「AI開発の見積書が届いたが、この金額が高いのか安いのか、そもそも何にいくら払っているのかが判断できない」——年商数億円規模で社内にAI開発の専門家がいない企業の経営者・実務決裁者から、この相談を最も多くいただく。相見積もりを取っても各社のフォーマットがバラバラで、金額だけが一人歩きし、比較のしようがないというのが実態だ。
先に結論を言う。AI開発の見積書は「総額が妥当か」を当てにいくものではない。「何が入っていて、何が入っていないか」を読み分け、抜けている費用を発注者側が先に見つけるための書類だと考えたほうがよい。総額の相場は対象データ・求める精度・連携システム数で数倍単位で動くため、相場表への当てはめだけで判断すると必ず外す。読むべきは金額ではなく費目の構造であり、確認すべきは「今は見えていないが後から必ず来る費用」がどこに隠れているかだ。
本記事では、AI開発の見積書を発注者目線で読み解くための7つのチェックを、費目分解・PoCと本番の費用差・データ準備費・運用/再学習費・追加費用の発生条件・相見積もりの揃え方まで、稟議の添付資料にそのまま使える形で整理する。あわせて、多くの記事が触れない「疑う順番」「ベンダーへの質問リスト」「見積書を揃えて比較可能にする共通フォーマット」というGXO独自の判断フレームを載せる。
この記事を読むべき人
- AI開発・生成AI導入の見積書を初めて受け取り、金額の妥当性を判断できずにいる経営者・事業責任者
- 社内にAIやシステム開発の専門家がおらず、兼任情シスや管理部門が発注可否を判断しなければならない立場の人
- 複数社から相見積もりを取ったが、フォーマットが揃わず比較できずに止まっている人
- PoC（概念実証）で費用を使ったのに本番に進めなかった経験があり、二度目の失敗を避けたい人
- 稟議を通す前に、抜け・追加費用リスク・契約上の落とし穴を第三者の視点で潰しておきたい人
AI ASSESSMENT
PoC の前に「そもそも使えるか」を30分で見極めませんか？
対象業務、データ、権限、ログ、運用責任を確認し、PoC前に失敗要因と本番化条件を整理します。
なぜ今この記事を読むべきか
生成AIの普及で、AI開発は「一部の大企業が数千万円かけてやるもの」から「中小企業が数十万〜数百万円で業務に組み込むもの」へと裾野が広がった。同時に、見積書の中身は従来のシステム開発よりも読みにくくなっている。理由は3つある。第一に、外部のLLM（大規模言語モデル）を使う構成が増え、開発費だけでなく「使うたびに課金される従量料金」という新しい費目が加わった。第二に、AIは「作ってみないと精度が出るか分からない」性質があり、見積時点で工数を確定しづらい。第三に、大量の業務データをベンダーに預けるため、データの権利・秘密保持という契約リスクが金額と切り離せなくなった。
公的な整備も進んでいる。経済産業省と総務省は2024年4月に「AI事業者ガイドライン（第1.0版）」を公表し、その後も改定を重ねている（一次情報：後掲）。さらに経済産業省は2025年（令和7年）2月に「AIの利用・開発に関する契約チェックリスト」を公表し、AI開発の契約で何を確認すべきかを整理した。見積書と契約書の読み方が、公的にも「発注者が押さえるべき論点」として明文化されたのが今の局面だ。だからこそ、届いた見積書を相場の当てずっぽうで判断するのではなく、構造で読む力が要る。
AI開発の費用相場は「レンジ」でしか語れない（断定しない）
まず前提を共有したい。ネット上の相場表は参考にはなるが、そのまま自社の見積の合否判定に使ってはいけない。同じ「チャットボットを作りたい」でも、定型FAQに答えるだけなら数十万円、社内文書を検索して部門別の権限管理まで含めれば数百万円と、10倍以上開く。相場から外れた見積が届いたら「高い・安い」と即断するのではなく、「なぜこの構成でこの金額になるのか」を聞くための出発点として使うのが正しい。
以下は各社が公表するレンジを二次情報として集約し、GXOの実務感で幅を持たせて整理したものだ。特定の一社の実績値や断定的な相場ではない点に注意してほしい。
横にスクロールして確認できます
| フェーズ | 費用レンジ（目安） | 期間目安 | 主な中身 |
|---|---|---|---|
| 企画・要件定義 | 数十万〜200万円台 | 2〜6週間 | 業務整理、実現可能性の見立て、ROI試算 |
| PoC（概念実証） | 100万〜300万円台（規模により〜500万円） | 1〜2ヶ月 | 精度検証、評価レポート、本番可否判断 |
| 本番開発 | 500万〜2,000万円超 | 3〜6ヶ月 | 業務組込み、UI、システム連携、テスト |
| 運用・保守 | 月額数万〜100万円超 | 継続 | 監視・再学習・改修・LLM利用料 |
種類別に見ると、外部LLMを使ったFAQ・文書要約系は比較的安く、画像認識や需要予測のように自社データでモデルを育てるものは高くなりやすい、という傾向がある。ただしこれも「傾向」であって、データの状態次第で上下する。相場表は「桁を間違えていないか」を確認する物差しであり、それ以上の精度で使うべきではない。
FREE DOWNLOAD
AI導入チェックリスト（PoC 失敗要因 10項目）
情シス部門が PoC 前に押さえるべき失敗要因を10項目に整理した無料チェックリスト。
AI開発の見積書は4つの費目に分解して読む
7つのチェックに入る前に、AI開発費が何で構成されているかを頭に入れておくと、見積書の「一式」の裏側が見えるようになる。おおまかに次の4つに分かれる。
横にスクロールして確認できます
| 費目 | 全体に占める割合の目安 | 中身 | 見積書で隠れやすいポイント |
|---|---|---|---|
| 人件費（エンジニア・データサイエンティスト） | 全体の6〜7割 | 要件定義、モデル開発、実装、テスト | 単価と工数が「一式」に丸められがち |
| データ関連費 | 全体の2〜4割 | 収集・クレンジング・アノテーション | 「お客様でご用意」で見積に載らない |
| インフラ・LLM利用費 | 全体の1〜3割 | GPU、クラウド、外部API従量課金 | 開発費に隠れ、運用で従量請求が発生 |
| その他（PM・ドキュメント） | 全体の1割前後 | 進行管理、ドキュメント整備 | 過小計上または過大計上の両方あり |
割合はあくまで目安（二次情報の集約）だが、「人件費が6〜7割」「データとインフラで残りの大半」という骨格は、どのAI開発でもおおむね変わらない。この骨格に照らすと、たとえば「開発費500万円・内訳なし」という見積は、350万円前後が人件費、残りがデータとインフラのはず、と当たりをつけられる。その当たりと実際の記載がズレていたら、そこが確認すべき費目だ。
見積書を読む順番（GXO独自の判断フレーム）
多くの解説記事は「確認すべき項目リスト」を並べるが、実務で効くのは疑う順番だ。時間が限られた発注者が全項目を精査するのは難しいので、金額インパクトと後戻りのしにくさが大きい順に見ていくとよい。GXOでは次の順で読むことを勧めている。
- 運用・LLM従量課金（後から効いてくる／総額が一番読みにくい）
- データ準備費と、その負担者（抜けていると内部工数が爆発する）
- PoCと本番の分離と撤退条件（契約構造の後戻りリスク）
- 工数と単価の明示（水増しと過小見積の両方を見る）
- モデルの選び方（再利用か独自か）（過剰設計の温床）
- 追加費用の発生条件（変更管理のルール）
- 知財・秘密保持（金額ではないが致命傷になりうる）
以下、この順番に沿って7つのチェックを解説する。前半ほど「後から金額が膨らむ」項目、後半ほど「契約・権利で取り返しがつかなくなる」項目だ。
チェック1：運用・LLM従量課金が「後出し」になっていないか
最初に疑うべきは、実は開発費ではなく運用費だ。外部のLLMを使う構成では、システムを使うたびに外部API利用料が発生する。ここが見積書から抜けていると、「開発費は予算内だったのに、稼働後の請求で毎月想定外の出費が続く」という最悪のパターンになる。
読み方のポイント：
- LLM利用料が「開発会社が月額固定で吸収する」のか「実費を発注者が負担する（従量）」のかを必ず確認する。この扱い次第で表面の見積額は大きく変わる。
- 従量負担なら、想定利用量での月額試算が添えられているか。利用者数×1日の利用回数で概算が変わるため、「社員100名が1日10回」といった前提が置かれているかを見る。
- 保守に「モデル再学習」「精度モニタリング」「障害対応」のどこまでが含まれるかを行単位で確認する。特に再学習が別料金だと、年間で数十万〜数百万円の追加になりうる。
3年でいくらになるかで比較する。 AI開発は初期費用より運用費の累積が効く。GXOでは、初期費用だけでなく「初期＋運用×36ヶ月」の総保有コスト（TCO）で相見積もりを並べ直すことを勧めている。初期が安くても運用の従量負担が重い見積は、3年で逆転することが珍しくない。ここは各社の相見積もりで最も差が出るポイントであり、DX・システム開発の見積もりを相談する場面でも、まず運用費の前提を揃えるところから始める。
チェック2：データ準備費が別立てで、負担者が明記されているか
AI開発で最も見積がブレるのがデータ準備工程だ。AI開発実務では「データの収集・クレンジング・前処理が全工数の過半を占めることも珍しくない」と繰り返し指摘される（複数の開発事業者・実務解説による二次情報。特定調査の断定的数値ではない）。にもかかわらず、この工程が見積書で曖昧になっているケースが非常に多い。
見積書でデータ準備費が独立項目として存在しない場合、原因は次のどちらかだ。
- 「データはお客様でご用意ください」の前提になっている：この場合、社内でデータを整形するための内部工数（担当者の時間）が別途かかる。見積の外にあるだけで、コストが消えるわけではない。誰が・何時間かけて・どの品質まで整えるのかを社内で見積もり直す必要がある。
- 「開発費に含まれている」：この場合は、データ整備にかける工数の上限が決まっているかを確認する。上限がないと、「データが想定より汚かった」を理由に追加費用を請求される余地が残る。
負担者を一文で確定させる。 データ準備は「発注者の内部工数」と「ベンダーの見積工数」の境界が曖昧になりやすい。見積書か契約書に「どのデータを・どちらが・どの品質まで整えるか」を書き切っているかを見る。ここが曖昧な見積は、金額そのものより境界の曖昧さが危険だ。
チェック3：PoCと本番が分離され、撤退条件があるか
AIは「作ってみないと精度が出るか分からない」ため、いきなり本番一括で契約するのは危険だ。PoC（概念実証）で目標精度に届かなかった場合に、方針転換や撤退ができる構造になっているかを確認する。
推奨される段階分けと契約形態：
横にスクロールして確認できます
| フェーズ | 望ましい契約形態 | 終了・判定条件 |
|---|---|---|
| PoC | 準委任（工数ベース） | 目標精度に達したかで本番可否を判定 |
| 本番開発 | 請負（成果物ベース） | 要件定義書に基づく検収 |
| 運用・保守 | 準委任（月額固定または従量） | 契約期間の満了・更新 |
PoCを「請負（成果物を約束する契約）」で受ける会社には注意がいる。AIのPoCは精度という成果を事前に約束しにくいため、無理に約束させると、そのリスク分がどこかの費用に上乗せされるか、達成基準が曖昧になる。PoCは工数ベースの準委任で受け、「PoCで基準精度に届かなければ本番契約は発生しない」旨を契約に明記しておくのが、発注者を守る形だ。
見積書がPhase1〜3に分かれておらず、開発から運用までが一本の金額で提示されている場合は、「PoCで想定した精度が出なかったときにどうなるか」を必ず聞く。この一問への答え方で、そのベンダーがAI開発の不確実性をどう扱う会社かが見える。PoCと本番をどう区切り、要件をどう固めるかはAI開発の見積もり・第三者診断の場でも最初に整理する論点だ。
チェック4：工数根拠（人日×単価）が明示されているか
「AI開発一式 ○○万円」としか書かれていない見積書は、そこで一度止まったほうがよい。信頼できる見積書には、工程ごとの工数（人日または人月）と単価が並んでいる。
横にスクロールして確認できます
| 工程 | 何を見るか |
|---|---|
| 要件定義・設計 | 業務理解にどれだけ時間を割く前提か |
| データ前処理 | チェック2で見た負担者・上限と整合しているか |
| モデル開発・学習 | 再利用か独自かで工数が妥当か（チェック5） |
| システム・API連携 | 既存システムとの接続範囲が明確か |
| テスト・品質保証 | 精度の合格基準に対する検証工数があるか |
「一式」表記そのものが悪いのではない。 内訳の開示を求めたときに、書面で工数と単価を出せるかどうかが分かれ目だ。開示を渋る会社は、工数を水増ししているか、そもそも根拠が薄い。逆に、聞けばすぐ内訳を出せる会社は、類似案件の実績があり見積の再現性が高い。単価の高低より、「なぜその工数なのか」を説明できるかを見る。過小見積（安く見せて後で追加）も水増しと同じくらい危険なので、安すぎる工数にも同じ目を向ける。
チェック5：再利用モデルと独自開発が区別されているか
AI開発の費用は「既存モデルを活用するのか、ゼロから作るのか」で大きく変わる。FAQ応答や文書要約のように既存のLLMで足りる用途に、独自モデルのフルスクラッチ開発費が計上されていたら、過剰設計を疑う。
横にスクロールして確認できます
| アプローチ | 相対的なコスト感 | 向いている用途 |
|---|---|---|
| 既存LLM＋プロンプト設計 | 最も軽い | FAQ応答、要約、データ抽出 |
| 既存モデル＋ファインチューニング | 中程度 | 業界特化の分類、固有表現抽出 |
| 独自モデルのフルスクラッチ | 最も重い | 独自アルゴリズムが要る画像解析等 |
問うべきは一つ：「なぜ既存モデルの活用ではだめなのか」。 この技術的根拠を、発注者にわかる言葉で説明できるベンダーは信頼できる。「独自開発のほうが精度が高いから」といった抽象論しか返ってこない場合は、売りたいものを売っている可能性がある。用途に対して構成が重すぎないか——見積書に「モデル開発」とだけ書かれていたら、必ずこのアプローチの違いを確認する。
チェック6：追加費用の発生条件（変更管理）が定義されているか
AI開発で「追加費用ゼロ」はほぼ成立しない。データの質が想定と違った、要件が動いた、精度が出ずに調整工数が増えた——こうした変動は避けられない。だからこそ見るべきは「追加費用が出るか否か」ではなく、「どういう時に・どう決まるか」というルールだ。
- 追加開発・改修の時間単価が事前に決まっているか
- 「要件変更」と判断される線引きが具体的か（どこからが追加か）
- 「追加費用なし」と書かれている場合、その裏に余剰工数（バッファ）が積まれて割高になっていないか
「追加費用なし」を額面どおり受け取らないこと。不確実なAI開発でそれを謳うなら、リスク分が最初から上乗せされているか、逆に何かを削って安く見せているかのどちらかだ。変更管理のルールが明文化されていること自体が、成熟したベンダーのサインである。
チェック7：知財の帰属とNDA（秘密保持）の範囲が具体的か
最後は金額ではなく契約リスクだ。ここは後戻りが効かないため、順番としては最後でも軽視してはいけない。AI開発では大量の業務データをベンダーに預け、そのデータで育てたモデルが生まれる。**「自社の業務データで学習させたモデルの権利が、いつのまにか開発会社に帰属していた」**という事態は、間接的な営業秘密の流出につながりうる。
経済産業省の「AI・データの利用に関する契約ガイドライン」および2025年公表の「AIの利用・開発に関する契約チェックリスト」は、まさにこの論点を発注者・受注者双方が確認するために整備された公的資料だ（一次情報：後掲）。見積書に知財・秘密保持の記載がなくても、契約書段階で次を必ず詰める。
横にスクロールして確認できます
| 確認項目 | 見るポイント |
|---|---|
| 知財（学習済みモデル）の帰属 | 発注者／開発会社／共有のどれか。自社データ由来モデルの扱い |
| 秘密情報の定義 | 「提供データ一切」か「書面で秘密指定したもの」か |
| データの保管・削除 | 暗号化、保管リージョン、終了後の削除・削除証明 |
| 学習利用の制限 | 自社データを他案件のモデル学習に使わない旨の明記 |
| 再委託先への適用 | NDAが再委託先にも及ぶか |
特に「ベンダーが自社の提供データを他社案件のモデル学習に転用しない」旨は、一般的な秘密保持条項の一文では担保されないことが多い。明記を求めるべきだ。
相見積もりの「揃え方」——比較できない見積は比較しない
相見積もりで最も多い失敗は「各社のフォーマットがバラバラで、金額しか比べられない」状態だ。これはベンダーの問題ではなく、発注者が同じ条件で見積を依頼していないことが原因であることが多い。GXOでは、相見積もりを取る前に発注者側で条件を固定し、全社に同じ土俵で出させることを勧めている。
相見積もりを比較可能にする共通フォーマット（発注時に指定する）：
横にスクロールして確認できます
| 揃える項目 | 各社に必ず記載させる内容 |
|---|---|
| スコープ | どの業務の・どこからどこまでをAIが担うか |
| 初期費用 | 工程別の工数・単価の内訳 |
| 運用月額 | 保守範囲＋LLM利用料の扱い（込み／実費／上限） |
| データ準備 | 誰が・どの品質まで整えるか |
| 追加費用 | 変更時の時間単価と線引き |
| 契約形態 | PoC＝準委任／本番＝請負／撤退条件 |
| 知財・NDA | モデル帰属とデータ取扱い |
社数は3〜4社が現実的。 1社では妥当性が判断できず、2社では「高い・安い」の二択になる。3社あれば中央値が見え、各社の強み弱みが比較できる。5社以上は比較工数がかさみ意思決定が遅れる。料金を公開している会社と、顧問型で個別見積の会社を混ぜると、価格レンジと相場感の両方が見えやすい。フォーマットを揃えた相見積もりは、そのまま稟議の比較表になる。要件をどう固めて各社に投げるかで迷ったら、DX・システム開発の進め方を整理する段階から第三者を入れると早い。
ベンダーに聞くべき質問リスト
見積書だけでは読み切れない部分は、質問で埋める。以下は、返答の質でベンダーの実力が測れる質問だ。
- この工数の根拠になった類似案件はありますか（守秘の範囲で構いません）
- PoCで目標精度に届かなかった場合、本番契約と費用はどうなりますか
- LLMの利用料は御社が吸収しますか、実費請求ですか。想定利用量での月額試算をください
- データ準備は御社とうち、どちらが・どの品質まで担当しますか
- モデルの再学習は保守に含まれますか。含まれない場合の費用感は
- 追加費用が発生するのはどういう時で、その時の単価はいくらですか
- 学習済みモデルの権利は誰に帰属しますか。うちのデータを他案件に使わない旨は契約に入りますか
答えを渋る・抽象論で返す・その場で決められない、といった反応が出る質問こそ、リスクが潜む場所だ。
発注前チェックリスト（そのまま稟議に添付できる）
横にスクロールして確認できます
| # | チェック項目 | 確認 |
|---|---|---|
| 1 | 運用費・LLM従量課金が見積に含まれ、3年TCOで比較したか | □ |
| 2 | データ準備費が別立てで、負担者と品質基準が明記されているか | □ |
| 3 | PoCと本番が分離され、撤退条件が契約にあるか | □ |
| 4 | 工数（人日）×単価が工程別に開示されているか | □ |
| 5 | 再利用モデルか独自開発かが区別され、根拠が説明されたか | □ |
| 6 | 追加費用の発生条件と時間単価が事前に定義されているか | □ |
| 7 | 知財の帰属とNDA（学習利用の制限含む）が具体的か | □ |
| 8 | 相見積もりを共通フォーマットで揃え、3〜4社で比較したか | □ |
3項目以上が「□（未確認）」のまま稟議に上げるのは危険だ。追加の情報開示を求めるか、条件を揃えて出し直させてから判断する。
よくある失敗パターン
- 相場表に当てはめて即決した：総額はレンジで大きく動く。相場は物差しであり合否判定ではない。
- 開発費だけ見て運用費を見なかった：稼働後の従量請求で3年トータルが逆転した。
- データは自社で用意すれば安い、と思い込んだ：内部工数が膨らみ、担当者の通常業務が止まった。
- PoCと本番を一括契約した：精度が出なかったのに全額支払いが発生した。
- フォーマットの違う見積を金額だけで比べた：一番安い＝一番スコープが狭い見積を選んでしまった。
- 知財・NDAを後回しにした：自社データ由来のモデルの権利で揉めた。
いずれも「見積書の総額」ではなく「構造」を読んでいれば避けられたものだ。
GXOに相談すべきタイミング
次のいずれかに当てはまるなら、発注の前に第三者の目を入れる価値がある。
- 届いた見積書の総額が妥当か判断できず、稟議を止めてしまっている
- 相見積もりを取ったが、フォーマットが揃わず比較できない
- PoCに費用を使ったのに本番へ進めなかった経験があり、次は失敗したくない
- 社内にAI・システム開発の判断ができる人がおらず、ベンダーの説明を検証できない
GXOはAI・システム開発の実務側にいる立場から、他社の見積書を発注者目線で読み解き、抜けている費目・追加費用リスク・契約上の落とし穴を第三者として整理する。まずは要件と目的を整理するAI開発の見積もり・第三者診断で、PoCの前に失敗要因を潰しておくのが、最も投資対効果の高い一手だ。
※本記事の相場・費用レンジは、公表資料や複数の開発事業者の情報を集約した二次情報であり、特定案件の実績値や断定的な相場ではありません。実際の見積は対象データ・求める精度・連携範囲で大きく変動します。
よくある質問
Q1. 相見積もりは何社から取るべきですか？
3〜4社が現実的です。1社では妥当性が判断できず、2社では高い・安いの二択になります。3社あれば中央値が見え、各社の強み弱みを比較できます。5社以上は比較工数がかさみ意思決定が遅れます。料金公開型と顧問型を混ぜると、価格レンジと相場感の両方が見えます。
Q2. PoC費用と本番開発費用の適正な比率は？
一般にPoCは本番開発費用の1〜2割程度が目安とされます。本番に1,000万円を見込むなら、PoCは100万〜200万円が一つの目安です。PoCが本番の3割を超える場合はスコープが大きすぎる可能性、5%以下の場合は検証不足で本番の手戻りリスクが高まる可能性があります。あくまで目安で、用途により変わります。
Q3. 「追加費用なし」と書かれた見積は信用できますか？
不確実なAI開発で「追加費用ゼロ」は現実的に困難です。謳っている場合、リスク分のバッファが最初から上乗せされて割高になっているか、逆に何かを削って安く見せているかのどちらかを疑ってください。重要なのは追加費用の有無より、発生条件と時間単価が事前に明文化されているかです。
Q4. データは自社で用意すれば費用を抑えられますか？
見積書の金額は下がりますが、コストが消えるわけではありません。社内でデータを収集・整形する内部工数（担当者の時間）が別途かかります。誰が・どの品質まで・何時間かけるのかを社内で見積もり直したうえで、総額を比較してください。品質が不十分だと、結局ベンダー側の追加費用として跳ね返ります。
Q5. 海外オフショアの見積が国内の半額以下です。選んでよいですか？
表面の金額だけで判断しないことです。日本語データの前処理やドメイン知識の共有に追加コストがかかること、NDAの法的有効性が国によって異なること、時差によるコミュニケーションコストの3点を含めた総保有コスト（TCO）で比較すると、差が縮まるケースが少なくありません。特にAI開発は自社データを預けるため、契約・秘密保持の実効性を重視してください。
Q6. 見積書の有効期限が短いのは問題ですか？
AI開発ではクラウド利用料や外部API料金が変動するため、有効期限が1〜3ヶ月と短くても不当とは限りません。ただし「コスト変動への対応」と「即決を迫るための短期設定」は別物です。期限の理由を確認し、稟議スケジュールに合わなければ延長を交渉すればよいでしょう。
参考資料（一次情報）
- 経済産業省・総務省「AI事業者ガイドライン（第1.0版）」を取りまとめました（2024年4月19日公表、以降改定） https://www.meti.go.jp/press/2024/04/20240419004/20240419004.html
- 経済産業省「AI・データの利用に関する契約ガイドライン」（リアルデータの共有・利活用ページ内で公開） https://www.meti.go.jp/policy/mono_info_service/connected_industries/sharing_and_utilization.html
- 経済産業省「AIの利用・開発に関する契約チェックリスト」（令和7年2月＝2025年2月公表） https://www.meti.go.jp/policy/mono_info_service/connected_industries/sharing_and_utilization/20250218003-ar.pdf
※費用相場・工数割合などの数値は、上記一次情報とは別に、複数の開発事業者が公表するレンジを集約した二次情報です。断定的な相場ではなく、自社見積を読み解く物差しとして用いてください。 [//]: # (commercial-pillar-extension-20260717)
GXO式「AI見積妥当性」100点評価表
GXO独自分析の前提条件は、モデル開発費だけでなく、データ・評価・本番API・人の確認・再評価を分けることだ。
横にスクロールして確認できます
| 見積領域 | 配点 | 満点の証拠 |
|---|---|---|
| 業務・KPI | 20 | 件数、現行時間、誤り損失、合否 |
| データ | 20 | 取得、利用権、匿名化、正解、品質、更新 |
| AI評価 | 20 | 母数、指標、重大誤り、比較基準、停止条件 |
| 本番実装 | 20 | API、権限、ログ、監視、人の承認、ロールバック |
| 継続費用 | 20 | 推論、保守、再評価、データ更新、外部モデル変更 |
80点以上はPoCへ、60〜79点はデータ調査、59点以下は見送る。精度だけ、評価母数なし、API従量上限なし、人の確認工数なし、データ利用権不明は強制停止条件である。
初期PoC300万円、本番化700万円、API月20万円、人の確認月30万円なら初年度1,600万円。PoC300万円だけを比較すると意思決定を誤る。このGXO計算例を見積テンプレートへ入れ、SaaS・ルール・RPAとの比較表も作る。AIが向かない場合を先に決める。
一次資料と根拠と検証方法
版番号: GXO-AI-EST-20260717-v1.0。確認日: 2026年7月17日。検証可能性の証拠は業務ログ、データ、評価コード、API請求、受入、モデル版、承認ログ。モデル・料金・データ・KPI変更を更新条件にする。公式資料の事実とGXOの見解である採点・費用例を分離している。少量の検証データから本番精度を断定できないという限界があり、精度やROIを保証しない。AI PoC本番化とシステム開発費用相場へ接続する。PoCと本番見積が分離されていない企業はAI見積診断への相談が向く。
