営業AIエージェントの外注は、業務課題とKPI、データと権限を整理し、PoCで評価してから本開発へ進むのが基本の流れです。
本開発の後も運用を改善し続けることで、営業業務の改善につながります。発注形態や費用、RFP、委託先の選び方も、この流れに沿って見ていきます。
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。
営業のAIエージェントの概要
営業のAIエージェントは、目的に沿って情報を集め、複数のシステムを操作し、結果を報告するソフトウェアです。生成AIで質問に答えるだけの仕組みと比べると、扱う範囲が広いのが特徴です。
発注時に決めるのは、AIが何を話せるかよりも、営業プロセスのどの工程を、どの条件で、どこまで実行させるかです。
営業支援ツールやチャットボットとの違い
営業支援ツール、チャットボット、AIエージェントは、それぞれ中心となる役割が異なります。
- 営業支援ツール：案件や顧客情報を、人が入力して管理する
- チャットボット：決められた質問への回答が中心
- AIエージェント：目的に沿って複数の手順を実行する
たとえばAIエージェントは、今月受注確度が上がった見込み客を抽出して直近の商談内容を要約し、担当者の確認を経てからメール案を作成します。
外注で検討しやすい代表的な業務
初期導入では、間違えても損失が限られる調査や要約から始めると、効果と安全性を検証できます。
- 情報収集：企業・担当者のリサーチや問い合わせへの一次回答
- 商談準備：議事録の要約、次回アクションの抽出、提案書のたたき台作成
- CRM管理：活動履歴の登録や失注理由の分類
- 顧客フォロー：休眠顧客へのフォロー候補の抽出
受注判断や値引き承認まで一度に自動化する前に、調査、要約、下書き、登録の段階で効果を確かめます。
2026年の営業AIエージェント開発トレンド
2026年は、営業AIエージェントが単体の機能追加の段階から、CRMや営業管理の流れそのものを組み替える段階へ移りつつあります。
Deloitteの「State of AI in the Enterprise 2026」は、2025年8〜9月に24か国の3,235人を対象に調査したものです。参加者は、ビジネスおよびITのリーダーです。
同調査は、エージェントの活用拡大に対して、ガバナンスとデータの準備が課題になると報告しています。人材とインフラの準備も、課題として挙げられています（出典: Deloitte、2026年）。
営業ワークフローの再設計
営業部門で効果を出すには、AIの導入に合わせて業務全体を設計し直す必要があります。担当者の時間削減や対応漏れ防止は、この設計があって実現するものです。
- 顧客情報：顧客データを確認し、過去の接点を把握する
- 提案と承認：次の提案を決めて承認を得てから顧客へ連絡する
- 活動記録：連絡結果をCRMへ戻す
McKinseyは、成果を出す企業について、ツールを配るだけでなく、エージェントを前提に中核業務と成果指標を再設計していると説明しています（出典: McKinsey、2026年）。
HubSpotは、2025年の国内向け発表で、会話分析による取引リスクの検出を紹介しています（出典: HubSpot、2025年）。あわせて、見込み客からの製品や価格の質問に対応する営業向けAI機能も示しています。
既製の機能を使う場合でも、自社のCRM項目や商品情報に合わせて設定し、評価する必要があります。価格承認ルールや営業メールの表現も、合わせる対象になります。
また、既製ツールで足りない業務だけを個別に開発すると、ゼロから構築する場合より、費用と導入期間を抑えられる可能性があります。
自律性の拡大とガードレール設計
AIエージェントが自分でツールを呼び出す場面が増えるほど、誤送信や誤登録、権限超過といったリスクが高まります。機密情報が漏えいするおそれもあるため、操作範囲を事前に制限しておきます。
- 権限：読み取り専用にする操作を定める
- 承認：送信前に人が確認する
- 停止条件：金額や顧客属性に応じて自動停止する
- 監査：すべての操作履歴を残す
Deloitteの調査では、回答企業の約80％が、成熟したガバナンスをまだ整備できていないとされています。ガバナンスの対象には、判断範囲やリアルタイム監視、監査証跡などがあります（出典: Deloitte Insights、2026年）。
発注形態の選び方
発注形態は、要件の明確さと、社内のAI・データ担当者の有無、将来の内製化の方針で決めます。初めて発注する場合は、短期の企画やPoCから始めます。そのうえで、準委任と請負を組み合わせていきます。
完成像が曖昧なまま大規模な一括請負を結ぶと、前提が変わったときに、追加費用の調整が難しくなります。
課題がまだ曖昧な企業向けのPoC・伴走支援型
自動化する営業業務を決めきれない場合は、2〜8週間程度の検証を依頼します。PoCを安価なデモで終わらせないために、成果と契約条件をそろえておきます。
- 検証工程：業務ヒアリング、データ確認、試作、評価を行う
- 成果物：試作品、対象業務の選定理由、正答率、作業時間の測定結果、利用者の反応
- 次段階の判断：次フェーズの要件と概算見積もりを受け取る
- 評価条件：CRMデータの一部、匿名化した商談記録、社内用語、承認フローを使い、実運用に近い条件で評価する
- 契約条件：入力データ、本番移行の可否、試作品の再利用範囲、評価基準、終了条件を明記する
請負・準委任・ラボ型の使い分け
契約形態は、成果物がどこまで確定しているかと、改善がどの程度必要かを基準に選びます。AIの回答品質はデータやモデルによって変わるため、工程ごとに契約形態を合わせます。
- 請負：画面、API、連携機能、テスト仕様など、確定できる成果物の完成を重視する
- 準委任：企画、評価、継続改善など、回答品質を見ながら進める業務に使う
- ラボ型：AI・バックエンドエンジニアやPMを一定期間確保する。毎週優先順位を決める社内責任者がいる企業に向く
ラボ型では、発注側の判断が遅れると、稼働だけが先に進んでしまいます。
契約書では、稼働人数や職種、単価、精算幅を確認します。加えて、メンバー交代と、成果物や知的財産の扱いも決めておきます。
営業のAIエージェント開発を外注する進め方
外注は、相談先を探して見積もりを取った時点では終わりません。各段階で発注側が判断できるように、承認者と基準をあらかじめ決めておきます。
- 業務課題を整理し、対象業務を選ぶ
- データと権限を確認する
- 試作して評価する
- 本開発を行い、運用を改善する
この順に判断を積み重ねると、開発会社に任せきりになりにくく、営業部門も納得して進められます。
営業課題とKPIの整理
最初に作るのは、機能一覧ではなく業務課題の整理表です。営業担当者、営業企画、情報システムの3者から、現状を聞き取ります。
聞き取りでは、誰がいつ何を調べ、どのシステムへ入力し、どんな判断をするかを確認します。
たとえば商談準備に平均45分かかる、活動履歴の入力率が60％にとどまる、といった値を、現状値として記録します。問い合わせの初回返信まで平均8時間かかる場合も、同じように残します。こうした数値を、導入前の基準にします。
KPIには、削減時間だけでなく、品質と事業成果も含めます。売上が変わらない場合でも、入力漏れが減り、顧客対応に充てる時間が増えていれば、改善を続ける根拠になります。
- 時間と対応：商談準備時間、初回返信時間
- 業務品質：CRM入力率、メール承認の差戻し率、検索の正答率
- 成果と定着：商談化率、営業担当者の利用率
データ・権限・評価方法の確認
開発を始める前に、参照データ、アクセス権、評価基準をそろえておきます。営業担当者とAIエージェントで閲覧範囲が異なる場合は、その差も確認します。
- 参照データ：CRM、SFA、MA、メール、カレンダー、社内文書、商品マスタ
- データ条件：所有者、更新頻度、個人情報・秘密情報の有無、API利用可否、環境ごとのアクセス権
- 権限設計：ユーザー単位の権限継承やマスキングの要否を決め、境界を合意する
- 評価項目：正答率、根拠のない回答、古い情報、誤送信、権限外表示、処理時間、1件あたりのAPI費用
経済産業省の「AIの利用・開発に関する契約チェックリスト」は、契約で確認すべき論点を整理しています（出典: 経済産業省、2025年更新）。論点には、入力データや生成物、秘密保持が含まれます。責任分担も、論点の一つです。
RFPや契約書を検討する際の確認材料として使うと、論点の抜け漏れを減らせます。
営業AIエージェント開発の費用相場と内訳
費用は、既製ツールの設定か、CRMや社内データと連携する独自開発かで変わります。国内の公開相場では、簡易な検証が50万〜300万円程度です。
小規模な業務エージェントは300万〜1,000万円程度です。複数システム連携と本番運用を含む案件では、1,000万〜5,000万円超の例もあります（出典: 株式会社ripla、2025年公開情報）。これらは、要件と体制を比べるための目安であり、固定の価格ではありません。
要件定義・連携・評価で変わる初期費用
初期費用では、AIモデルそのものよりも、顧客データの整備や既存システムとの連携に工数がかかることがあります。例外処理や評価データの作成にも、工数がかかる場合があります。
- 設計：要件定義、UX、プロンプトやツールの設計
- データと連携：RAG（検索拡張生成）用データ、顧客データ、CRM・メールとのAPI、認証・権限設定
- 開発と評価：画面、テスト、教育、例外処理、評価データの作成
- 見積内訳：担当者ごとに何人月ずつ入るか示してもらう
見積もりでは、工程別の人日または月数も確認します。要件定義や評価が含まれていない見積もりは、本番前に追加費用が生じる可能性があります。
API・クラウド・運用人員で分けるランニングコスト
運用費は、サービス利用料、処理量、運用人員に分け、前提をそろえて比べます。
- 利用料：LLMのAPI、検索基盤・データベースのクラウド、ログ保存、監視、追加ライセンス、保守改修
- 処理量の前提：月間処理件数、平均入力文字数、利用モデル、想定API単価、上限超過時の扱い
- 運用人員：毎月の回答評価、誤回答の修正、営業ルールの反映を担う担当者
- 保守範囲と総額：モデル・プロンプト・データ更新、障害対応、セキュリティパッチ、月次レポート。初年度と2年目以降の総保有コストを比べる
問い合わせ文や商談記録が長いと、1回あたりのトークン量も増えます。
RFPと見積比較の確認ポイント
RFP（提案依頼書）は、同じ条件で提案と見積もりを比べるための資料です。会社紹介だけを求めるものではありません。
RFPには、営業部門の現状、対象ユーザーと業務、対象外の業務を書きます。参照データや連携システムのほか、納期と予算の考え方も含めます。セキュリティや運用体制についても、記載します。
成果物、評価基準、契約条件も書いておきます。仕様をすべて決めていなくても、未確定の事項を「提案してほしい論点」と明示すれば構いません。
RFPに最低限入れる10項目
提案の前提が会社ごとに違うと、比べても差の理由が分かりません。RFPでは、次の各項目の内容を明記しておきます。
- 目的と業務：発注目的、現状の業務フローとKPI
- 利用者とタスク：対象ユーザー・利用場面、AIの実行タスクと人の承認が必要なタスク
- データと連携：参照データと権限、連携対象システム
- 品質と体制：品質・安全性の評価方法、開発・運用体制
- 条件：納期・予算、契約条件
AIが送信してよいメール、人が必ず確認するメール、自動実行してはいけない操作を分けて示します。なかでも、見積金額の変更や契約条件の確約には、権限を細かく設定します。
承認者と承認期限、差し戻し時の処理も決めておきます。提案書には、例外時の動作と、運用担当者の作業も記載してもらいます。
前提条件をそろえた見積比較
見積もりは総額だけでなく、対象範囲をそろえて比べます。CRM連携の有無のような前提の差は、後の追加費用につながるためです。
- 開発範囲：対象範囲、納品物、連携方式、想定データ量
- 品質と安全性：テストケース数、セキュリティ対策、保守範囲
- 費用と体制：追加料金の条件、発注側の作業、担当者の経験
提案プレゼンでは、匿名化した実データを使ったミニデモを依頼します。そのうえで、誤った情報を参照した場合や、回答できない場合の表示も確認します。
操作ログ、権限エラー、担当者が修正した内容の学習方法も確認します。曖昧な質問に対して、リスクと検証計画を説明できる会社を選びます。
委託先選定と契約で失敗しない方法
委託先は、AIモデルの技術だけでなく、営業業務からデータ連携、セキュリティ、運用改善までを一つの計画にできる会社から選びます。
課題を聞かずに技術名ばかり並べる会社や、精度を保証すると断言する会社には注意が必要です。品質は、入力データや業務ルールで変わるからです。
測定方法と改善方法を説明できるかどうかが大切です。そのうえで、実績、担当体制、契約条件を合わせて見ます。
実績・体制・運用力の確認
実績を確かめるときは、課題や利用者数、連携システムまで尋ねます。導入後のKPIや現在の運用状態も聞きます。ロゴの数よりも、こうした中身を見ます。
- 導入経験：営業・顧客対応、CRM・SFA連携、個人情報を扱う開発
- 担当体制：担当予定者の経歴、外部委託先の有無
- 障害対応：障害時の連絡体制と対応者
可能であれば、営業部門と情報システム部門の双方に説明できる担当者を置いてもらいます。リリース後の役割分担も確認します。
具体的には、モデルや外部APIの変更、プロンプトの改修、ナレッジの更新を誰が担うかを聞きます。加えて、品質評価とログ保存の担当や、インシデント報告と問い合わせ対応の担当も確かめておきます。
開発担当者が納品後に離れる場合は、引き継ぎ資料、管理者教育、ソースコードと設定情報の受け渡しを成果物に含めます。
契約書で定めるべきデータ・知財・責任分担
契約では、データと知的財産、情報管理、責任と運用の範囲を分けて定めます。
- データと知財：学習利用の可否、ログ保存先、生成物・ソースコードの権利、汎用部品の再利用
- 情報管理：再委託、国外移転、アクセス権、削除方法、漏えい時の通知、監査協力
- 責任分担：誤回答による損害責任を全て受託者に負わせるのは現実的でない場合がある
- 運用と確認：承認なしに外部送信できない業務、復旧時間、賠償上限を決め、法務担当者や弁護士にも確認する
受託者の安全対策と、発注者が提供するデータの正確さは、分けて定めます。
経済産業省のチェックリストは、契約論点の整理に役立ちます。実際の契約では、自社の法務担当者や弁護士にも確認してもらいます。
よくある質問
営業AIエージェント開発の発注で、特に相談の多い質問に直接答えます。
費用だけでなく、導入範囲や契約も含めて考えておくと、発注後の認識違いを防げます。データや社内体制についても、同じ場で確かめておきます。
営業のAIエージェント開発を外注するといくらかかりますか？
簡易な検証は50万〜300万円程度、小規模な業務エージェントは300万〜1,000万円程度です。複数システム連携と本番運用を含む場合は、1,000万〜5,000万円超が目安です。
費用は、対象業務や連携数によって変わります。データ整備や権限設計、評価と保守の範囲も影響します。そのため、同じRFPで3社程度から見積もりを取ることをおすすめします。
自社開発と外注はどちらが向いていますか？
AIやソフトウェア開発の人材がいて、営業部門が要件と優先順位を継続的に決められるなら、自社開発も選択肢です。
CRM連携から運用監視まで整えるには、時間がかかります。そのため、短期間で検証したい企業や、専門性を補いたい企業には、外注が適しています。
企画と業務知識は社内で持ち、技術実装と初期設計は外部に任せるという分担も現実的です。
AIエージェント開発は請負契約にすべきですか？
要件と成果物を決められる連携機能や画面は、請負にできます。すべてを請負にする必要はありません。
業務ヒアリングやPoC、回答品質の評価は、準委任にする方法があります。継続改善も含め、工程ごとに契約を使い分けます。
生成AIの品質保証や責任分担は、案件によって変わります。評価基準と承認フロー、責任範囲は、契約書に記載します。
社内データを外注先へ渡しても安全ですか？
安全性は、扱うデータと利用目的を制御できるかで判断します。環境と担当者もあわせて確認します。PoCは、匿名化した最小限のデータから始めます。
契約では、アクセス権と保存期間、学習利用の禁止を定めます。さらに、再委託や削除方法、ログと監査の条件も明記します。
まず、自社の情報セキュリティ規程と法務の確認を通します。受託先のセキュリティ体制を質問してから、本番データを扱います。
まとめ
発注前に、改善する営業工程と現状のKPI、AIに許可する操作を整理しておきます。
2026年は導入への関心が高まっています。同時に、運用基盤が成否を分ける時期でもあります。
発注前の営業部門と情報システム部門の合意
社内で発注条件をそろえるときは、候補業務の選定から見積比較まで、順に合意していきます。
- 商談準備やCRM入力など、効果を測りやすく影響を抑えやすい業務を一つ選ぶ
- 現状の時間、データ、利用者、KPIを整理する
- 承認者と対象外の操作を明確にし、PoCの評価基準を決める
- 同じRFPを複数社へ渡し、技術提案を比較する
- 運用体制、契約条件、初年度の総費用を確認する
営業と技術をつなぐ開発パートナーへの相談
AIモデルの選定も大切ですが、営業AIエージェントの価値を出すには、業務理解とデータ連携を一体で設計できる相手が欠かせません。権限と安全性、利用定着、継続改善まで含めて設計できるかも確認します。
小さく検証し、その結果をもとに本開発と運用へ広げます。予算とリスクを管理しながら、営業生産性の向上を目指せます。
▼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
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。