AI開発会社の選び方｜発注前に見る7項目と危ない兆候

AI開発会社の選び方で最初に決めるべきは「どこが上手に作れるか」ではなく、作ったものを自社に残せるかです。IPA（情報処理推進機構）が2026年7月16日に公表した「DX動向2026」（回収1,799社）では、AI導入の効果として「業務が効率化・迅速化した」が91.6%に達する一方、「売上や利益が向上した」はわずか3.9%でした。作ること自体は難しくなくなり、差がつくのは運用のほうに移っています。

この記事では、発注前に確認する7項目、見積・体制・契約に出る危ない兆候、会社タイプ別の向き不向きを、実務で見てきた分かれ目に沿って整理します。「おすすめ◯選」の一覧ではなく、目の前の1社を自分で判定できる基準を持ち帰ってもらうことが目的です。

結論：AI開発会社は「実績数」ではなく7項目で見る

AI開発の提案書は、どの会社もよく似ています。RAG、ファインチューニング、エージェント——並ぶ単語が同じなので、実績数や事例の派手さで選びたくなります。しかし発注後に効いてくるのは、次の7項目のほうです。

7項目のうち1・2・7の3つは、提案書ではなく会話で判定します。資料には全社が「対応可能」と書くためです。具体的な聞き方は後半で示します。

なぜ「作れる会社」を選ぶと失敗するのか

IPA「DX動向2026」の効果の内訳を並べると、AI導入が届いている場所がはっきりします。

同調査では、AI導入の効果について「期待以上」「期待どおり」の合計が31.8%、「一定の効果はあった」が50.6%でした。つまり8割は何かしら効いているのに、期待に届いたのは3社に1社という分布です。動かないのではなく、思ったところまで来ない。ここが発注の失敗の中身です。

原因はたいてい技術力ではありません。「要約させる」「検索させる」までは誰が作っても動くので、差がつくのはその出力を誰がいつ見て、どの業務判断につなげるかの設計です。ここを設計しない会社に頼むと、精度の高いデモと、使われないツールが同時に納品されます。

中小企業ほど「運用を渡せる相手」を選ぶ必要がある

同じ調査で、AI導入率は従業員1,001人以上の企業では8割近くに達する一方、101人以下では16.6%にとどまります。またDXを推進する人材の量について「やや不足」「大幅に不足」の合計は85.5%でした。社内に専任がいない前提で選ぶなら、「作って終わり」ではなく運用の一部を引き受けられる相手かどうかが、実質的な合否になります。

内製と外注のどちらに寄せるか自体を迷っている段階なら、先に社内AIを内製するか外注するかの判断軸を整理してから会社選びに入ると、比較の土俵が固まります。

発注前に確認する7項目

1. 課題を業務に翻訳できるか

初回の打ち合わせで「どの業務を、誰が、1日何回やっていますか」と聞き返してくる会社は、要件を業務側から積む習慣があります。逆に、こちらの説明が終わる前に技術構成（RAGにします、ベクトルDBは……）から入る会社は、実装から逆算する癖があります。後者が悪いわけではありませんが、業務のほうが動く中小企業の案件では前者のほうが手戻りが少なくなります。

判定に使える質問は1つで足ります。「これが上手くいったとき、月末に何の数字が変わりますか」。答えが「効率化されます」で止まる場合、その会社は業務の中身をまだ見ていません。

2. PoCの出口が決まっているか

PoC（概念実証）は、やること自体は安く始められます。問題は終わり方です。「精度が◯%を超えたら本番へ」「超えなければこの用途は捨てる」という合否条件と、その先の作業範囲・費用を、PoCの契約時点で決めているかを確認します。決めていないPoCは、良い結果が出ても「では本番の見積を」と最初からやり直しになり、熱が冷めた頃に立ち消えます。

この段階で詰まりやすい論点はAIのPoCを本番移行するときに止まる4つの原因にまとめています。あわせてスモールスタート時の費用相場も見ておくと、提示された金額の位置が分かります。

3. 見積が工程で割れているか

「AIチャットボット構築一式 300万円」のような一行見積は、比較も交渉もできません。少なくとも要件定義／データ整備／開発／テスト／導入支援／保守に分かれていること、そして各行に人日と単価が入っていることを求めます。データ整備の行が無い見積は、ほぼ確実に後から追加になります。社内の資料が整っていない会社ほど、この行が実際には一番大きくなるためです。

見積書の読み方そのものはAI開発の見積書の内訳8項目で詳しく分解しています。金額の目安は独自AI開発の費用相場を参照してください。

4. データの扱いが書面にあるか

自社の文書や顧客データを渡す以上、次の4点は口頭ではなく契約書か仕様書で確認します。

• データの保存先（国内か海外か、どのクラウドか）
• 入力したデータがモデルの学習に使われないこと
• 契約終了時の削除手順と、削除証跡の出し方
• 再委託先（開発の一部を別会社に出す場合）の有無と範囲

「APIなので学習されません」という説明は、利用するサービスの設定次第で変わります。どのプランの、どの設定で、そうなるのかまで言えるかが分かれ目です。社内で先に線引きしておきたい場合はAIに入力してはいけない情報の整理が使えます。

5. モデルを乗り換えられる作りか

生成AIのモデルは、1年以内に値上げ・仕様変更・提供終了のいずれかが起きる前提で考えたほうが安全です。特定のモデル名がコードの各所に散っている作りだと、乗り換えのたびに改修費が発生します。「モデルを1つ差し替えるのに何日かかりますか」と聞き、設計上どこを直すかを説明できるかを見ます。

提供終了が実際に来たときの動き方はAIモデル提供終了への企業の対応6手順に、費用の見積もり方はAIモデル移行のコスト見積もりにまとめています。

6. 保守の範囲と月額が明確か

月額保守という言葉は、会社によって中身がまったく違います。最低限、次の3つがどちら側かを表にしてもらいます。

特に3つ目は事故になりやすい箇所です。従量課金の上限設定を発注側の口座で持つのか、開発会社が代行するのかを最初に決めておきます。

7. 引き継げる形で納品されるか

数年後に別の会社へ移る、あるいは内製に戻す可能性は必ずあります。そのとき必要なのは、ソースコード・環境構築手順・プロンプトの一覧・各種アカウントの所有権です。クラウドやAPIのアカウントを開発会社名義で作られていると、解約時に自社のデータごと動かせなくなります。契約前に「アカウントは弊社名義で作り、権限を付与する形にできますか」と聞いておけば、この事故は避けられます。

私たちも独自AIの開発を承っています。記事の途中で恐縮ですが、この7項目をそのまま自社に当てても答えられる作り方を心がけていますので、比較検討の1社に入れていただけたら嬉しいです。

見積・体制・契約に出る「危ない兆候」5つ

• 要件定義が無料になっている：無料の要件定義は、たいてい提案書作成のことです。業務ヒアリングと要件の文書化には人日がかかります。IPAと経済産業省の「情報システム・モデル取引・契約書」でも、要件定義は準委任、開発は請負と段階を分けて契約する考え方が示されています。工程がまとめて1本になっている契約は、責任の所在も1本にまとまります。
• 初回打ち合わせで金額が即答される：業務を見ずに出せる金額は、標準パッケージの値段です。パッケージが合うなら安く済みますが、その場合は「開発」ではなく「導入設定」として比較すべきです。
• 事例が業種名だけで、業務名が無い：「製造業での導入実績」は情報量がほぼゼロです。「受入検査の記録転記」のように業務名まで出せる事例を1つ求めます。守秘で言えない場合でも、業務の粒度は説明できます。
• 担当者が最初だけ強い：提案に出てきた人が実装に入らない体制はよくあります。悪いことではないので、実際に手を動かす人と、運用開始後の窓口が誰かを契約前に確認します。
• 「なんでもできます」で断らない：AIが向かない業務（例外処理が多い、判断根拠を後から説明する義務がある、母数が少なすぎて評価できない）を1つも挙げない会社は、まだ失敗の経験が薄い可能性があります。

会社のタイプ別・向き不向き

中小企業の最初の1件は、多くの場合4段目か3段目が現実的です。金額が合うだけでなく、担当者と直接話せる距離が運用の質を決めるためです。逆に、全社規模の基盤や、監査・規程まで含む案件を小規模の会社に頼むと、体制側で無理が出ます。

発注前に社内で決めておく3つ

1. やめる基準：どうなったら止めるかを先に決めます。「3か月使って、対象業務の作業時間が2割減らなければ用途を変える」程度の粒度で構いません。決めていないと、効果が曖昧なまま保守費だけが続きます。
2. 運用の担当：AIは納品後に調整が要ります。専任は不要ですが、質問と回答を月に一度見る人は必要です。ここが空席のまま発注すると、精度が落ちても誰も気づきません。担当が置けない場合の進め方は社内AIの運用担当がいない会社の進め方を参照してください。
3. 渡せるデータの範囲：どの資料を渡してよいかを先に決めておくと、見積の精度が上がります。「渡せない」ものが多いほど、その分の設計費が増えるためです。

まとめ

AI開発会社の選び方で見るべきは、実績の数ではなく「作ったものが運用に残るか」です。業務への翻訳力・PoCの出口・工程別の見積・データの扱い・モデル乗り換え・保守範囲・引き継ぎ可能性の7項目を、提案書ではなく会話と契約書で確認してください。効果が売上まで届いた企業が3.9%という現実は、技術の問題ではなく設計の問題です。

自社の業務にAIをどう当てるか、まだ形になっていない段階でも構いません。何から確認すればよいかの整理からご相談いただけます。