RFP（提案依頼書）と要件定義書は、「何を、どこまで、どんな品質で実現したいか」を文書にするもので、曖昧なままだと提案は的外れになります。
盛り込むのは、機能要件と非機能要件、コスト要件です。さらに、SLAの数値要件、セキュリティと責任範囲も含めます。全体像はAIライティングシステムの完全ガイドで先に確認できます。
▼全体ガイドの記事
・AIライティングシステムの完全ガイド
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。
RFPに盛り込むべき機能要件と非機能要件
RFPの骨格をなすのは、機能要件と非機能要件です。
機能要件は「システムが何をするか」、非機能要件は「どれだけの品質・性能で動くか」を定義します。
AIライティングシステムでは、生成機能やRAGに注目が集まりがちです。
しかし、応答速度や可用性といった非機能要件を疎かにすると、導入後に「動くけれど実用にならない」という事態に陥ります。そのため、両者をバランスよく書くことが大切です。
生成・RAG・連携の機能要件の粒度
機能要件は、「文章生成ができること」のような粗い記述では不十分です。「どの記事タイプを、どんなインプット（キーワード・構成案・社内資料）から、どんなアウトプット形式で生成するか」まで具体化する必要があります。
たとえば、「自社製品マニュアルをRAGで参照し、製品仕様に誤りのないFAQ記事の初稿を生成する」という粒度で書くと、ベンダーは実現可否と工数を正確に見積もれます。「商品データベースのスペックから、ブランドトーンに沿った商品説明文を一括生成する」も、同じ粒度の例です。
連携要件は、特に丁寧に書く必要があります。CMSやCRMなど連携先ごとに、読み取りか書き込みか、どのデータをやり取りするかを書きます。一次データでは、連携API開発費は1件あたり30万〜100万円が目安とされ、連携先が増えるほど費用が積み上がります。RFPで連携要件を曖昧にすると、後から「この連携は別途見積もり」となり、当初予算が崩れます。
要件定義不備による再開発で100万〜500万円が追加発生した事例もあり、機能要件の粒度が予算の精度を決めます。
生成と連携では書くべき単位が異なるため、ベンダーが見積もれるよう項目を分けて書きます。
- 生成機能：記事タイプごとに、入力と出力形式の組み合わせを書き分ける
- 連携機能：連携先ごとに、やり取りの方向（読み取り・書き込み）とデータを書く
応答速度・可用性・拡張性の非機能要件
非機能要件では、生成のレスポンス速度、システムの可用性（稼働率）、利用が増えたときの拡張性を定義します。
AIライティングは生成に数秒以上かかることがあり、待ち時間が長すぎると現場のストレスになります。
「1記事の初稿生成は〇秒以内」といった目標を置くと、ベンダー側の設計指針になります。可用性については、業務時間中に止まると制作が滞るため、稼働率の目標を明記します。
拡張性も見落とせません。導入当初は月50本でも、効果が出れば月200本へと利用が伸びる可能性があります。
利用量が増えてもパフォーマンスが劣化しない設計か、ユーザー数を増やせるかを要件に含めておくと、将来の作り直しを防げます。これらの非機能要件は、後述するSLAとも連動します。
機能要件と同じくらい丁寧に非機能要件を書くことが、長く使えるシステムを発注する条件になります。
速度と可用性、拡張性は、数字や条件を置いてはじめて設計の基準になります。
- 応答速度：1記事の初稿生成にかかる時間を、秒数の目標で置く
- 可用性と拡張性：稼働率の目標と、利用が増えても性能を保てる設計かどうか
トークン課金を前提としたコスト要件の定義
生成AIを使うAIライティングシステムが従来のシステムと異なるのは、利用量に応じてランニングコストが変動する「トークン課金」があることです。RFPの段階でこの特性を織り込んだコスト要件を定義しておかないと、運用開始後にコストが想定外に膨らみ、稟議で約束した予算を超過します。
特に、コスト要件はAIライティングのRFPでもっとも見落とされやすく、かつ致命的になりやすい領域です。
利用量とモデル選定を踏まえたTCO要件
コスト要件の出発点は、想定する利用量の試算です。月に何本の記事を何文字規模で生成するか、リライトや要約を何回行うかを概算し、それに対応するトークン消費量を見積もります。
ここで効くのが、利用するLLMの選定です。一次データの試算では、月10万リクエスト（入出力各500トークン）の場合、Gemini 2.0 Flashで約3,750円です。GPT-4o miniでは約5,600円、Claude Sonnet 4では約135,000円となり、モデルによって月額コストに数十倍の差が生じます。
RFPでは、「どのモデルを、どの用途で使う想定か」「モデルを切り替えられる設計か」を要件として明記すべきです。
さらに、初期費用とランニングコストを合算した3〜5年のTCO（総保有コスト）で評価する要件を設けると、SaaSとスクラッチの本質的な比較ができます。一次データでは、月30万円のSaaSと初期1,000万円のスクラッチの5年TCOは、おおむね3.5年で損益分岐するとされています。
このため、短期の初期費用だけで判断せず、利用量が増えた場合のトークンコストも含めた中長期の総額で評価します。この視点をRFPのコスト要件に組み込むことが、後悔のない選定につながります。
利用量の見積もりと、モデル・評価期間の比較を要件に書き込んでおかないと、運用後のランニングコストを予算内で見通せません。
- 利用量の試算：月の記事本数、文字規模、リライトや要約の回数から、トークン消費量を見積もる
- モデルと評価期間：使うモデルと用途、切り替えの可否、3〜5年の総額での比較
コスト上限と隠れコストの要件
トークン課金の暴騰を防ぐため、RFPには利用量の上限設定やアラート機能を要件として盛り込みます。一次データには、月5万円を見込んでいたトークン課金が20万円超に達した事例があり、上限管理機能の有無が予算統制を左右します。
「月間のトークン消費が予算の80%に達したら通知する」「設定上限を超えたら一時停止する」といった機能要件を明記すると、運用開始後の暴走を仕組みで防げます。
RFPでは、見積もりに含まれない隠れコストを洗い出す要件も欠かせません。シナリオやプロンプトのチューニング費、参照データの整備費、CRMやCMSとの連携API費（1件30万〜100万円）が挙げられます。
運用に必要な人的リソース（最低でも月5〜10時間が目安）も、提案に明示するよう求めます。
安く見えて後から費用が膨らむ提案は、見積もりの区分で見抜けます。コスト要件は、金額を縛るだけでなく、コスト構造を透明化する仕組みとして設計することが肝心です。
予算の超過を防ぐには、上限の仕組みと見積もりの書き方の両方を要件に入れておく必要があります。
- 上限と通知：予算に対する消費の割合で知らせ、上限を超えたら止められるようにする
- 見積もりの区分：初期・月額・従量・追加開発を分けて見積もってもらう
稼働率・品質を担保するSLA数値要件
RFPの品質を一段引き上げるのが、SLA（サービス品質保証）の数値要件です。
「高品質に」「安定して」のような曖昧な言葉を避け、稼働率・応答時間・回答精度といった測定可能な数値で品質を縛ります。そうすることで、ベンダーとの認識のずれを防ぎ、契約後のトラブルも回避できます。
AIライティングは出力品質が安定しにくいため、数値で線引きする意義が大きい領域です。
稼働率99.9%・応答時間などの数値基準
SLAの基本となるのは、稼働率と応答時間です。一次データでも、AI関連システムの調達では年間稼働率99.9%以上が選定基準とされています。また、神戸市の調達例では、応答3秒以内（繋ぎ言葉があれば5秒）といった具体的な時間基準が設けられています。
AIライティングシステムでも同様に、「年間稼働率99.9%以上」「初稿生成は平均〇秒以内」といった数値をSLA要件として設定すると、性能の下限が契約上担保されます。
あわせて、障害時の対応時間も要件に含めます。障害発生からの一次応答時間、復旧目標時間、サポートの受付時間帯などを明記し、業務への影響を最小化できる体制を求めます。
SLAは「達成できなかった場合のペナルティ（返金や利用料減額）」とセットで定めることで、実効性を持ちます。数値を置くだけでなく、未達時の扱いまで要件に含めることが、SLAを形骸化させないコツです。
数値基準は、稼働と応答に加えて、障害が起きたときの備えまで含めて設定します。
- 稼働率と応答時間：年間の稼働率と、生成の応答にかかる時間の目標
- 障害時の体制：障害発生時の対応を、業務への影響に合わせて決めておく
回答精度・段階的な品質目標の設定
AIライティング特有のSLAとして、生成内容の精度に関する目標も検討する価値があります。
AIチャットボット分野ではKARAKURIが正答率95%保証プランを提供しており、精度を契約で担保する動きが広がっています。
AIライティングでも、「事実誤り（ハルシネーション）の発生率を〇%以下に抑える」「参照データに基づく記述の正確性を担保する」といった品質目標を、可能な範囲で要件に含めます。そうすると、出力の信頼性を高められます。
AIの精度は一足飛びには上がらないため、段階的な目標設定が現実的です。
一次データの神戸市の例では、回答率を導入月50%、2ヶ月後60%、最終70%以上と段階的に引き上げる目標が設定されています。
「初期は人の修正率〇%、運用3ヶ月後に〇%まで低減」といった段階目標を置くと、無理のない品質改善のロードマップを共有できます。
精度要件は、理想を掲げるよりも、チューニングで到達できる現実的な節目として設計することが、双方にとって健全です。
品質目標は、生成内容の正確さの基準と、導入後に段階的に改善する目標の2つの面から考えます。
- 正確性の目標：事実誤りの発生率や、参照データに基づく記述の正確さを、数値か条件で定める
- 段階の目標：導入直後と運用の後半で、人の修正率などの目標を分けて置く
セキュリティ・ベンダー責任範囲の要件
AIライティングシステムは社内の機密情報を参照することが多く、セキュリティ要件は事業リスクに直結します。
ハルシネーションへの対応やデータ移行の権利など、ベンダーの責任範囲も契約段階で定めておく必要があります。定めていないと、トラブル時に「誰が責任を負うのか」で揉めます。これらを要件に含めておくことが、安全に導入するための最後の確認になります。
入力データの学習利用・情報管理の要件
生成AIを使ううえで特に注意したいのが、入力した情報がAIの学習に使われるかどうかという点です。
無料版のAIツールでは、入力データが学習に利用される場合があります。機密情報や個人情報を入れると、情報漏えいにつながりかねません。そのため、RFPでは入力データの扱いを、明確な要件として課す必要があります。
一次データでは、情報漏えい対応に500万円以上を要した事例もあり、ここは費用面でも軽視できません。
規制業種や官公庁向けでは、データの取り扱いに関する基準が厳しいため、自社のコンプライアンス要件を満たせるかをベンダー選定の必須条件とします。
セキュリティ要件は、利便性を調整する対象というより、事業継続のための前提条件として位置づけます。
情報管理では、入力データの扱いに加えて、誰がどこまで見られるかも要件に書き込みます。
- 学習利用と保存：入力データを学習に使わないことを明記し、保存場所、保存期間、暗号化方式を定める
- アクセスと監査：アクセス権限の管理、監査ログの取得、データの国内保管の要否を決める
責任範囲・データ移行・契約終了時の要件
AIライティング特有のリスクとして、生成された文章の誤りや権利侵害が問題になった場合の責任の所在があります。RFPでは、ハルシネーションによる誤情報や著作権上の問題が生じたとき、ベンダーがどこまで対応するかを契約条件として明確にする必要があります。
また、最終的な内容責任を発注側が負うのかも決めておきます。曖昧なままだと、トラブル時に長い責任論争に陥ります。
もう一つ見落とされがちなのが、データ移行と契約終了時の取り扱いです。移行の要件を定めておかないと、ベンダーロックインに陥り、乗り換え時に身動きが取れなくなります。
契約終了時の返還を要件に含めることが、将来の選択肢を守ります。riplaはフルスクラッチ受託の立場から、こうしたデータの所有権を発注側に残し、特定ベンダーに縛られない設計を重視しています。RFP段階からこの観点を要件に織り込むことをおすすめします。
乗り換えを見据えるなら、移行と契約終了の場面でデータをどう扱うかも決めておきます。
- 移行の対象：プロンプト、参照データ、生成履歴を、他システムへ移せる形で出せるか
- 契約終了時：データを標準的な形式で返還する条件を、契約に含める
まとめ
AIライティングシステムのRFP・要件定義書では、機能要件と非機能要件を粒度高く切り分け、トークン課金を前提としたコスト要件を中長期のTCOで定義します。稼働率99.9%や応答時間といったSLAの数値要件は、未達時のペナルティとセットで設定します。
入力データの学習利用や、ベンダーの責任範囲・データ移行といったセキュリティ要件を明記しておくと、品質と予算を守ることにつながります。
モデル選定で月額コストに数十倍の差が生じ、要件定義の不備による再開発では100万〜500万円が追加で発生します。情報漏えい対応に500万円以上を要した事例もあり、要件を詰める価値は大きいといえます。
RFPでは、「実現したいこと」を、「測定可能な数値」と「責任の所在」まで落とし込むことが大切です。曖昧な要件は、そのまま導入後のトラブルとコスト超過につながります。
riplaはフルスクラッチ受託の立場から、業務フローから逆算した要件整理と、トークンコスト・SLA・データ所有権まで踏まえたRFP策定の支援を行っています。
全体像を改めて確認したい場合は、完全ガイドをご覧ください。
▼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。