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のシステムを発注・外注する際は、モデル選びより先に業務KPI、利用データ、権限、運用責任を固めることが成功のポイントです。

Google Cloudを活用したAIシステムは、社内文書検索、需要予測、画像・音声の解析、業務エージェントなど幅広い用途に対応できます。一方で、Vertex AIを契約すれば業務画面や認証、既存システム連携まで自動的に完成するわけではありません。発注形態の選び方、RFPに盛り込む要件、請負・準委任などの契約形態、開発費とクラウド利用料の分け方、委託先の比較方法まで、発注前に整理すべきポイントを解説します。

▼全体ガイドの記事
・Google Vertex AIのシステム開発の完全ガイド

Google Vertex AIのシステムを発注・外注する前に知る全体像

Google Vertex AIは、生成AIや機械学習モデルを業務データと接続し、検証から本番運用まで管理するためのGoogle Cloudの基盤です。2026年は名称や提供形態が変わりつつありますが、発注側が確認すべき本質は、業務で使える品質と安全性を持つシステムとして構築・運用できるかどうかです。

Vertex AIが担うのは、Geminiなどのモデル呼び出し、RAGによる検索、予測モデルの学習・評価・デプロイ、モデルの監視などです。業務画面、社員や顧客の認証、販売管理・顧客管理との連携、承認ワークフロー、監査ログ、問い合わせ窓口、障害時の有人対応は、別のアプリケーションや運用設計として組み合わせます。

典型的なシステムは、業務画面またはAPI、IAMによる認証・認可、Vertex AIのモデルや検索機能、BigQuery・Cloud Storageなどのデータ基盤、Cloud Loggingなどの監視を分離して構成します。発注時に「AI部分だけ」と伝えると、後から権限連携や運用機能が追加されて予算が膨らみやすいため、初期段階で責任分界を明示することが重要です。

Google Cloudは2026年4月の公式発表で、Gemini Enterprise Agent PlatformをVertex AIの進化形と位置づけ、モデル選択、モデル開発、エージェント開発、運用・ガバナンスを一つの環境にまとめる方針を示しました（出典: Google Cloud公式ブログ、2026年4月）。そのため、RFPでは製品名だけでなく、利用するAPI、コンソール上のサービス名、移行時の互換性、将来のモデル変更に伴う追加費用を確認します。

既存資料にVertex AIと書いてあるからといって、ただちに使えなくなるという意味ではありません。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、ツール呼び出し、セッションやメモリ、実行履歴の監視まで要件に含める必要があります。サービス名称ではなく、実際に許可する操作と失敗時の引き継ぎ方法で見積を比較することが大切です。

発注形態はどれを選ぶ？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たいのか、自社チームと一緒に検証しながら進めたいのかで選びます。AIシステムはデータ品質や評価結果によって仕様が変わりやすいため、最初から本番全体を固定価格で発注するより、検証と本番開発で契約を分ける方式が適しています。

要件、対象データ、画面、連携先、性能、納品物が比較的明確で、納期と予算を優先したい場合は、一括請負型が候補になります。委託先が設計・開発・テスト・納品までの完成責任を負うため、発注側の管理負担を抑えやすい方法です。

ただし、AIの正答率を「100％」のように保証する契約は現実的ではありません。請負にする場合は、画面やAPIの完成だけでなく、評価データセット、回答品質の測定方法、許容するエラー率、回答できない場合の処理、テスト結果の納品を受入条件として具体化します。データの追加やモデル変更を無制限に含めないことも重要です。

どのモデルが最適か、RAGの検索方式が機能するか、現場がどの程度使うかを検証しながら進める場合は、準委任やラボ型が向いています。専門人材の稼働時間に対して費用を支払い、仮説の変更や技術検証を契約範囲に含めやすい点が特徴です。

一方で、作業時間が増えるほど費用が増えやすく、成果物や終了条件が曖昧になりやすい点に注意が必要です。月ごとの作業計画、稼働予定者、成果物、検証指標、次月へ進む判断基準、未消化時間の扱いを合意しておくと、準委任でも予算を管理しやすくなります。

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本番開発として請負または段階請負に切り替える方法が現実的です。PoCでは、代表的な文書や取引データを使い、回答品質、根拠提示率、レイテンシ、1リクエストあたりの利用料、情報漏えいリスクを確認します。

PoCから本番に移る条件を契約書に書いておけば、「試してみたが本番予算を判断できない」という事態を避けられます。検証終了時に、採用モデル、採用しなかった方式、残課題、必要なデータ整備、概算の本番費用、移行できるソースコードや設定を納品してもらうと、次の発注先へ切り替える場合にも役立ちます。

RFP・要件整理の進め方と発注前に決めること

RFPは、AIを導入したいという希望を伝える文書ではなく、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。機能要件だけでなく、対象業務、データの状態、利用者、権限、品質、セキュリティ、運用、納品物を整理すると、会社ごとの見積差を比較しやすくなります。

最初に「AIを導入する」ではなく、何を改善するかを決めます。社内問い合わせなら回答までの時間や担当者への転送率、需要予測なら予測誤差や欠品率、文書処理なら入力時間や確認漏れ、エージェントならタスク完了率や有人引き継ぎ率をKPIにします。

モデルの正答率だけをKPIにすると、実際の業務改善と結び付きにくくなります。評価データには、典型的な成功例だけでなく、古い文書、権限外の質問、曖昧な質問、入力ミス、回答してはいけない質問を含めます。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くことが必要です。

RFPには、データの種類、件数、保存場所、更新頻度、機密区分、所有部門、欠損や重複の有無を記載します。社内文書検索なら、文書の版、公開範囲、部署、更新日、廃止日をメタデータとして持てるかが品質と安全性を左右します。画像や音声を扱うなら、ファイルサイズ、形式、保存期間、再確認が必要な場合の担当者も明記します。

さらに、Google Workspace、社内SSO、基幹システム、CRM、データウェアハウスなど、どのシステムと連携するかを一覧にします。利用者の権限を検索結果やツール操作まで引き継ぐのか、管理者が一括で参照できるのかによって、設計とテスト工数が変わります。連携先ごとのAPI仕様、認証方式、利用可能なテスト環境を早期に確認します。

RFPでは、提案書に含めてほしい内容を指定します。たとえば、システム構成図、採用モデルと選定理由、RAGの検索方式、評価方法、画面とAPIの範囲、データ移行計画、セキュリティ設計、運用監視、体制、工程、前提条件、除外事項、初期費用、月額費用、保守費用を同じ順番で回答してもらいます。

特に「何を納品するか」は細かく書きます。ソースコード、IaC、プロンプト、評価用データセット、テスト結果、操作マニュアル、運用手順、障害時の連絡先、モデル更新手順、Google Cloudの請求情報を発注側へ引き渡すのかを確認します。再委託の有無、担当者の交代、契約終了後のデータ削除や引き継ぎも、提案書の回答項目に含めると安心です。

契約形態と責任分界をどう設計するか

Vertex AIの発注では、開発会社だけでなくGoogle Cloudのサービス利用契約、モデル料金、データ処理条件、保守契約が関係します。契約形態を選ぶときは、システムを作る責任、データを提供する責任、AI出力を業務で利用する責任、クラウド料金を管理する責任を分けて記載します。

「高精度」「自然な回答」「使いやすい画面」だけでは、納品時に判断できません。受入条件には、評価データの件数と種類、根拠文書の提示率、正答・誤答・回答拒否の判定方法、最大応答時間、同時利用者数、エラー時の表示、操作ログの記録、権限外データを表示しないことを盛り込みます。

生成AIの出力は入力やモデル更新で変わるため、すべての回答を固定することは難しいです。その代わり、重大な誤回答を防ぐガードレール、根拠のない回答を拒否する条件、担当者が承認してから外部へ送信するフローなど、許容できるリスクを業務単位で定義します。

Google Cloudの公式ドキュメントでは、Vertex AIのゼロデータ保持はすべての機能が自動的に同じ条件になるわけではなく、プロンプトの不正利用監視、グラウンディング、セッション再開、キャッシュなど機能ごとに扱いが異なると説明されています（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）。Google検索によるグラウンディングでは、プロンプトやコンテキスト、出力が30日保存され、無効化できない条件もあります。

そのため、契約書や仕様書では、入力データと出力データの保存場所、保存期間、ログへの記録範囲、学習利用の扱い、削除方法、再委託先、個人情報の取り扱いを確認します。プロンプト、評価データ、チューニング用データ、生成したコード、画面やAPIの著作権・利用許諾、契約終了後のソースコード引き渡しも、口頭で済ませず条項に落とし込みます。

\n+\n+\n+

本番稼働後は、文書の追加・削除、モデルの更新、プロンプト変更、回答品質の低下、Google Cloudの料金増加、API障害などが起こります。月次の品質レポート、利用料の上限アラート、モデル変更時の再評価、脆弱性対応、障害の一次窓口、復旧目標、有人引き継ぎの範囲を保守契約に含めます。

「納品して終わり」にしないことが、AIシステムでは特に重要です。発注側が自社で運用するのか、委託先が監視するのか、Google Cloudのサポート窓口へ誰が問い合わせるのか、担当者が退職したときに誰が引き継ぐのかまでを決めると、障害時の責任の押し付け合いを避けられます。

Google Vertex AIのシステム開発費用相場とコスト内訳

Google Vertex AIを利用した業務システムに、公的な一律の開発相場はありません。以下のレンジは、リサーチノートに記載された一般的な業務システム相場を基礎に、データ整備、評価、セキュリティ、MLOpsなどVertex AI特有の工数を加味した編集上の目安です。実際の見積では、対象データ、ユーザー数、連携数、性能、SLA、ログ保持期間を確定させてください。

技術検証や小規模PoCは、1業務・1〜2データソース・簡易UI・評価を含めて、300万〜800万円程度、期間は1〜3か月が目安です。業務部門向けMVPでSSO、IAM、権限連携、評価画面、Cloud Runなどの実装を含める場合は、800万〜2,000万円程度、3〜6か月程度を見込みます。

部門横断の本番システムで複数のデータ基盤・業務API、監査ログ、運用監視、有人引き継ぎ、負荷試験まで含める場合は、2,000万〜5,000万円程度、6〜12か月程度が目安です。全社利用、高い可用性、災害対策、複数業務、厳格な権限やデータレジデンシーを求める場合は、5,000万〜1億円以上になる可能性があります。

これらは特定企業の価格表ではなく、リサーチノートに基づく推定レンジです。見積書には、要件定義、データ整備、PoC、画面・API開発、Google Cloud設定、テスト、セキュリティレビュー、教育、移行、保守を分けて記載してもらうと、金額の根拠を確認できます。

Google Cloudの公式料金ページでは、Gemini 2.5 Flashは入力・出力や思考出力の有無などで単価が分かれ、Gemini 2.5 Proも入力トークン量によって単価が変わります。検索時点の公式表示例では、20万入力トークン以下のGemini 2.5 Proは入力が100万トークンあたり1.25ドル、テキスト出力が10ドルです。Gemini 2.5 Flashは入力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ドルという区分です（出典: Google Cloud「Vertex AI Pricing」、2026年確認）。

さらに、RAGのインデックス、ベクトル検索、Cloud Run、BigQuery、Cloud Storage、ネットワーク、ログ、監視、Agent Engineなどの料金が加わります。Google検索によるグラウンディングは、対象モデルで1日1,500件まで含まれる条件があり、超過分は1,000件あたり35ドル、Web Grounding for enterpriseは1,000件あたり45ドル、データによるグラウンディングは1,000リクエストあたり2.5ドルと公式ページに記載されていますが、プラン・モデル・地域によって変わるため、発注時点の料金表で再確認します。

月額費用は、モデルの推論量だけで決まりません。1日あたりの質問数、1回の入力・出力トークン、長い文書の参照、キャッシュ、検索インデックス、同時利用者数、ピーク時の性能、ログ保持期間を仮定して試算します。小さなPoCで安く見えても、全社展開で利用回数が増えると料金が変わるため、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、障害対応だけでなく、文書の更新、評価データの追加、プロンプトやモデルの変更、脆弱性対応、利用状況の分析、ユーザー教育を含めます。リサーチノートでは、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示されていますが、24時間監視やSLAを付ける場合は上振れするため、固定率として断定せず、作業項目と対応時間で見積もります。

委託先の選び方と見積比較のポイント

委託先は、Vertex AIのデモができる会社ではなく、業務データを安全に本番運用できる会社を選びます。Google Cloudの認定や専門チームだけでなく、RAG・評価データセット・ガードレール、BigQueryなどのデータ基盤、既存API、IAM・VPC・CMEK・監査ログ、PoC後の運用まで確認してください。

実績を聞くときは、「Vertex AIを使ったことがありますか」だけで終わらせません。どの業界のどの業務で、どのデータを使い、何人が利用し、どのKPIを改善し、導入後に誰が運用しているかを質問します。可能なら、提案段階で匿名化した評価結果、回答拒否の設計、障害時の対応例、運用レポートのサンプルを確認します。

Google Cloudの公式導入事例では、三菱重工がBigQueryとVertex AIで航空機製造の生産材料の需要予測を行い、キャディが図面画像の読み取りや類似画像検索にVertex AIを使っています（出典: Google Cloud公式顧客事例、2023年・2026年確認）。このような事例からも、価値はモデル単体ではなく、現場データと業務API、運用プロセスをつないだところで生まれると分かります。

\n+\n+\n+

複数社から見積を取る場合は、同じRFPを渡し、回答フォーマットを指定します。要件定義、データクレンジング、プロンプト設計、RAG構築、モデル評価、画面・API、既存システム連携、IAM、テスト、教育、移行、保守、クラウド利用料を別行にしてもらうと、安い理由や高い理由を確認できます。

比較では、最安値より前提条件を見ます。データが整っていることを前提にしていないか、評価データを発注側が用意することになっていないか、本番の権限連携や監視が別料金になっていないか、モデル料金を含んでいるか、保守の対応時間が限定されていないかを確認します。見積書に「別途」「応相談」が多い場合は、追加費用が発生する条件を質問書で明確にします。

\n+

提案面談では、「回答の根拠をどう示しますか」「権限のない文書をどう検索対象から除外しますか」「モデルやプロンプトを更新したとき、どのように再評価しますか」「入力・出力ログを誰が見られますか」「月額利用料に上限を設けられますか」と質問します。エージェントを使うなら、「ツールごとの許可範囲」「実行前の承認」「処理が止まったときの有人引き継ぎ」「長時間処理の監視」も確認します。

\n+

契約面では、再委託先、担当者の変更、ソースコードとIaCの帰属、データ削除、脆弱性対応、損害賠償の範囲、秘密保持、個人情報、生成物の知的財産、契約終了時の移行支援を確認します。技術担当者だけでなく、業務責任者、情報システム部門、法務・セキュリティ部門が同じ条件を確認してから発注すると、後戻りを減らせます。

\n+\n+\n+\n+

よくある質問

\n+\n+\n+

Google Vertex AIの発注では、費用だけでなく、PoCの進め方、社内データの安全性、契約後の運用について多くの疑問が生じます。ここでは、発注前に特に相談されやすい質問へ直接回答します。

小規模な技術検証でも、対象データの準備、評価、簡易UI、セキュリティ確認まで含めると、リサーチノートに基づく目安は300万〜800万円程度です。ただし、既存のデータ基盤や認証を再利用できるか、PoCをどこまで作り込むかで変わるため、最低金額だけでなく、含まれる成果物と除外事項を確認してください。

\n+

相談できます。業務課題、現場の困りごと、対象データ、利用者、希望時期、予算の上限だけでも、要件整理やPoC設計から支援する会社はあります。ただし、提案を比較する段階では、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。

安全性は、利用する機能、設定、データの種類、権限設計によって決まるため、一律に安全とは言えません。Google Cloudの公式ドキュメントには、データレジデンシー、CMEK、VPC Service Controlsなどのセキュリティ制御と、機能ごとのデータ保持条件が示されています（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、保存期間、ログ閲覧者、学習利用、削除手順、権限外検索の防止を具体的に確認してください。

同じではありません。Google Cloudの認定やモデル実装だけでなく、業務要件、データ整備、既存システム連携、IAM、評価、監視、保守、利用定着まで対応できるかで成果が変わります。見積の安さだけで決めず、過去の業務成果、提案体制、納品物、運用の責任分界、契約終了時の引き継ぎまで比較してください。

まとめ

Google Vertex AIのシステムを発注・外注するときは、まず業務KPIと対象データを決め、PoCと本番を分けて発注形態を選びます。請負なら受入条件と納品物、準委任なら稼働範囲と月次の終了条件を明確にし、どちらの場合も権限、ログ、データ保持、評価、障害時の有人対応をRFPに含めます。

発注前は、(1)改善する業務KPI、(2)データの所在・品質・権限、(3)PoCから本番へ進む合格基準、(4)初期開発費・クラウド利用料・保守費の内訳、(5)ソースコードやデータ削除を含む責任分界を確認します。委託先には、モデルのデモだけでなく、代表的な失敗例、セキュリティ設計、評価方法、月額費用の上限、運用担当者を質問します。

最初から全社導入を決めるのではなく、一つの業務と代表的なデータで検証し、正確さ、根拠提示率、回答拒否、レイテンシ、利用料金、タスク完了率を測定します。合格した方式だけを本番へ広げ、モデルやデータを更新した後も継続評価します。Google Vertex AIの発注は、製品名を買うことではなく、業務成果を生む仕組みと運用責任を委託することだと理解して進めることが大切です。

▼全体ガイドの記事
・Google Vertex AIのシステム開発の完全ガイド

会社紹介