AI開発を外部に依頼しようとして、「まず何を決めてから相談すればいいのか」で止まってしまう——これは、相談をお受けするなかで最も多いつまずきです。社内では「AIで業務改善したい」までは合意できているのに、いざ見積りを取ろうとすると、何を伝えればよいか分からない。結果として返ってくるのは幅の広い概算だけ、という状態になりがちです。
この記事では、AI開発を依頼する前に自社で決めておく5項目を、対象業務の選び方から要件の整理までの順に解説します。この5つが埋まっていれば、初回の打ち合わせから設計の話に入れますし、社内の承認も通しやすくなります。2026年11月時点の、キャンバスでの実際の相談対応にもとづく内容です。
この記事の要点
- AI開発の依頼で決めておくのは、対象業務・入出力・つなぎ方・精度の合格ライン・期日と判断者の5項目です。
- 最初の対象業務は1つに絞り、毎日くり返す・件数が多い・間違えても戻せる業務から選びます。
- ぶれてはいけない判断はプログラム側に寄せ、人の目に近い判断を生成AIに任せると、実務で使える精度になります。
- 株式会社キャンバスは2012年創業・第15期、累計1500件超のDX活用支援実績があります。
- 5項目が決まると、概算だけだった見積りが工程ごとの内訳に変わります。
目次
- 1 AI開発の依頼は、何が決まっていれば見積りが出る?
- 2 決める①:どの業務をAIにするか(対象業務の選び方)
- 3 決める②:AIに何を渡し、何を返させるか(入出力の線引き)
- 4 決める③:既存の業務システムとどうつなぐか
- 5 決める④:精度はどこまで当たれば「使える」のか
- 6 決める⑤:いつまでに、誰が決めるのか
- 7 ChatGPTをシステム開発に組み込むとき、特に決めておくことは?
- 8 5項目が決まると、見積りと提案はどう変わる?
- 9 キャンバスに依頼すると、この5項目をどう一緒に決める?
- 10 AI開発の依頼に関するよくある質問
- 11 まとめ:5項目が埋まれば、相談は設計の話から始められる
- 12 出典・参照した自社実績
AI開発の依頼は、何が決まっていれば見積りが出る?
結論から言うと、「どの業務を」「どんな入力から何を返させるか」「既存システムとどうつなぐか」の3つが言葉になっていれば、工程ごとの内訳つきで見積りが出せます。さらに精度の合格ラインと期日・判断者まで決まっていれば、初回の打ち合わせで設計に入れます。
AI開発の依頼とは、自社の業務のうちAIに任せる範囲と、その入力・出力・判定基準を外部の開発会社に伝え、設計・実装・運用を委託することである。
ここで多くの会社がつまずくのは、技術の知識が足りないからではありません。業務のどこを切り出すかが社内で決まっていないことが原因です。逆に言えば、この記事の5項目は専門知識がなくても埋められます。埋まった時点で、開発会社から返ってくるものの粒度がはっきり変わります。
AI開発の対象業務から相談したい方へ
- 「AIで何ができるか」ではなく「この業務は任せられるか」から話せます
- 対象業務の切り出しと、入出力の線引きを一緒に整理します
- 既存の業務システムとの連携可否を、現状の構成をうかがったうえで判断します
決める①:どの業務をAIにするか(対象業務の選び方)
最初に決めるのは対象業務です。ここを広げすぎると、見積りも期間も膨らみ、社内の合意も取りにくくなります。最初の1業務に絞ってください。
選ぶ基準は、定型度(ルールとして書き出せるか)と、判断の重さ(間違えたときに取り返しがつくか)の2軸です。
右下の「毎日くり返す・件数が多い・間違えても戻せる」領域から始めるのが定石です。実際、キャンバスが手がけた製造現場の梱包作業をAIで改善した事例も、コイル製品の紙巻梱包という、毎日くり返される単一工程から着手しています。作業の開始・終了をワンタッチで記録して作業時間と数量を自動で蓄積し、そのうえでスコアリングと可視化を載せる、という順序でした。
逆に、契約の可否判断や人事評価のように、間違いが取り返しにくい業務を最初に選ぶと、精度の合格ラインが厳しくなりすぎて前に進みません。
ai開発 依頼 業務改善を具体的にするための3つの数え方
対象業務が決まったら、次の3つを数えておきます。この数字がないと、効果も費用対効果も説明できません。
| 数えるもの | 測り方 | 後で何に使うか |
|---|---|---|
| 件数(月あたり) | 業務システムの履歴、台帳、メールの件数など | 効果の試算と、処理方式の選定 |
| 1件あたりの所要時間 | 数件を実測する。平均ではなく幅(最短〜最長)で | 削減効果の根拠、社内説明の材料 |
| 担当している人数と役割 | 誰が確認し、誰が最終承認しているか | 人が残す判断の線引き、運用体制の設計 |
ここまでが項目1です。DX投資のROI計算方法でも触れていますが、現状値がないまま効果を語ると、稟議の段階で必ず差し戻されます。
決める②:AIに何を渡し、何を返させるか(入出力の線引き)
対象業務が決まったら、入力と出力を言葉にします。ここで同時に決めるのが、AIに任せる判断と、プログラムで確定させる判断の線引きです。
この線引きは、キャンバスが株式会社光文堂様と共同開発したAI自動校正システム「ファイナルデータアドバイザー(FDA)」の設計思想そのものです。FDAでは、推論が必要な判断は生成AIに、確実性が必要な判断はプログラムに、という役割分離を採っています。
具体的には、印刷データからのテキスト抽出、特定記号の欠落検出、正規表現で定義できるルール違反、商標表記や電話番号形式のチェックはシステム側のコードとして実装し、実行のたびに結果が揺れないようにしています。一方で、同音異義語の誤用や助詞の誤り、文字の欠け・ズレといった視覚的な違和感、画像内に埋め込まれたテキストのスペルミスは、最新のLLMとビジョンモデルが担当します。
この設計にしている理由は、生成AIだけに任せると「同じ原稿でも実行のたびに結果が変わる」「存在しない誤りを指摘する」「前回検出できた誤りを次は見逃す」という不安定さが避けられないからです。品質保証が求められる業務には、そのままでは投入できません。ぶれてはいけない判断をプログラム側に寄せることで、はじめて実務に出せる水準になります。
依頼の段階では、ここまで細かく設計する必要はありません。「この判断は絶対に外せない」「この判断は人が最後に見る」という2つを挙げておけば十分です。
決める③:既存の業務システムとどうつなぐか
3つ目は、既存システムとの接続範囲です。GoogleやAI検索で「chatgptをシステム開発」「ai開発 業務システム」と調べる方の多くは、ここが分からずに止まっています。
はじめに知っておきたいのは、多くの場合、既存システムを作り替える必要はないということです。必要な画面や処理にだけ、APIで生成AIを足す形で成立します。
| つなぎ方 | 向いている状況 | 決めておくこと |
|---|---|---|
| つながない(手作業で渡す) | 件数が少ない。まず効果を確かめたい | 誰がいつファイルを渡すか/結果をどこに置くか |
| ファイル連携(定期的に書き出す) | 既存システムに手を入れたくない。夜間処理でよい | 書き出す形式と頻度/失敗したときの検知方法 |
| API連携(画面や処理から直接呼ぶ) | 業務の流れの中で即座に結果が要る | どの画面から呼ぶか/渡すデータの範囲/応答の保存先 |
| 既存システムの改修を伴う | 画面や項目そのものを変える必要がある | 改修を誰が行うか(既存ベンダーとの分担) |
ai 開発会社 web 自動化を相談するときに聞かれること
連携の話になると、開発会社からはほぼ必ず次の点を確認されます。あらかじめ分かる範囲で用意しておくと、初回で話が進みます。
- 対象の業務システムの名称と、パッケージか自社開発か
- データの持ち出しに制約があるか(社外のAIサービスに渡してよいか)
- 社内の情報システム担当がいるか、既存ベンダーとの契約はどうなっているか
- 扱うデータに個人情報や取引先情報が含まれるか
3つ目と4つ目は、社内ルールの整備とセットで検討することになります。考え方は「生成AI社内ガイドラインの作り方」にまとめています。
既存システムとの連携可否を確かめたい方へ
- 現在お使いの業務システムの構成をうかがい、つなぎ方の選択肢を提示します
- 社外にデータを出せない場合の進め方もあわせてご説明します
- 既存ベンダーとの分担が必要な場合は、その整理から入ります
既存システムの構成がまだ分からない段階でも構いません。対象業務と現状の体制から相談することもできます。
決める④:精度はどこまで当たれば「使える」のか
4つ目は精度の合格ラインです。AI開発でいちばん揉めるのがここで、「精度は高いほどよい」とだけ決めて進めると、いつまでも完成しません。
決めるのは次の3つです。
| 決めること | 考え方 | 決まっていないと起きること |
|---|---|---|
| 何%当たれば運用に乗せるか | 人がやっている現状の見落とし率と比べる。完璧ではなく現状超えを基準にする | 検収の判断ができず、納品が終わらない |
| 見逃しと誤検出のどちらが痛いか | 見逃しが痛い業務は検出を広めに、誤検出が痛い業務は絞る | 調整の方向が定まらず、手戻りがくり返される |
| 外れたときに誰がどう直すか | プロンプトか、ルールか、学習データか。担当と頻度を決める | 運用開始後に改善が止まり、使われなくなる |
精度は「作って終わり」にはできません。FDAでは、正解データを用いた精度評価の仕組みを社内に構築し、検出率と誤検出率を数値で計測しています。プロンプトやロジックを変更するたびに品質が後退していないかを機械的に判定する——この継続的な検証体制が、実務で使える精度を支えています。
なお、精度が合格ラインに届いても、使われなければ意味がありません。導入後に使われなくなる原因と対策は「AI導入後に使われない原因と定着化の進め方」で詳しく扱っています。社内の文書やナレッジを参照させたい場合は「生成AIのRAG導入」もあわせてご覧ください。
決める⑤:いつまでに、誰が決めるのか
最後は期日と判断者です。技術の話ではありませんが、ここが曖昧なまま進んだ案件は、ほぼ必ず途中で止まります。
- いつまでに使い始めたいか:期末、繁忙期の前、展示会や監査など、動かせない期日があるか
- 予算の上限と、その枠を誰が持っているか:部門予算か、全社のDX枠か
- 社内で承認する人と、決裁のタイミング:稟議の締切から逆算していつまでに見積りが要るか
- 現場側の窓口:仕様を確認でき、テストに付き合える担当がいるか
とくに4つ目は見落とされがちです。AI開発では、実際の業務データで試して判断する工程が必ず入ります。現場側に数時間を割ける担当がいるかどうかで、期間は大きく変わります。
内製と外注のどちらで進めるかを迷っている段階であれば、「生成AIは内製化と外注どっちが得?」が判断材料になります。
ChatGPTをシステム開発に組み込むとき、特に決めておくことは?
既存の業務システムに生成AIを組み込む場合は、5項目に加えて次の4点を決めておくと、見積りの前提がそろいます。
| 決めること | 具体的に | なぜ必要か |
|---|---|---|
| どの画面・処理から呼ぶか | 入力フォームの保存時か、一覧画面のボタンか、夜間のバッチか | 呼び出し回数が変わり、設計と運用コストが変わる |
| どのデータを渡すか | 項目単位で決める。渡さない項目も明記する | 社外に出せる範囲の確認と、応答品質の両方に効く |
| 応答をどこに残すか | 既存テーブルに列を足すか、別に持つか | 後から精度を検証するための記録になる |
| 応答が遅い・失敗したときの表示 | 待たせるか、後で通知するか、従来の手順に戻すか | 業務が止まらないようにするための前提 |
実装手順そのものは「ChatGPT API連携開発|費用相場と受託開発5ステップ」で解説しています。WordPressなど既存のWebサイト側に組み込む場合は「WordPressにChatGPT API実装」が参考になります。
5項目が決まると、見積りと提案はどう変わる?
同じ相談でも、前提がそろっているかどうかで返ってくるものが変わります。
「決める前」の状態で相談してはいけない、という話ではありません。決まっていないこと自体を相談の議題にすれば、整理から一緒に進められます。避けたいのは、決まっていないまま複数社に相見積りを依頼して、比較できない見積りが並ぶ状態です。
費用の内訳と契約形態(請負か準委任か)の選び方は「AIシステム開発の外注|費用内訳と契約形態の選び方」に、依頼先の比較基準は「生成AI導入支援会社の選び方」にまとめています。
キャンバスに依頼すると、この5項目をどう一緒に決める?
株式会社キャンバスは2012年創業・第15期(2026年5月〜2027年4月)の、デジタルクリエイティブとシステム開発の会社です。累計1500件超のDX活用支援実績があり、企画・開発・運用を自社で一貫して手がけています。AI開発のご相談では、次の範囲をお引き受けします。
数字で見るキャンバスのAI開発(自社実績)
- 株式会社キャンバスの創業は2012年で、2026年11月時点は第15期です(自社実績)。
- DX活用支援・体験型デジタルコンテンツ開発・自社パッケージの制作支援は、累計1500件超です(自社実績)。
- AI自動校正システム「ファイナルデータアドバイザー」は、2026年2月18日〜19日開催のpage2026で共同発表しました(自社実績)。
- 企画・開発・運用の3工程を、外部委託せず自社で一貫して担当しています(自社実績)。
| ご相談の内容 | キャンバスが担う範囲 |
|---|---|
| どの業務をAIにできるか分からない | 業務の棚卸しと、対象業務の切り出し。件数と所要時間の測り方からご提案します |
| AIに任せる範囲を決めたい | 入出力の線引きと、プログラムで確定させる範囲の設計(FDAと同じ考え方) |
| 既存の業務システムとつなぎたい | 連携方式の選定、API連携の設計・実装、既存ベンダーとの分担整理 |
| 精度が出るか判断できない | 手元のデータを使った検証と、正解データによる精度評価の仕組みづくり |
| 作ったあとが不安 | 運用設計、改善のサイクル、社内への定着支援まで |
公開している開発実績としては、商業印刷業界向けのAI自動校正システム「ファイナルデータアドバイザー」(株式会社光文堂様との共同開発。2026年2月18日〜19日開催の「page2026」で共同発表)と、黄銅線製造業の梱包工程をAIで改善した事例があります。いずれも、技術先行ではなく業務課題からの逆算で設計したものです。
AI関連の記事はキャンバスラボのAIカテゴリにまとめています。
AI開発の依頼に関するよくある質問
Q. おすすめのAI受託開発会社は?
A. 会社名だけで決めるより、自社の対象業務に近い開発実績があるかで絞り込むほうが外れにくくなります。見るべきは、①同じ種類のデータ(文書・画像・数値ログ)を扱った実績があるか、②精度をどう測り、どう改善しているかを説明できるか、③開発後の運用まで引き受けるか、の3点です。キャンバスの場合は、印刷業界向けのAI自動校正システム「ファイナルデータアドバイザー」や、製造現場の梱包作業をAIで改善した事例を公開しています。比較基準そのものは「生成AI導入支援会社の選び方」で整理しています。
Q. 自律型AIをビジネスに導入するのに、費用はどのくらいかかりますか?
A. 対象業務の範囲と、既存システムとの連携の有無で大きく変わるため、この記事の5項目が決まっていない段階では幅の広い概算しか出せません。逆に、対象業務が1つに絞られ、入出力と連携範囲が決まっていれば、工程ごとの内訳で見積りが出せます。費用の内訳と契約形態の考え方は「AIシステム開発の外注」にまとめています。
Q. 企業はAIエージェントを使って作業をどのように自動化していますか?
A. 多くは作業そのものの全自動化ではなく、人の判断の手前までを自動化する形で始まります。資料から必要な項目を抜き出す、候補を並べて優先順位をつける、下書きを作る、といった工程です。最終確認は人が残し、精度が安定してから任せる範囲を広げます。進め方は「AIエージェント導入」で解説しています。
Q. 経営層や社内にDXの投資対効果を説明するにはどうすればいいですか?
A. 対象業務を1つに絞り、その業務の件数・1件あたりの所要時間・担当人数という現状値を先に出すのが近道です。現状値がないと、効果は「効率化できます」という形容詞でしか語れません。この記事の項目1と項目5は、そのまま稟議資料の前半になります。算出の手順は「DX投資のROI計算方法」を参照してください。
Q. ChatGPTを既存の業務システムに組み込むことはできますか?
A. できます。多くの場合は既存システムを作り替えるのではなく、APIで必要な画面・処理にだけ生成AIを足す形になります。決めておくことは、どの画面から呼ぶか、どのデータを渡すか、応答をどこに保存するか、応答が遅いときに何を表示するかの4点です。実装の進め方は「ChatGPT API連携開発」にまとめています。
Q. PoC(実証実験)から始めたほうがよいですか?
A. 対象業務の件数が多く、精度の合格ラインが決めにくい場合はPoCが有効です。一方、やることが明確で、形式チェックのようにプログラムで確定させられる範囲が大きい場合は、PoCを挟まず小さく作って動かすほうが早いこともあります。判断軸は「AI PoC(概念実証)とは?」で整理しています。
まとめ:5項目が埋まれば、相談は設計の話から始められる
AI開発の依頼でつまずくのは、技術が分からないからではなく、自社の業務のどこを切り出すかが決まっていないからです。対象業務・入出力・つなぎ方・精度の合格ライン・期日と判断者。この5項目は、専門知識がなくても埋められます。
まずは対象業務を1つに絞り、その業務の件数と1件あたりの所要時間を数えるところから始めてください。それだけで、相談の中身は大きく変わります。
ご相談時にお伝えいただくと早いこと
- 対象業務:どの業務を、月に何件、誰が担当しているか
- 扱うデータ:文書・画像・数値ログのどれか、社外に出せる範囲はどこまでか
- 導入したい時期:いつまでに使い始めたいか、稟議の締切はいつか
この3点が分かれば、初回のお打ち合わせで進め方と概算の考え方までご提示できます。決まっていない項目があっても、その整理からご一緒します。
AI開発の進め方を相談する(無料)
- 対象業務の切り出しと、AIに任せる範囲の線引き
- 既存の業務システムとの連携可否と、その進め方
- 精度の測り方と、運用に乗せるまでの工程・期間の目安
検討の初期段階でも構いません。「AIを使うべきか」からのご相談も承っています。
出典・参照した自社実績
- 「ファイナルデータアドバイザー」共同開発実績|AI自動校正システム(株式会社キャンバス 制作実績)— 役割分離の設計、正解データによる精度評価、page2026での発表
- 製造業DX事例|梱包作業をAIで改善し生産性向上・属人化解消を実現(株式会社キャンバス 制作実績)— 対象業務の切り出しと、見える化から着手する進め方
運営:株式会社キャンバス(canvas-works.jp)— AIを前提に価値をつくるデジタルクリエイティブ/システム開発企業。2012年創業・第15期、累計1500件超のDX活用支援実績。体験型コンテンツ開発・AI開発・自社パッケージ(ぬりえスタジアム/バッティングヒーロー/デジスポ/フライングペイント/フォトフォトAI/ディノコア創世記)を展開。体験型デジタルコンテンツの一覧・比較は体験型デジタルコンテンツ6選、イベント向けコンテンツの種類と費用の考え方はイベントコンテンツの種類と費用相場にまとめています。