スキルマッチングシステム開発の発注/外注/依頼/委託方法について

スキルマッチングシステムの発注・外注では、検索画面の開発費だけでなく、スキル定義、既存データとの連携、権限、契約、運用まで含めて要件を整理することが成功のポイントです。

この記事では、社内の人材配置や案件アサイン、外部人材サービスを想定し、発注形態の選び方、RFPと要件整理、契約形態、費用相場、委託先の選定、見積書の比較方法を順に解説します。AIを使う場合の説明可能性や、候補者情報を扱うサービスで確認すべき法務上の論点も含め、発注前に判断できる材料をまとめています。

▼全体ガイドの記事
・スキルマッチングシステム開発の完全ガイド

スキルマッチングシステムを発注する前に決めること

スキルマッチングシステムは、社員や業務委託人材のプロフィールと、案件・求人側の必要スキルをデータ化し、検索、推薦、応募、承認、契約、稼働後の評価までを支援する仕組みです。発注前に「誰と誰を、どの業務で、どの判断につなげるのか」を決めないと、機能が増える一方で使われないシステムになりやすいです。

最初に、社内人材の配置、SESや派遣の候補者提案、採用候補者の検索、外部のスキルマーケットのどれを主目的にするかを決めます。社内向けであれば人事マスタ、SSO、所属や役職に応じた閲覧権限が重要です。外部向けであれば会員登録、本人確認、メッセージ、契約、決済、レビュー、退会処理まで必要になり、同じ「マッチング」でも開発範囲は大きく変わります。

目的は「AIで最適な人材を出す」ではなく、「候補提示にかかる時間を短縮する」「アサイン後のミスマッチを減らす」のように業務成果で表現します。例えば、現状は担当者がExcelを見比べて半日かかっている候補者探しを、15分以内に一次候補を確認できる状態にする、と定義すれば、検索、推薦理由、承認フローの優先順位が明確になります。

登録する情報は、職種、スキル名、レベル、経験年数、資格、実績、稼働条件、希望条件などです。ただし、自己申告だけではデータの信頼性がそろわないため、上司評価、資格証明、案件実績、更新日、評価者を分けて持たせます。JavaScriptとJSのような表記ゆれを同じスキルとして扱う辞書や、レベル1から5までの評価基準も、開発会社に任せきりにせず自社で合意します。

推薦結果については、システムが自動的に採用や配置を決めない設計が基本です。必須条件を満たさない候補を除外するルール、候補が選ばれた理由、推薦に使われたデータ、担当者が採用・却下した結果を残します。読者が気にしているAIの精度は、マッチ率の高さだけでなく、理由を人が確認でき、誤推薦を次のルール改善に生かせるかで評価します。

発注形態はSaaS・パッケージ・スクラッチのどれがよいですか？

結論として、標準的なスキル管理を早く始めたいならSaaS、既存業務に合わせた追加設定や連携が必要ならパッケージ・導入支援、独自のマッチング事業や外部サービスを作るならスクラッチ開発が候補です。最初から全社・全機能を作るのではなく、対象業務を限定したPoCやMVPから始めると、費用と要件変更のリスクを抑えられます。

既存の人事システムや案件管理を残し、プロフィール、スキルマップ、資格管理、検索を先に整えたい場合はSaaSが向いています。アップデート、バックアップ、基本的な認証やサポートを自社で抱えにくい企業にも適しています。一方で、独自の単価計算、複雑な承認、外部会員同士の契約・決済などを深く作り込みたい場合は、標準機能の制約と追加開発費を確認する必要があります。

株式会社101のスキルナビは、公式料金ページで100名の場合の月額10万円からという例を掲載し、初期費用は利用人数に応じて異なると説明しています（出典: 株式会社101「スキルナビ料金プラン」、2026年）。月額だけを比較するのではなく、初期設定、データ取り込み、権限設定、API連携、運用支援を含めた初年度の総額で判断します。

スキル管理やタレントマネジメントの標準機能を使いつつ、自社の人事マスタ、評価、組織、案件データと連携したい場合は、パッケージ導入とSI支援を組み合わせます。既製品を使うため、ゼロから画面や権限を作るより早く始めやすい反面、業務を製品の標準フローへ寄せる判断が必要です。発注時には、標準機能でできること、設定で対応できること、追加開発になることを区別して提案書に書いてもらいます。

例えばカオナビは2025年3月、スキル管理機能と人材データベースの連携を開始し、スキル要件での検索や時系列での可視化を案内しました（出典: 株式会社カオナビ「スキル管理機能と人材データベースの連携」、2025年）。このような製品を候補にする場合も、製品の導入可否だけでなく、既存の社員番号、異動、退職、評価履歴をどう同期するかをRFPに含めます。

外部のスキルマーケット、独自の推薦ロジック、企業と人材の両面会員、本人確認、メッセージ、契約・決済、レビューまでを一つのサービスにしたい場合は、スクラッチ開発が候補になります。自社の競争力になる体験やデータを作れる一方、会員を増やす仕組み、個人情報保護、監視、障害対応、保守体制まで自社の事業責任になります。

小規模Web型MVPでは、プロフィール、案件登録、条件検索、応募・承認、管理画面、通知に絞り、決済や高度なAI推薦を後段に回す方法が現実的です。検索を先に作り、実際の担当者が候補を確認してから、意味検索や生成AIによる要件の構造化を追加します。AIを先に発注すると、評価データやスキル辞書が未整備なまま、検証できないマッチ率だけが残ることがあります。

RFPと要件整理では何を決めるべきですか？

RFPは、開発会社に希望を伝えるだけの資料ではなく、各社が同じ前提で提案・見積できるようにする比較の基準です。目的、対象ユーザー、現行業務、対象データ、必須機能、非機能要件、連携、納期、予算、体制、提案してほしい事項を一つにまとめます。要件が曖昧なまま「スキルマッチングシステム一式」と依頼すると、各社の解釈がばらばらになり、価格差の理由も分からなくなります。

まず、案件や求人が発生してから、候補者を探し、紹介・応募し、面談、承認、契約、稼働、終了後評価に至る流れを図にします。各工程で誰が何を入力し、誰が見て、どの情報を次の工程へ渡すのかを明記します。社内配置では人事、現場管理者、本人、システム管理者の役割が分かれ、外部マーケットでは発注者、スキル提供者、運営者、決済事業者が関係します。

現行のExcelやメールをすべてそのままシステム化する必要はありません。候補者検索に時間がかかる、スキル更新が止まる、推薦理由を説明できない、承認状況が見えないといった問題を優先し、残す業務と変える業務を分けます。業務フローの各ステップに、現状の処理時間と発生件数を添えると、導入効果と必要な性能を見積もりやすくなります。

要件整理の中心は、画面ではなくスキルの意味です。スキル名、親子関係、同義語、レベルの判定基準、証跡、更新期限、評価者を一覧にします。例えば「Java」は知識があるだけなのか、実務で設計できるのか、直近2年の経験が必要なのかで、検索結果の意味が変わります。必須スキルと歓迎スキル、経験年数、稼働率、勤務地、単価帯、開始可能日も別項目として持たせます。

プロフィール入力の負担もRFPに書きます。初回登録で全項目を埋めさせると離脱しやすいため、既存の人事データや職務経歴から初期値を取り込み、本人には不足項目の確認を依頼する方式が使えます。評価者の入力画面、更新リマインド、資格の有効期限アラート、変更履歴を用意すると、スキルマップが一度作られて終わる事態を防げます。

非機能要件には、利用人数、同時アクセス数、検索応答時間、稼働時間、バックアップ、障害通知、復旧目標、ログ保存期間、SSO、二要素認証、暗号化、権限、データ削除を含めます。社内の評価や給与・単価、職務経歴を扱う場合は、本人、上司、所属長、人事、取引先が見られる項目を分け、画面だけでなくAPIやCSV出力にも同じ制御をかけます。

AIを使う場合は、入力データを学習に利用するか、保存地域、利用するモデル、モデル更新時の再現性、プロンプトや推薦ログの保存、誤推薦時の訂正方法、人による最終判断を要件にします。経済産業省は2026年3月31日にAI事業者ガイドライン第1.2版を公表しており、リスクベースでAIの利用目的と管理策を検討する考え方が示されています（出典: 経済産業省「AI事業者ガイドライン検討会」、2026年）。AI機能を発注する際も、単に「生成AI対応」と書かず、対象データと判断責任を具体化します。

契約形態は請負と準委任をどう使い分けますか？

スキルマッチングシステムでは、最初から要件を完全に固定できないことが多いため、要件整理やPoCは準委任、本番の合意済み機能は請負という分け方が現実的です。契約名称だけで判断せず、成果物、業務の進め方、責任範囲、検収、変更手続、知的財産、再委託、個人情報の取扱いを契約書と個別仕様書で確認します。

準委任は、一定期間・体制で要件整理、設計、開発、検証を進める契約に向いています。利用者インタビューをしながらスキル項目を修正したり、検索結果を現場で評価して推薦ルールを更新したりする場合は、完成形を初日から固定しにくいためです。発注側は、月ごとの作業内容、参加メンバー、報告物、稼働上限、意思決定者を決め、作業時間だけを買う状態にならないようにします。

NotebookLMの調査メモでは、要件変更のリスクを織り込むと請負は準委任より1.3〜1.5倍高くなる傾向が示されています。これはすべての案件に当てはまる固定係数ではありませんが、要件が固まっていない段階で請負金額を一括提示させると、予備費や変更費用が見積に含まれやすいという判断材料になります。

プロフィール登録、案件登録、条件検索、候補者の承認、管理画面など、受入条件を明確にできる機能は請負に向いています。画面一覧、API仕様、権限一覧、テスト項目、移行対象、受入基準を契約の対象資料にし、完成の定義を明らかにします。「マッチ率が高いこと」のように検証しにくい条件は、必須条件の除外、候補理由の表示、検索応答時間、担当者による評価ログなど、確認できる状態へ分解します。

請負でも、法改正や連携先の仕様変更、発注側の追加要望を無償対応にしないため、変更管理の手続きを用意します。追加要件の受付、影響範囲、追加費用、納期変更、承認者を記録し、口頭依頼を正式仕様に混ぜないことが大切です。契約書の最終確認は、自社の法務担当者や専門家にも依頼します。

職務経歴、評価、資格、稼働状況、単価を扱うため、データの利用目的、アクセス権限、委託先の再委託、保管場所、バックアップ、退職・退会時の削除、漏えい時の連絡、監査への協力を決めます。生成AIのAPIを使う場合は、入力したプロフィールが学習に利用されないか、ログに残るか、第三者サービスへ送信されるかを確認します。個人情報保護委員会の生成AIサービスに関する注意喚起（出典: 個人情報保護委員会「生成AIサービスの利用に関する注意喚起等」、2023年・2026年確認）も踏まえ、AI機能を外注する場合はデータフローを図にすることが重要です。

ソースコード、スキル辞書、学習用データ、推薦ルール、画面デザインの権利帰属も確認します。開発会社の汎用部品と自社固有の成果物を分け、契約終了後に自社で保守できる範囲、リポジトリへのアクセス、第三者ライブラリのライセンス、脆弱性対応の期限を明確にします。

スキルマッチングシステムの費用相場はいくらですか？

スキルマッチングシステムの費用は、標準SaaSの初期設定から、外部マーケットプレイスや社内人材基盤の大規模開発まで幅があります。以下は、指定リサーチノートに記載された公開事例、公式料金、類似システムの市場目安を組み合わせた、要件定義前の予算取りレンジです。確定価格ではなく、対象人数、連携数、AI方式、決済、セキュリティ、運用範囲によって個別見積になる前提で見てください。

スキル管理SaaSの標準導入は、初期費用0〜300万円程度が一つの目安です。初期費用が無料または個別見積の製品もあり、月額利用料、設定代行、データ取り込み、教育を別に確認します。小規模Web型MVPは300〜800万円程度、外部向けの本格的なマッチングサイトは800〜2,000万円程度、社内人材配置や案件アサイン基盤は1,000〜3,000万円以上を予算取りの起点にできます。いずれも公開情報と類似案件から整理したレンジであり、発注先が保証する価格ではありません。

公開事例では、株式会社みんなシステムズのスキルマッチングサイトが当初280万円で開始し、追加発注後は約500万円、開発期間は6か月と紹介されています（出典: 株式会社みんなシステムズの開発実績「スキルマッチングサイト つなぐ」、2026年確認）。この金額は対象機能と案件条件に基づく一事例であり、会員数、決済、本人確認、既存システム連携を追加した場合の見積にそのまま置き換えられません。

見積の主な項目は、企画・業務整理、スキル辞書と初期データの整備、UI/UX設計、プロフィール・案件・検索機能、推薦ロジック、権限・監査、外部連携、通知、管理画面、テスト、データ移行、教育、リリース支援、保守です。AIを追加する場合は、モデル利用料、検索用データの加工、評価データ、プロンプトやルールの改善、ログ保管、精度検証を分けます。

ランニング費用には、SaaSの月額、クラウド、データ容量、検索エンジン、AI推論、メールやSMS、本人確認、決済手数料、監視、脆弱性対応、問い合わせ対応が含まれます。初期費用だけで安い会社を選ぶと、データ更新や権限変更のたびに追加費用が発生することがあります。見積書では、初年度と2年目以降の費用を同じ表で出してもらいます。

費用を抑えるときは、重要な業務の検索と承認を残し、スマートフォンアプリ、リアルタイム通知、高度なAI推薦、決済、レビュー、複雑な分析を後段に回します。プロフィールと案件をCSVで取り込み、まずはWeb管理画面と条件検索で効果を測る方法もあります。最初からスキル項目を増やしすぎず、現場が実際に判断に使う必須スキルから始めると、データ整備の負担も抑えられます。

一方で、権限、削除、バックアップ、監査ログを削ってはいけません。人材情報の漏えいや、退職者のプロフィールが残る問題は、後から修正するとデータ移行や利用停止が必要になるためです。削減する機能と、品質・安全性のために維持する要件を分け、見積書に優先度を記載します。

委託先選定と見積比較のポイント

委託先は、開発言語や会社規模だけでなく、スキル定義から運用定着までを理解できるかで選びます。受託開発会社、SaaS提供会社、SIer、HRテック企業では得意領域が異なります。外部マーケット型、社内配置型、既存SaaS型、生成AI・高セキュリティ型など、自社の目的に近い実績を持つ候補を複数社比較します。

「AIマッチングの実績あり」という説明だけでなく、どのようなスキルデータを使い、誰が推薦結果を確認し、どのKPIがどう変わったかを聞きます。候補提示時間、アサイン率、スキル更新率、推薦採用率、アサイン後の継続率、教育期間、部門横断の案件成立数など、導入後に計測できる指標まで説明できる会社が望ましいです。

デモでは、きれいなサンプルデータではなく、自社の実際に近い3〜5件の案件とプロフィールで確認します。必須スキルを満たさない人が出た場合の扱い、同義語の検索、推薦理由、権限の違う利用者の画面、候補者が自分の情報を修正する方法を見れば、製品の実務適合性が分かります。

見積を比較するときは、合計金額ではなく、要件定義、設計、開発、テスト、移行、教育、保守の内訳、担当人数、期間、前提条件、対象外の範囲を並べます。例えばA社は検索だけを含み、B社は推薦理由と権限まで含むなら、B社が高いのは当然です。機能一覧を必須、できれば、将来対応に分け、各社に同じ表形式で回答してもらいます。

比較表には、初期費用、月額・年額、追加改修の単価、クラウドやAIの従量費、データ移行費、保守時間、障害対応時間、SLA、契約期間、解約時のデータ返却費を含めます。納期だけが短い提案は、テストや移行、利用者教育が別料金になっていないかを確認します。見積の安さより、後から増える費用と責任分界が明確かを重視します。

提案時の営業担当だけでなく、要件定義、データ設計、検索・AI、インフラ、テスト、保守の責任者を確認します。再委託の有無、担当者の交代時の引継ぎ、障害時の連絡経路、脆弱性の修正期限、バックアップからの復旧訓練も質問します。個人情報を扱うため、認証規格の有無だけでなく、権限変更、ログ監査、削除、漏えい時の報告まで説明してもらいます。

導入後に利用者が入力しない問題を防ぐには、運用担当者向けのマニュアルだけでなく、入力依頼、更新通知、管理者のレビュー、活用会議まで提案に含めます。数百人から数千人規模の人材データを扱うサービスでは、設定や動作確認に1〜2か月程度かかる場合があると公式に説明されています（出典: 株式会社プラスアルファ・コンサルティング「タレントパレット料金プラン・導入期間・セキュリティ」、2026年）。開発期間だけでなく、データ整備と現場展開の期間も社内計画に入れます。

発注後はどの順番で開発・検証しますか？

発注後は、業務・スキル定義、画面とデータ設計、MVP開発、実データでの検証、利用部門を限定した試行、改善、全社展開の順に進めます。毎週の進捗報告だけではなく、発注側が判断すべき事項と期限を一覧で管理し、スキル辞書や権限の決定を開発の後ろへ送らないことが重要です。

PoCでは、実際の案件とプロフィールを少数選び、担当者が推薦結果を確認します。「なぜこの候補が出たのか」「必要な人が漏れていないか」「必須条件を満たさない人が混ざっていないか」を記録し、辞書や重み付けを直します。候補提示時間だけでなく、担当者が推薦を採用した割合、手修正の回数、本人がプロフィールを更新するまでの時間も確認します。

この段階で、AIの導入可否も判断します。表記ゆれの吸収や自然文の要件整理はAIと相性がよい一方、採用・配置・契約を自動決定する設計は説明責任と公平性の確認が重くなります。最初はルールベース検索と人の確認を基礎にし、AIは候補発見と理由の要約に使う方が、検証可能な開発になりやすいです。

受入テストは、ログインできるかだけでなく、案件の必須スキルを登録できるか、候補者の閲覧範囲が正しいか、異動や退職のデータが反映されるか、推薦理由を確認できるか、退会後にデータが適切に扱われるかまで行います。CSV/API連携は正常系だけでなく、重複、欠損、文字コード、更新日時のずれ、連携失敗時の再実行も検証します。

運用開始後は、登録率、スキル更新率、候補提示までの時間、推薦採用率、アサイン率、マッチング後の継続率、利用部門数、問い合わせ件数を月次で見ます。属性や部門によって推薦の差が出ていないかも確認し、スキル辞書とルールを定期的に更新します。システムを納品して終わりにせず、業務成果を見ながら改善できる保守契約にします。

外部人材向けサービスで確認すべき法務と安全性

外部の求人・求職者情報を扱う場合は、システム機能だけでなく、サービスの実態がどの制度に該当するかを確認します。厚生労働省は、求人・求職の申込みを受けて雇用関係の成立をあっせんする「職業紹介」と、求人情報や求職者情報を提供する「募集情報等提供」を区分しています。サービス運営者の判断で候補を選別したり、情報を加工して提供したり、当事者間の意思疎通を中継したりする場合は、職業紹介の許可等が必要になることがあります。厚生労働省の区分（出典: 厚生労働省「募集情報等提供と職業紹介の区分」、2026年確認）を踏まえて確認してください。

人材を検索して紹介するだけのつもりでも、運営者が候補者を選び、企業ごとに情報を加工し、応募や面談を仲介すると、単なる掲示板とは異なる扱いになる可能性があります。発注前に、誰が候補を選ぶのか、誰が連絡を仲介するのか、雇用契約を結ぶのか、業務委託契約なのかを業務フローに書き、必要な許可や届出を確認します。

社内の人材配置支援でも、評価や異動に使う情報の本人同意、利用目的、閲覧範囲、訂正・削除の窓口を決めます。外部サービスでは、発注者とスキル提供者の規約、手数料、キャンセル、成果物の権利、トラブル時の責任分界を用意し、開発会社に画面だけでなく規約変更を反映できる管理機能も求めます。

質問票には、データの保存場所、暗号化、管理者権限、SSO、二要素認証、脆弱性診断、ログ監視、バックアップ、復旧訓練、再委託、従業員のアクセス管理、退職者のアカウント削除、インシデント報告の時間を入れます。個人情報を生成AIへ送る場合は、モデル提供者、学習利用、保持期間、入力制限、マスキング、削除方法を別項目にします。

「ISMS取得済み」「クラウドだから安全」といった一言で終わらせず、自社の情報分類に合う運用かを確認します。候補者の評価や給与情報を検索対象に含めない設計、本人に公開範囲を知らせる設計、管理者が推薦ログを監査できる設計を、画面と運用手順の両方で確認することが大切です。

よくある質問

ここでは、発注・外注の検討時に特に多い質問へ回答します。費用や期間は機能とデータの条件で変わるため、公開情報に基づく目安として読み、最終的には同じRFPで個別見積を比較してください。

小規模なWeb型MVPで、プロフィール、案件登録、条件検索、応募・承認、管理画面に絞るなら、300〜800万円程度を予算取りの起点にできます。公開事例には280万円で開始し、追加後約500万円になった例があります。ただし、決済、本人確認、両面会員、既存人事システム連携、AI推薦まで含める場合は、同じ金額では収まらない可能性があります。

標準的なスキル管理を早く始めたい場合はSaaS、独自の外部マーケットや業務フローが競争力になる場合はスクラッチ開発が候補です。既存データとの連携や権限だけが課題なら、SaaSと導入支援・追加開発を組み合わせる方法もあります。初年度費用、2年目以降の運用、データ返却、将来の乗り換えやすさを並べて判断してください。

AIの導入目的、利用データ、推薦理由、最終判断者、誤推薦の訂正、ログ保存、モデル更新時の検証を契約と要件に書くことです。スキル辞書と評価基準が不十分なままAIを入れても、結果を評価できません。まず必須条件をルールで制御し、AIは表記ゆれ吸収や候補発見、説明文の生成に使う構成から始めると安全に検証しやすいです。

組み合わせることは可能です。要件整理やPoCは準委任で進め、画面・API・テストなど受入条件を固定できる部分を請負にする方法が一般的です。契約の切り替え時点、成果物、責任範囲、追加要件の扱い、検収条件を明確にし、契約形態だけでなく実際の業務指示と責任分界が一致するようにします。

まとめ

スキルマッチングシステムを発注するときは、まず利用目的と対象ユーザーを決め、スキル定義、現行業務、データ連携、権限、AIの利用条件をRFPに整理します。SaaS、パッケージ、スクラッチの選択は、初期費用だけでなく、導入期間、標準機能への適合、保守、データ返却、将来の拡張を含む初年度・継続費用で比較します。

見積比較では、機能の有無だけでなく、要件定義、データ整備、テスト、移行、教育、保守、追加改修の範囲をそろえます。契約は、探索段階の準委任と固定範囲の請負を使い分け、個人情報、AIへの入力、知的財産、再委託、障害対応、検収、変更管理を明文化します。外部人材サービスでは、職業紹介や募集情報等提供に当たるかも、実態に基づいて確認します。

最初から完璧なAIマッチングを目指すより、スキル辞書と必須条件を整え、検索と人の判断を含むMVPで効果を検証する方が、発注の失敗を減らせます。候補提示時間、入力率、推薦採用率、アサイン率、継続率を継続的に測り、現場のフィードバックでスキル定義と運用を更新してください。目的に合う委託先と要件をそろえて比較することが、費用と納期だけに振り回されない外注の第一歩です。

▼全体ガイドの記事
・スキルマッチングシステム開発の完全ガイド

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。