社内生成AIシステムの発注は、業務とデータの整理、PoCでの検証、要件に応じた開発・運用の順に進めると、安全に業務成果へつなげられます。発注形態や契約、費用、委託先の選び方も、この流れに沿って見ていきます。
▼全体ガイドの記事
・社内生成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。
社内生成AIシステムを発注・外注する前に知っておくべき全体像
社内生成AIシステムとは、社内の規程やマニュアル、FAQを検索し、根拠を示しながら回答する業務システムです。営業資料や議事録も、検索の対象になります。
要約や翻訳に加えて、Teams・社内ポータルでの利用や権限管理まで含めると、一般的なチャットボットより対象の範囲が広がります。さらに、ログや評価、業務データ連携も、その範囲に入ります。
外注の対象範囲
外注の範囲には、画面やAPIの開発に加えて、業務の整理も入ります。利用目的の整理、データ棚卸し、RAG検索設計も、外注の対象に含まれます。
SSO・アクセス制御、LLM選定、プロンプト設計も外注の対象です。評価データ作成や審査、研修も対象で、リリース後の改善まで発注の範囲に入れられます。
社内文書を使う場合は、元文書の閲覧権限を検索結果にも引き継ぐことが欠かせません。回答精度が高くても、権限を無視する仕組みは本番利用では使えません。
法人向けAIサービスと開発の使い分け
サービス導入で足りるか、外注が必要かは、必要な機能とデータ連携によって決まります。
- 法人向けAIサービス：文書検索が中心で、利用者が限られ、既存の認証・文書管理を使える場合
- 閲覧制御：部署ごとに参照できる文書を分ける場合は、SI会社や開発会社への外注が適します
- 継続同期：SharePointやファイルサーバーと継続して同期する要件も、外注を検討する対象です
- 業務実行・監査：回答から申請・登録まで実行する場合や、利用ログの点検が必要な場合は、外注が選択肢になります
最初から全機能を作るより、必須業務を一つ選んでPoCを行い、本番化する範囲を判断するほうが現実的です。
社内生成AIシステムの発注形態の選び方
発注形態には、標準サービス、クラウド基盤のRAG開発、SI会社による統合があります。このほか、内製と外注の共同運用やオンプレミス構築も選べます。
形態を選ぶ際は、必要な連携と機密度、導入速度を見ます。さらに、社内に残す技術と運用担当者も、判断材料になります。
予算だけで比べると、安価なPoCと本番基盤を取り違えてしまいます。そのため、先に業務要件を分類してから、形態を選びます。
標準サービスの導入が向いている企業
利用規程を整え、社員が安全に生成AIを使う環境を早く作る企業には、法人向けAIサービスが向きます。社内データを検索しない用途なら、独自開発をせずに始められます。たとえば、メール作成や要約、翻訳、アイデア整理がこれにあたります。
契約時は、入力データをモデル学習に使うかを確かめます。そのうえで、保存期間と保管地域、退会時の削除可否、管理者ログの取得可否も確認します。
入力情報が学習データに使われる場合は、個人情報の扱いに注意が要ります。個人情報保護委員会も、この点への注意を促しています。
RAG開発・SI会社への外注が向いている企業
社内規程や製品資料を根拠に回答させたい企業には、RAGを含む開発が適しています。RAGとは、関連する社内文書を検索し、その内容をLLMに渡して回答を生成する方式です。
文書を改訂するたびにモデルを学習し直す必要がありません。そのため、頻繁に更新する規程やFAQに合う方式です。
発注時は、対応する文書形式と同期頻度、検索方式を指定します。根拠リンクや権限継承、回答不能時の表示、評価方法も、あわせて書いておきます。「RAGを作る」とだけ書くと、必要な仕様が開発会社に伝わりません。
内製と外注を組み合わせる発注
業務部門と情報システム部門が目的、データ、評価基準を持ち、外部会社が設計・実装・運用立ち上げを支援する共同方式が現実的です。
外注先に丸投げすると、現場で使われない機能や説明できない設定につながります。一方で、すべてを内製すると、品質評価やセキュリティ、障害対応に時間がかかります。
RFPには、自社側の責任者と意思決定者を明記します。データ所有者と受入テスト担当者も書き、役割を分けておきます。
RFPと要件整理で決めること
RFPは、価格を求めるだけの書類ではなく、各社の提案を同じ条件で比べるために前提をそろえて示す文書です。前提には、業務課題、利用者、参照データ、セキュリティがあります。そのうえで、段階導入、納品物、見積前提もそろえます。
要件が曖昧なまま依頼すると、会社ごとに想定する範囲がずれます。そのため、金額も納期も比べられなくなります。
業務要件のMUSTとWANTの分け方
まず「誰の、どの業務を、どれだけ改善するか」を書き出します。例として、情シスへの問い合わせ削減、営業の提案根拠探し、人事規程への一次回答が挙げられます。
各業務について、対象部署、月間質問件数、所要時間を押さえます。さらに、回答者、参照文書、誤回答時の対応も整理します。
MUSTに入るのは、SSO、権限分離、根拠表示、監査ログです。WANTは、音声入力、モデル切替、自動登録が候補になります。
RFPに書くデータと権限
RFPでは、参照するデータの出どころと、データごとの性質を整理しておきます。置き場所や形式だけでなく、更新の仕組み、閲覧の制御、ログの扱いまで書いておくと、各社の提案を同じ条件で比べられます。
- データ源：SharePoint、ファイルサーバー、社内Wiki、FAQ、CRM、ERP
- データの属性：形式、容量、更新頻度、所有部署、機密区分、既存権限
- 文書の更新：古い文書の除外、改訂時の再取込、削除の索引反映、参照元URLの保持
- 認証・閲覧制御：Microsoft Entra IDなどのSSO、多要素認証、部署・役職・案件単位の制御
- ログ管理：回答ログ、個人情報・営業秘密の検知、保存期間、閲覧権限
RAGの精度は、LLMだけでなく、文書の重複や古さ、見出し構造、権限にも左右されます。
検索基盤側でも閲覧権限を判定するかどうかを、RFPで決めておきます。ログの条件まで明記しておくと、セキュリティ審査での手戻りを減らせます。
回答品質と受入条件の決め方
納品時の合否は、「高精度に回答する」といった表現では判断できません。そこで、業務別の代表質問を用意し、評価項目を決めます。
根拠提示率と回答不能時の拒否率、部署外文書の非表示率を測ります。さらに、応答時間と1回あたりの推定コストも評価します。
正解率だけを見ると、根拠のない回答を見落としてしまいます。そのため、「根拠文書」「更新日」「不明な場合の案内」を表示するかも、受入条件に入れます。
社内生成AIシステムの契約形態の選び方
要件が固まった部分と、PoCで検証する部分が混在します。そのため、工程ごとに契約を分けて、不確実性を管理します。
一括請負では、前提が変わったときに追加費用や納期の変更が起きがちです。一方で、すべてを準委任にすると、成果物や完成基準が曖昧なまま残ります。
請負契約が向いている工程
請負契約が合うのは、成果物と完成条件を明確にできる工程です。たとえば、確定した画面仕様のチャットUIや、決めた形式のデータ連携、テスト仕様書に基づく機能実装があります。
契約書には、成果物、検収期間、瑕疵対応を記載します。さらに、再委託条件や知的財産権、ソースコードと設定情報の引渡範囲も入れます。また、モデルや外部APIの仕様変更に備え、第三者サービスの停止・料金変更時の扱いも確認します。
準委任契約が向いている工程
準委任契約は、専門知識を得ながら最適解を探す工程に合います。要件整理やデータ棚卸し、RAG検索評価がこれにあたります。モデル比較やPoC、運用改善も含まれます。
文書が想定より複雑な場合や、現場の質問が当初の仮説と異なる場合でも、作業を調整できます。
稼働時間の記録だけでなく、月次報告や評価結果、課題一覧も成果として残す条件を設けます。翌月の合意事項まで残しておくと、作業内容があいまいになるのを防げます。
契約時に確認するデータ・責任・終了条件
契約では、社内データを外部LLMの学習に使わない条件、保存場所、海外移転を確認します。個人情報や事故報告期限、ログの所有権も対象です。プロンプトと評価データの利用範囲も、確かめておきます。
再委託先の開示と監査権限も、契約で定めます。PoCが本番化しない場合に備えて、データの返却・削除の方法を決めておきます。設定やソースコードの持出し、別会社への移行可否も、終了条件に含めます。
社内生成AIシステムを発注してから稼働させるまでの進め方
発注後は、次の順に工程を進めます。
- 要件定義
- データ準備
- PoC
- 詳細設計・開発
- 受入テスト
- 本番移行
- 運用改善
期間は範囲によって変わります。たとえば、サイオステクノロジーはRAG型サービスを最短2営業日で導入できると公表しています。
これは標準サービスの導入期間で、複数システム連携や全社権限設計を含む開発期間とは違います。そのため、標準導入、個別開発、データ整備、運用設計を分けて見積もります。
企画とデータ棚卸し
まず対象業務を一つに絞り、問い合わせ件数や検索時間を計測します。文書は、所有者、更新日、機密区分を一覧にします。アクセス権や重複、廃止状態も、あわせて洗い出します。
古いマニュアルや内容の食い違うFAQを整理しないまま投入すると、検索結果が分散し、回答の根拠が不安定になります。そこで、データ整理を自社と外注先のどちらが担うかを、RFPで分けて見積もります。
PoCで検証する項目
PoCの質問は、部署別と難易度別に用意します。そのうえで、正しさや根拠提示、回答不能時の拒否を検証します。さらに、応答時間や利用コスト、権限分離も確かめます。
情シス、総務規程、営業資料の3種類で同じ質問を複数回行い、結果の揺れも見ます。利用者には、便利さに加えて、修正せず使えるか、参照元を確認できるか、誤回答時に人へ引き継げるかを評価してもらいます。
本番化後の運用と発注範囲
本番後は、文書の追加や削除、低評価の分析、プロンプト改訂を続けます。モデル切替や障害監視、脆弱性対応、利用者教育も必要です。リリースは、運用の始まりにあたります。
ログや評価が残っていないと、問題の発見が遅れ、利用も定着しません。月次改善会議や窓口を決めておき、重大な誤回答時の停止手順も用意します。ベンダーの対応時間は、契約と運用設計に定めます。
社内生成AIシステムの費用相場と見積の内訳
費用は、利用者数や文書量、データ源で変わります。権限の複雑さや業務連携、セキュリティ、運用範囲も、費用を左右します。たとえば、サイオステクノロジーのRAG型サービスは、初期260万円（税抜）から、月額10万円からです。
SCSKの生成AI統合活用基盤は、初期導入300万円、サポート年150万円と公表されています。個別連携や追加オプション、データ整備は別料金になる可能性があります。そのため、これらの金額は相場の下限として扱います。
規模別の費用レンジ
サービス設定から全社連携まで、発注範囲の広がりに応じて、費用の目安も変わります。
- 既製サービスの設定：0〜100万円程度
- 部門向けRAGのPoC：260万〜500万円程度
- 中規模本番RAG：500万〜1,500万円程度
- 全社基盤・複数業務連携：1,500万〜5,000万円以上
この数字は市場統計ではなく、公開価格に作業を加えて推定したものです。加えた作業は、データ整備や評価、認証、連携、運用設計です。
オンプレミスやローカルLLMでは、GPUサーバーや冗長化、保守、モデル更新が加わります。その結果、数千万円規模からになることがあります。
一部署の利用者でSharePointが一つ、既存SSOを使い、業務操作がない場合と、全社利用で複数の権限体系を統合する場合では、工数が変わります。そのため、見積では利用者数や月間質問数、データ容量を確かめます。連携本数や環境数、監視時間、保守窓口も、見積の前提として確認します。
月額・従量・保守のランニングコスト
運用費には、次のような項目が含まれます。
- AI利用：LLMの入出力トークン、埋め込み生成
- 基盤：検索、ストレージ、API
- 運用：監視・ログ、セキュリティ、技術支援、文書更新、研修
AWS公式の例では、1日100回のチャットに、Bedrock、OpenSearch Serverless、ガードレールなどを組み合わせると、月820.61米ドルです。
この例では、OpenSearch Serverlessの基本構成だけで月691.20米ドルとなり、検索基盤も費用を左右します。為替やリージョン、モデル、ログ量によって金額は変わります。そのため、円換算は固定の為替レートでは示しません。
OpenAIのGPT-4.1公式価格は、100万トークンあたり入力2ドル、出力8ドルです。実際には、検索や認証、監視、保守の費用も加わります。
見積では、固定保守費とクラウド実費、従量課金を分けて示してもらいます。利用が増えたときの上限や通知も、あわせて確認します。
委託先の選定と見積比較のポイント
デモの動作に加えて、権限を守った検索と根拠表示を確認します。本番後の評価・改善や、障害時にどこまでを誰が受け持つかも確認します。
実績については、社名や導入数に加えて、対象部門とデータ源を質問します。利用人数や導入後の評価、運用体制まで聞くと、実績の中身が見えてきます。
実績の構築範囲
実績を見るときは、文章生成アプリの数だけでなく、構築範囲に注目します。
- 開発範囲：RAG、SSO、権限継承、ログ、業務API連携の担当実績
- 短期導入・価格：対応形式、グループ別制御、根拠表示、公開価格を示すサイオステクノロジー
- Azure・複数部署：Entra ID、複数テナント、RAG、Teams連携、精度評価を組み合わせるSCSK
NTTデータは、社内ポータルやFAQを参照する全社員向けサービスを開発・運用しています。平均週約60分の削減と、89%が継続利用を希望したという調査結果を公表しています。
同じ効果が出るとは限らないため、対象業務と測定方法が自社に近いかを見て、用途別に候補を比べます。
同じ前提での見積比較
複数社に同じRFP、サンプル文書、質問セットを渡し、次の範囲を照合します。
- 開発：要件定義、UI、認証、データ取込、検索基盤、LLM
- 品質・移行：評価、テスト、移行
- 継続費：研修、保守、クラウド費、従量課金
安い見積では、データ整備や権限連携、審査、運用引継ぎが含まれていない場合があります。一式とだけ書かれた見積は、内訳と前提を質問します。
価格以外に、文書構造と業務フローに合う設計や、PoCの測定項目を比べます。失敗時の縮小・中止方法と、本番後の支援も、見積の比較に含めます。
3社以上で比べる場合は、機能、セキュリティ、運用の軸を事前に決めます。価格、体制、移行性も、同じ質問で比べます。
セキュリティとベンダーロックインの確認
契約と設計では、次のセキュリティ条件を確認します。
- データ保護：モデル学習への不使用、暗号化、アクセス制御
- 運用対策：脆弱性対応、監査ログ、バックアップ、復旧目標
- 移行性：LLM変更、検索インデックス・メタデータの移行、プロンプト・評価データ・設定情報の受領
経済産業省のAI事業者ガイドライン第1.2版は2026年3月31日に取りまとめられ、AIの開発・提供・利用のリスクを整理する際の参照先になります。さらに、法務や情報セキュリティ部門の審査項目も、提案依頼の時点で共有しておくと、契約直前のやり直しを防げます。
特定のクラウドやモデルを選ぶ場合でも、選んだ理由と変更コストを説明できるようにしておきます。移行できる設計や契約であれば、必要になったときに選択肢を保てます。
社内生成AIシステムの発注・外注に関するよくある質問
費用だけでなく、導入範囲やデータの扱い、PoCから本番化する判断基準を押さえておくと、開発会社との打ち合わせが具体的になります。
社内生成AIシステムはどの会社に発注すればよいですか？
必要な業務範囲とセキュリティ条件によって選びます。短期のナレッジ検索であれば、標準RAGサービスが候補になります。複数の認証やデータ源、業務連携が必要な場合は、RAGと業務システム開発の実績があるSI会社を検討します。
候補企業には同じRFPを渡し、権限継承、根拠表示、運用支援、費用内訳を比べます。
社内生成AIシステムの開発費用は何円からですか？
公開されている価格では、サイオステクノロジーのRAG型サービスが初期260万円（税抜）から、月額10万円からです。SCSKの統合基盤は、初期300万円、サポート年150万円です。
これらは標準サービスや基盤の価格で、全社開発の費用は含みません。データ整備や個別コネクタ、権限連携は、別に見積もる必要があります。評価と保守も、別に見積もる必要があります。
部門PoCは260万〜500万円、中規模本番RAGは500万〜1,500万円程度を起点に見積もります。
社内文書をAIに登録しても情報漏えいしませんか？
適切な設計と契約で、リスクを抑えることはできます。ただし、漏えいしないと断定することはできません。
要件として、SSOや多要素認証、権限継承、暗号化を定めます。監査ログや個人情報の検知、学習利用の条件も要件に加えます。プロンプトインジェクション対策と、人による確認も含めます。
元文書を閲覧できない社員に検索結果を出さないことは、実データを使った受入テストで確かめます。
PoCだけ外注して本番開発を別会社へ依頼できますか？
可能ですが、PoCの成果を本番へ移せるように、契約と設計を整えておく必要があります。評価質問や正解データ、プロンプト、検索設定は、納品物に含めます。文書メタデータやソースコード、クラウド構成、課題一覧も含めておきます。
データや設定を持ち出せない場合、別会社による再調査の費用が発生します。そのため、開始時に本番化の判断基準と引継ぎ範囲を合意しておくと、委託先を変える際の負担が減ります。
まとめ
発注では、法人向けサービスで足りるか、RAGの個別開発や業務連携が必要かを切り分けます。対象業務や利用者、データをRFPにまとめ、権限、評価指標、運用体制も入れて、MUSTとWANTを分けます。
確定している開発は請負、検証や改善は準委任と、工程に合わせて契約を分けます。
費用は、公開サービスの初期260万〜300万円程度から、中規模本番の500万〜1,500万円、全社基盤の1,500万〜5,000万円以上まで幅があります。
金額だけでなく、内訳を分けて比べます。データ整備や認証、検索基盤は、開発の項目として見ます。LLM利用料や保守、教育も、同じように分けて比べます。
委託先は、権限継承、根拠表示、評価を確認します。セキュリティや運用改善、移行性も、あわせて見ます。そのうえで、一つの業務でPoCを行い、本番の範囲を広げます。
社内生成AIの長期的な成果は、文書更新や回答評価、社員への定着を続ける運用で決まります。
▼全体ガイドの記事
・社内生成AI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。
・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。