相談する

Google Vertex AIのシステム開発の発注/外注/依頼/委託方法について

Google Vertex AIの発注は、業務KPIと使うデータを定め、PoC（技術検証）で方式を確かめてから本番化する流れで進めます。

発注形態、RFP、契約・費用、委託先選定の順に説明します。全体像は、Google Vertex AIの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
・Google Vertex AIの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。

Google Vertex AIのシステムを発注・外注する前に知る全体像

Vertex AIを使う業務システムを、業務画面・API、認証・認可、モデル・検索、データ基盤・監視の4層で示した図解。
モデル機能の周囲にも、画面や権限、データ基盤が組み合わさります。

Google Vertex AIは、生成AIや機械学習モデルを業務データにつなぐGoogle Cloudの基盤で、検証から本番運用までを管理できます。2026年は名称や提供形態が変わりつつあるため、発注側は、業務で使える品質と安全性を備えたシステムとして構築・運用できるかを確認します。

Vertex AIが担う範囲と、別途発注が必要な範囲

Vertex AIが担うのは、Geminiなどのモデル呼び出しとRAG検索です。また、予測モデルの学習・評価・デプロイやモデル監視も含まれます。

業務画面や社員・顧客の認証、販売管理・顧客管理との連携は、別途設計が必要です。承認ワークフローや監査ログ、問い合わせ窓口、障害時の有人対応も、組み合わせて考えます。

典型的な構成要素は次のとおりです。構成要素を分けて設計すると、発注範囲を確かめられます。

  • 業務画面・API：利用者が操作する入口
  • 認証・認可：IAMによる利用者と権限の管理
  • モデル・検索：Vertex AIの機能
  • データ基盤・監視：BigQuery、Cloud Storage、Cloud Loggingなど

「AI部分だけ」と発注すると、後から権限連携や運用機能が加わり、予算が膨らみがちです。そのため、初期段階で、どこまでを誰が担うかを明示しておきます。

RFPにおける2026年の名称変更の扱い

Google Cloudは2026年4月、Gemini Enterprise Agent PlatformをVertex AIの進化形と位置づけました（出典：Google Cloud公式ブログ、2026年4月）。

同発表では、モデルの選択と開発、エージェントの開発、運用とガバナンスを一つの環境にまとめる方針が示されています。そこでRFPでは、名称だけでなく、実際の利用範囲を確認します。

既存資料にVertex AIと書かれていても、ただちに使えなくなるわけではありません。ただし、エージェントを導入する場合は、単発の回答生成だけでなく、複数ステップの処理も想定します。

利用範囲を確かめるため、RFPと見積では次の4点を個別に確認します。

  • サービスの確認：利用するAPI、コンソール上のサービス名、移行時の互換性
  • 将来費用：モデル変更に伴う追加費用
  • エージェント要件：ツール呼び出し、セッション・メモリ、実行履歴の監視
  • 運用条件：許可する操作と失敗時の引き継ぎ方法

発注形態の選び方とGoogle Vertex AIの外注方法

発注形態は、完成責任を委託先に持たせるか、自社チームと検証しながら進めるかで選びます。AIシステムは、データ品質や評価結果に応じて仕様が変わりやすいものです。このため、検証と本番開発で契約を分けると、仕様変更に対応しやすくなります。

一括請負型が向いているケース

要件や対象データ、連携先が比較的明確なら、一括請負型が候補です。画面、性能、納品物も明確であれば、条件がそろいます。納期と予算を優先したい場合の選択肢にもなります。

委託先が設計・開発・テスト・納品まで完成責任を負うため、発注側の管理負担を抑えられます。

請負で決める受入条件には、画面やAPIの完成に加えて、次の品質確認も含めます。

  • 評価と測定：評価データセットと回答品質の測定方法
  • 許容範囲：エラー率と回答できない場合の処理
  • 納品物：テスト結果

AIの正答率を「100％」と保証する契約は、現実的ではありません。また、データ追加やモデル変更を無制限に含めない条件も明記します。

準委任・ラボ型が向いているケース

最適なモデルやRAG検索方式、現場での利用度を検証しながら進めるなら、準委任やラボ型が適しています。費用は、専門人材の稼働時間に対して支払います。

仮説の変更や技術検証を契約範囲に含めやすい一方、作業時間とともに費用が増えやすく、成果物や終了条件が曖昧になることもあります。

準委任では、月ごとの稼働と検証成果をそろえて確認すると、費用と継続判断を管理できます。

  • 作業体制：月ごとの作業計画と稼働予定者
  • 成果と指標：成果物と検証指標
  • 継続条件：次月へ進む基準と未消化時間の扱い

PoCと本番を分けるハイブリッド発注

実務では、1〜3か月程度の技術検証を準委任で行い、合格した方式だけを請負または段階請負で本番開発に移す方法が現実的です。

PoCでは、代表的な文書や取引データを使って、次の項目を確かめます。

  • 回答品質：根拠提示率とあわせて評価
  • 応答と費用：レイテンシと1リクエストあたりの利用料
  • リスク：情報漏えいの可能性

PoCから本番に移る条件を契約書に記載しておけば、本番予算を判断できない事態を避けられます。

検証の終わりには、採用・不採用の方式と残課題を納品してもらいます。必要なデータ整備と概算の本番費用も、あわせて受け取ります。さらに、移行できるソースコードや設定も受け取っておくと、発注先を切り替える場合に役立ちます。

ポイント

完成責任を委託先に任せるか、自社と検証しながら進めるかで選びます。要件が明確なら一括請負型、検証を重ねる必要があるなら準委任・ラボ型が向いています。

RFP・要件整理の進め方と発注前の決定事項

RFPに記載する要件領域として、業務課題とKPI、データ・権限・既存連携、提案依頼に含める成果物と回答項目、納品物を並べた図解。
4領域を同じ条件で揃えると、提案と見積を照らし合わせやすくなります。

RFPは、委託先が同じ条件で提案と見積を出せるようにする発注仕様書です。そこには、AI導入の希望に加えて、機能要件や対象業務を書きます。データの状態、利用者、権限、品質も記載します。

セキュリティ、運用、納品物も整理しておくと、会社ごとの見積の差を比べやすくなります。

業務課題とKPIの設定

改善する業務に合わせてKPIを定めると、導入後の効果を業務ごとに確認できます。

  • 社内問い合わせ：回答時間や担当者への転送率
  • 需要予測：予測誤差や欠品率
  • 文書処理：入力時間や確認漏れ
  • エージェント：タスク完了率や有人引き継ぎ率

業務改善と結び付けるには、モデルの正答率に加えて、業務の場面を想定した評価データが要ります。そのため、典型的な成功例だけでなく、古い文書や権限外の質問も含めて作ります。曖昧な質問や入力ミスも、評価の対象に入れます。

回答してはいけない質問も、評価の対象にします。合格ラインは、平均値だけでなく、重大な誤回答を許容するかどうかまで決めておきます。

データ・権限・既存連携の洗い出し

RFPには、データの種類、件数、保存場所、更新頻度を書きます。あわせて、機密区分や所有部門、欠損や重複の有無も整理します。データの種類ごとに、品質や安全性に関わる情報と処理条件を洗い出します。

  • 社内文書検索：版、公開範囲、部署、更新日、廃止日のメタデータ
  • 画像・音声：ファイルサイズ、形式、保存期間、再確認時の担当者
  • 既存システム：Google Workspace、社内SSO、基幹システム、CRM、データウェアハウス
  • 権限・接続：検索結果やツール操作への権限継承、管理者の一括参照、API仕様、認証方式、テスト環境

権限の引き継ぎ方によって設計とテストの工数が変わるため、連携条件は早い段階で確認しておきます。

提案依頼に含める成果物と回答項目

各社の提案を同じ条件で比べられるように、回答項目と記載順を指定します。

  • 構成・方式：システム構成図、採用モデルと選定理由、RAG検索方式
  • 品質・機能：評価方法、画面とAPIの範囲、データ移行計画
  • 実施条件：セキュリティ設計、運用監視、体制、工程、前提・除外事項
  • 費用：初期費用、月額費用、保守費用

納品物には、ソースコードやIaC、プロンプトを含めるかを確認します。評価用データセットとテスト結果についても、扱いを決めます。操作マニュアル、運用手順、障害時の連絡先も対象です。

モデル更新手順とGoogle Cloudの請求情報も、引き渡すかどうかを決めます。再委託や担当者交代、契約終了後のデータ削除と引き継ぎは、回答項目に含めます。

ポイント

RFPには、業務課題とKPI、データと権限、納品物と回答項目を同じ条件で書きます。各社の提案と見積を比べる前提が、同じ形でそろいます。

契約形態と責任分界の設計

Vertex AIの発注では、開発会社との契約に加えて、Google Cloudのサービス利用契約が関係します。モデル料金、データ処理条件、保守契約もかかわります。

契約では、システムを作る責任とデータを提供する責任を分けて記載します。AI出力を業務で使う責任と、クラウド料金を管理する責任も、別々に書きます。

AIの品質を測れる受入条件

納品時に判断できるよう、評価と受入の項目を具体的な形で決めておきます。「高精度」や「自然な回答」といった表現は、判断の材料になりにくいためです。

  • 評価データ：件数と種類
  • 回答品質：根拠提示率、正答・誤答・回答拒否の判定方法
  • 性能・操作：最大応答時間、同時利用者数、エラー時の表示
  • 安全性：操作ログの記録と権限外データの非表示

生成AIの出力は、入力やモデルの更新で変わります。このため、全回答を固定するのは難しく、重大な誤回答を防ぐガードレールや、根拠のない回答を拒否する条件を定めておきます。

許容するリスクは業務ごとに定義します。たとえば、外部送信前に担当者が承認するフローを設けるなどです。

データ利用・ログ・知的財産の条項

Vertex AIのゼロデータ保持は、すべての機能に同じ条件が自動で適用されるわけではありません（出典：Google Cloud公式ドキュメント「Vertex AI and zero data retention」、最終更新2026年1月）。機能ごとにデータ保持条件が異なるため、対象サービスに沿って契約条件を確かめます。

  • 機能ごとの差：不正利用監視、グラウンディング、セッション再開、キャッシュ
  • Google検索のグラウンディング：プロンプト・コンテキスト・出力が30日保存され、無効化できない条件もある
  • 契約で確認：入出力の保存場所・期間、ログ範囲、学習利用、削除方法、再委託先、個人情報
  • 知的財産：プロンプト、評価・チューニング用データ、生成コード、画面・APIの著作権と利用許諾

契約終了後のソースコードの引き渡しも、条項に記載します。

本番後の責任の取り決め

本番後は、文書の追加や削除、モデルやプロンプトの変更が起こり得ます。回答品質の低下や料金増加、API障害も想定されます。そこで、保守契約に含める項目を先に定めます。

  • 品質・費用：月次品質レポート、利用料の上限アラート
  • 変更・保守：モデル変更時の再評価、脆弱性対応
  • 障害対応：一次窓口、復旧目標、有人引き継ぎの範囲

発注側で運用するのか、委託先が監視するのか、Google Cloudへは誰が問い合わせるのかを定めます。担当者の退職時の引き継ぎも決めておくと、障害時の責任が曖昧になりにくくなります。

ポイント

システムを作る責任、データを提供する責任、AI出力を業務で使う責任、クラウド料金を管理する責任を分けて書きます。受入条件と本番後の保守も、契約に含めておきます。

Google Vertex AIのシステム開発費用相場とコスト内訳

技術検証・小規模PoC、業務部門向けMVP、部門横断の本番、全社利用などの初期開発費用目安を4本の横棒で比較した図解。
対象業務や連携範囲に応じて、見積の幅が大きくなります。

Google Vertex AIを使う業務システムには、公的な一律の開発相場はありません。ここに示すのは、リサーチノートの一般的な業務システム相場を基にした、編集上の目安です。

目安には、データ整備や評価の工数を加えています。セキュリティやMLOpsなど、Vertex AI特有の工数も含めています。

実際の見積では、まず対象データとユーザー数、連携数を確定させます。性能、SLA、ログ保持期間も、同じように決めておきます。

段階別の初期開発費用と期間の目安

対象業務と連携範囲によって変わる、初期開発費用と期間の目安を示します。

  • 技術検証・小規模PoC：300万〜800万円、1〜3か月
  • 業務部門向けMVP：800万〜2,000万円、3〜6か月
  • 部門横断の本番：2,000万〜5,000万円、6〜12か月
  • 全社利用など：5,000万〜1億円以上となる可能性

小規模PoCは、1業務と1〜2のデータソースを対象に、簡易UIと評価を含む想定です。MVPの目安は、SSOやIAM、権限連携を含む場合のものです。評価画面やCloud Runなどを含む場合も、この目安の対象です。

部門横断の本番は、複数のデータ基盤や業務API、監査ログ、運用監視を含む想定です。有人引き継ぎや負荷試験も、この想定に入っています。

全社利用で高可用性や災害対策を求めたり、複数業務や厳格な権限、データレジデンシーを求めたりすると、5,000万〜1億円以上になる可能性があります。

これらは、リサーチノートに基づく推定レンジであり、特定企業の価格表ではありません。見積では、要件定義とデータ整備、PoCを分けてもらいます。画面・APIとGoogle Cloud設定も、別々に示してもらいます。

テストやセキュリティレビューも、別記してもらうと金額の根拠を確かめられます。教育や移行、保守も、同じように別記してもらいます。

モデル料金とGoogle Cloud利用料の区分

Gemini 2.5 Flashは、入力・出力や思考出力の有無によって単価が分かれます。Gemini 2.5 Proは、入力トークン量によって単価が変わります。

Google Cloud「Vertex AI Pricing」の2026年確認値では、モデル単価とクラウド利用料が別の項目として並んでいます。

  • Gemini 2.5 Pro：入力20万トークン以下では、100万トークンあたり入力1.25ドル、テキスト出力10ドル
  • Gemini 2.5 Flash：入力0.15ドル、思考なしのテキスト出力0.60ドル、思考出力3.50ドル
  • Google Cloudの基盤：クラウド基盤や監視の利用料
  • Google検索のグラウンディング：対象モデルでは1日1,500件まで含まれ、超過分は1,000件あたり35ドル
  • グラウンディング：Web Grounding for enterprise 45ドル/1,000件、データ方式2.5ドル/1,000リクエスト

RAGのインデックスやベクトル検索に加えて、Cloud Run、BigQuery、Cloud Storageにも費用がかかります。ネットワークやログ、監視も対象です。Agent Engineも、費用の対象に含まれます。

Vertex AIの利用料金は、プラン・モデル・地域で変わります。そこで、発注時点の料金表で再確認します。

月額費用と保守費用の見積

月額費用は、モデルの推論量に加えて、利用状況や性能、ログの条件でも変わります。試算では、これらの条件をそろえておきます。

  • 利用量：1日あたりの質問数、入力・出力トークン数
  • 検索・参照：長文書の参照、キャッシュ、検索インデックス
  • 性能・保管：同時利用者数、ピーク性能、ログ保持期間

小規模PoCの費用が安くても、全社展開で利用回数が増えれば、料金は変わります。そのため、少ない・標準・多いの3パターンで上限を確認します。

保守費用には、障害対応のほか、文書の更新や評価データの追加を含めます。プロンプトやモデルの変更、脆弱性対応も、保守の範囲に入ります。利用分析やユーザー教育も含めます。

リサーチノートには、初期開発費の年間15〜25％程度を保守費用の仮置きとする一般論があります。ただし、24時間監視やSLAがある場合は上振れするため、固定率と断定せず、作業項目と対応時間で見積もります。

ポイント

費用は、初期開発費、モデル料金とクラウド利用料、月額費用と保守費に分けて比べます。見積の金額は、対象データや連携範囲、性能の条件をそろえてから読みます。

委託先の選び方と見積比較のポイント

Vertex AIのデモができるかだけでなく、業務データを安全に本番運用できるかを確認します。

  • AIとデータ：RAG、評価データセット、ガードレール、BigQueryなどの基盤
  • 連携・安全性：既存API、IAM、VPC、CMEK、監査ログ
  • 運用：PoC後の監視・保守体制

Google Cloudの認定資格や専門チームの有無に加えて、これらを本番で扱えるかを確認します。

業務成果で見る実績

業務成果を再現できるかを見極めるため、導入時の条件と運用後の根拠を確かめます。

  • 導入実績：業界・業務・利用データ・利用人数・改善KPI・導入後の運用担当
  • 提示資料：匿名化した評価結果、回答拒否の設計、障害対応例、運用レポートの見本

Google Cloudの事例では、三菱重工がBigQueryとVertex AIで航空機製造の生産材料を需要予測しています。キャディは、図面画像の読み取りや類似画像検索に利用しています（出典：Google Cloud公式顧客事例、2023年・2026年確認）。

現場データや業務API、運用プロセスをつなぐことが、モデル単体を超えた価値につながります。

見積の内訳と前提の統一

複数社には、同じRFPと回答書式を渡します。見積の内訳をそろえておくと、金額差の理由を確認しやすくなります。

  • 開発・データ：要件定義、データ整備、プロンプト設計、RAG構築、モデル評価
  • 実装・展開：画面・API、既存連携、IAM、テスト、教育、移行
  • 継続費用：保守、クラウド利用料

比較では、最安値よりも前提を見ます。たとえば、データ整備や評価データの準備が発注側の負担になるか、本番の権限連携や監視が別料金になるかを確認します。

モデル料金の有無や保守の対応時間も確かめます。「別途」や「応相談」が多い場合は、追加費用の条件を質問書で明確にしておきます。

提案面談で聞くべき質問

回答の根拠から契約終了後の移行支援まで、候補先に具体的な対応方法を尋ねます。

  • 回答と権限：根拠の示し方、権限外文書の除外方法
  • 更新とログ：モデル・プロンプト更新時の再評価、入出力ログの閲覧者
  • 費用・エージェント：月額上限、ツール許可範囲、実行前承認、停止時の有人引き継ぎ、長時間処理の監視
  • 契約条件：再委託、担当者変更、ソースコード・IaCの帰属、データ削除、脆弱性対応、損害賠償、秘密保持、個人情報、知的財産、終了時の移行支援

技術担当者だけでなく、業務責任者や情報システムも、同じ条件を確認してから発注します。法務・セキュリティ部門を含めると、後戻りを減らせます。

ポイント

委託先は、デモが動くかより、業務データを本番で安全に運用できるかで選びます。見積は内訳と前提をそろえて比べ、提案面談で対応方法を確かめます。

よくある質問

発注では、費用やPoCの進め方について疑問が生じます。社内データの安全性や契約後の運用についても、よく話題になります。ここでは、発注前によくある質問に答えます。

Google Vertex AIのシステム開発は最低いくらから発注できますか？

小規模な技術検証は、対象データの準備や評価、簡易UI、セキュリティ確認を含めて、300万〜800万円程度が目安です（リサーチノートに基づく目安）。

既存のデータ基盤や認証を再利用できるかどうか、PoCをどこまで作り込むかによって変わります。最低金額だけでなく、成果物と除外事項も確認してください。

RFPを作れない状態でも開発会社へ相談できますか？

相談できます。業務課題や現場の困りごとだけでも、要件整理やPoC設計から支援する会社があります。対象データ、利用者、希望時期、予算上限も、伝えられる範囲で整理しておきます。

提案を比べる段階では、課題とデータ条件を整理した簡易RFPを作り、各社に同じ情報を渡すことをおすすめします。

社内データをGoogle Vertex AIに入力しても安全ですか？

安全性は、機能や設定によって変わります。データの種類や権限設計によっても決まるため、一律に安全だとは言えません。

Google Cloud資料には、データレジデンシー、CMEK、VPC Service Controlsなどの制御が示されています。

機能ごとにデータ保持条件も異なります（出典：Google Cloud「Security controls for Generative AI」「Vertex AI and zero data retention」、最終更新2026年1月）。

委託先には、次の点を具体的に確認してください。

  • データ管理：保存期間、学習利用、削除手順
  • アクセス制御：ログ閲覧者、権限外検索の防止

Google Cloudに強い会社なら、どこへ発注しても同じですか？

同じではありません。成果は、業務要件の整理やデータ整備、既存連携まで、どこまで対応できるかで変わります。

権限管理や稼働後の対応も、成果を左右します。そのため、対応範囲を次の5点で分けて確認します。

  • IAM：利用者と権限の管理
  • 評価：回答品質の測定方法
  • 監視：稼働後の状態の把握
  • 保守：障害対応や改修の受け持ち
  • 利用定着：現場で使われ続けるための支援

見積額だけでなく、過去の業務成果と提案体制を比べます。納品物や運用責任、契約終了時の引き継ぎも、あわせて見ます。

まとめ

Google Vertex AIの発注では、業務KPIと対象データを定め、PoCと本番を分けて発注形態を選びます。請負では受入条件と納品物を、準委任では稼働範囲と月次の終了条件を、それぞれ明確にします。

どちらの場合も、RFPには権限とログ、データ保持を含めます。評価や障害時の有人対応も盛り込みます。

発注前に確認するポイント

発注前に確認するのは、改善する業務KPI、データの所在・品質・権限、PoCから本番への合格基準です。

初期開発費、クラウド利用料、保守費の内訳も見ておきます。ソースコードやデータ削除を含めて、どこまでを誰が担うかも確認します。

委託先には、モデルのデモだけでなく、失敗例やセキュリティ設計を尋ねます。評価方法、月額費用の上限、運用担当者も質問します。

小規模検証と根拠のある見積による本番化

全社導入は最初に決めず、小さく検証して本番化を判断します。

  1. 一つの業務と代表的なデータで試し、正確さ、根拠提示率、回答拒否、レイテンシ、利用料金、タスク完了率を測る。
  2. 合格した方式だけを本番へ広げ、モデルやデータの更新後も継続評価する。

Google Vertex AIの発注は、製品名を買う取引というより、業務成果を生む仕組みと運用責任を委託する取り組みとして進めます。

▼全体ガイドの記事
・Google Vertex AIの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
・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。

株式会社riplaの会社HPはこちら

・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 >>>

執筆者プロフィール
張田谷凌央
張田谷凌央

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。