生成AIシステム開発のRFP（提案依頼書）や要件定義書を作る際は、費用、要件、データ準備の順に進めると、抜け漏れを減らせます。費用では相場と隠れコストを、要件ではセキュリティとガバナンスを、データ準備では工数を見込みます。
全体像は生成AIシステム開発の完全ガイドもご覧ください。
▼全体ガイドの記事
・生成AIシステム開発の完全ガイド
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。
要件定義で押さえるべき費用相場と隠れコスト
RFPや要件定義書を作る前に、生成AIシステム開発の費用相場をつかんでおきましょう。相場が分からないと、ベンダーから届いた見積もりが妥当かどうかを判断しにくくなります。
見積もりが安すぎれば品質の低下を、高すぎれば過剰な提案による予算の浪費を招きかねません。こうした事態を避けるため、フェーズ別の費用相場と隠れコストを押さえておきます。
フェーズ別の開発費用相場
開発規模ごとの費用と期間は、予算枠を考える際の目安になります。
- 小規模PoC：50万〜200万円、1〜2ヶ月程度
- 中規模の本番構築：1,500万〜4,000万円、3〜6ヶ月程度
- 全社展開を伴う大規模構築：5,000万円以上に達することがあります
RFPでは、自社が目指す規模を明らかにし、その段階に見合った予算枠を示します。そうすると、ベンダーから的確な提案を引き出せます。
いきなり本番構築を発注せず、まずPoCで実現可能性を検証してから進めるのは、リスクを抑える定石です。
たとえば、RFPに「PoCで一定の精度を確認できた場合に本番開発へ移行する」と条件を書いておけば、PoCを越えられないまま多額の投資をするリスクを避けられます。
費用相場をRFPに反映するときは、フェーズを区切って発注を組み立てます。
見積もりが相場より極端に安いときは、データ準備や精度検証の工数が含まれていないおそれがあり、後から追加費用が発生することがあります。逆に相場より高いときは、要件に対して過剰な提案になっているおそれがあります。そこで、相場を基準に内訳と各項目を吟味し、予算だけでなく提案の妥当性も評価します。
見落としやすい隠れコストの明文化
生成AIシステムでは、初期開発費のほかにも継続的な費用がかかります。初期費用だけで比べると、運用段階で予算が破綻するおそれがあります。
- API従量課金：大規模言語モデルのAPI利用ごとに発生
- ベクトルデータベース費用：データ量の増加に伴うスケーリングにかかる分
- 運用保守費：初期開発費の15〜25%が年間の目安
RFPでは、この3つを見積もり項目に入れ、ベンダーに試算を求めます。
API費用は利用が広がるほど増えるため、利用量が一定規模を超えた場合の試算も依頼しておくと、長期的な総保有コストを把握しやすくなります。
隠れコストは要件定義の段階で一覧にしておくと、後の予算トラブルを防げます。
デジタル庁の調達チェックシートを活用した要件設計
生成AIの要件定義では、セキュリティとガバナンスの要件が抜けやすいという課題があります。そこで、デジタル庁が公開するAI調達チェックシートの観点を民間企業のRFPに転用すると、要件の見落としを防げます。
AIガバナンスとセキュリティの要件項目
発注側は、調達チェックシートの確認項目を、ベンダーに尋ねる具体的な質問に置き換えます。
- AIガバナンス：AIの判断根拠を追跡できるか
- インシデント対応：情報漏洩時の対応フローが整備されているか
- プロンプトの透明性：内部プロンプトの不正な隠蔽や改ざんを防ぐ設計か
これらを確認しておけば、技術力だけでなくガバナンス面でも信頼できるベンダーを選びやすくなります。
社内の機密情報を扱うことが多いため、入力データをモデルの学習に再利用しないことも要件に含めます。加えて、通信とデータを適切に暗号化し、役割に応じてアクセス権限を制御する必要もあります。
デジタル庁の調達チェックシートを参照すれば、公的に認められた観点に基づいて要件定義書を作れます。セキュリティ要件は、稼働後に追加すると大幅な手戻りを招きます。そのため、RFPの段階で定義しておきます（出典：デジタル庁）。
ベンダー提案を評価する観点の整理
複数のベンダーから提案を受ける前に、価格や開発期間だけでなく、評価軸も決めておきます。
- 検索精度：精度を担保する技術的な裏付け
- PoC後の改善：精度が出ない場合の改善方針
- 運用後の体制：精度のモニタリングと改善体制
具体的な精度改善の手法を提案できるベンダーは、PoCの壁を越える実力を備えている可能性があります。
デジタル庁のチェックシートを自社向けに調整した評価表を使い、各社を同じ基準で採点すると、提案の見栄えや営業トークに左右されず、要件への適合度を比べられます。
RFPと評価基準を一緒に準備しておけば、ベンダー選定での失敗を減らせます。
データ準備工数を見据えた要件定義の進め方
要件定義では軽視されがちですが、データ準備の工数が生成AIシステム開発の成否を左右します。RAGでは社内データの品質が回答精度を決めるため、整備に十分な時間と人手を割く前提で計画します。
工数の40〜60%をデータ準備に充てる原則
RAG導入では、プロジェクト全体の工数の40〜60%をデータ準備に充てる考え方があります。これは、生成AIの精度がモデルの性能よりもデータの品質に左右されるためです。
- 古い規程類：現行版との版管理が必要
- スキャンPDF：文字情報として読み取れる処理が必要
- 表と文章が混在するExcel：構造化して扱える形に整備
読み取りにくいデータを整理・構造化する工数を見込んでおかないと、整備作業が開発の後半に集中し、スケジュールが大きく遅れることがあります。
要件定義では、対象データの種類と量、現状の品質、必要な整備作業を洗い出し、データ準備を工程に組み込みます。
自社とベンダーのどちらがデータを整備するかは、RFPに明記しておきます。どこまでを誰が受け持つかが曖昧だと、双方の想定が食い違い、プロジェクトが停滞する原因になります。
RAG導入5ステップの成功フレームワーク
要件定義の指針として役立つのが、RAG導入を次の5ステップで捉えるフレームワークです。
- 解決したい業務課題と対象範囲を明確にする
- 対象データを棚卸しして品質を評価する
- データをクレンジングして構造化する
- 検索・生成パイプラインを設計し、精度を検証する
- 運用し、精度を継続的に改善する
このうち、データに関わる2段階が、前述のとおり全工数の半分前後を占めます。要件定義書をこの流れに沿って構成すると、計画の抜け漏れを防げます。
RFPでは、各段階で納めるものと、その評価方法をベンダーに求めます。精度検証では、Context PrecisionやFaithfulnessなどの指標で目標値を定めます。
目標を達成できなかった場合の改善対応も契約に含めておくと、品質を担保しやすくなります。また、手順を文書にしておけば、発注側とベンダーの認識がそろい、プロジェクトを成功に近づけます。
データクレンジング作業の要件への落とし込み
要件には、「データを整備する」と書くだけでなく、文書の種類に応じた作業まで記載しておきます。
- 旧版と現行版が混在する規程：版管理
- スキャンPDF：文字情報として読み取る処理
- 表と文章が混在するExcel：構造化
整備作業をRFPに記載しないと、見積もりに含まれず、後から追加費用が発生することがあります。長年蓄積してきた社内文書は形式がそろっていないことも多く、AIが解釈できる形に整えるのに手間がかかります。
要件定義の段階でデータのサンプルをベンダーに共有し、クレンジングの工数を具体的に見積もってもらうと、後の認識のずれを防げます。
作業範囲と分担を明確にしておくと、隠れた工数が見えてきて、遅延や費用超過を防げます。
まとめ
生成AIシステムのRFP・要件定義書・提案依頼書では、費用相場と隠れコストを押さえておきます。
調達チェックシートでセキュリティ要件を設計し、データ準備の工数も見積もります。費用の目安は、PoCが50万〜200万円、中規模本番が1,500万〜4,000万円です。
API従量課金や、初期費用の15〜25%を目安とする運用保守費をRFPに含めます。調達チェックシートでガバナンスとセキュリティを整理し、全工数の40〜60%をデータ準備に充てる前提で計画します。
初期費用だけでなく、運用まで見据えた総保有コストとデータ品質を要件に明記しましょう。
RAG導入の5ステップに沿って成果物と評価基準を定めると、ベンダーとの認識ずれを防ぎ、精度の高いシステムにつながります。
RFP作成や要件定義を検討するときは、隠れコストとデータ準備まで見通せる体制づくりを、信頼できる開発パートナーへの相談から始めてみてください。
▼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。