AMLシステムの費用は、導入方式、顧客数・取引量、連携範囲によって大きく変わり、初期費用で0〜500万円から数億円までの幅があります。
内容は2026年時点の情報をもとに、導入方式ごとの相場、価格を動かす要因、見積の比べ方の順で説明します。
▼全体ガイドの記事
・AMLシステム開発の完全ガイド
・業務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「業務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。
・スクラッチ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「スクラッチ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。
AMLシステムの全体像
AMLシステムは、本人確認から疑わしい取引の届出までを管理します。
自社のリスク評価をルールと業務フローに反映するための基盤です。
AMLシステムの主な機能
本人確認に始まり、調査や届出の支援に至るまで、AMLシステムは5つの役割を受け持ちます。その役割は、本人確認と顧客管理、顧客リスク管理、リスト照合、取引監視、調査支援に分かれ、担う中身は下の一覧で確認できます。
- KYC・CDD：本人確認と、顧客情報の継続的な把握。
- 顧客リスク管理：格付とEDD、リスク変化の履歴の管理。
- リスト照合：制裁・PEP・反社会的勢力などのリストとの照合。
- 取引モニタリング：金額や頻度などをもとにした異常の検知。
- ケース・届出管理：調査、届出、レポート、監査の支援。
KYCは本人確認と基本情報の確認を、CDDは属性や取引目的の継続的な把握を指します。
高リスクの顧客には、EDDと呼ばれる追加の確認を行います。顧客のリスクは変わることがあるため、その変化を履歴として持つ必要があります。
取引モニタリングでは、金額と頻度を確認します。送金先や国・地域も対象になります。
口座どうしの関係や、通常のパターンからの逸脱も見ます。
検知には、ルール、統計モデル、機械学習を使います。
検知後は、担当者への割り当てと判断、承認の内容、期限を記録します。
AIを導入する場合も、判定の理由と参照したデータを表示します。
最終的な判断は、人が行えるように設計しておく必要があります。
AMLシステムの構成
データを集める部分から調査の記録を残す部分まで、AMLシステムは4つの基盤で組み立てられます。
- データソース：勘定系、決済、外為、顧客管理、本人確認、外部リストのデータ。
- 連携基盤：データのつなぎ込みと名寄せを担う部分。
- 検知基盤：スコアリングエンジンでリスクを判定する部分。
- 管理基盤：ケース管理画面と、監査・分析の機能。
顧客ID、口座ID、取引IDが正しく結び付いていないと、同一人物の取引を横断して確認できません。そのため、検知の精度だけでなく、調査のスピードも落ちてしまいます。
機械学習の機能だけで価格を比べるのは危険です。比較の前に、どのデータをいつ取り込み、どの条件でアラートを出すかを決めておく必要があります。
調査の担当者や期限、保存する記録も定めておきます。
金融庁は2025年6月の資料で、マネロン等対策の有効性検証を重視しています。そのため、構成には導入後の機能説明まで含める必要があります。
出典は金融庁「マネー・ローンダリング等及び金融犯罪対策の取組と課題」、2025年です。
AMLシステム開発の進め方
AMLシステムの開発の手順は次のとおりです。要件定義から段階導入まで、順に進めます。
- 要件定義とデータ棚卸し
- 製品と開発会社の比較
- PoCによる精度と業務負荷の検証
- 設計、開発、テスト
- 並行稼働を経た段階導入
製品を先に決めるよりも、まず自社のリスク評価と業務上の課題を整理します。そのうえで、必要な機能と費用を照合しながら進めると、成功への近道になります。
要件定義・企画フェーズで決める内容
対象業務とリスクを明らかにしたうえで、見積の前提をそろえるために、4つの点を決めておきます。
- 対象範囲：業態、顧客数、取引件数、国・地域の整理。
- 現状課題：現行システム、監査指摘、現場の作業時間の確認。
- 優先順位：KYC、制裁リスト照合、誤検知削減の順番を決めておく。
- 成果物：リスク評価書や業務フロー、権限表、KPI案などを作る。
検知シナリオには条件だけでなく、検知理由、優先度、調査期限も記載します。さらに、追加確認や承認者、届出の判断まで定めておくと、運用時の判断をそろえやすくなります。
「AMLに必要な機能一式」とまとめて伝えると、不要な機能まで含まれてしまうことがあります。また、提案ごとに機能の範囲がずれて、見積を比べにくくなります。
データ棚卸し・PoCフェーズの確認事項
データ棚卸しではデータの中身と連携の形を、PoCでは精度と業務負荷を、事前に押さえておく必要があります。
- データ項目：項目名、更新頻度、保持期間、欠損の有無。
- 識別情報：文字コードと名寄せキーの扱い。
- 連携方式：APIとファイル連携、どちらで行うか。
- PoC指標：名寄せ率、欠損率、重複率、遅延の測定。
顧客名の表記揺れや住所の分割方法、法人番号の有無を確かめておきます。
国や通貨コードの違いも、追加費用の原因になります。
PoCでは、一定期間の過去データをサンプルとして使い、疑わしい案件をどの程度再現できたかを確認します。
正常取引へのアラート件数も測定します。
検知率に加えて、1件あたりの調査時間や、担当者が判定理由を説明できるかも確認します。
評価では、再現率と誤検知率を並べて見ます。処理遅延と説明可能性も含めて判断します。
設計・開発・テスト・リリースの注意点
設計では、処理方式と権限を決めたうえで、ケース管理と監査ログの仕組みを組み立てます。決める範囲は、処理の方式から移行の確認まで広がります。
- 処理設計：リアルタイム処理と日次・バッチ処理の境界の決定。
- 権限設計：ルール変更、承認、エスカレーションの扱い。
- 安全対策：暗号化と多要素認証、最小権限、職務分掌の定め。
- 復旧設計：ログの保護とバックアップ、災害復旧の手順。
- 移行確認：新旧の結果を並べたうえでの段階的な切り替え。
アラートの重複排除とケースの統合のほか、承認と監査ログも設計に含めます。
特権IDの管理とログの改ざん防止も、明記しておきます。
テストでは、性能と障害時の継続性を確かめます。
大量の取引やピーク時の遅延、欠損データへの対応も対象で、ルール変更の前後で結果を比べます。
障害時に手作業へ切り替えられるかも確認します。機能テストに加えて、この確認が欠かせません。
リリース時は、既存システムをすぐには止めず、一定期間の並行稼働で検知漏れと現場の負荷を確かめます。
AMLシステムの費用相場とコストの内訳
AMLシステムは、ライセンス料金だけで導入できるとは限りません。連携と名寄せ、ルール設計、教育の費用まで見積もる必要があります。
価格は、顧客数と取引量、対象国によって変わります。さらに、連携本数やリアルタイム性、保守範囲によっても、金額に差が出ます。
外部リストの扱いも、価格を左右する要素です。
ここで示す相場は、公開情報と金融系業務システムの相場、リサーチノートを照合した、執筆上の目安です。特定製品の定価や確定見積とは異なるため、発注前に予算を置く幅として使ってください。
導入方式別の費用相場
導入方式が変わると、初期費用の目安は小規模なSaaSやAPIから大規模スクラッチまで大きく開きます。
- 小規模SaaS・API：初期0〜500万円、月額10万〜100万円が目安。
- クラウド・パッケージ：初期500万〜3,000万円が目安。
- 追加開発・ハイブリッド：初期3,000万〜1億円が目安。
- 大規模スクラッチ：初期5,000万円〜数億円が目安。
小規模SaaSやAPIは、制裁リスト照合やKYC、簡易的な取引モニタリングに向いています。限定的な連携で進めやすい方式でもあります。
月額10万〜100万円、または従量課金の場合でも、初期設定やリスト更新が別料金になることがあります。
API利用、保管、サポートの料金も確かめてください。
金融機関向けのクラウドやパッケージは、初期500万〜3,000万円、期間3〜9か月が目安です。
追加開発やハイブリッド構成では、年額1,000万〜5,000万円程度、期間6〜12か月となることがあります。
大規模なスクラッチやオンプレミスでは、年額1,000万〜数億円、期間12〜24か月以上を見込む場合があります。これらの国内の幅は、公開定価ではなく、案件条件に基づく推定値です。
海外価格は、従量課金の考え方を知るための参考です。日本の見積に直接置き換えないでください。
Alibaba Cloudでは、SMART AMLの各機能について、1機能あたり36,000米ドルのセットアップ費と、取引単位の料金を掲載していました。
2026年6月更新の英語版価格ページでは、サービス体系が更新されています。
初期設定費と処理量に応じて料金が分かれるモデルの例として扱います。
出典はAlibaba Cloud「Financial Intelligence Engine: Pricing」、2025〜2026年です。
初期費用の内訳
初期費用には、製品の設定だけでなく、設計や連携、移行、教育などの作業の費用も含まれます。その中身は、4つの区分で整理されます。
- 製品・環境：ライセンスまたはクラウド環境の設定。
- 設計・連携：要件定義と画面設計、データ連携、名寄せの作業。
- 導入作業：ルール設定やカスタマイズ、移行、テストの実施。
- 定着支援：研修やリリースの支援、運用設計、モデル検証。
見積では、ライセンスやクラウドの利用料に加えて、各作業の金額を確かめます。
仮説として利用料を40〜60%、設計・連携を20〜30%と置くと、抜け漏れを確かめる目安になります。また、テスト・移行・研修と、運用支援・モデル検証は、それぞれ10〜20%が目安です。
大規模な案件では、データ統合とテストの比率が高くなります。
項目の定義が未整備だと、追加費用が生じます。
クレンジングや名寄せ用の中間基盤は、製品料金とは別に費用がかかりやすい作業です。
ランニングコストの内訳
稼働後も続く費用は、システムを動かし続けるための部分と、利用量に応じて増える部分に分けて見ます。
- 基盤費：クラウド、サーバー、ストレージ、監視の費用。
- 更新費：外部リストやルール、閾値、モデルの見直し。
- 運用費：問い合わせ、教育、監査対応の費用。
- 従量費：顧客数、取引件数、APIコール、保存期間に応じて増える。
SaaSでは、顧客数や取引件数に応じて料金が増えることがあります。
保存期間の延長料金も、確かめておきます。スクラッチやオンプレミスでは、OSやミドルウェアの更新を自社で負担する比率が高くなります。
モデルの再学習やシナリオの見直しを年1〜2回行う場合は、1回50万〜200万円程度と推定されています。
学習データの準備から検証、リリースまでのうち、どこを支援範囲に含めるかで費用は変わります。規制対応や外部リストの更新、障害復旧が月額に含まれるかを確かめます。誤検知の改善やモデル変更の承認については、別に確認します。
AMLシステムの価格が変動する要因
業態や取引の特性によって、必要な機能と工数は変わります。そのため、見積では含まれる作業と、除外される項目を確かめてください。
顧客数・取引量・対象国による費用差
顧客数と取引量は、容量や処理性能に加えて、監視やアラートの処理能力も左右します。費用に関わる要因は、取引量のほかにもあります。
- 取引量：処理件数が多いほど、基盤とテストの工数がかさむ。
- 処理方式：1日数千件の夜間バッチと、数百万件のリアルタイム処理で構成が異なる。
- 対象国：国・地域、通貨、送金元と送金先によって、ルールが増える。
- 事業構成：商品、チャネル、顧客区分によって、業務フローが変わる。
海外送金や複数通貨を扱うと、時差や制裁リストの種類も増えます。その分、ルール設計と外部データの費用が膨らみやすくなります。
個人顧客か法人顧客か、口座開設がオンラインか対面かによっても、確認項目が変わります。
代理店や提携先の有無、勘定系の数も、業務フローに影響します。
見積を依頼するときは、具体的な数字を示すことが求められます。顧客数、月間の取引件数、ピーク時の件数を伝えてください。対象国と連携システム数も加えてください。
データ連携と名寄せの費用
データ連携は、連携先ごとに設計とテストを行うことが前提になります。
- 連携設計：項目のマッピングや認証、エラー処理、再送の定め。
- 運用設計：監視とテスト、障害時に誰がどこまでを受け持つかの定め。
- API連携：整備されたAPIなら、短期間で進めやすい。
- ファイル連携：固定長ファイルでは、中間変換や日次バッチが必要になる。
名寄せは、連携とは別の作業として見積もります。氏名、住所、電話番号を組み合わせ、さらに法人番号、実質的支配者、口座番号も使います。
表記揺れを放置すると、同一の顧客が別々に分かれてしまいます。また、条件を緩くしすぎると、別人を同一人物と誤認しかねません。そのため、クレンジングと名寄せ精度の検証、手動確認のルールは、製品機能とは別に見積もると安全です。
クラウド・AI・規制対応の選択による差
初期費用だけでなく運用条件まで含めて比べると、クラウドやオンプレミス、AI、規制対応それぞれの違いが見えてきます。
- クラウド：サーバー購入を抑えやすい一方、返却条件などの確認が必要。
- オンプレミス：要件に合わせやすい反面、基盤の更新を自社で負担。
- AI：学習データや正解データ、検証、説明根拠の保存、変更管理の見積もり。
- 規制対応：外注後も自社に残る、リスクと有効性の確認。
クラウドやSaaSは、処理量に合わせて拡張しやすい選択肢です。
データの所在地と委託先の管理、可用性を確かめます。
障害復旧やログ取得、データ返却の条件も確認します。
従量課金の上限も、あわせて押さえておきます。
オンプレミスは要件に合わせやすい反面、基盤の更新や専門人材を含む保守費用がかかります。NECのサービスは、AML向けの分析レポートやスコアリング、検知理由の可視化を示しています。提供形態にはオンプレミスとクラウドがあります（出典: NEC「AI不正・リスク検知サービス」、2026年確認）。
AIの名称だけでなく、利用データや検証担当者、更新頻度まで、見積と契約に反映させます。
金融庁の2026年のコメント概要では、外部委託や共同システムでも、自社の取引特性を踏まえる考え方が示されています。
外注しても、リスク評価や有効性の確認は自社の責任として残ります。独自ルールの範囲とデータ返却条件を、契約前に確かめます。
出典は金融庁「マネー・ローンダリング及びテロ資金供与対策に関するガイドラインの一部改正案・コメント概要」、2026年です。
見積もりとコスト最適化のポイント
見積は、初期費用だけでなく5年程度の総保有コストと業務効果で比べます。取引量や追加ルールによって、従量課金が増える場合があります。誤検知の削減や監査対応も、評価の対象に含めます。
RFPと見積依頼の記載項目
各社が同じ前提で見積を出せるよう、RFPには条件の書き方をそろえておく必要があります。
- 業務・性能：対象業務、顧客数、取引件数、ピーク性能の数値。
- データ・連携：対象国、項目、方式、移行、並行稼働の条件。
- 検知・画面：シナリオ、画面、権限、説明可能性の条件。
- 運用・契約：証跡、保存期間、SLA、障害対応、返却条件の確認。
依頼の際は、リアルタイム性やルール編集について質問します。検知結果の書き出しと研修の範囲も、質問に含めます。
契約では、法規制や外部リストの更新責任と、モデル変更の承認を確かめます。脆弱性への対応や個人情報の扱いも対象に含まれます。委託先の監査と、障害・漏えい時の報告期限も、契約で確かめておきます。
成果物の権利や、データ返却、解約後の移行支援の条件を確かめます。
自社の判断と承認の範囲は、あらかじめ分けておいてください。
5年TCOでの比較方法
5年TCOは、初期費用に5年間の運用費と人件費を加えて比べる方法です。
- システム費：ライセンス・クラウド費、保守、外部リストの費用。
- 運用費：連携、監視、ルール調整、モデル検証にかかる費用。
- 定着費：教育、監査対応、調査にかかる人件費。
初期3,000万円で年額1,500万円なら、5年TCOは1億500万円です。初期1億円で年額2,000万円のスクラッチなら、5年TCOは2億円です。これは単純化した比較例ですが、初期費用と総額の差を見る手がかりになります。
人件費は、アラート1件あたりの調査時間と、月間の件数、二次調査の割合で比べます。承認までの日数と監査資料の作成時間も、導入前後で計測します。重要案件を見逃さず、担当者が処理できる件数に抑えられるかを確かめます。
AMLシステムのコストを抑える方法
コストは、対象範囲、独自開発、事前整理の3点から見直します。
- 段階導入：対象を少しずつ広げる進め方。
- 標準機能：独自開発は、必要最小限にとどめる。
- 事前整理：データ辞書と業務フローを、先に整えておく。
全機能を一度に作るのではなく、制裁リスト照合、KYC、ケース管理から始めます。次に、取引モニタリングやAIによる優先順位付けへ広げます。既存のAMLを残す方式も選べます。
データ基盤やケース管理だけを追加するハイブリッド方式は、移行に伴うリスクを抑えやすい選択肢です。自社の固有リスクと関係のない画面や帳票まで作り込むと、初期費用と保守費用が増えます。
検知シナリオ、権限、証跡、データ返却は、監査や運用に直結します。そのため、コストを理由に安易に削らないでください。削る機能と残す統制は、リスク評価に基づいて分けます。
連携項目と検知シナリオが明確であれば、複数社から同じ条件で見積を取れます。削減の効果を正しく見るには、要件の手戻りや誤検知による工数、将来のベンダー変更費用まで含めることが大切です。
よくある質問
費用は、機能の有無だけでなく、自社で運用や検証を担えるかも含めて確かめます。
AMLシステムは小規模事業者にも必要ですか？
必要な機能は、業態や顧客層、取引量によって変わります。国・地域や法令上の義務によっても、違いが出ます。
- 対象業務：自社のリスク評価に応じて、範囲を決める。
- 開始機能：制裁リスト照合やKYCからの開始。
- 費用目安：SaaSやAPIは、月額10万〜100万円程度から検討する。
導入後のアラート調査や証跡管理まで含めて、業務が回るかを確かめてください。
AMLシステムはSaaSとスクラッチのどちらが安いですか？
初期費用だけで見れば、一般的にはSaaSのほうが小さく始めやすい方式です。
- SaaS：初期費用を抑えやすい一方、利用量に応じて料金が増える。
- スクラッチ：独自の要件に合わせやすい反面、保守の負担が大きい。
- 比較方法：追加機能や外部リストを含めた5年TCOで、総額を見る。
SaaSでは、取引量や追加機能に加えて、外部リスト、保管、サポートの条件も料金に関わります。
スクラッチでは、規制変更への対応や人材の確保、基盤の更新を自社で負担します。将来の保守費も見積もる必要があります。
AIを導入すればAMLシステムの費用を削減できますか？
AIは、アラートの優先順位付けや調査対象の絞り込みを支援します。そのため、調査の工数を減らせる可能性があります。
- 準備費：学習データと正解データの整備。
- 検証費：説明根拠や誤検知、検知漏れの評価。
- 運用費：変更管理と、人による最終判断。
AIの導入費用だけでなく、モデル検証や説明根拠の保存、変更管理まで見積もります。
AIの判定は無条件に採用せず、理由を表示したうえで、人が最終判断できる運用にします。
AMLシステムの見積もりは何社から取るべきですか？
要件をそろえたうえで、少なくとも2〜3社から比較見積を取ります。
- 共通条件：顧客数、取引量、対象範囲、連携本数の統一。
- 期間・保守：導入期間と保守範囲の統一。
- 実行体制：PoC、移行、並行稼働、運用定着の確認。
社数よりも、同じ条件を提示することが重要です。価格以外の前提も、あわせて比べます。
金融業務の知見や、データ返却、解約時の移行支援まで確かめてください。
まとめ
導入の判断では、価格だけでなく、検知、調査、説明までを一つの費用として考えます。
AMLシステムの費用相場を判断するポイント
AMLシステムの費用は、初期費用だけでなく5年TCOで比べます。
- 製品費：ライセンス料やクラウド利用料。
- 導入費：連携、名寄せ、移行、テスト。
- 運用費：保守、外部リスト、調整、検証、監査。
提案ごとに前提条件をそろえると、総額を公平に比べやすくなります。
導入前に優先する次の一歩
導入前には、自社のリスクと対象範囲を整理します。データと現場工数の状況も確かめます。
- リスク評価と対象範囲、顧客数、取引量、連携先の整理。
- 現場の調査時間の確認と、データ辞書、RFP案の作成。
- 2〜3社への、同じ条件での提案依頼。
- PoCと並行稼働による有効性の確認。
上の順に進めると、導入後の追加費用や運用の負荷を抑えられます。
相場は、SaaSやAPIの初期0〜500万円から、スクラッチの数億円までの幅があります。方式と条件によって変動します。
金融機関向けのクラウドやパッケージは、初期500万〜3,000万円です。追加開発は、3,000万〜1億円が目安です。
国内では公開価格が限られています。示した幅は、取引量や顧客数、対象国によって変わる推定レンジです。連携本数、データ品質、運用支援も、幅を左右します。
見積には、要件定義やクレンジング、名寄せを含めます。連携や移行、テストも、同じ見積の中で扱います。研修や保守、監査対応まで含めて、総額を見ます。
PoCでは、再現率と誤検知率、アラート件数を測定します。調査時間や処理遅延、説明可能性も、あわせて確かめます。
導入後も、月次の品質確認、四半期ごとのシナリオ見直し、年次のモデル検証を続けます。
判断では、5年TCOと検知の実効性を比べます。加えて、処理可能なアラート量、説明できる証跡、将来のデータ移行性も比較の対象です。
AMLシステムは、導入して終わりではなく、リスク評価やデータ、業務、証跡を改善し続けるプロジェクトです。
▼全体ガイドの記事
・AMLシステム開発の完全ガイド
▼RFP作成前に読みたい無料ホワイトペーパー
・業務システム開発の完全ガイドブック
・スクラッチ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。