AI FAQシステム開発の開発期間・スケジュール・納期について

問い合わせ対応や社内ヘルプデスクの負担を減らす手段として、従来はキーワード一致でFAQ記事を検索する「FAQ検索システム」が主流でした。しかし近年は、生成AI・LLM（大規模言語モデル）とRAG（検索拡張生成）を組み合わせ、ユーザーの質問文の文脈を理解したうえで社内ナレッジベースから根拠を検索し、自然文で回答を生成する「AI FAQシステム」への切り替えが急速に進んでいます。従来型のキーワード検索FAQの正答率が60〜70%程度にとどまるのに対し、RAG構成のAI FAQシステムは文脈理解によって90%以上の正答率を狙えると言われており、問い合わせ対応工数の削減効果も大きく異なります。一方で、「生成AIを使ったFAQシステムはどのくらいの期間で作れるのか」「RAGならではの工程があると聞くがスケジュールにどう影響するのか」「ハルシネーション（誤回答）対策の検証にはどれくらい時間がかかるのか」といった疑問を持つ企業担当者は少なくありません。

本記事では、生成AI・LLMを活用したAI FAQシステム（RAG構成・社内ナレッジベース連携）の開発期間・スケジュール・納期に焦点を当て、規模別の期間目安、要件定義からリリースまでの工程別の期間配分、RAG特有の工程（データ整備・チャンキング・埋め込み・ベクトルDB構築・プロンプト設計・精度検証）がスケジュールに与える影響、開発手法による期間の違い、そして納期遅延の典型要因と対策までを、具体的な数値とともに体系的に解説します。従来型のキーワード検索FAQとは異なる、生成AI特有のスケジュール管理のポイントを軸に整理しているため、これから開発パートナーを選定する方はもちろん、社内でスケジュールを策定する立場の方にとっても、現実的な計画を立てるための判断軸が身に付くはずです。

本テーマに関する全体ガイドは、以下の記事をご覧ください。

▼全体ガイドの記事
・AI FAQシステム開発の完全ガイド

AI FAQシステムの開発期間の全体像

生成AI・LLMを活用したAI FAQシステムの開発期間は、自動化する範囲や既存システムとの連携数によって大きく異なりますが、全体としては3週間〜6か月程度が現実的なレンジです。これは、単純なキーワード一致型のFAQ検索システムを構築する場合と比べて幅が広く、その理由はRAG構成特有の「社内データを検索可能な形に整えて、AIに正しく参照させる」という工程が加わるためです。まずは規模別のおおまかな目安を押さえ、自社が想定するシステムがどのレンジに該当するかを把握することが、現実的なスケジュールを描く第一歩になります。

規模別に整理すると、まず小規模なAI FAQシステム（単一のFAQ対応や既存チャットボットへのAI回答機能追加など、限定的なナレッジのみを参照する構成）であれば、納期は約3〜8週間が目安です。次に中規模（社内FAQの回答に加えて、社内ポータルやSlack・Teamsなどのチャットツール、社内データベースといった既存システムと連携する構成）になると、納期は2〜3か月程度になります。そして大規模（複数の業務システムを横断して情報を取得したり、複雑なワークフローや閉域網などの独自セキュリティ要件を組み込んだりする構成）では、納期は3〜6か月に及びます。参考として、Microsoftの調査では、データ基盤やセキュリティといった実行面をあらかじめしっかり整備した企業は平均6か月未満で導入を完了させている一方、実行体制が伴わない企業は9か月以上を要する傾向があることが示されています。この差からも分かるように、AI FAQシステムの納期は技術そのものよりも、社内データの整備状況や実行体制に大きく左右されるという特徴があります。

同じ「中規模のAI FAQシステム」であっても、開発期間が2か月で済む場合と4か月近くかかる場合があり、その差を生む変数を理解しておくことが精度の高い納期見積もりにつながります。第一に「社内データの整備状況」です。既に社内のマニュアルやドキュメントが整理されているか、それともこれから古いマニュアルの改訂やPDFのテキスト化から始める必要があるかによって、後述するデータ整備工程の工数が大きく変わります。第二に「連携先システムの数」です。チャットツールや社内データベースなど、連携するシステムが1つ増えるごとに実装とテストの工数が増加し、費用面でも連携1件あたり初期費用が1.5〜5%、月額が0.5〜1%程度上乗せされるのが相場です。第三に「開発手法の選択」です。DifyやCopilot Studioといったノーコードツールを使う場合と、フルカスタムでRAGパイプラインを構築する場合とでは、期間に数倍の差が生まれます。第四に「社内の意思決定者の関与スピード」です。要件定義の段階で決裁権を持つ担当者が仕様やスコープを迅速に決められるかどうかで、承認待ちによる遅延を防げるかが決まり、納期が1か月以上変わるケースも珍しくありません。

工程別スケジュールと期間配分

AI FAQシステムの標準的な開発プロセスは、「要件定義」「設計」「実装」「テスト・精度検証」「運用開始・パイロット運用」の5工程に大別されます。工程ごとの期間配分の目安を理解しておくと、開発会社から提示された見積もりが妥当かどうかを判断しやすくなります。特にAI FAQシステムでは、後述するテスト・精度検証フェーズの比重が、通常のシステム開発以上に重要になる点に注意が必要です。

要件定義フェーズは通常2〜4週間を要し、業務フローの整理、AIが自動回答する範囲と人が対応する範囲の切り分け、対象となる問い合わせパターンの洗い出しを行います。ここでの重要なポイントは、「既存のキーワード検索FAQで回答できていた範囲」と「生成AIでなければ対応できない曖昧な質問の範囲」を明確に区別することです。この線引きが曖昧なまま進めると、後工程での手戻りにつながります。続く設計フェーズも2〜4週間程度で、システム設計に加えて、AI FAQシステム特有の「プロンプト設計」（AIにどのような口調・粒度で回答させるか、根拠が見つからない場合にどう答えるかのルール設計）とUI/UX設計を並行して行います。プロンプト設計は一見軽い作業に見えますが、後述するハルシネーション対策の土台になる工程であり、要件定義・設計フェーズの中でも特に丁寧な検討が求められます。

実装フェーズは4〜8週間を見込み、LLM（GPT-4o、Claude、Gemini等）の組み込み、外部ツールや社内データベースとの連携、UIの構築を行います。この段階で、後述するデータ整備・チャンキング・埋め込みといったRAG特有の作業も並行して進めます。実装完了後のテスト・精度検証フェーズは2〜4週間で、テストデータを用いた動作確認、例外処理のテスト、セキュリティテストに加えて、AI FAQシステムならではの「回答精度の検証」を行います。具体的には、「検索結果に正解の社内文書が含まれているか（検索精度）」と「その結果に忠実に回答できているか（生成精度・ハルシネーションの有無）」を、同一のテスト用質問セットを使って評価します。金融や医療など誤りが許されない領域では95%以上の精度が求められることもあり、このフェーズに十分な時間を確保しないまま本番稼働に進めると、後からトラブルにつながるリスクが高まります。最後の運用開始・パイロット運用フェーズは1〜2週間で、本番環境の構築と、特定部署などの限定的なユーザーによる試験利用・トレーニングを行います。

RAG構成特有の工程がスケジュールに与える影響

従来型のキーワード検索FAQと違い、生成AI・RAG構成のAI FAQシステムには、社内データを検索・生成に使える形へと整える固有の工程が発生します。これらはスケジュールのクリティカルパス（全体の遅延に直結する作業）になりやすく、見落とされがちなため、事前の工数確保が不可欠です。

最初の関門が「データ整備（AI-Ready化）」です。既存のマニュアルや社内データに古い情報・重複・表記揺れが含まれていたり、図表や脚注などのノイズが混じっていたりすると、RAGの回答精度の上限がそこで固定されてしまいます。そのため、不要な情報の除去や、部署ごとに分散したナレッジの統合といったクレンジング作業が必要になります。このデータ準備工程は、見た目以上に工数が膨らみやすく、想定より1〜2週間長引くケースも珍しくないため、初期段階からスケジュールに明示的に組み込んでおくべき工程です。データが整ったら、文書を単に文字数で区切るのではなく、見出しや表といった意味構造に合わせて適切な「チャンク（情報の塊）」に分割する設計を行い、作成日・部署・カテゴリといった「メタデータ」を付与します。このチャンキング・メタデータ設計の質が、後の検索精度に直結するため、時間をかけて丁寧に設計する価値のある工程です。

チャンキングが終わったデータはベクトルDBに格納しますが、ここでも意味で探す「ベクトル検索（デンス検索）」と、型番や専門用語などの完全一致に強い「キーワード検索（BM25等のスパース検索）」を組み合わせる「ハイブリッド検索」を採用し、検索結果を再評価する「Re-ranker（リランキング）」を調整することで精度が高まります。この検索設計の調整には相応の期間が必要で、単純なベクトル検索のみの構成に比べてスケジュールに数週間の上乗せが必要になることもあります。最後に、プロンプト設計と精度検証です。「検索結果に正解が含まれているか（検索精度）」と「その結果に忠実に回答できているか（生成精度）」を分けてテストセットで検証し、改善を繰り返します。従来型のキーワード検索FAQであれば「検索結果が表示されるかどうか」だけを見れば済みましたが、AI FAQシステムでは生成される文章そのものの正確性まで検証する必要があるため、このテスト工程には従来型よりも多くの反復と時間がかかる点を、スケジュールに織り込んでおく必要があります。

開発手法による期間の違い

AI FAQシステムの開発期間は、どの開発手法を選ぶかによっても大きく変わります。検証段階で素早く形にしたいのか、本格運用を見据えて作り込みたいのかによって、適した手法は異なります。

DifyやMicrosoft Copilot Studioといったノーコードツールを使えば、GUI操作中心で数時間〜数日でプロトタイプを立ち上げ、1〜3か月程度で実用レベルまで持っていくことが可能です。社内にPDFやFAQデータをアップロードするだけでRAG化できる仕組みが整っており、専門のエンジニアがいなくても着手できる点が魅力です。まずは限定的な範囲でノーコードにより素早く立ち上げ、効果を見ながら本格導入や後述のフルスクラッチ開発へ拡張するという段階的アプローチも、納期短縮の観点では有効な選択肢です。

一方、自社専用にRAGパイプラインをゼロから構築するフルカスタム開発の場合は、3〜12か月程度の期間を要します。複数の基幹システムと連携したり、高精度な検索設計や独自のセキュリティ要件を組み込んだりする分、ノーコードよりも時間がかかりますが、その分だけ自社の業務に完全に最適化されたシステムを構築できます。どちらの手法を選ぶ場合でも共通して重要なのが、要件定義の段階で決裁権を持つ担当者が短時間でも同席し、仕様やスコープを迅速に決められる体制を整えることです。承認プロセスに時間がかかる組織では、技術的な作業そのものよりも、この意思決定の遅れが納期を押し下げる最大の要因になりがちです。

納期遅延の典型要因と対策

ここまで見てきた期間・工程を理解していても、典型的な遅延要因を放置すればスケジュールは簡単に崩れます。AI FAQシステムで納期が計画を超過する主な原因は、データ起因の問題と、精度基準を曖昧にしたまま進めてしまうことです。

最も多い遅延要因は、社内データの未整備です。「まずは既存のマニュアルをそのまま読み込ませればよいだろう」という見込みで開発を始めると、実装フェーズに入ってから古い情報や重複、表記揺れが次々と見つかり、想定外のクレンジング作業が発生してスケジュールが崩れます。これは「Garbage In, Garbage Out（ゴミを入れたらゴミが出る）」と表現される典型的な失敗パターンで、生成AI・RAG特有の遅延要因といえます。対策としては、要件定義の段階でデータ整備の工数を独立したタスクとして見積もりに明示し、実装開始前にデータの棚卸し（対象文書の一覧化と品質チェック）を先行して行うことが有効です。また、後述するPoCの段階で実データの一部を使って検証しておくことで、本開発フェーズでの想定外の手戻りを大幅に減らせます。

もう一つの典型的な遅延要因は、「どの程度の回答精度が出れば本番稼働してよいのか」という基準を事前に決めないまま開発を進めてしまうことです。基準が曖昧だと、テスト・精度検証フェーズで「もう少し精度を上げたい」という要望が際限なく続き、リリース時期が定まりません。対策としては、開発開始前に回答正確性の目標値（例えば95%以上、あるいは業務内容に応じた現実的な水準）を関係者間で合意しておくことです。さらに、本開発に入る前に2〜4週間程度のPoC（概念実証）を実施し、実データでの精度や社内データとの相性を事前に確認しておくことで、本開発フェーズでの「想定外の精度不足」による大幅な遅延を防げます。PoCを省略していきなり本開発に着手すると、一見スケジュールが短く見えても、精度が出ずに手戻りが発生し、結果的にトータルの納期が延びるケースが多く見られます。

まとめ

本記事では、生成AI・LLMを活用したAI FAQシステムの開発期間・スケジュール・納期について、規模別の期間目安、工程別の期間配分、RAG構成特有の工程がスケジュールに与える影響、開発手法による期間の違い、そして納期遅延の典型要因と対策までを体系的に解説しました。開発期間の目安は小規模で3〜8週間、中規模で2〜3か月、大規模で3〜6か月であり、要件定義・設計に4〜8週間、実装に4〜8週間、テスト・精度検証に2〜4週間、パイロット運用に1〜2週間という工程配分が一つの基準になります。従来型のキーワード検索FAQと異なり、AI FAQシステムにはデータ整備（AI-Ready化）、チャンキング・埋め込み、ハイブリッド検索の設計、そして回答精度・ハルシネーションの検証といったRAG特有の工程が加わり、これらがスケジュールのクリティカルパスになりやすい点を理解しておく必要があります。ノーコードツールを使えば数時間〜数日で立ち上げられる一方、フルカスタム開発では3〜12か月を要するため、自社の要件に応じた手法選定が納期に直結します。データ未整備と精度基準の未設定という2大遅延要因には、データの事前棚卸しと、PoCによる早期の精度検証で備えることが、無理のない納期設定とリスク管理を両立させる鍵となります。具体的なスケジュールの相談は、複数の開発会社に要件概要と社内データの状況を提示して見積もりを取ることから始めることをお勧めします。

▼全体ガイドの記事
・AI FAQシステム開発の完全ガイド

株式会社riplaでは、IT事業会社出身のプロフェッショナルが「Impact-Driven型支援」を通じて、プロダクトやシステムの納品・提供を目的とせず、お客様と同じ目線で、事業成果の達成をゴールとして、高品質なDX/開発支援をいたします。

また、当社独自の開発テンプレート「Boxシリーズ」による標準機能の高速開発と、AI駆動開発の独自フレームワーク「GoDD」による独自機能のAI実装を組み合わせることで、低コスト・短期間で開発を実現いたします。

もし、システム開発やプロダクト開発に関するご要望がございましたら、お気軽にお問い合わせください。

株式会社riplaの会社HPはこちら

・サービス概要資料のURLはこちら >>>
・お問合せページのURLはこちら >>>
・お役立ち資料のURLはこちら >>>

執筆者プロフィール

張田谷凌央

株式会社ripla 代表取締役CEOとして、システムパッケージ活用、システム開発、データ分析、生成AI活用、SaaS開発、アプリ開発、EC構築など、幅広い領域で企業のDX推進と事業成長を支援している。IT事業会社出身のプロフェッショナルが集う株式会社riplaにおいて、「Impact-Driven型支援」を掲げ、単なるシステム納品にとどまらず、クライアントと同じ目線で事業成果の実現に向けた伴走支援を行う。早稲田大学卒業後、ラクスル株式会社、LINEヤフー株式会社にて事業開発やDX推進などに従事した後、株式会社riplaを創業。