こんにちは、アサヒリンクスです。この記事は、代表コバが現場で蓄積してきた知見をもとに、AIを活用して構成・執筆し、弊社にて最終チェックを行ったものです。
「AI開発を外部に発注しようと決めた。でも何を確認してから契約すればいいのかわからない」――中小企業の経営者や担当者から、こういった相談を受けることがよくあります。実際、発注前の確認が不十分なまま契約に進んでしまい、要件定義書の内容が曖昧だった、使われているモデルの根拠が説明されなかった、データの取り扱いが不明確だった、運用引き継ぎが想定されていなかったという問題が後から発覚するケースは少なくありません。本記事では、代表コバが対応してきた案件での経験をもとに、AI開発を発注する前に確認しておくべき12項目を整理します。契約後に「知らなかった」とならないよう、ぜひ発注前の準備に役立ててください。
なぜ発注前チェックが重要なのか
中小企業が陥りやすい発注トラブルのパターン
AI開発の発注では、従来のWebサイト制作やシステム開発と異なる落とし穴が多く存在します。AI固有の特性として「同じ入力でも毎回異なる出力になる」「モデルのバージョンアップで挙動が変わる」「精度はデータ量と品質に大きく依存する」といった点があり、これらを発注側が理解していないと、契約後に「聞いていた話と違う」というトラブルにつながります。
代表コバが対応してきた案件の中で特に多かったのが、次のようなパターンです。要件定義書が存在せず、口頭合意だけで開発が進んだケース、どのAIモデルを使うかが明記されておらず、コスト感がまったく読めなかったケース、そして開発完了後の運用サポートが想定されておらず、担当者が退職した瞬間にシステムが止まったケースです。
いずれも発注前の確認で防げたトラブルです。以降の12項目を一つずつ確認することで、こうしたリスクを大幅に下げることができます。
チェックリストの使い方
この12項目は、ベンダーへの質問リストとしても、社内の事前準備チェックとしても使えます。全項目に「確認できた」とチェックが入った状態で契約に進むことが理想ですが、まずは「何が確認できていないか」を把握するだけでも、発注後のリスクを意識した判断ができるようになります。
チェック項目①〜③：要件定義と仕様の明確化
①要件定義書は文書として存在するか
AI開発で最も基本的かつ重要な確認が、要件定義書が正式な文書として存在するかどうかです。口頭や簡易なメモだけで開発が進む場合、「言った・言わない」の水掛け論が発生しやすくなります。
確認すべき評価基準：
- 要件定義書に「機能要件」と「非機能要件（精度目標・応答速度・可用性）」が区別して記載されているか
- 曖昧な表現（「適切に処理する」「なるべく早く」等）ではなく、数値で表現されているか
- 要件変更があった場合の対応手順（変更管理フロー）が明記されているか
質問例：「要件定義書のドラフトを発注前に確認させていただくことは可能ですか？変更管理のフローも合わせて教えてください。」
数値目安：要件定義書は最低でもA4換算5枚程度以上の分量を確認。項目が少なすぎる場合は内容の精度を要確認です。
②完成の定義（受け入れ基準）が明確か
「開発完了」の定義が曖昧なまま契約すると、ベンダー側は「動作している＝完了」と判断し、発注側は「期待していた精度が出ていない＝未完了」と感じる齟齬が生じます。
確認すべき評価基準：
- 受け入れテストの基準（精度・エラー率・処理速度の目標値）が数値で定義されているか
- テストデータは誰が用意するか、どの程度の件数を想定しているかが決まっているか
- 検収期間（試験運用期間）が設けられているか
質問例：「受け入れテストはどのような基準で合否を判定しますか？テストデータの準備はどちらが担当しますか？」
数値目安：精度目標は「正解率◯%以上」という形で数値化。検収期間は2〜4週間程度が一般的です。
③スコープ外の作業が明記されているか
契約書や仕様書に「スコープ外」のセクションがないと、追加費用が際限なく発生するリスクがあります。
確認すべき評価基準：
- 「今回の開発範囲に含まれないもの」が明示的にリストアップされているか
- スコープ追加が必要になった場合の費用算定ルール（追加費用の単価や見積もり手順）が明記されているか
質問例：「今回の開発スコープに含まれない作業の例を教えてください。スコープ追加が発生した場合、どのような費用精算になりますか？」
チェック項目④〜⑥：モデル選定とコスト透明性
④使用するAIモデルとその選定根拠が説明されるか
AI開発で最も見落とされがちなのが、どのAIモデル（APIサービス）を使うかの透明性です。GPT-4系、Claude Sonnet/Opus系、Gemini系、あるいは自社モデルなど、選択肢は多岐にわたり、それぞれコスト・精度・制約が異なります。
確認すべき評価基準：
- 使用するモデル名・バージョンが仕様書に明記されているか
- そのモデルを選んだ根拠（精度要件への適合性・コスト効率・ライセンス要件等）が説明されるか
- モデルのバージョンアップや提供終了があった場合の対応方針が示されているか
質問例：「今回使用するAIモデルはどれですか？そのモデルを選んだ理由と、将来バージョンが変わった際の対応方針を教えてください。」
数値目安：Claude Sonnet 4.6レベルのモデルでAPIコストは1,000トークンあたり数円〜十数円程度。想定使用量とAPIコストの試算を必ず確認してください。
⑤APIコストの見積もりと変動リスクが把握されているか
AI開発のランニングコストは、APIの従量課金が大部分を占めます。ユーザー数や処理件数が増えた場合にコストが跳ね上がるリスクを事前に把握しておく必要があります。
確認すべき評価基準：
- 月間の想定API呼び出し回数と、それに対応するコスト試算が提示されるか
- 処理量が増えた場合のコスト増加シミュレーション（2倍・5倍のシナリオ等）が示されるか
- コスト上限を設定する仕組み（アラート・利用制限）が組み込まれているか
質問例：「月間◯件の処理を想定した場合、APIコストはどの程度になりますか？処理量が倍になった場合の費用感も教えてください。」
⑥ファインチューニングや追加学習が必要な場合のコスト構造
汎用モデルをそのまま使うのか、自社データで追加学習させるのかによって、開発コストと精度特性が大きく変わります。
確認すべき評価基準：
- ファインチューニングの必要性とその費用（初期費用・再学習コスト）が明示されているか
- 追加学習に使うデータの準備・ラベリングは誰が担当するか決まっているか
- プロンプトエンジニアリングのみで対応できる範囲と、追加学習が必要な範囲が区別されているか
質問例：「今回の要件はプロンプトだけで対応できますか？それとも追加学習が必要ですか？追加学習が必要な場合、データ準備のサポートはありますか？」
チェック項目⑦〜⑨：データ取り扱いとセキュリティ
⑦個人情報・機密情報の取り扱いポリシーが明確か
AI開発では業務データをAPIに送信するケースが多く、どのデータが外部サービスに送られ、どう扱われるかを把握しておくことは法的・セキュリティ的に必須です。
確認すべき評価基準：
- AIAPIへ送信するデータに個人情報・機密情報が含まれるかが整理されているか
- 使用するAPIの利用規約で、送信データのモデル学習への使用禁止が確認できるか（例：OpenAI API、Claude APIともに明示的にオプトアウト設定が可能）
- データの保存期間・削除方針がAPIプロバイダーの規約に基づいて説明されているか
質問例：「今回の開発でAPIに送信するデータに、個人情報は含まれますか？APIプロバイダーがそのデータをモデル学習に使用しない設定になっているか確認していただけますか？」
⑧データの保管場所とアクセス権限が整理されているか
開発過程で収集・生成されたデータがどこに保管され、誰がアクセスできるかを把握しておくことは、情報漏洩リスクを管理する上で重要です。
確認すべき評価基準：
- データの保管場所（自社サーバー・クラウドサービス・ベンダー側インフラ）が明示されているか
- ベンダーのエンジニアが業務データにアクセスできる範囲と条件が契約書に記載されているか
- 開発完了後にベンダー側のアクセス権限を削除する手順が明確か
質問例：「開発中に業務データはどこに保管されますか？御社のエンジニアがアクセスできる条件と、開発完了後のアクセス権削除の手順を教えてください。」
⑨セキュリティ基準と脆弱性対応の方針が示されているか
AIシステムは従来型のWebシステムと異なる脆弱性（プロンプトインジェクション・データ汚染等）を持つため、セキュリティ対策の確認は必須です。
確認すべき評価基準：
- プロンプトインジェクション対策など、AI固有のセキュリティリスクへの対策が考慮されているか
- 脆弱性が発見された場合のレポートと修正対応の手順・SLA（対応期限）が定義されているか
- 必要に応じてペネトレーションテストや第三者セキュリティ診断を実施する計画があるか
質問例：「プロンプトインジェクションなどのAI固有のセキュリティリスクに対して、どのような対策を実装しますか？脆弱性が発見された場合の対応SLAも教えてください。」
チェック項目⑩〜⑫：運用・引き継ぎと契約条件
⑩運用開始後のサポート体制と保守契約の内容
AI開発でよく見落とされるのが、開発完了後の運用サポートが別契約・有償になるという点です。初期費用だけで「ずっと使える」と思い込んでいると、後から想定外のコストが発生します。
確認すべき評価基準：
- 開発費用に含まれる保守期間と内容（バグ修正・性能改善・モデル更新対応等）が明確か
- 保守期間終了後の継続サポート費用（月額目安）が提示されているか
- 障害発生時の連絡先・対応時間帯・復旧目標時間（RTO）が契約書に記載されているか
質問例：「開発費用に含まれる無償保守期間はどのくらいですか？その後の月次保守費用の目安も教えてください。障害発生時の対応体制はどのようになっていますか？」
数値目安：無償保守期間は3〜6ヶ月程度が一般的。月次保守費用は開発費の5〜10%程度が相場感として参考になります。
⑪運用引き継ぎ・内製化のサポートが計画されているか
ベンダーに運用を依存し続けるリスクを軽減するために、段階的な内製化やドキュメント整備の計画が含まれているかを確認することが重要です。
確認すべき評価基準：
- 運用マニュアル・技術ドキュメントの納品が契約に含まれているか（非エンジニア向けの操作手順書を含む）
- 社内担当者へのトレーニング・引き継ぎセッションが計画されているか
- ソースコードの所有権（著作権・ライセンス）が発注側に帰属するか明記されているか
質問例：「納品物にはどのようなドキュメントが含まれますか？非エンジニアの社員が操作できるレベルの手順書は作成いただけますか？ソースコードの権利帰属はどうなりますか？」
代表コバが対応してきた案件の中では、引き継ぎドキュメントを契約に含めておくことで、担当者交代後もシステムが安定稼働し続けたケースが複数あります。逆に、ドキュメントがなかったために担当者退職後1ヶ月で運用が止まったケースも経験しています。
⑫知的財産権・成果物の権利帰属が契約書に明記されているか
AI開発では、プロンプト・学習データ・生成物・ソースコードそれぞれの権利帰属が複雑になります。契約前に明確化しておかないと、後から「そのデータはうちの資産だから提供できない」という事態になりかねません。
確認すべき評価基準：
- ソースコード・プロンプト・学習済みモデルの著作権・所有権が発注側に帰属すると明記されているか
- ベンダーが同様の仕組みを他社向けに再利用することを制限する条項があるか（必要に応じて）
- AI生成コンテンツの著作権帰属について、現行の法律解釈に基づいた説明が得られるか
質問例：「今回開発するシステムのソースコードと学習済みモデルの権利帰属はどうなりますか？同様の仕組みを他社に展開することは想定されていますか？」
発注先ベンダーを評価する3つの追加視点
実績と事例の確認
12項目のチェックに加えて、ベンダー選定の段階で確認しておきたい視点があります。まず、類似案件の実績です。業種・規模・用途が似た案件の事例を見せてもらい、精度・コスト・期間の実績値を確認します。「AI開発の実績があります」という表現は漠然としすぎているため、具体的な数値と課題解決の内容まで踏み込んで聞くことが重要です。
次に、担当エンジニアの技術スタックです。使用するモデルのAPIに習熟しているか、プロンプトエンジニアリングとファインチューニングの両方を理解しているか、運用監視の経験があるかを確認します。「AIに詳しいエンジニア」という表現ではなく、具体的にどのAPIを使った開発経験があるかを質問してみてください。
契約形態とキャンセルポリシーの確認
固定費用の一括請求か、マイルストーンに応じた分割払いかによって、発注側のリスクは大きく変わります。マイルストーン払い（要件定義完了・プロトタイプ完成・本番稼働開始等の節目で支払い）を採用しているベンダーは、進捗管理に自信があると見なせます。また、キャンセルポリシー（開発途中でのプロジェクト解約時の精算ルール）を事前に確認しておくことで、想定外の事態が発生したときのリスクを抑えられます。
まとめ
AI開発の発注前に確認すべき12項目を整理しました。
- ①要件定義書が文書として存在するか
- ②完成の定義（受け入れ基準）が明確か
- ③スコープ外の作業が明記されているか
- ④使用するAIモデルと選定根拠が説明されるか
- ⑤APIコストの見積もりと変動リスクが把握されているか
- ⑥ファインチューニングや追加学習のコスト構造が明確か
- ⑦個人情報・機密情報の取り扱いポリシーが明確か
- ⑧データの保管場所とアクセス権限が整理されているか
- ⑨セキュリティ基準と脆弱性対応の方針が示されているか
- ⑩運用開始後のサポート体制と保守契約の内容が明確か
- ⑪運用引き継ぎ・内製化のサポートが計画されているか
- ⑫知的財産権・成果物の権利帰属が契約書に明記されているか
これらすべてを一度に確認するのは大変に感じるかもしれませんが、「今回確認できていない項目はどれか」を把握するだけでも、発注後のリスク認識が大きく変わります。信頼できるベンダーであれば、これらの質問に対して明確に回答できるはずです。逆に、曖昧な回答が多い場合は、発注前に再検討する機会として活用してください。
本記事は代表コバの現場知見をもとにAIで構成し、弊社にて最終確認を行っています。
AI開発の発注を検討中の方、ベンダー選定で迷っている方は、お問い合わせページからお気軽にご相談ください。費用感だけ知りたい方も、まずはお気軽にどうぞ。
