カスタマーサポートのAIエージェント開発/構築の発注/外注/依頼/委託方法について

カスタマーサポートAIエージェントを外注するには、まず業務とKPIを整理し、RFPで各社の提案を比べます。そのうえで、PoC、本開発、運用改善の順に進めると、安全性と効果を段階的に確かめられます。

AIシステム開発を依頼する会社の選び方やRFPの作り方については、無料ホワイトペーパー「AIシステム開発の完全ガイドブック」で詳しく解説しています。

▼RFP作成前に読みたい無料ホワイトペーパー
・AIシステム開発の完全ガイドブック
・【2026年最新版】AI駆動開発の完全ガイドブック

カスタマーサポートAIエージェントの概要

AIエージェントは、顧客の意図を理解し、社内ナレッジや顧客情報を参照しながら、決められた範囲の処理を自律的に進める仕組みです。

回答文を生成するだけのチャットボットと違い、外部システムのAPIを呼び出せます。さらに、処理結果を記録し、必要に応じて人へ引き継ぐところまで担います。

チャットボットやFAQ検索との違い

従来のチャットボットは、質問に対して登録済みの回答を返すことが中心です。一方、AIエージェントは次のように処理まで担います。

• 業務例：「注文した商品が届かない」という依頼への対応。
• 処理手順：本人確認から配送状況の説明、返金条件の確認まで一連で処理し、対応履歴も登録できます。
• 承認ルール：金額や顧客属性に応じた承認を設け、返金や契約変更を条件つきで実行します。

外注で検討しやすい活用範囲

外注で検討しやすい業務には、次のようなものがあります。

• 問い合わせ対応：営業時間外の一次回答と、FAQ・規約の検索。
• 顧客情報の処理：注文・契約状況の照会、返品・予約の受付。
• 担当者の支援：問い合わせ分類、回答候補の提示、通話の文字起こし・要約。
• 履歴の登録：問い合わせ履歴をCRMへ登録する作業。

まずは検索や要約など、誤りの影響を限定できる業務から始めると、投資対効果を測りやすくなります。

発注形態の選び方

発注形態は、要件がどこまで明確か、社内にAI・データ・業務の責任者がいるか、将来どこまで内製化するかで決めます。

初めて導入する企業は、企画と短期PoCを準委任で依頼し、仕様が固まった範囲を請負で開発する方法が現実的です。

完成像が曖昧なまま大規模な一括請負で発注すると、データ品質や例外処理の問題が途中で見つかり、追加費用につながります。

SaaS・ノーコード型が向く場面

既存のカスタマーサポートSaaSやノーコード基盤は、短期間で画面やFAQ連携を試せます。適する業務と環境の条件に当てはまるかで、設定だけで足りるかが分かれます。

• 適する業務：問い合わせ量が多い定型業務やWebチャット中心の窓口。
• 適する環境：既存SaaSの権限とログで要件を満たせる場合。
• 注意が必要な要件：複雑な顧客照会、独自承認、レガシーCRM連携、厳格なデータ保管要件。
• 設定の限界：これらの要件がある場合、設定だけでは足りない可能性があります。

共同開発・スクラッチ型が向く企業

共同開発・スクラッチ型は、業務に固有の連携や判断範囲を設計したい企業が選びます。連携先や古いシステムの状態によって、設計と開発の手間は大きく変わります。

• 連携先：CRM、CTI、PBX、注文管理、会員基盤を業務に合わせてつなぎます。
• 業務設計：AIの判断範囲と有人引き継ぎ画面を設計できます。
• 古いシステム：APIが公開されていない場合は、中間API、夜間バッチ、画面操作の自動化を組み合わせます。
• RFP：工数の増加を踏まえ、独自開発が必要な理由を業務単位で示します。

自由度が高い一方で、データ整備や認証、監視、テストにかかる工数が増えます。

カスタマーサポートAIエージェントを外注する進め方

外注では、開発会社を探す前に、自社で業務の中身を決めておく必要があります。中身が曖昧なままだと、提案会社ごとに前提がずれ、比較そのものが難しくなります。

各段階の終了条件と意思決定者を先に決めておくと、開発会社に任せきりにならずに済みます。

外注の流れは、社内での整理から運用改善まで6段階に分かれます。

1. 業務課題、対象顧客、参照データ、許可する操作、成果指標を社内で整理。
2. RFPを配布し、提案内容を比較。
3. 契約と要件定義を進める。
4. PoCで効果と安全性を検証。
5. 本開発を行い、受入テストを実施。
6. 運用設計を整え、リリース後の改善につなげる。

業務フローによる課題とKPIの整理

「AIを導入したい」という段階から、業務の中身を具体的に書き出します。

問い合わせの種類や件数、対応時間を押さえます。加えて、担当者の判断、使用システム、例外も、業務フローに沿って整理します。

たとえば、一次回答に平均10分、履歴入力に3分、営業時間外の問い合わせが全体の25％といった数字で、現状を測ります。

KPIは、中核になる指標と、あわせて入れる指標に分けて押さえます。

• 中核のKPI：自己解決率、有人転送率、初回解決率。
• あわせて入れる指標：平均処理時間、CSAT、誤回答率、1件あたりのAPI費用。

小規模PoCでの実データと例外の検証

PoCでは、問い合わせ全体から、頻度が高く正解を定義しやすい3〜5業務に絞って行います。検証には、匿名化した過去の問い合わせやFAQ、規約、商品マスタを使います。

• 評価項目：正答率、根拠提示率、応答時間、有人転送の妥当性。
• データ課題：PDFの表やExcelの条件分岐、古いFAQと現行規約の混在。

モデルの性能に加えて、データ整備の難しさも確かめておきます。

本番移行と運用改善の切れ目のない進め方

本番前には、ゴールデンデータを用意します。ゴールデンデータは、人が確認した評価用データで、質問と正しい回答を中心に、参照根拠や許可する操作、エスカレーションの条件を含みます。

リリース後は、月次で誤回答や転送理由を分類し、その結果をもとに、ナレッジの更新やプロンプトの調整、権限の変更を行います。

見積書を見る際は、障害対応だけでなく、品質レビューや改善提案も含まれているかを確かめます。

RFP・要件整理の記載項目

RFPは、複数社が同じ前提で提案を出せるよう、条件をそろえて示す比較資料です。

まず、背景や対象ユーザー、問い合わせ件数、現行業務を書きます。次に、対象チャネル、連携システム、データの種類、セキュリティ条件を示します。

予算や希望スケジュールに加えて、成果指標、納品物、提案書の形式も書いておきます。

「高精度に回答する」のような表現は、正答率や評価データの定義に置き換えます。曖昧なままでは、各社の提案を同じ基準で比べられないためです。

マニュアルと連携データの状態

RFPでは、ナレッジや連携データの内容と状態を開発会社に示します。中身だけでなく、形式や更新頻度、個人情報の有無まで示すと、開発会社が前提を読み違えにくくなります。

• 対象データ：FAQ、製品仕様、料金表、返品規約、対応マニュアル、過去ログ。
• 管理情報：形式、件数、更新頻度、管理部署、個人情報の有無。
• 構造化：見出し、手順、適用条件、対象商品の情報を整理。施行日、例外、参照元も含めます。
• RAGの基準：チャンク分割やメタデータ付与を含む作業範囲と受入基準。

RAG（検索拡張生成）では、データの区切り方と付与する情報が、回答の根拠と鮮度を左右します。

提案会社への同条件での回答依頼

提案会社には、提案と見積もりの前提をそろえてもらい、実データに近い条件で比べます。

• 提案内容：発注形態、製品・モデル、構成図、連携方式を示してもらいます。加えて、データ整備、PoC評価、体制、スケジュールを求めます。
• 費用条件：初期費用、月額費用、前提条件、除外事項、リスクを同じ順番で回答してもらいます。
• 回答評価：匿名化した代表質問を5〜10問渡し、回答例や根拠、引き継ぎ方法を比べます。

口頭のデモだけでなく、実データに近い評価で見極めます。

契約形態と費用相場

開発費用は、簡易な試作にとどまるか、RAGとCRM連携を含む本番システムかで変わります。

2025〜2026年に公開された国内受託開発情報では、PoCが100万〜500万円程度とされる例があります。

小規模な本開発は500万〜1,500万円程度、複数システム連携や全社運用を含む案件は1,000万〜5,000万円超の例があります（出典: WEEL、2026年公開情報）。

相場は、見積もりの前提を確かめるための参考レンジとして見ておくものです。

フェーズごとの請負と準委任の使い分け

請負契約は、合意した成果物の完成を重視するため、内容を定義しやすい工程に向いています。一方で、準委任契約は、作業や専門知識の提供を重視する工程に適しています。

• 請負：画面、API、認証、ログ、テスト仕様など成果物を定義しやすい工程。
• 準委任：調査、企画、データ整備、PoC評価、継続改善などの工程。

回答品質はデータや利用状況で変わるので、精度は条件を付けて扱い、評価方法や改善回数、障害時の対応を契約に定めておきます。

初期費用とランニングコストの内訳

初期費用と継続運用費を分けたうえで、見積もりの範囲と体制をそろえて比べます。費用の中身は、初期費用から追加条件まで5つの項目に分けると整理できます。

• 初期費用：業務ヒアリング、要件定義、UX設計、データクレンジング、RAG基盤、プロンプト設計。さらに、API連携、認証・権限、画面、テスト、教育も含みます。
• 運用費：LLMのAPI利用料、検索基盤とデータベース、ログ保存、監視。加えて、保守改修、ナレッジ更新、月次の品質評価もかかります。
• 見積前提：問い合わせ件数、平均入力文字数、モデル、想定トークン量、クラウド環境、保守時間。
• 工数と体制：工程別の工数と、各担当の人月。対象は、PM、業務コンサルタント、AIエンジニア、バックエンドエンジニア、セキュリティ担当、テスト担当です。
• 追加条件：追加作業単価、仕様変更の扱い、データ更新や誤回答分析の対象範囲。

合計額だけでなく、社内の負担を含めた総費用で見ます。たとえば、更新や分析が対象外になっていると、月額が安くても総費用は高くなる可能性があります。

委託先の選定と見積比較のポイント

委託先は、AIモデルの知識だけでなく業務への理解も見て選びます。そのうえで、システム連携、セキュリティ、プロジェクト管理、運用支援をまとめて評価します。

あわせて、根拠のない回答を止める仕組みと、有人担当者が使う画面を確かめます。

実績の業務範囲の確認

「AI導入実績あり」という回答に、業務範囲と導入後の体制を添えてもらいます。確かめたいのは、対応範囲、導入効果、大規模事例、適合性の4点です。

• 対応範囲：問い合わせチャネル、月間件数、CRM・CTI連携、対応言語。
• 導入効果：自己解決率や転送率がどう変わったかを確かめます。
• 大規模事例：下で紹介するKlarnaの実績に加えて、DoorDashの導入事例（AWS公式事例）も参考にします。
• 適合性：ほかの事例をそのまま再現できるとは限らないため、自社に近い規模の事例も見ます。

Klarnaの2025年年次報告では、AIアシスタントが年間3,100万件の会話を処理したと説明しています。同じ報告では、カスタマーサービスチャットの80％を扱ったことも示されています（出典: Klarna、2025年年次報告）。

導入後の運用体制についても確かめます。

見積の前提条件と体制の比較

同じ金額の見積でも、FAQ登録だけの場合と、データ構造化、API連携、テスト、教育、3か月の改善支援まで含む場合があります。成果物、対象外、前提、期間、体制を比べます。

さらに、再委託や知的財産、データ返却、障害対応、月額費用も、同じ項目で見ておきます。提案会社が、リスクや対応できないことを率直に説明するかどうかも、長期の委託先を選ぶ判断材料になります。

精度・セキュリティ・有人対応の要件

カスタマーサポートでは、もっともらしく見える誤回答が、顧客の不利益やクレームに直結します。そのため、どの回答に根拠を必須とするか、どの操作に人の承認が要るか、どの条件で停止するかを要件として定めます。

ゴールデンデータによる回答品質のテスト

テストデータには、正しく答えられる質問だけでなく、例外や有人対応へ回す質問も含めます。

• 質問ケース：情報不足、似た製品名、古い規約、複数条件がある質問。
• 安全性ケース：悪意のある指示、有人対応へ回すべきクレーム。
• 評価項目：正答率、根拠の有無、回答禁止条件、個人情報のマスキング、処理時間、転送先の妥当性。

評価基準を契約前に合意しておけば、受入の段階で判断がぶれにくくなります。

Human in the Loopによる有人エスカレーションの設計

担当者への問い合わせ先を案内するだけでは、引き継ぎとして十分とはいえません。

• 引き継ぐ情報：会話履歴、顧客情報、参照根拠、AIの判断意図、未処理作業。
• 停止条件：本人確認、返金、契約解除、個人情報変更、強い不満など。

担当者の画面へ情報を渡すことで、顧客が同じ説明を繰り返さずに済むようにします。

データ保護と監査ログの発注条件

データ保護と権限管理に加えて、どこまでを委託先が受け持つかも確かめます。確認するのはデータ管理、委託先管理、AIの権限の3つの面で、国内の導入例もあわせて見ます。

• データ管理：保存場所、暗号化、アクセス権、学習利用、ログ保存期間。
• 委託先管理：再委託の有無、インシデント時の連絡手順。
• AIの権限：必要最小限とし、読み取り専用、マスキング、送信前承認、操作ログ、異常時停止を設けます。
• 導入例：KDDIが2025年、生成AIとデジタルヒューマンを組み合わせたオンラインサポートを始めました（出典: KDDI、2025年）。

国内でも、問い合わせ窓口でのAI活用が実サービスの段階に入っています。そのため、新しさだけでなく、運用時の管理責任も確認しておきます。

よくある質問

費用だけでなく、導入の順番や社内体制、契約前の確認事項についても、あわせて回答します。

カスタマーサポートAIエージェントの外注費用はいくらですか？

費用は開発範囲で変わるため、対象業務や支援範囲をそろえて見積もりを比べます。

• PoC：公開情報を基にした目安は100万〜500万円程度です。
• 小規模な本番開発：500万〜1,500万円程度からのケースがあります。
• 大規模開発：CRM連携、音声対応、複数チャネル、厳格なセキュリティ、全社展開を含むと1,000万〜5,000万円超になることもあります。

AIエージェント開発は内製と外注のどちらがよいですか？

社内に業務担当者がいても、AI基盤、データ連携、セキュリティ、評価設計をすべて内製できるとは限りません。そのため、外注で要件定義やPoCを進め、設計書や評価データを受け取って運用を社内へ移す方法があります。また、社内の意思決定が速く、継続改善できる担当者がいる場合は、外部チームと作るラボ型も選択肢です。

委託先を選ぶときに最も重視すべきことは何ですか？

最も重要なのは、自社の業務とデータを前提に、精度・安全性・運用を説明できることです。代表質問による評価と有人エスカレーションを確かめます。あわせて、CRM連携、誤回答時の責任分担、リリース後の改善体制も見ておきます。

価格だけでなく、成果物や前提、除外事項、担当者の経験を同じ条件で比べます。

まとめ

発注前に確認する最終チェック

機能やモデルを比べる前に、改善したい問い合わせ業務、AIの実行範囲、承認責任者を決めておきます。そのうえで、SaaS・ノーコード、共同開発・スクラッチ開発の中から型を選びます。次に、PoCでは、実データや回答品質、有人への引き継ぎ、API連携を検証します。

運用開始後も改善できる体制

運用後も改善を続けられるよう、RFPと見積もりで運用範囲と継続費用を明確にします。

• RFP：課題やKPI、データ、連携、セキュリティを記載します。さらに、評価基準、納品物、運用範囲も加えます。
• 総保有コスト：初期費用だけでなく、LLM API、クラウド、監視、ナレッジ更新、品質評価まで含めて比べます。

参照した主な情報源は、AWS公式事例、Klarnaの2025年年次報告、WEELの公開相場、KDDIの公式発表です。これらは市場や企業の状況により変動するため、最終的な予算は自社要件に基づく提案書で確認します。

会社紹介

株式会社riplaでは、お客様の事業・ユーザー・業務に最適化したオーダーメイド型システムを、構想策定・要件定義から開発・改善まで一気通貫で支援。事業会社でIT・DXを経験したプロフェッショナルによる高い要件定義力・システム設計力を活かし、事業成果の最大化に伴走します。

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。事業会社でIT・DXを経験したプロフェッショナルが集う株式会社riplaにおいて、お客様の事業・ユーザー・業務に最適化したオーダーメイド型システムを構想策定・要件定義から開発・改善まで一気通貫で支援し、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最大化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。