AI受託開発のパートナー選び|評価方法・費用・運用を確認する質問集
AI機能の開発を外注するときに確認する、対象業務、評価用データ、品質基準、費用、運用、引き継ぎ。内製との分担と、候補会社に同じ条件で質問する方法を整理します。
AI機能の開発を外注するときは、どんな入力で何を確認し、どの結果なら次へ進むかを説明できる相手を探します。開発実績に加え、顧客データの扱い、誤った出力への対応、公開後の費用と担当体制を確認します。
この記事は、AIを使ったサービスや業務機能を依頼する事業担当者向けです。AIを開発道具として使うだけの案件では、通常の開発会社選びの確認事項も合わせて使ってください。
最初に、AIに任せる仕事と人が確認する仕事を決める
「AIチャットボットを作る」だけでなく、誰が何の判断に使うかを書きます。次は説明用の例です。
| 項目 | 社内文書の検索支援を依頼する場合 |
|---|---|
| 利用者 | 社内の営業担当者 |
| 入力・資料 | 社内で利用が認められた製品資料と質問 |
| 期待する結果 | 関係する資料と該当箇所を示す |
| 人が確認すること | 顧客へ回答する前の内容と出典 |
| 困る失敗 | 関係ない資料を答えの根拠にする、権限外の資料を見せる |
| 不明な場合 | 回答を確定せず、担当窓口へ確認する流れにする |
顧客情報や機密資料を候補会社へ渡す前に、受け渡す範囲、保管先、再利用の可否、削除方法を合意します。初回相談は、架空の入力と期待する出力でも始められます。
1. 似た用途で、何を担当したかを聞く
「どの業務で、設計・実装・運用のどこを担当しましたか」「公開後に見つかった問題をどう直しましたか」と質問します。自社プロダクトか受託かだけで評価せず、今回の用途に近い課題を扱った経験を見ます。
紹介された実績では、公開画面だけでなく、評価方法、使ったデータの条件、確認できた結果を聞きます。公開できない情報がある場合も、話せる範囲を区別して説明してもらいます。
2. 評価用データと合格条件を具体化できるか
「どんな質問や資料で試しますか」「正しい回答と困る回答を誰が判断しますか」「目標に届かない場合、何を見直しますか」と聞きます。
評価の単位は用途に合わせます。正しい分類の割合、根拠資料の一致、回答にかかる時間など、事業上必要な条件を選びます。平均的な結果だけでなく、権限外の情報、入力不足、処理失敗なども確認対象に入れてください。
最初の検証では、続行・追加検証・中止の条件を合意します。検証用のコードを本開発で再利用するかは別の判断です。結果が次の投資判断に使えることと、再利用時に必要な作業を確認します。
3. データと生成コードの管理方法を聞く
AI機能に渡す資料や入力の保存先、閲覧できる人、外部サービスへの送信範囲を聞きます。利用するサービスの契約・設定に合わせて、業務上の条件を満たせるか確認してもらいます。
開発にAIコーディングツールを使う場合も、使用の有無だけで品質を決めません。「誰がコードをレビューしますか」「どの操作をテストしますか」「秘密情報や顧客データをどう扱いますか」と、確認方法を聞きます。AIコードを公開する前の確認事項が質問の補助になります。
4. 費用の前提と、見直すタイミングを聞く
候補会社には、同じ業務・データ量・利用人数を伝えて見積もりを頼みます。料金は次の項目に分けます。
| 費用 | 確認する前提 |
|---|---|
| 調査・検証 | 対象の業務、データの準備、評価回数、受け取る結果 |
| 実装 | AI機能、画面、権限、既存システムとの連携 |
| テスト・公開 | 誤出力、失敗時、業務上の確認、公開環境の準備 |
| 外部サービス | 利用量の想定、上限、超過時の扱い |
| 運用・改善 | 監視、問い合わせ対応、評価のやり直し、変更費用 |
| 引き継ぎ | コード、設定、評価用データ、操作・復元手順 |
一括・段階別・時間単位の見積もりは、どれか一つが常に適切とは限りません。対象と完了条件が明確か、途中で新しい課題が分かったときに費用と日程を確認できるかを見ます。
5. 公開後の判断と引き継ぎを説明できるか
「誤った回答が増えたら、誰が止める判断をしますか」「外部APIの料金や仕様が変わったら、誰が調べますか」「担当会社を変えるときに何を受け取れますか」と聞きます。
業務側は、困る出力や使いにくい操作を報告する窓口を持ちます。技術側は原因調査、修正、再評価を担当し、影響のある変更を業務側へ説明します。役割と連絡先を契約前に確認してください。
既存の試作品を引き継ぐ場合は、AIコードのレビュー・修正・本番公開の分け方を参考に、現状確認と実装を別に依頼する方法もあります。
内製と外注は、業務判断と技術作業を分けて考える
外注する場合も、扱うデータ、利用者、正しい結果、受け入れ条件を決める人は社内に必要です。社内に開発担当者がいるなら、足りない部分だけ依頼する案を比べます。
| 分担 | 社内に残すこと | 外部へ頼むことの例 |
|---|---|---|
| 検証を外注 | 課題と評価条件、次の投資判断 | 技術調査、試作品、評価結果の整理 |
| 特定機能を外注 | 製品全体の方針、接続先の担当 | AI機能や連携部分の設計・実装 |
| 助言を受けながら内製 | 実装と日々の運用 | 設計レビュー、問題の調査方針 |
| 開発・運用を委託 | 業務の責任者、変更の承認 | 合意した開発と保守の範囲 |
採用費や外注費は必要な体制で変わります。同じ期間の費用に、社内のレビュー・データ準備・引き継ぎの時間も含めて比べます。
候補会社の回答を同じ表に残す
| 比較項目 | 候補会社への質問 | 回答で確認するもの |
|---|---|---|
| 用途への理解 | まず何を確認しますか | 業務・利用者・データに即した質問 |
| 評価 | 何を合格としますか | 評価例、判定者、失敗時の扱い |
| 費用 | 何が変わると追加費用になりますか | 前提、対象外、変更手続き |
| 運用 | 問題が起きたら誰が何をしますか | 連絡先、受付範囲、役割 |
| 引き継ぎ | 別の担当者へ何を渡せますか | コード・資料・権限・利用条件 |
回答が抽象的なら、自社の入力例を一つ使って説明してもらいます。技術用語を多く知っているかより、依頼する仕事と確認方法を双方で合意できるかを判断材料にしてください。
この記事を書いた人
株式会社Float Engineering 代表
西林 明信
自社プロダクトの開発・運営と、Webサイト・業務システムの受託開発を行っています。広告代理店でのマーケティング、楽天でのデータ分析を経て、2023年にFloat Engineeringを設立。
プロフィールを見る