OpenAI APIのシステム開発の見積相場や費用/コスト/値段について

OpenAI APIシステムの開発費は、300万円〜5,000万円以上と幅があります。金額を左右するのは、業務の範囲、データ整備、連携・権限・監査の要件です。

同じAPIを使っても、見積金額が数倍になることがあります。全体像はOpenAI API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
・OpenAI APIのシステム開発の完全ガイド

AIシステム開発の費用の考え方や見積もりの注意点については、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。

OpenAI APIシステムの概要

OpenAI APIのシステムは、OpenAIのモデルを業務アプリケーションに組み込む仕組みです。利用画面や社内データ、既存システムを、認証や監査の仕組みとつなぎます。

ChatGPTのアカウントを配るだけでなく、自社の業務ルールと権限に合わせて設計するのが特徴です。

ChatGPTの導入とAPIシステム開発の役割の違い

ChatGPTは、契約したサービスを従業員が直接利用します。一方、OpenAI APIは、自社で作った画面や業務アプリケーションからモデルを呼び出すインターフェースです。

APIを使うと、営業担当の提案書下書き、総務担当の社内規程検索、購買担当の在庫・発注状況の確認を業務フローに組み込めます。

API契約には、ログイン画面やデータベース、部署別の権限は含まれていません。文書取込、誤回答の確認画面、利用状況の監視も、別途用意する必要があります。そのため、見積もりでは周辺の業務システム開発も確認します。

システム規模の3段階（回答・検索・操作）

システムの規模は、回答だけを行う構成、社内検索を行うRAG、業務操作まで行う構成に分けて考えます。

• 回答：文章の分類、要約、校正、生成を行います。
• 検索：社内文書やFAQを検索して回答するRAGです。
• 操作：在庫照会、CRM更新、申請起票、予約登録などを行う構成。

RAGでは、文書の最新版管理と分割方法を決め、検索精度を評価します。さらに、部署別のアクセス制御も必要です。

操作する構成では、Function callingなどの連携に加えて、業務ルールと入力検証を設計します。二重確認、再実行、監査ログの設計も必要です。

AIの出力は、バックエンドで認可と妥当性を検証してから、データベースの更新に渡します。この設計は、費用と安全性の両面で重要です。

業務成果から考える機能の決め方

OpenAI APIの利用そのものを目的にすると、チャット画面を作っても利用が定着しないことがあります。そのため、改善したい指標を先に決め、AIを使わない場合の基準値も記録します。

• 問い合わせ：一次回答率
• 書類作成：作成時間と入力ミス
• 審査・対応：所要時間と担当者間の品質差

基準値があれば、PoCの後に本番化するかどうかを、数字をもとに判断できます。

OpenAI APIシステム開発の進め方

モデルの選定や画面の作成は、開発の一部です。まず業務課題とKPIを決め、データと権限を整理します。そのうえで、方式比較、試験、運用設計へ進みます。

後からデータ整備や監査の要件が見つかると、作り直しで費用と期間が膨らみます。そのため、初期の段階で範囲を明確にしておきます。

要件定義での対象業務とデータの決め方

要件定義では、業務の利用者と扱う情報、成功条件を明らかにします。

• 業務条件：営業日報要約などの業務ごとの精度、保存期間、承認者
• データ：文書、顧客情報、商品マスタ、在庫の分類と、正本・更新頻度
• 情報管理：機密情報や個人情報の取り扱いの範囲

情報の扱いを決める際は、個人情報保護委員会の生成AIサービス利用に関する注意喚起、経済産業省のAI事業者ガイドライン、社内の情報セキュリティ規程を参照します。そのうえで、入力してよい情報と禁止する情報も定めておきます。

OpenAI APIのデータ管理では、モデル学習への利用と、乱用監視やアプリケーション状態の保持を同じ意味では扱えません。そのため、契約と設定も確認します。

PoCでの方式比較と本番アーキテクチャ

PoCでは、直接モデルに質問する方式、社内文書を検索するRAG、外部ツールを呼ぶFunction callingを、同じ評価データで比べます。

評価項目をそろえると、方式ごとの品質と費用を判断できます。

• 回答品質：正答率、根拠提示率、誤回答率
• 処理：回答時間と1件あたりのAPI費用
• 業務負荷：担当者の修正にかかる時間

NotebookLM Q&A「業務システム全般_15」（2026年）でも、要件定義、テスト、運用設計が成否を左右するとされています。AI案件では、評価工程も加えて考えます。

本番では、役割ごとに部品を分けて設計します。認証画面、APIゲートウェイ、業務バックエンドに、OpenAI APIを組み合わせます。さらに、検索・ベクトルデータベース、業務DB、ログ・評価基盤を加えます。

モデルやプロンプトを変えると、品質が変わります。そのため、代表的な質問と期待する回答を評価データに残し、リリース前に回帰テストを行います。

テスト・リリース後の人の確認と監視

テストと本番運用では、誤りや利用状況を把握できる確認項目を設けます。

• テスト対象：古い文書、他部署情報、曖昧な指示、攻撃文書への対応
• 人の承認：顧客対応、審査、経理など影響の大きい業務は、担当者の承認を経てから外部へ出す
• 監視項目：利用件数、入出力トークン数、エラー率、回答修正率、検索ヒット率、権限エラー、レイテンシ、月次費用

モデルやAPIの仕様、文書、利用者数が変わると、費用と品質が変わります。こうした変化に備えるため、月次の評価会議と改善予算を保守契約に含める方法があります。

OpenAI APIシステムの費用相場

OpenAI APIシステムには、公的な統一相場表がありません。そこで、業務システムの人月単価や工程配分をもとに、AI案件へ当てはめた推定レンジを示します。対象は、RAGや認証を含む案件と、既存連携や評価・監査を含む案件です。

実際の金額は、画面数やデータ量、連携先によって上下します。セキュリティ要件や利用者数でも変わるため、予算計画の初期目安として使ってください。

小規模PoCの費用目安（300万円〜800万円程度）

小規模PoCでは、対象業務と本番判断に必要な評価範囲を分けて見積もります。

• 相場と期間：FAQ、要約、議事録整理など単一業務で300万〜800万円、期間は1〜3か月が目安
• 含む作業：要件整理、プロンプト検証、簡易画面、少量検索、効果測定
• 簡易実装：APIキー発行やサンプルだけなら、数十万〜100万円の場合もあります。
• 評価：正答率、根拠、誤回答対応、処理費用、現場の修正時間
• 本番移行：データ整備、SSO、監査、障害対応、合格条件、移行作業を契約に明記

API接続だけを見て安く感じても、本番判断のための評価や権限設計は別の費用です。また、デモ画面だけを成果にすると、本番の段階で後から作業が加わり、見積もりが膨らみます。

実用業務システムの費用目安（800万円〜2,000万円程度）

社内データRAGやSSO、部署別権限を含むうえ、監査ログや既存API連携、運用ダッシュボードも含む場合、費用は800万円〜2,000万円程度です。期間は3〜6か月の場合があります。

• データ対応：文書整備、メタデータ、検索評価、引用表示（加えるほど工数が増える）
• 業務運用：人手承認、エラー時の再処理など、API接続以外の作業
• システム設計：利用者向け画面、バックエンド、データベース、検索基盤、監視、権限管理をまとめて設計
• 認証試験：認証方式が複数ある場合の、既存ID基盤との接続試験
• 部署展開：部署ごとに異なる用語や業務ルールを評価データに反映し、対象範囲を区切る

全社・顧客向けシステムの費用の幅（2,000万円〜5,000万円以上）

全社・顧客向けでは、連携や監査などの対象範囲と運用条件が金額を左右します。

• 費用目安：複数業務、基幹連携、顧客画面を含む場合の2,000万〜5,000万円以上
• 主な構成：画像・音声、SLA、冗長化、監査、閉域ネットワークなど
• 期間：6〜12か月が目安で、厳格な審査や長期並行稼働では延びることもあります。
• 費用要因：AIモデル費用より、既存接続、データ権限、通信、試験、研修、ヘルプデスク、障害時の責任分界が影響します。

MUFGは2026年から、三菱UFJ銀行の約35,000人へChatGPT Enterpriseを段階展開しました。さらに、4か月で1,800以上のカスタムGPTを作成したと公表しています（出典: OpenAI「MUFG aims to become AI-native with OpenAI」、2026年7月）。この事例では、技術の導入と並行して教育や利用ルールを整えている点が参考になります。

OpenAI APIの料金体系とランニングコストの内訳

ランニングコストは、API従量課金と、それ以外の運用費を合わせたものです。API側では、入力・出力トークン、キャッシュ、ツールを分けて管理します。

運用側では、クラウドやデータベース、ログ、監視の費用を分けて見ます。文書更新や問い合わせ対応も、別に把握します。

長い社内文書を毎回送る設計や、同じ質問を何度も再試行する設計では、利用者が少なくても費用が増えます。そのため、実測値をもとに月額を見積もります。

モデルと入出力量で決まるトークン料金

2026年8月に確認した料金例をもとに、モデル別の単価と利用量からAPI費用を試算します。

• GPT-5：入力100万トークンあたり1.25ドル、出力は10ドルです。
• GPT-5 mini：入力0.25ドル、出力2ドル（各100万トークンあたり）。
• 請求変動：モデル、処理方式、ツール、為替、税、クラウド料金で変わります。
• 月10万回の例：入力量2,000、出力量500トークンの場合、GPT-5 mini約2.25万円、GPT-5約11.25万円です。
• 試算条件：1ドル150円換算、キャッシュ率、再試行、ツール、税、クラウド費用は含めず、通常・繁忙・利用増の3パターンで見ます。

OpenAI APIの料金表では、キャッシュ入力はさらに低単価です（出典: OpenAI API「GPT-5 Model」「GPT-5 mini Model」、2026年8月確認）。

最新モデルの性能と単価の比較

2026年時点の公式一覧には、GPT-5.6 Sol、GPT-5.6 Terra、GPT-5.6 Lunaなどがあります。

Lunaは高頻度処理向けで、入力1ドル、出力6ドルです（出典: OpenAI API「Models」「GPT-5.6 Luna Model」、2026年8月確認）。

• 候補の分け方：重要な判断は高性能モデル、定型分類や下書きは低コストモデルを候補にする
• 比較項目：正答率、根拠、禁止回答制御、応答時間、修正時間
• 総費用：API単価が下がっても、人の確認時間や誤処理の修正費が増えれば、業務全体の費用は下がりません。

料金表の単価を見るだけでなく、匿名化した代表的な実データの評価セットで、総コストを確認します。

クラウド・検索基盤・保守費の項目別管理

API以外の月額費と、保守契約に含まれる作業を分けて把握します。

• クラウド：コンピュート、ネットワーク、オブジェクトストレージ、ベクトル検索、データベース、バックアップ、監視、秘密情報管理の月額
• 画像・音声：文字処理以外に、変換や保存の費用
• 保守作業：障害、モデル・SDK更新、脆弱性、文書再取込、評価データ、問い合わせの対応範囲
• 保守費の目安：初期開発費の年15〜25%程度の場合があり、契約範囲による推定です。
• 契約条件：営業時間、24時間監視やSLA、月次改善開発の有無によって異なります。

API、クラウド、保守、追加開発を一つの月額にまとめず、項目ごとに分けた見積書を依頼します。そうすると、変動を把握しやすくなります。

OpenAI APIシステムの費用が変動する要因

費用は、API回数のほかに、データの状態と権限で大きく変わります。既存連携、品質保証、展開範囲も、金額に影響します。同じAPIを使っても、こうした条件の違いによって見積金額が数倍になることがあります。

価格を比べるときは、金額だけでなく、含まれる作業と別料金の作業を確認します。

RAGの費用を左右する文書の量と品質

社内文書を検索するRAGでは、PDFやExcelを保存したあとに、文書の状態と権限を整える作業が必要です。さらに、適切な単位へ分割してメタデータを付けます。

• 文書状態：重複、古い版、スキャン画像、表の崩れの整理
• 検索設計：部署ごとの用語への対応、分割とメタデータの整備
• 運用条件：文書数、改訂頻度、根拠表示の要件

文書数と改訂が多く、正確な根拠表示を求めるほど、取込と検証の工数が増えます。

検索結果に関係のない文書が混じることもあります。そのため、部署や役職、顧客で絞り込みます。機密区分や有効期限でも絞り、権限のない情報を回答へ混ぜないようにします。

データ整備を後回しにすると、高価なモデルへ変えても問題は解決しません。そのため、費用配分にデータ整備を明記しておきます。

既存システムとの連携数と更新操作の工数

連携先が増えるほど、API仕様や認証、データ変換の確認が必要になります。エラー処理と接続試験も欠かせません。また、参照だけの場合と、登録・更新を行う場合とでは、必要な設計が異なります。

• 参照：顧客管理、販売管理、在庫、会計などの情報の取得
• 更新：二重送信防止、承認、取消、操作履歴の設計
• 復旧：処理失敗時の再実行と復旧手順の用意

AIの判断が業務結果に影響する場合は、人の承認やルールエンジンを加えます。たとえば、一定額を超える発注を承認に回す、送信前に確認する、在庫更新の前に最新値を再取得するといった制御があります。

人の承認やルールエンジンなどの安全対策は、単純なチャットボットの見積もりには含まれないことがあります。

セキュリティと監査の要求水準による費用の違い

認証やネットワークの要求を強めると、画面とAPIだけの案件より費用が増えます。監査や保持期間の要求も、同じように費用を押し上げます。そのため、要求水準に応じて必要な対応を見積もります。

• アクセス：SSO、多要素認証、管理者権限の分離
• データ：秘密情報の扱い、暗号化、保持期間、ログのマスキング
• 運用・契約：委託先、事故報告、脆弱性、復旧目標

金融、医療、公共などでは、契約前の確認事項がさらに増えます。越境移転や再委託先、バックアップの扱いも、契約前に確認します。

モデル学習に入力データを使わない設定でも、保存や監視の条件がすべて消えるわけではありません。そのため、乱用監視ログやAPIごとの状態を確認します。さらに、削除依頼や保持期間も確かめ、社内規程と契約に反映します。

法的な適用関係は業種やデータによって異なるため、法務・情報セキュリティ担当と確認します。

利用者数と繁忙期のアクセス量による月額への影響

利用者が増えると、API回数や同時実行数、トークン数が増えます。さらに、ログ量やサポート件数も増えます。月末や年度末、キャンペーンのほか、問い合わせが集中する時期には、利用が偏る場合もあります。

そのため、ピーク時のレート制限と応答時間を基準に設計します。通常月の平均だけで見積もると、繁忙期に処理が遅れたり、追加のクラウド費用が発生したりします。

OpenAI APIシステムのコストを抑える方法

コストを抑える際は、API単価だけでなく、不要な呼び出しを減らすことが大切です。品質を保ちながら、処理を適切なモデルへ振り分けます。評価は総コストで行い、開発費やAPI費、クラウド費に加え、人の確認時間と誤処理の損失も含めます。

プロンプトの短縮とキャッシュ・検索の使い分け

必要な情報だけを検索して渡せば、同じ長い指示や文書全体を毎回送らずに済みます。定型のシステム指示や共通の説明が繰り返される場合は、キャッシュの条件を確認します。あわせて、回答の上限も必要な長さに設定します。

再試行の回数に上限を設けると、品質と費用の管理につながります。ただし、根拠文書を削りすぎると、誤回答や確認時間が増えます。

変更する前に、評価データで入力トークンの削減量と回答品質を比べます。修正率や1業務あたりの総費用も確かめておきます。

処理の難易度に応じたモデルの振り分け

処理の難易度に合わせてモデルを選びます。定型処理と、複数の規程を比べる判断業務とでは、必要な品質と費用が異なります。

• 低コスト候補：分類、定型項目の抽出、短い要約。
• 高性能候補：規程の比較、例外条件の検討、根拠提示。
• 費用管理：タスクごとの品質基準と費用上限の設定

低コストモデルで下書きを作り、条件に合わない場合にだけ、高性能モデルや人の確認へ回せます。さらに、自動振り分けの誤りに備えて、判断ログと再評価の仕組みを用意します。

重要な処理を低品質なモデルへ寄せると、事故のリスクが増えます。そのため、業務の影響度に応じて上限を決めます。

段階導入による不要な機能の作り込みの抑制

全社の文書や全顧客、全業務を一度に対象にせず、まずは効果を測りやすい一部署や業務から始めます。そのうえで、範囲を広げる条件をKPIで定めると、使われない機能への追加開発を抑えられます。

1. 参照専用のRAGでの、利用者の反応と誤りの確認。
2. 下書き生成の追加と、業務効果の測定。
3. 担当者承認付きの登録から、限定的な自動実行への範囲拡大。

MIXIはChatGPT Enterpriseを全社へ45日で展開し、一部部門で作業時間を90%以上削減したと公表しています（出典: OpenAI「MIXI reimagines communication with ChatGPT」、2025年8月）。

これはOpenAI APIの受託開発費の実績ではありません。ただし、利用ルールをそろえて段階的に利用を広げることが、定着に関係する事例として参考になります。

OpenAI APIシステムの見積もりを取るときのポイント

総額だけを見ると、安い提案の範囲が狭いのか、必要な作業が抜けているのかを判断しにくくなります。そのため、開発費やAPI、クラウドを分けて見ます。データ整備やテスト、教育、保守、追加改修も、項目ごとに分けてもらいます。

前提条件と成果物を確かめたうえで、複数社に同じ資料と同じ評価課題を渡すと、提案を比べやすくなります。

RFPに書く業務範囲と評価方法

見積もりの条件と品質評価をそろえるため、RFPや要件メモには、利用条件から文書条件までを記載します。

• 利用条件：対象ユーザー、画面、業務、対応言語
• データ・連携：入力・参照データ、外部連携、同時利用者数、月間処理件数
• 運用条件：許容レイテンシ、保存期間、権限、監査ログ、運用時間
• 文書条件：形式、件数、改訂頻度、最新版の判定、部署別権限を明記

品質は正答率に加えて、根拠提示率や禁止情報の漏えい率を見て評価します。誤回答時のエスカレーションや担当者の修正時間も、評価に含めます。

匿名化した自社の代表的なケースと、失敗しやすいケースも渡します。評価方法が曖昧なままだと、納品後に使えないと判断するリスクがあります。

API提供元・クラウド・開発会社の役割の比較

提案を比較するときは、API提供元、クラウド、開発会社の担当範囲を分けて見ます。

• 担当範囲：OpenAIはモデルとAPIを提供し、開発会社は別の役割を担います。
• クラウド選定：Azure OpenAI Serviceなどでの、画面、連携、移行、運用の担当
• 契約条件：直接利用かAzure経由かの決定と、データ保持、通信、支援、障害責任の提案書への記載
• 開発実績：RAG、Function calling、権限、評価基盤、基幹連携、運用改善の経験

JBSはセガサミーホールディングス向けにTeams基盤のAzure OpenAI Service環境を約3か月で構築しました。

JBSは、グループ15社・6,000人超が利用できる環境を整えたと公表しています（出典: JBS「生成AI活用による業務効率化事例」、2026年8月確認）。

事例の期間を自社案件に当てはめる前に、対象範囲と前提条件も比べます。

契約前に確認する追加費用と責任分界

契約前に、追加費用が発生する作業と責任分界を確認します。

• 対象外作業：データ整備、文書再取込、連携追加、モデル・プロンプト変更、利用超過、障害・脆弱性対応
• 別料金と実費：問い合わせ、研修、マニュアル、コード・評価データ引渡しの料金と、API・クラウドの負担者
• 上限・責任：請求上限、利用停止条件、誤回答の判断者とその停止条件
• 重大処理：承認者、ログ保存先、再処理、手動運用、復旧目標を契約と手順に記載

価格が低くても責任分界が曖昧な提案は、本番後の追加費用につながることがあります。

OpenAI APIシステムのよくある質問

OpenAI APIシステム開発を検討する企業から、よく寄せられる質問に回答します。API料金と開発費は分けて考えます。業務やデータ、品質、セキュリティ、運用の前提をそろえておくと、答えを読み取りやすくなります。

OpenAI APIを契約すればシステムは完成しますか？

APIはモデルを呼び出す機能で、業務システムそのものではありません。画面や認証、業務データ、権限は、別途設計と開発が必要です。さらに、ログやエラー処理、テスト、運用も必要になります。

業務利用の予算は、周辺システムと運用を含めた総額で考えます。

OpenAI APIシステムの月額費用はいくらですか？

API月額は、モデルや入出力トークン、利用回数で変わります。キャッシュやツール利用によっても変わります。

入力2,000、出力500トークンの処理を月10万回行う例では、GPT-5 miniは約2.25万円、GPT-5は約11.25万円です。

為替や税、クラウドの費用は、API月額とは別に見ます。ログや検索基盤、再試行、人の確認時間も別費用です。利用量には幅を持たせて見積もります。

RAGを導入すると費用はどの程度増えますか？

RAGの追加費用は、文書量や品質、検索方式によって変わります。権限や改訂頻度、根拠表示、利用者数でも変わります。取込や分割、メタデータの整備に加え、検索評価、アクセス制御、再取込の運用も必要です。

小規模PoCは300万円〜800万円程度、実用業務システムは800万円〜2,000万円程度を起点に、対象範囲を明確にして見積もります。

PoCから本番稼働までどのくらいかかりますか？

小規模PoCは1〜3か月、認証やRAG、既存API連携を含む実用システムは3〜6か月が目安です。全社・顧客向けで複数連携や厳格な監査を含む場合は、6〜12か月程度です。

データ提供の遅れ、既存仕様や評価基準の不明確さ、承認者不足で長期化します。そのため、受入試験、研修、移行リハーサル、段階リリースも予定に含めます。

社内データをOpenAI APIへ送っても問題ありませんか？

問題の有無は、データの種類と契約、設定、社内規程で判断します。適用法令の確認も必要です。

学習利用だけでなく、監視ログや保持期間、削除の扱いも確認します。さらに、権限、委託先、越境移転も見ます。

必要に応じて、匿名化やマスキングを行います。顧客情報や機密情報を扱う場合は、法務と情報セキュリティ担当を交えて、許可するデータと禁止するデータを明文化します。

まとめ

単純な文章生成の開発費は300万円〜800万円程度、RAGや既存連携を含む実用システムは800万円〜2,000万円程度が推定レンジです。

さらに、全社・顧客向けで高度な連携や監査を含む場合は、2,000万円〜5,000万円以上となることがあります。

API料金は、開発費とは別にかかります。入出力トークンや利用回数、キャッシュ、ツール、為替によって変動します。

費用を分けて見積もる考え方

要件定義からテスト、セキュリティ、教育までの開発費と、API、クラウド、保守の費用を分けて見ます。さらに、データ整備、画面・バックエンド、RAGや外部連携は、開発費の中の別の項目として確認します。

対象業務と評価方法、品質保証の条件を、同じ形式で比べます。責任分界と追加費用も、比べる項目に含めます。AIの回答を業務操作へつなぐ場合は、承認や監査、復旧の費用も必要になります。

小さく検証し、成果と費用を確認して広げる進め方

対象業務と利用者を絞ったPoCで、まず正答率や根拠提示、作業時間を測ります。利用量やAPI費用も、あわせて測定します。

効果を確認してから、権限や監査ログ、監視を段階的に加えます。教育や既存連携も、段階的に加えます。

OpenAI APIシステムの価値は、モデルの性能だけでなく、データと業務の設計によって決まります。

▼全体ガイドの記事
・OpenAI APIのシステム開発の完全ガイド

▼見積依頼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

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。