相談する

RAGシステム開発でおすすめの開発会社/ベンダー6選と選び方

RAGシステムの開発会社は、業務との適合性、データ管理、セキュリティ、既存システム連携の観点で比べると、導入後に定着する会社を選びやすくなります。

株式会社riplaを含む計6社（ほか5社）の特徴と、選ぶ際の観点、費用やPoCでの確認事項を取り上げます。

▼全体ガイドの記事
・RAG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。

RAGシステムのパートナー選びが重要な理由

RAGの業務課題とデータ整備の一体設計として、活用先、評価指標、文書情報、取込・運用をカードで示した図
4項目をそろえると、業務課題から運用までを同じ視野で検討できます。

RAGシステムの成否は、どの文書をいつ検索し、誰にどの範囲まで見せ、回答できないときにどう止めるかで決まります。たとえば、古い規程や重複したFAQを取り込むと、検索結果そのものが不正確になります。また、質問者の権限を無視して検索すると、回答文が自然でも情報漏えいにつながります。

RAGの業務課題とデータ整備の一体設計

RAGの用途、業務指標、データ管理は、別々に決めず一体で設計します。

  • 活用先：社内検索、マニュアル問い合わせ、営業資料・保守履歴検索、規程や契約書の要約
  • 評価指標：「AIを使うこと」が目的だと回答の自然さに偏るため、一次回答時間を何分減らすか、正解文書への到達時間を何割削減するかで測ります
  • 文書情報：所有者、改訂日、機密区分、廃止日、利用者の所属、既存システムのID
  • 取込・運用：対象データの取り込み、更新・削除の反映、維持責任者と運用手順

文書は、PDFやスキャン文書、表、画像、Excelといった形式で保存されていることがあります。保存先も、SharePoint、ファイルサーバー、基幹システムといった場所に分かれる場合があります。このような場合は、取込方法と更新・削除の反映方法も要件に含めます。

発注前に決めるPoCの評価方法と本番条件

PoCでは、現場の質問を集めて回答品質と運用面を評価します。

  • 質問セット：現場で実際に困っている質問を数十問から数百問程度集める
  • 回答の妥当性：正解文書と引用箇所の対応、回答不能時の「わからない」という応答
  • 安全性：権限外の文書を回答に出さないこと
  • 運用指標：正答率、回答時間、再質問数、確認工数、ログの追跡性

2026年の公開資料では、小規模PoCは50万〜300万円が目安です。データ整備や権限検証を含むPoCは300万〜800万円、標準的な本番導入は300万〜1,500万円程度です（出典: 株式会社ルートチーム、株式会社ソフィエイトのRAG開発・導入費用資料、2026年）。ただし、これは公的な一律の相場ではなく、文書量、連携数、利用者数、セキュリティ要件で変わります。

費用の比較は、同じ前提を複数社に渡して行います。

ポイント

RAGの成否は、どの文書を検索し、誰にどの範囲まで見せるかで決まります。回答の自然さだけで選ばず、文書の整備と権限の扱いを先に比べると、後の手戻りを減らせます。

株式会社ripla｜コンサルから開発まで一気通貫の支援

riplaは、コンサルティングから開発まで一気通貫で支援できる企業です。IT事業会社として社内DXを進めた経験を活かし、成果の創出とシステムの定着を支援します。

営業・顧客・生産・販売管理など、幅広い基幹システムの構築・導入実績があります。また、企業の業務要件に合わせて柔軟に対応できる体制を整えています。

特徴と強み

業務データの整理から開発、導入後の定着まで、riplaに一貫して相談できます。

  • 一貫支援：業務ヒアリング、現状整理、要件定義、画面・データ設計、開発の相談
  • 段階的な実装：成果指標と運用負担を見ながら進め、導入後の定着も支援
  • 権限に応じた検索：部署・顧客・案件・公開範囲をメタデータにして、対象を絞り込む
  • 業務連携：基幹システムや業務アプリの入力・承認・記録の流れへの組み込み

得意領域・向いている案件

業務部門とシステム部門の要望整理や、PoC後の定着を見据えたい企業は、riplaを候補に入れられます。

  • 要望整理：業務部門とシステム部門の間にある要望をまとめたい
  • 情報検索：複数の基幹システムや共有フォルダにある情報を横断して探したい
  • 現場定着：PoC後に業務システムとつなぎ、成果を見据えて導入したい

問い合わせの際は、対象業務、文書の種類と件数、更新頻度、利用者数を共有します。あわせて、現行の保存場所や機密区分、連携したいシステム名も伝えます。

見積もりは、要件定義、データ整備、検索・生成基盤、権限管理に分けて示します。テスト、教育、保守も、それぞれ別の項目として出します。内訳がそろうと、他社との比較がしやすくなります。

株式会社NTTデータ｜金融・公共を含む大規模業務システムに対応

株式会社NTTデータは大手SIerで、生成AI活用のコンサルティングから、アプリ、インフラ、運用まで支援しています。公開情報では、独自文書を参照する生成AIや、AIガバナンスを含む導入支援が案内されています。既存の大規模業務システムと生成AIを組み合わせたい企業にとって、比較しやすい会社です。

特徴と強み

NTTデータは、大規模組織のRAGを業務アプリやインフラ、運用監視と一体で検討できます。

  • 基盤設計：認証、監査ログ、ネットワーク、データ連携、運用監視を一体で検討
  • 業界適合：金融・公共など説明責任と継続運用が重い領域
  • 既存資産：業務アプリやインフラ、システム資産を活かした導入
  • 統制：根拠文書と参照記録の整備、権限継承や人の承認、既存認証・ログ接続の確認

得意領域・実績

NTTデータの公開事例では、碧海信用金庫にRAG「LITRON Generative Assistant on finposs」を導入しています。その事例では、1日約4,000件の問い合わせに対応する構想や、FISC準拠、根拠文書の表示が紹介されています（出典: NTTデータ「碧海信用金庫がNTTデータの生成AI活用サービスを導入」、2025年）。

同じ効果が自社で得られるとは限らないため、事例の条件を自社業務に置き換えて確認します。

  • 準拠事項：FISCや社内規程への準拠、閉域接続の要否
  • 案件適合：金融・公共・大企業など、機密情報、監査、既存基盤との接続が必要な案件
  • 運用条件：認証方式、ログ保存期間、障害時のサポート時間
  • 本番移行：PoCから本番へ移す判定基準の事前決定

問い合わせの種類や金融機関向けの権限設計、回答確認の手順も、自社業務に合わせて確かめます。

ポイント

金融・公共など統制が重い案件や、大規模な業務システムとの接続では、基盤から運用までを一体で見られるかで比べます。事例の数字は同社の条件での結果なので、自社の条件に置き換えて見直します。

富士通株式会社｜閉域・オンプレミスで機密データを活用

富士通株式会社は、企業向けの生成AIフレームワークを提供しています。さらに、オンプレミス環境で動く「Private AI Platform on PRIMERGY」も展開しています。

公式情報では、ネット接続が不要な環境で、LLM、VLM、OpenAI互換APIを組み合わせられるとされています。社内文書に基づくRAGも構成でき、機密データを社外へ出せない企業の検討対象になります。

特徴と強み

機密データを社外へ出せない場合は、閉域でAIを動かせるかどうかが、選ぶ際の基準になります。

  • 対象業界：製造、金融、公共、医療など社外クラウドへデータを送れない企業
  • 基盤構成：GPUサーバー、検証済みOS・コンテナ、日本語業務向けモデル
  • 一体検討：独自データを参照するRAGを含め、ハードウェアからAI基盤まで

公開されている構成価格は、エントリー構成で税別365万1,880円から、別の構成で税別868万4,880円からです。ただし、これはサーバーや基盤の構成例であり、アプリ開発、文書整備、運用費を含む総額ではありません（出典: 富士通「Private AI Platform on PRIMERGY」、2026年確認）。

構成価格は基盤の例なので、費用を比べるときは、GPU、ストレージ、バックアップ、ネットワークなどの基盤部分と、モデル更新、保守、検索アプリを分けて見ます。

得意領域・向いている案件

閉域・オンプレミスの要件がある企業や、既存環境を活かしたい企業は、比較候補に入れられます。

  • 利用環境：インターネット非接続、データ主権、社内サーバー運用を重視
  • 既存資産：既存インフラや業界向け業務システムを活用したい
  • 文書処理：製造文書・保守履歴・設計書の図表や画像を扱う場合、OCR等をデモ確認
  • 運用条件：ネットワーク、GPU設置場所、利用者数、容量、更新頻度、モデル交換、保守分担

オンプレミスでも、検索インデックスやログには機密情報が残るため、保存期間と権限を設計しておく必要があります。

ポイント

社外にデータを出せない企業は、閉域でAIを動かせるかを最初の判断にします。費用は構成例の価格だけで比べず、アプリ開発や文書整備、運用費を含めて見積もるのが安全です。

株式会社日立ソリューションズ｜文書管理・企業内検索へのRAG組み込み

株式会社日立ソリューションズは、文書管理・検索の「活文」や生成AI活用の支援を提供しています。また、活文の業務プロセスには、RAGや要約などの生成AI機能を追加できます。

既存文書を置いたままの環境で、社内情報を使って回答する企業内検索基盤も案内されています。文書管理とAI検索を一体で整えたい企業にとって、比較の候補になります。

特徴と強み

既存の文書資産や検索基盤を活かして、生成AIを追加する方式を検討できます。

  • 横断検索：規程、申請書、報告書、顧客とのやり取り、技術文書をまとめて探す
  • 既存環境：文書の保管場所を変えず、検索結果を根拠に回答する構成

日立ソリューションズは、活文の文書管理・企業内検索に加えて、AIエージェント活用も案内しています（出典: 日立ソリューションズ「生成AI・AIエージェント」、2026年確認）。検索精度だけでなく、改訂や廃止された文書の扱い、権限継承、回答に使った文書の版数も確かめます。

得意領域・向いている案件

文書検索や社内問い合わせ、業務プロセスのデジタル化を進めたい企業に向いています。

  • 活用業務：規程検索、社内問い合わせ、文書の確認・要約
  • 既存環境：文書管理や企業内検索を活用し、現行検索の課題を改善したい
  • 確認事項：製品、ファイル形式、部門権限、更新・廃止フロー、利用業務画面
  • 提案範囲：文書整理、権限マッピング、インデックス再構築、教育、精度調整

新しいAIを入れる前に、現行検索で見つからない質問や、更新が遅れがちな業務を洗い出します。

SCSK株式会社｜クラウド・データ基盤とRAGの組み合わせ

SCSK株式会社は、クラウドやデータ統合、生成AI活用を組み合わせた「NebulaShift ai」を提供しています。公式情報では、オープンソースLLMを使ったRAGやファインチューニングの技術が案内されています。さらに、マルチAIエージェント技術による生成AIの精度向上も支援します。

既存のクラウドやデータ基盤で複数部門へ展開したい企業にとって、比較の候補になります。

特徴と強み

RAGは、データの収集から変換、検索、評価、監視まで続くため、クラウド基盤も含めて設計します。

  • 本番運用：クラウド基盤やデータ連携を含めると移行しやすい
  • モデル比較：複数モデルの品質、費用、速度、データの扱いを、同じ評価セットで比較

NebulaShift aiでは、RAG、ファインチューニング、AIエージェントを選択肢として案内しています（出典: SCSK「NebulaShift ai」、2026年確認）。なお、データ統合、認証、監視、運用のそれぞれについて、SCSKと自社がどこまでを担うかを確かめます。

得意領域・向いている案件

既存のクラウドやデータ基盤を活かして、部門展開や将来の拡張を考える企業が候補になります。

  • 既存環境：Google CloudやMicrosoft Azureと業務データのRAGへの接続
  • 展開方法：AIエージェント拡張を見据えた、ヘルプデスクや営業資料検索からのPoC
  • 相談情報：クラウド、データレイク・DWH、認証、連携API、月間質問数
  • 費用内訳：モデル利用料、ベクトル検索、ストレージ、ログ、ネットワーク、保守

相談の際は、利用するモデルとデータの更新頻度も共有します。

日本アイ・ビー・エム株式会社｜企業向けAIとガバナンスの一体支援

日本アイ・ビー・エム株式会社（IBM Japan）は、企業向けのAI基盤やAIコンサルティングを展開しています。RAGの標準アーキテクチャーも提供しています。また、専有データの検索だけでなく、モデル、データ、業務プロセス、ガバナンスをまとめて検討できます。

特徴と強み

IBMの公式解説では、RAGを複数の構成要素に分けて整理しています。

  • 設計要素：ナレッジベース、レトリーバー、統合層、ジェネレーター
  • 統制・監査：検索・権限・プロンプト・回答生成・根拠表示の切り分け、モデルの後からの切り替え、検索結果と回答の監査
  • データ利用：金融・保険の専有データや複数業務アプリの横断検索、再学習に使わない契約かどうかの確認
  • 構成・費用：watsonx系、既存クラウド、オンプレミス、外部LLMの選択と、ライセンスと従量課金の区分

得意領域・向いている案件

専有データを扱い、AI基盤や全社のガバナンスを整えたい企業が比較の候補になります。

  • 利用企業：金融・保険・製造などの専有データを扱う企業
  • 基盤活用：既存のAI・分析基盤の業務への組み込み、利用ルールや監査の全社整備
  • PoC確認：検索順位、回答拒否条件、ツール連携の実行権限
  • 発注条件：導入基盤、保管場所、暗号化、アクセスログ、モデル更新、脆弱性対応、SLA、終了時のデータ返却・削除

利用者教育や評価データの作成、月次の精度改善も、費用と運用計画に含めます。

RAGシステムの開発会社を選ぶポイント

見積もりと運用分担の比較項目として、開発費、従量課金、運用分担、契約条件を並べた図
費用の範囲と担当内容を項目ごとに確認できます。

6社にはそれぞれ得意な領域があるので、まず自社のデータや機密度、既存システム、利用者数、将来の展開を整理します。そのうえで、同じ質問と評価データを使い、3社程度に相談すると判断しやすくなります。価格だけでなく、PoCから本番へ進む条件や、運用後の精度改善を担う人も比べます。

実績の確認：デモではなく自社データへの対応

「生成AI対応」という表示だけでは、自社の文書形式や権限モデルに合うかは分かりません。

  • 導入条件：類似事例に加え、文書量、利用者数、質問数、更新頻度、既存連携、運用体制を確認
  • 実機確認：可能なら、匿名化文書と実際の質問を使った回答根拠と拒否条件の確認
  • 効果測定：導入前の検索時間、一次回答件数、確認時間、エスカレーション件数の計測

導入事例の数字は環境や評価方法で意味が変わります。NTTデータの1日約4,000件は同社事例の規模であり、自社で得られる処理量や効果を保証するものではありません。

技術力の見極め：検索・権限・評価・監視

検索性能と安全性は、PoCで確認できる技術項目に分けて評価します。

  • 検索：ハイブリッド検索、リランキング、チャンク分割、表・画像処理、版管理
  • 権限・保護：文書単位のACL、SSO・IAM、テナント分離、暗号化、監査ログ、根拠表示、入力・検索・出力のフィルター
  • 攻撃試験：文書内指示の実行や権限外回答をレッドチーミングで検証

型番や規程番号はキーワード検索、言い換えを含む自然文はベクトル検索が得意です。そのため、片方だけに頼らない設計が候補になります。

IPA/AISIは2025年にRAG実装AI向けのレッドチーミング手法を公表しました（出典: IPA「AIセーフティに関するレッドチーミング手法ガイド」、2025年）。また、導入前の攻撃シナリオ作成にも活用できます。

見積もりと運用分担の比較

見積もりと運用分担を同じ項目で並べ、初期費用と継続費用を比べます。

  • 開発費：要件定義、データの洗い出し、OCR・前処理、検索基盤、LLM連携、画面開発、認証・権限、既存システム連携、テスト、教育、リリース、保守
  • 従量課金：入出力トークン、埋め込み生成、検索インデックス、ストレージ、ログ、ネットワーク
  • 運用分担：文書の追加・削除の申請者、インデックス更新の所要時間、回答品質の評価担当、モデル変更時の再テスト
  • 契約条件：月額保守、SLA、仕様書・データ・評価セットの引き渡し条件

Google CloudやAWSは、モデル、リージョン、契約によって料金が変わるため、見積もり時点の料金表で再計算します。

公開資料では、月額保守の目安が10万〜80万円程度として示されることがあります。ただし、その額は、利用量課金や精度改善、障害・セキュリティ対応の有無で変わります。

ポイント

6社にはそれぞれ得意な領域があるため、自社のデータや機密度、既存システムを整理してから候補を絞ります。実績、技術、見積もりを同じ項目で比べると、社内の判断がそろいやすくなります。

よくある質問（FAQ）

発注前に、どの業務で、どのデータを誰が使い、何をもって成功とするかを決めておくと、比較しやすくなります。

RAGシステムの開発費用はいくらですか？

費用の目安は、開発範囲と利用条件を分けて確認します。

  • 小規模PoC：50万〜300万円
  • データ整備・権限検証を含むPoC：300万〜800万円
  • 本番導入：300万〜1,500万円程度

この目安は2026年の公開資料に基づくもので、文書量、利用者数、連携数、閉域要件、運用範囲によって変わります。また、LLMや検索基盤の利用料と保守費用は、開発費と分けて確認します。

RAGはクラウドとオンプレミスのどちらがよいですか？

機密性、ネットワーク、運用体制、処理量の観点から、両方式を見ます。

  • クラウド：短期間で始めやすく、マネージド検索やモデルを使いやすい
  • クラウドの確認点：データ保管場所と外部サービスへの送信条件
  • オンプレミス・閉域：データを外部へ出しにくい反面、GPU、冗長化、更新、保守人材の費用がかさみやすい

両方式については、総保有コストを並べて比べます。

社内文書や個人情報をRAGで扱っても安全ですか？

安全性は仕組みと運用で変わるため、一律には言えません。

  • アクセス・保管：検索対象の権限、データ保管場所、学習利用の有無
  • 保護策：暗号化、監査ログ、個人情報のマスキング
  • 回答制御：回答拒否とプロンプトインジェクション対策

経済産業省・IPAの「AI事業者ガイドライン（第1.2版）」では、RAGの検索・参照データについて、最新性と信頼性の確保が示されています（出典: 経済産業省・IPA「AI事業者ガイドライン（第1.2版）」、2026年）。そのため、導入後の文書更新と評価も含めて確認します。

RAGのPoCでは何を評価すればよいですか？

実際の業務質問を使い、正答率だけでなく、回答の品質や安全面も評価します。

  • 検索・回答：正解文書の検索、引用の妥当性、回答の正確さ
  • 安全性：回答不能時の拒否、権限外情報の非表示
  • 運用性：回答時間、利用者の確認工数

100点満点の正答率だけを見ると、古い文書の引用や権限外文書の表示を見逃すおそれがあります。そのため、PoCを始める前に合格ラインと、本番化を見送る条件を決めておきます。

ポイント

RAGの費用と安全性は、一律の相場や一般論では決まりません。開発範囲、利用条件、回答制御を分けて、自社の条件で見積もりと評価を比べてください。

まとめ

候補会社の同じ条件での比較

会社ごとの得意領域と、自社で必要な運用・統制条件を同じ基準で比べます。

  • ripla：業務システム開発
  • NTTデータ：大規模業務・金融対応
  • 富士通・日立ソリューションズ：閉域・オンプレミス、文書管理・企業内検索
  • SCSK・IBM：クラウド・データ基盤、企業向けAIとガバナンス

業務課題と文書データ、検索・生成の評価を中心に確認します。権限管理、既存連携、導入後の運用は、本文の各節で挙げた項目と照らして確かめます。

一つの業務に絞ったPoCの実施

まず、対象業務を一つに絞り、実際の質問と匿名化文書でPoCの評価セットを作ります。

  1. 3社程度に同じRFPを渡し、初期開発費、データ整備費、クラウド・モデル利用料を比べる。
  2. 保守費、セキュリティ試験、PoCから本番へ進む条件を並べる。
  3. 文書の引用、権限外情報の遮断、回答不能時の停止の確認。

回答の自然さだけでなく、これらを確かめておくことが、長く使えるRAGにつながります。

▼全体ガイドの記事
・RAG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。