探索並行）
第11章 PoCから本番化への移行5ステップ
PoC段階で技術的に「作れる」ことが確認できた後、本番化に進む際に踏むべき5ステップを整理します。
PoCから本番化への移行5ステップとは、(1)Go/No-Go判定、(2)アーキテクチャ再設計、(3)スケール・セキュリティ対応、(4)運用体制構築、(5)KPI計測基盤強化——です。
11-1. Step 1: Go/No-Go判定
PoC終了レポートで以下5指標を評価し、本番化のGo/No-Go判定を行います。
| 指標 | 評価基準（例） |
|---|---|
| 技術的実現可能性 | モデル精度がビジネス要件を満たすか（例: 精度 > 85%） |
| ユーザー反応 | β版ユーザーの満足度・継続意向（NPS > 30） |
| 単価妥当性 | LLM API費用 / リクエスト単価が想定範囲内（例: 0.01ドル以下） |
| 運用負荷 | エンジニア1人月で運用可能か |
| 拡張余地 | 次のフェーズでスケール・新機能追加が可能なアーキか |
5指標のうち3つ以上がNo Goの場合は、本番化を断念し、ピボット or 撤退の判断に移ります。
11-2. Step 2: アーキテクチャ再設計
PoCのコードベースは「技術検証用」であり、本番運用には耐えません。本番化に向けて以下を再設計します:
- モデル選定の最終確認：PoCで使ったモデル（GPT/Claude/Gemini/独自）を本番化に踏襲するか、別モデル併用するか
- インフラ選定：AWS/GCP/Azure、コンテナ vs サーバレス、GPU/CPU、リージョン選定
- データ基盤：ベクトルDB、メタデータDB、ログ収集、データレイク
- API設計：認証、レート制限、エラーハンドリング、バージョニング
11-3. Step 3: スケール・セキュリティ対応
本番化に必要なスケール・セキュリティ対応を実装します。
- スケール：水平スケーリング、キャッシュ層、CDN、データベース分散
- セキュリティ：個人情報保護、暗号化、認証認可、監査ログ、脆弱性管理
- コンプライアンス：GDPR/個人情報保護法、業界規制（FISC/SOC2/GxP）
- AIガバナンス：AI事業者ガイドライン第1.1版（2025年3月、総務省・経産省）に従ったリスク管理体制
11-4. Step 4: 運用体制構築
24/7運用に向けた体制を構築します。
- MLOps：モデル監視、再学習パイプライン、A/Bテスト基盤
- DevOps：CI/CD、自動デプロイ、ロールバック手順
- インシデント対応：オンコール体制、SLA定義、エスカレーション
- ドキュメント：運用手順書、トラブルシューティング、新人オンボーディング
11-5. Step 5: KPI計測基盤強化
本番化後の継続改善に向けて、KPI計測基盤を強化します。
- プロダクトKPI：WAU/MAU、CVR、リテンション、NPS、CSAT
- AIモデルKPI：精度、F1スコア、推論レイテンシ、ハルシネーション率
- コストKPI：LLM API費用、インフラ費用、CAC/LTV
- ダッシュボード：経営層・PdM・エンジニアそれぞれが必要な粒度で参照可能に
11-6. 5ステップ全体のスケジュール目安
PoCから本番化までの5ステップは、規模・業種にもよりますが、3-6ヶ月程度を目安に設計します。Step 1の判定で2-3週間、Step 2のアーキテクチャ再設計で3-4週間、Step 3のスケール・セキュリティ対応で4-8週間、Step 4の運用体制構築で3-4週間、Step 5のKPI計測基盤強化は本番化と並行で実施するのが一般的です。シリーズA期のスタートアップであれば、社内CTOと外注ベンダーが並走しながら6ヶ月で完了させるパターンが標準で、シード〜プレA期で内製エンジニアが少ない場合は外注主体で3-4ヶ月に圧縮するアプローチも選択肢になります。重要なのは「PoC完了 = 本番化着手」ではなく、Step 1のGo/No-Go判定で5指標のうち3つ以上がGoであることを確認したうえで本番化に進むことです。本番化に進むと、機能追加・運用負荷・SLA要件で月次のバーンレートが上がるため、PoC段階よりも経営層の意思決定コミットメントが重要になります。
第12章 よくある質問（FAQ 13問）
Q1. AI開発をスタートアップが外注するメリットは？
A1. 主に4つあります: (1)CTO採用前のランウェイ温存（年収1,500万円のCTO採用 vs PoC外注100-500万円）、(2)最新AIスタック（Claude/Cursor/MCP等）への即時アクセス、(3)PMF前後の柔軟性確保（人材ごと差し替えで仕様変更追随）、(4)知財・契約リスクをプロベンダーに委ねられる。詳しくは第1章を参照してください。
Q2. スタートアップのAI開発費用相場は？
A2. フェーズ別に「構想40-200万円、PoC100-500万円、MVP300-1,500万円、本番化500-5,000万円、スケール100-500万円/月」が一般的な目安です（出典: renue「生成AI受託開発の費用相場2026完全ガイド」、業界中央値）。AIコーディング活用で従来比30-50%削減が可能な場合もあります。詳しくは第3章を参照してください。
Q3. シード期にAI開発を外注すべき？
A3. 原則としてYESです。CTO候補が確保できておらず、機械学習・MLOpsまで内製可能な人材が社内にいない場合、シード期はPoC外注（100-500万円・3-4ヶ月・準委任）で仮説検証に集中するのが王道。CTO採用を急ぐより、外注で「CTO採用の判断材料」を集める方が、ランウェイあたりの学習量を最大化できます。例外は「コア技術が独自モデル開発で長期競争優位の源泉になる」「創業者自身が機械学習エンジニア出身」「投資家から強い内製化要請がある」の3ケース。詳しくは第10章 YES/NOチャートを参照。
Q4. 内製と外注、どちらを選ぶ？
A4. ステージ・CTO確保状況・コア技術競争優位・PMF達成度の4軸で判断します。シード〜プレA: 100%外注 or ハイブリッド推奨。シリーズA: ハイブリッド体制への移行が王道。シリーズB以降: コア内製化、レガシー外注継続。詳細は第10章 YES/NOチャートと3軸スコアシートを参照してください。
Q5. PoCから本格開発に進む判断基準は？
A5. 以下5指標で判定します: (1)技術的実現可能性（モデル精度がビジネス要件を満たすか）、(2)ユーザー反応（β版NPS > 30）、(3)単価妥当性（LLM API費用/リクエストが想定範囲内）、(4)運用負荷（エンジニア1人月で運用可能か）、(5)拡張余地（次フェーズのスケール対応可能か）。5指標のうち3つ以上がNoの場合は、ピボット or 撤退判断に移ります。詳しくは第11章 PoCから本番化への移行5ステップを参照。
Q6. スタートアップ向けAI開発会社の選び方は？
A6. スタートアップ特化7基準で評価します: (1)ピボット耐性、(2)エクイティ寛容度、(3)CTO代行可否、(4)PMF伴走力、(5)AI駆動開発実装度、(6)知財扱い、(7)撤退コスト。35点満点で28点以上を選定基準にすることを推奨します。詳しくは第4章 特化7基準を参照。
Q7. ソースコード・著作権はどう守る？
A7. 契約7条項（IP帰属/ソース開示/解約金/データ持出/競業避止/瑕疵担保/第三者ライセンス）を発注前に必ず書面で握ります。特に「ソースコード・モデル重み・学習データ・前処理スクリプトの発注者帰属」「ベンダーのサーバからのデータ完全削除証明書発行」「OSSライブラリ・AIモデルのライセンス一覧化」の3点は契約締結前に弁護士レビューを推奨。詳しくは第7章 契約7条項チェックリストを参照。
Q8. ピボット時の契約はどうすべき？
A8. 契約締結時点で「ピボット時のシナリオ」を想定して、解約金条項・データ持ち出し条項・知財帰属条項を握っておきます。具体的には: (1)解約金は「残月数 × 月額単価」の0-50%（業界相場は1ヶ月分）、(2)データは発注者側に納品、ベンダーサーバから完全削除証明、(3)IP帰属は発注者帰属で明記。契約形態は準委任 or ラボ型月額が望ましい（請負契約のみだとピボット時の追加見積もりが頻発）。詳しくは第7章 契約形態と契約7条項を参照。
Q9. スタートアップがLLM API費用を抑えるコツは？
A9. 主に4つあります: (1)モデル選定の階層化（高難易度タスクはGPT-5/Claude Opus、中難易度はSonnet/Haiku、低難易度はGemini Flash等で使い分け）、(2)プロンプトキャッシュの活用（Anthropic Prompt Caching、OpenAI Prompt Caching等で繰り返し部分を90%安く）、(3)プロンプト圧縮（重複削除・要約化）、(4)RAG活用（埋め込みベクトル検索で必要情報のみをLLMに渡す）。ベンダー選定時に「LLM API費用最適化の実績」を確認してください。
Q10. 株式報酬での発注（エクイティ・フォー・サービス）は可能？
A10. 国内では少数派ですが、可能です。条件は「ベスティング期間（典型1-4年）、評価額の合意方法、開発成果のマイルストン連動」など複雑で、税理士・弁護士同席のうえで設計が必要。海外（特にUS）では一般的なアプローチで、koromoを含む一部の国内ベンダーも個別案件で対応しています。シード〜プレA期で現金が限られる場合、現金支払い + 株式報酬一部のハイブリッド報酬で発注のハードルを下げる選択肢になります。
Q11. MVPは何ヶ月で作れる？
A11. 開発手法によって大きく異なります。ノーコードなら2-4週間、AIコーディング型受託なら1-2ヶ月、従来型フルスクラッチなら3-6ヶ月、戦略統合型の大規模MVPで3-6ヶ月が目安です。準備期間（要件整理・契約・キックオフ）として別途2-4週間を見込んでください。詳しくは第6章「6ヶ月→1ヶ月」AI駆動開発とMVP開発の進め方・期間・費用の完全ガイドを参照。
Q12. 補助金は使える？
A12. 主要3制度が活用可能です: (1)デジタル化・AI導入補助金（旧IT導入補助金から2026年に名称変更、補助率は枠により1/2〜4/5、補助上限は最大450万円程度）、(2)ものづくり補助金（補助率1/2 or 2/3、上限750-2,500万円、大幅賃上げ特例適用時はさらに+1,000万円）、(3)新事業進出補助金（補助率1/2、基本上限2,500-7,000万円（従業員数別）、大幅賃上げ特例適用時で3,000-9,000万円）。いずれの補助金も「交付決定前の発注・支払いは対象外」になるため、申請タイミングと開発スケジュールの整合が必須で、最新の公募要領を各補助金の公式サイトで必ず確認してください。詳しくは第3-5節 補助金活用での実質コスト圧縮を参照。
Q13. コア機能を内製化するタイミングは？
A13. シリーズA前後（資金調達1-5億円のフェーズ）、PMF達成後、内製エンジニア2-3名を3ヶ月以内に採用できる見込みがある場合が目安です。コア機能（独自モデル・主要画面・データ基盤）を内製化し、レガシー機能（管理画面・通知基盤・レポート）は外注継続するハイブリッド体制が現実解。シリーズB以降でコア完全内製、外注はスポット・専門領域に限定する形に移行します。詳しくは第10章 YES/NOチャート シリーズA期を参照。
第13章 まとめ: 自社ステージで「次の一手」を決める
ここまでの内容を、今日から実行できる3ステップにまとめます。
Step 1: 自社ステージを判定する（30分）
- 第2章のステージ別発注ステージ表で、自社が「シード/プレA/シリーズA/シリーズB以降」のどこに該当するか判定
- 第10章のYES/NOチャートで「外注継続/ハイブリッド/内製化」のどの方針が適切か判断
- 第4章の特化7基準で、必要なベンダー要件を整理
Step 2: 3-5社にRFPを出す（1週間）
- 第5章の12社比較表から、自社ステージに合う3-5社を絞り込む
- RFPに「第7章の契約7条項チェックリスト」と「第4章の特化7基準評価シート」を組み込み、各社からの回答を比較
- AIコーディング活用率・撤退支援・IP帰属の3点を必ず数値・条文レベルで確認
Step 3: 1ヶ月以内に契約 → PoC/MVP着手（1-4週間）
- 選定した1社と契約締結（契約形態は準委任 or ラボ型月額を必須化）
- キックオフでは「最小1ユースケース + 最大KPI 3個」に絞り、それ以外はPhase 2以降に
- 1スプリント目でデモ実施、フィードバックループを起動
**AI開発外注の本質は「最速で学びを得ること」**です。完璧な計画を立てるのではなく、仮説検証のサイクルを最短で回せるパートナーを選び、契約7条項を握り、内製化を見据えた設計をする——この3点を守れば、AI開発外注で大きく外すことはありません。
スタートアップにとって時間はランウェイそのものであり、AI開発の意思決定の遅延は1ヶ月単位で資金を消費していきます。本記事で整理した「ステージ別発注ステージ表」「3次元費用マトリクス」「契約7条項」「失敗5類型×ランウェイ毀損試算」「内製vs外注YES/NOチャート」は、それぞれが独立したフレームワークとして機能するだけでなく、組み合わせることでより精度の高い意思決定を支援できます。本記事を読みながら自社のステージ・ランウェイ・コア技術・PMF達成度の現在地を整理し、具体的に明日RFPを出す3-5社をリストアップするところまで実行することを推奨します。
「自社のステージで具体的にどの選択肢が最適か」「AIコーディング活用での見積もりを知りたい」「契約7条項の握り方を相談したい」場合は、koromoの無料相談フォームからお気軽にご連絡ください。シード〜シリーズB期のスタートアップを主要顧客として、PoC→MVP→本番化→内製化までを段階的に支援しています。
関連記事：
