【2026年版】AIエージェント開発の外注｜チャットボット・RPAとの違い

AIの外注で最初に決めるべきなのは、どこに頼むかではなく、そもそも作る必要があるかどうかです。ここを飛ばして相見積もりから入ると、要らないものを安く作る、という結果になりがちです。

実際、手前で止まる理由として最も多いのは、費用ではありません。中小企業庁「2026年版 中小企業白書」に掲載された調査（帝国データバンク「令和7年度中小企業の経営課題と事業活動に関する調査」）では、2019年以降に省力化投資へ取り組んだ事業者のうち、AIの活用には取り組んでいないと答えた層（回答数3,888）に理由を尋ねています。最も多かったのは「活用する業務がイメージできていない」で63.4%、次いで「活用を推進する人材が不足している」が40.0%でした。詰まっているのは技術よりも、どの業務をどうしたいのかという部分だと読めます。

任せる業務そのものがまだ絞れていない場合は、発注先を探す前にAIに任せる業務の選び方で候補を1つに絞るほうが、見積もりの精度が上がります。

業務の手順がある程度決まっていて、かつ既存のツールでは足りないときに、はじめて開発を外注する意味が出てきます。逆に次のようなケースでは、開発を頼まないほうが早く、安く済みます。

• 契約中の生成AIツールで済む — 文章の要約・下書き・議事録の整理などは、いま契約しているプランの機能で足りることがある
• 使っているSaaSにAI機能が付いている — グループウェアや会計・人事のサービスに標準搭載された機能で間に合う場合がある
• 業務の手順がまだ固まっていない — 例外の扱いが人によって違う段階で自動化すると、例外が出るたびに人が対応に入ることになる
• 対象の件数が少ない — 月に数件の処理を自動化しても、開発費と運用費を回収しにくい

費用の目安が記事によって大きく違う原因のひとつは、この3つを同じ「AI開発」としてまとめて扱っていることです。頼むものが違えば、作業量も、うまくいかないときの壊れ方も変わります。発注前にどれを指しているのかを一致させておくと、見積もりを比べられるようになります。

実務では、この3つを組み合わせることもあります。たとえば問い合わせの一次対応をチャットボットが受け、社内システムへの転記はRPAが担い、その両方を呼び出して調査と判断を挟むところにAIエージェントを置く、といった形です。見積もりを取るときは「エージェントを作りたい」ではなく、どの業務のどこを任せたいかで伝えたほうが、返ってくる金額を比べられます。

2026年8月に、検索で上位に出てくる開発会社・比較メディアの解説記事を27本読み比べたところ、同じ「AIチャットボットの開発」で30万円台からとする記事と500万円台からとする記事が並び、実証実験（PoC）の目安も10万円台から300万円まで幅がありました。運用費の示し方も、「初期費用の年10〜30%」とする記事と「月額3万円から300万円」とする記事が併存しています。

幅の正体は、既存サービスの設定・連携で済ませる話と、データを集めてモデルを作る話が、同じ見出しの下に混ざっていることです。相場表から予算を決めるより、費用が何で決まるかを押さえるほうが判断しやすくなります。

相場表ではなく内訳で見る

AI開発の費用は、おおむね次の5つに分かれます。見積もりを受け取ったら、この区分に沿って読み替えると、各社が何を含めて何を含めていないかが見えてきます。

AIの開発は、最初に全体をまとめて発注するより、区切って進めるほうが実情に合うとされています。これは経験則ではなく、経済産業省が公表した「AI・データの利用に関する契約ガイドライン」のAI編に、開発方式として明記されています。

同ガイドラインは、開発を複数の段階に分けて進める方式を「探索的段階型」と呼び、その採用を提唱しています。ウォーターフォール型と違うのは開発初期に成果物を確定しない点、アジャイル型と違うのは開発全体を1つの基本契約で扱わない点だと整理しています。

同ガイドラインは、この分け方の利点を2つ挙げています。1つは、各段階の達成目標を明確にすることで発注側と開発側の話し合いが促され、最終的な成果物であるモデルに対する認識をすりあわせられることです。もう1つは、十分な性能を備えたモデルの生成が難しいと判明した場合に、その段階で開発を中止して、それ以上の損失の拡大を防げることです。発注側に効いてくるのは後者でしょう。いきなり大きな金額の請負契約を結ばずに済みます。

AIの開発が従来のシステム開発といちばん違うのは、作る前に「この精度が出ます」と約束するのが技術的に難しい点です。これは開発会社の姿勢の問題ではなく、公的なガイドラインでも技術上の性質として説明されています。

事前に精度を約束できない理由

経済産業省が2018年6月に公表した「AI・データの利用に関する契約ガイドライン」のAI編は、学習済みモデルの生成について、求める挙動や精度を満たすモデルを作れるかを事前に予測することが困難であるとし、これを「開発対象確定の困難さ」と呼んでいます。さらに、学習に使ったデータ以外の未知の入力に対しては挙動が不明確であるため、契約時点での性能保証も困難だとして、こちらを「性能確定・保証の困難さ」としています。

契約形態はどう考えるか

この性質から、AI編は契約形態にも踏み込んでいます。学習済みモデルを生成する場合はどの段階においても準委任型の契約が親和的であるとし、具体的な仕事の完成を目的とし、一定の瑕疵担保責任を伴う請負型の契約にはなじみにくい、と述べています。一方で、既知の入力に対するモデルの性能については、評価用データを含む評価条件を適切に設定・限定できるのであれば、性能保証に合理性が認められる場合もあるとしています。その場合は学習済みモデルを成果物とする請負契約として構成することになるだろうとし、評価用データの準備は原則として発注側の費用と責任で行うのが合理的な場合が多い、とも記しています。

発注側が用意しておく3点

次の3点は、いずれも開発会社側では用意できません。ここが曖昧なままだと、契約形態を工夫しても揉めどころが残ります。

• 合格の基準を数で表す — 「精度が高いこと」ではなく、対象の業務でどの程度なら実用に足りるかを、割合や件数で決める
• 評価に使うデータを出す — 実際の業務データから、正解が分かっているものを一定量そろえる。ここが用意できないと検証のしようがない
• 人が確認する工程を残す — 全自動を目指すと要求水準が跳ね上がる。最後に人が見る形にすれば、必要な精度も費用も下がる

AIを使った仕組みは、納品されたら終わりではありません。従来のシステム開発の保守とは別に、2つの費用が継続してかかります。ここを見積もりに含めずに比較すると、安く見えた提案が後で高くつくことがあります。

利用量に応じた従量課金

クラウドで提供されている生成AIをAPI経由で使う場合、利用料は使った分だけかかります。課金の単位は「トークン」と呼ばれるテキストの区切りで、文字数と一対一では対応せず、同じ文章でもモデルによって数え方が変わることがあります。単価の差も大きく、2026年8月時点の公式価格では、提供元によっては上位モデルと小型モデルの間で入力・出力とも20倍を超える開きがあります。処理する件数が読めない段階で月額を固定で示す見積もりは、どの前提で計算したのかを確認しておきたいところです。

公開されているモデルを自社で用意した環境に置いて動かす形もあり、その場合は従量課金ではなくなります。ただし、GPUを積んだサーバーの費用が使った量にかかわらずかかります。クラウドでGPU付きのサーバーを借りて常時動かすと、月あたり数百ドル規模の固定費になることもあります。運用の手間も自社側の負担です。

一方、APIは処理した分だけの課金です。月に数千件程度の処理であれば、小型モデルを使う限り費用は月あたり数十ドル以内に収まり、固定費とは桁が変わります。分かれ目は件数の多い少ないというより、用意したサーバーを遊ばせずに使い切れるかどうかです。常時動かす前提だと、月に数億から数十億トークンという規模を処理して、ようやく釣り合う計算になります。

データを自社の外に出したくない場合にも、自社で動かす形は選択肢になります。ただしクラウド側にも、入力したデータを学習に使わない設定を用意している提供元があります。少量から始める段階では、クラウドのサービスを使うほうが安く収まりやすいと考えられます。

モデルの更新への追従

生成AIのモデルは提供元の判断で更新され、古いモデルが提供終了になることもあります。モデルが変わると、それに合わせて作り込んだ指示文（プロンプト）や、精度を測るための評価の仕組みが期待どおりに動かなくなることがあります。解説記事では扱いの薄い部分ですが、運用に入ると効いてきます。

• モデルが変わったときの改修を、どちらがどこまで負担するか — 保守の範囲に含めるのか、都度の見積もりにするのかを決めておく
• どのモデルを使っているかを明示してもらう — 提供元とモデル名が分からないと、更新の情報を発注側で追えない
• 精度を測る仕組みを納品物に含める — 評価用データと測り方が手元にあれば、モデルを変えたときに前と比べられる
• 利用料の請求経路を決める — 開発会社経由にするか、自社でクラウド側のアカウントを持つか。自社で持つと単価が見え、乗り換えもしやすい

専門知識は要りません。用意するのは社内の情報です。これが揃っていると見積もりの精度が上がり、各社の提案を同じ土俵で比べられます。揃っていなければ、返ってくるのは概算だけです。

1. 01対象の業務を、入力と出力で書く — 何が来たら、何を出すのか。1本の流れとして書き出す
2. 02例外の処理を挙げる — 「こういうときは担当者に回す」という分岐。ここが自動化の可否を分ける
3. 03扱う資料の所在と形式を確認する — 紙なのか、PDFなのか、表計算なのか。形式が揃っていないと、その整備自体が作業として乗る
4. 04合格の基準を決める — どの程度できていれば運用に乗せるか。関係者の間で先に合意しておく
5. 05個人情報や機密情報が含まれるかを確認する — 含まれる場合は、入力してよい範囲を先に決める
6. 06決裁のルートと予算の枠を確認する — 段階を区切って発注する場合、各段階で誰が続行を判断するかを決めておく

開発会社を選ぶ基準の全体像はシステム開発の外注先の選び方にまとめています。ここでは、AIの案件で特に効いてくる4つの見方を挙げます。

• 段階を区切った契約に応じるか — 最初から一括の請負を求めてくる場合、その理由を聞いてみる。区切れない事情があるのか、単に商習慣なのかで意味が変わる
• 合格基準の決め方を提案できるか — 「精度99%を目指します」と言う会社より、どう測るか・どのデータで測るかを先に聞いてくる会社のほうが、後で揉めにくい
• 運用の話が見積もりに入っているか — 従量課金の見込み、モデル更新時の扱いに触れていない提案は、比較の土俵が違う
• 自社でAIを使って業務を回しているか — 実際に運用していると、精度が出ないときの逃げ道や、人が確認する工程の設計に具体性が出る

なお、比較記事で紹介されている会社の一覧を参考にする場合は、その記事の運営元を確認することをおすすめします。読み比べると、「おすすめ◯社」の1番目に、その記事を出している会社自身が並んでいることは珍しくありません。掲載枠を有料で募集している媒体もあります。課金の形は月額の掲載料や、案件の紹介1件ごとの従量課金などさまざまで、この分野では料金を公開していない媒体が多いようです。

• 最初に決めるのは発注先ではなく、作る必要があるかどうか。業務の手順が固まっていない段階での自動化は消耗になりやすい
• AIエージェント・チャットボット・RPAは別物。どれを指しているかを一致させないと、見積もりの比較が成り立たない
• 費用の目安が媒体によって10倍以上違うのは、指しているものが揃っていないため。相場表より内訳で判断する。AI開発の費用に公的な統計は確認できていない
• 経済産業省のガイドラインは、アセスメント・PoC・開発・追加学習の4段階に分ける「探索的段階型」を提唱している。見込みが立たない段階で止められることが利点
• AIは事前の性能保証が性質上難しく、同ガイドラインは準委任型がなじむとしている。2025年の契約チェックリストは、契約類型の議論より成果の水準の合意が重要だと整理している
• 運用費は従量課金とモデル更新への追従の2つ。誰がどこまで負担するかを契約時に決めておく
• 発注側が用意するのは専門知識ではなく、業務の入出力・例外処理・合格基準・データの所在

当社TokyoScalerは、AIツールを自社の業務で導入・運用しながら、AIエージェントや業務自動化、Webアプリ・システムの開発を手がけています。代表（エンジニア）が上流から直接ご相談に応じ、いきなり大きな案件に入らず、対象業務の切り分けと検証から段階を区切って進めます。「そもそも作るべきかどうか」の段階でも構いません。初回のご相談（無料）からお気軽にどうぞ。社内でAIを使い始める段階の方は会社でのAIツール導入の始め方、発注の全体像を知りたい方は要件定義の進め方もあわせてご覧ください。