マーケティングのAIエージェントの発注は、自動化する業務とKPIを決めるところから始まります。RFPで要件を整理し、PoCで効果を確かめてから本番化すると、制作の高速化につながります。
発注形態、契約と費用、委託先の選び方も、この業務とKPIを起点に決めていきます。
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。
マーケティングのAIエージェントの概要
マーケティングのAIエージェントは、指示された文章を一つ生成するだけでなく、目的に応じて情報を集め、判断します。複数のツールを操作し、結果を確かめながら次の処理を進めるソフトウェアです。
発注するときは、「AIを導入したい」という段階で止めず、対象業務、使うデータ、自動化する範囲、成果を測るKPIまで具体化しておきます。
生成AIとAIエージェントの違い
生成AIは、入力に応じて文章、画像、コードなどを出力します。「競合を調べて」「広告文を10案」と頼んだあとは、人が結果を確認して次の指示を出します。
一方、AIエージェントは、調査や分類、下書きをワークフローに沿って実行します。配信候補の作成やレポート更新なども、同じ流れで進められます。
生成AIでは処理ごとに人が指示を出すのに対し、AIエージェントは複数の処理を続けて進めます。
OpenAIは2025年3月、エージェント型アプリの構築基盤を発表しました（出典: OpenAI「New tools for building agents」、2025年）。この基盤は、文章生成に加えて、検索やツール実行を支える機能を備えています。
- API：Responses API
- 検索：Web検索、ファイル検索
- 開発支援：Agents SDK、トレース機能
マーケティングで任せられる業務
マーケティングでは、情報収集から配信後の効果測定までの各段階を、AIエージェントに任せられます。任せられる中身は、大きく5つに分けられます。
- 情報収集：検索トレンドや競合広告を集める
- 顧客分析：顧客セグメントを分析する
- コンテンツ制作：ペルソナ別のコンテンツ案を作り、SNS投稿を予約する
- 広告運用：複数の広告クリエイティブ案を生成する
- 効果測定：キャンペーン結果をレポートにする
たとえば、CDPの行動データから対象者を抽出し、ブランドガイドラインに沿ったコピーを作成できます。広告配信では、人が承認した案だけを広告管理画面へ送る流れも構築できます。
C社のSNS自動化では、非エンジニアチームの運用時間を1日3時間から1時間へ短縮しました。同社のSNS運用では、月間1,000万インプレッションを達成しました。
委託の対象は、モデルだけでなく、業務とデータを結ぶ仕組み全体です。
発注形態の選び方
発注形態は、業務の固有性やデータの機密性をもとに選びます。自動化の範囲や、社内に残す知識も判断材料になります。会社の規模よりも、これらの点を先に見ます。
SaaS・ノーコードで始めるケース
SaaSやノーコードで始める場合は、導入のしやすさと連携上の制約を比べ、利用条件を確かめます。
- 適した業務：標準化され、顧客データを外部に渡せる業務
- 導入の利点：短期間でPoCを作りやすく、初期費用も抑えやすい
- 連携上の制約：複雑な権限管理、独自承認経路、既存MAとの細かな連携
- 契約前の確認：保存場所、学習利用、API上限、データ返却、ログ取得
- 移行費用：データを移せない場合、乗り換え費用が膨らむ
共同開発・スクラッチ開発にするケース
MAやCDPなど複数のシステムを一つの業務フローで動かしたいときは、このケースを選びます。広告媒体やCRM、社内ナレッジも対象に含まれます。
- 共同開発：委託先の技術力を借り、自社の業務知識を設計に反映する
- スクラッチ開発：自由度が高い一方、責任範囲が広い
- 必要な対応：要件定義、セキュリティ、監視、モデル変更への追随
- 導入の進め方：一業務で本番運用し、効果と課題を確かめてから広げる
AI BPOとして運用まで委託するケース
AIだけでは判断を完結させにくい業務では、AIと人の運用チームを組み合わせて進めます。委託する業務を決めるときは、人の責任の範囲と、社内に残すノウハウも合わせて決めておきます。
- 適した業務：薬機法・金融規制の確認、夜間の問い合わせ対応、広告素材の大量審査
- 責任分担：AIが一次判定し、専門担当者が最終承認する
- 委託範囲：納品後も運用を続ける。社内にAI人材が少なくても始めやすい
- ノウハウの保持：手順書とログを自社にも残す
マーケティングのAIエージェントを外注する進め方
外注を進める前に、業務成果と検証方法を発注書に書いておきます。発注書は、技術用語を並べるだけでなく、読み手に伝わる形でまとめます。
RFPと要件の整理
提案内容と検証方法をそろえるには、要件を曖昧にしないことが欠かせません。外注は、RFPの作成から本番運用への移行まで、4つの工程で進みます。
- 目的と業務課題を整理し、RFPを作成する
- 提案を比較し、要件を定義する
- PoCで効果を検証してから開発する
- テスト後にリリースし、本番運用へ移る
RFPには、背景と課題、対象ユーザーとチャネルを書きます。入力データと実行アクションも記載します。
加えて、承認者とKPIも含めます。希望スケジュールと予算の目安も入れておきます。
たとえば、「SNSを自動化する」と書くより、過去投稿と商品情報から週20本の候補を作ると記すほうが具体的です。担当者が承認した案だけを予約投稿し、制作時間を月40時間から20時間にする、というように具体化します。
非機能要件には、個人情報のマスキングや権限、処理時間を含めます。加えて、可用性と障害時の再実行も盛り込みます。監査ログやモデル変更時の評価方法も、要件として定めておきます。
また、データ保存期間や外部API停止時の代替手段も決めておくと、納品後の追加費用を減らせます。
PoCから開発・リリースへの移行
PoCの成果は、広告効果に加えて、業務負荷、API費用、処理品質からも見ます。見る指標は、領域ごとに5つの区分にまとめられます。
- 業務：業務時間、承認率、修正回数
- 費用：1件あたりのAPI費用
- 処理：処理失敗率
- 広告効果：CTR、CVR、LTV
- 品質：苦情件数、法務差し戻し率
広告文をクリック率だけで評価すると、ブランド毀損や解約率の上昇を見落とすことがあります。そのため、複数の指標でKPIを定めます。
本番化では、Human in the Loopを基本とします。市場調査や候補案の作成は自動化し、公開や予算変更には人の承認を求めます。
顧客への個別返信や薬機法に関わる表現も、人が承認します。導入後は、月次でログを確かめ、誤回答や未処理、過剰なAPI呼び出しを改善します。
Hakuhodo DY ONEの知見では、生成工程を速めると、レビューと承認が新たなボトルネックになることがあります。そこで、承認者の人数と期限も設計しておきます。
契約形態と費用相場の考え方
費用には、モデル利用料のほか、要件定義やデータ整備が含まれます。API連携や画面、権限管理も、費用を左右します。さらに、評価環境や監視、運用支援も費用の大きさに関わります。
費用相場は案件の前提によって変わるため、初期費用と月額費用を分けて考えます。金額は成果物ごとに比べ、ひとつの金額だけで判断しないようにします。
請負・準委任・共同開発の使い分け
契約形態は、完成物と検収条件を定められるかどうか、要件変更や専門人材の伴走が必要かどうかで選びます。
- 請負契約：完成物と検収条件を明確にできる範囲
- 準委任契約：要件変更が多く、専門人材の稼働や伴走を求める範囲
検収の対象には、画面やAPI、ワークフローを含めます。テスト結果や運用手順書も、検収できる形にします。一方で、精度や改善は、検収とは別の評価指標として扱います。
契約書では、生成物の著作権と利用範囲を確認します。学習利用や入力データの所有権も、確かめておきます。また、再委託や秘密保持、個人情報の扱いも対象に含まれます。
モデルやデータが変わると、結果も変わります。そのため、「正解率100％」を請負の条件にするのは難しい場合があります。
経済産業省は2025年2月、AIの利用・開発に関する契約チェックリストを公表しました。類型は、汎用AIサービス利用型、カスタマイズ型、新規開発型です（出典: 経済産業省・IPA「AI事業者ガイドライン」、2025年）。
障害時の責任とモデル変更時の通知、解約時のデータ返却も、契約で定めておきます。
初期費用と月額ランニングコスト
国内の目安として、要件整理や小規模PoCと、本格開発では初期費用の水準が異なります。
- 要件整理・小規模PoC：数十万〜300万円程度
- 既存ツール連携を含む実用開発：300万〜1,000万円程度
- 複数部門・複数チャネルの開発：1,000万円超の場合もある
公開価格は市場全体で統一されていないため、金額は初期見積もりの幅として捉えます。
データクレンジングや認証、監視が増えるほど、初期費用は高くなります。評価画面やセキュリティ審査が加わると、さらに費用が上がります。
月額費用は、モデルAPIや検索・ベクトルデータベース、サーバーに分けて見積もります。ログ保存や監視、保守も項目に含めます。運用担当者の工数も、月額費用の一部として見ます。
入力100万トークンと出力10万トークンを基に、月間の利用回数を試算します。あわせて、画像や動画の生成点数、広告媒体APIの呼び出し回数も見積もります。
AWS Bedrockは、モデルごとに入力と出力のトークン単位で料金が異なります。そのなかには、バッチ推論をオンデマンドより50％低い価格で提供するモデルもあります（出典: AWS「Amazon Bedrock Pricing」、2026年確認）。
失敗時の再実行や大量生成で費用が膨らむ場合も、モデル料金と合わせて予算に含めます。
見積比較と委託先選定のポイント
見積を見るときは、総額の安さより、同じ前提で比べられるかを確かめます。RFPを同じ内容で3社程度に提示し、工程ごとの内訳を出してもらいます。
業務の近さで見る実績
「AI開発の実績がある」という説明を聞いたら、近い業務で使ったデータや権限設計について尋ねます。利用量や承認者も確かめます。
導入後に何を改善したかも聞きます。マーケティングでは、媒体やMAとの連携やブランド表現が、成果を左右します。法務確認や現場への定着も、見落とせない点です。
守秘義務の範囲で、画面や構成図を確認します。あわせて、KPIの変化や運用体制も見ます。
見積書の抜け漏れの確認
見積書では、開発範囲と納品後の費用、契約形態に抜けがないかを確かめます。
- 見積項目：対象画面とAPI、データ移行、テストケース数、精度評価の方法、修正回数
- 納品・運用費：納品物、研修、保守時間、SLA、クラウド費用、第三者サービスの従量課金
- 追加請求の注記：「連携は別途」「データ整備は対象外」「運用は含まない」
- 契約の分割案：要件定義は準委任、開発は請負、運用は月額とする案
提案段階での法務・セキュリティの確認
著作権や個人情報、薬機法について、誰が責任を持つかを確かめます。景品表示法と秘密情報の扱いについても、責任の所在を尋ねます。
経産省のガイドブックは、生成AIのサービス選定やリーガルチェック、社内ガイドラインづくりを扱う資料です（出典: 経済産業省「コンテンツ制作のための生成AI利活用ガイドブック」、2024年）。
提案の段階で、法務とセキュリティの手順を具体的に確かめます。そのうえで、次の管理項目を設計に入れられる会社を選びます。
- 生成物管理：禁止表現の辞書、出典表示、生成物の記録
- 承認管理：承認者ログ、出力評価、権限分離
- 運用管理：版管理、インシデント報告、再委託先の管理
AI事業者ガイドライン第1.2版は、リスクの把握、データの出所、AIの判断の追跡を取り上げています。さらに、関係者への説明の考え方もまとめられています（出典: 経済産業省・総務省・IPA「AI事業者ガイドライン第1.2版」、2026年）。
委託先には、プロンプトやモデルの版管理、出力評価、インシデント報告について、具体的に尋ねます。再委託先の管理や権限分離も確かめておくと、実装の力量を見極めやすくなります。
導入後の組織・運用と2026年の最新動向
AIエージェントの導入は、担当者の仕事を消すことではなく、作業者から監督者へ役割を移すことです。
調査や転記を減らせば、目標設計や品質評価に時間を使えます。さらに、例外処理や顧客理解にも時間を割けます。
マーケティング部門だけで進めると、営業や法務、情報システムとの間で、どこまでを誰が受け持つかが決まらず、止まりやすくなります。そのため、導入時から部門横断のチームを作ります。
部門横断と代理店との役割分担
部門横断で運用するには、共通のKPIとデータ定義が必要です。自社と外部の担当範囲も、あらかじめそろえておきます。
- 共通指標：CTR、受注額、LTVなどのKPI
- 画面での確認：短期と中長期の指標を同じ画面に表示
- 担当：予算承認、顧客データ管理、表現審査
CTRを追う部門と、受注額やLTVを追う部門とでは、AIが選ぶ最適解が異なります。
代理店との連携は、全面内製と全面外注のどちらかに決めるものではありません。自社は、顧客データとブランド判断を担います。KPIと最終承認も、自社が持ちます。
外部パートナーには、システム設計やモデル評価を任せられます。制作や運用の一部を担ってもらうことも可能です。更新のたびに、内製化する機能と委託を続ける機能を見直します。
ソースコードや設定、評価データの引き継ぎ条件を決めておきます。運用手順についても、あわせて取り決めます。
エージェント基盤とクッキーレス対応
2026年は、LLMへプロンプトを送るだけの仕組みから、基盤へ移る流れにあります。その基盤は、ツール呼び出しや検索、ファイル参照を扱います。評価や監視も、基盤の役割に含まれます。
OpenAIは2025年、Responses APIとAgents SDKを公開しました。これらは、ツール実行や可観測性を支援する仕組みです（出典: OpenAI「New tools for building agents」、2025年）。
AWS Bedrock Agents Classicは、2026年7月30日から新規顧客には開放されません。類似の機能として、AgentCoreが案内されています（出典: AWS「Supported Regions for Amazon Bedrock Agents」、2026年）。
発注時には、モデルの交換やログの移行、API停止時の復旧を確かめておきます。クッキーレス環境では、次の情報や手法を組み合わせます。
- データ：同意を得たファーストパーティデータ
- 広告：コンテキストターゲティング
- 評価：広告クリエイティブの評価
個人を追跡するデータに頼らないようにし、顧客データを目的外に使うことを避けます。渡すのは必要な属性だけに絞り、アクセス権限と保存期間も制限します。
将来性は、最新モデルへの対応だけでなく、新しいデータソースを安全に追加できるかで評価します。
よくある質問
発注前によくある疑問への答えを、ここにまとめます。予算申請や初回相談の際は、自社の状況に置き換えて確かめてください。
マーケティングのAIエージェント開発費用はいくらですか？
小規模PoCは数十万〜300万円程度、既存システム連携を含む実用開発は300万〜1,000万円程度が、初期費用の目安です。
金額は、データ整備やセキュリティの扱い、承認画面の有無で変わります。運用支援も、金額に影響します。
同じRFPで複数社から見積もりを取り、月額の費用も試算します。APIやクラウドの費用、保守や運用人員の工数が対象です。
内製と外注はどちらが向いていますか？
データと業務知識を社内に蓄えたいなら、要件定義とKPI設計は内製し、開発や専門評価は外注する分担が向いています。
開発や運用の人材が少ない場合や、規制が関わる領域で審査が必要な場合は、AI BPOや伴走型の委託が現実的です。あわせて、最終判断と顧客データの管理責任を明確にします。
AIが誤った広告文を公開するリスクはどう防ぎますか？
自動で公開する前提にはせず、禁止表現の確認と参照元の表示を行います。そのうえで、ルールによる一次判定と、専門担当者の最終承認を組み合わせます。
公開操作と予算変更の権限は分けます。入力と出力のログを残し、承認と公開の記録も保存します。導入後も定期的に、サンプルを評価します。
ハルシネーションや著作権、薬機法の違反を検知したら、ワークフローを更新します。ブランド表現に関する違反も、同じように扱います。
まとめ
発注時には、自動化する業務と、成果を測るKPIを決めます。形態は、SaaSやノーコードから、共同開発・スクラッチ、AI BPOまでの中から選びます。
RFPには、データや業務フローを記載します。承認者、非機能要件、評価方法も入れます。そのうえで、複数社から内訳付きの見積もりを取ります。
契約では、請負と準委任を業務ごとに使い分けます。生成物や入力データ、ログの扱いも定めます。
再委託やモデル変更、障害への対応も、契約に含めます。さらに、解約時の引き継ぎも、あわせて決めておきます。
費用は、初期開発に加えて、APIやクラウドの従量課金を含めて考えます。監視や保守、レビューの工数も入れて、ROIを計算します。特に、人の最終承認と部門横断の運用体制が、制作の高速化を成果につなげます。
参考ソース：経済産業省・総務省・IPA「AI事業者ガイドライン第1.2版」、経済産業省「コンテンツ制作のための生成AI利活用ガイドブック」、OpenAI「New tools for building agents」、AWS「Amazon Bedrock Pricing」、AWS「Supported Regions for Amazon Bedrock Agents」です。
▼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
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。
・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 >>>
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。