「AIを開発できる」と謳うベンダーは多いですが、中堅企業向けに AIを実用レベルで運用できる ベンダーは限定的です。AI開発は一般的なIT受託開発と異なるスキル・体制が必要で、選定基準を間違えると「動くが使えないAI」になります。
本記事では、AI開発ベンダー選定の 7基準 を、見極めの質問項目とともに解説します。
目次
AI開発と一般IT受託の3つの違い
| 観点 | 一般IT受託 | AI開発 |
|---|---|---|
| 要件の確実性 | 仕様書通りに実装 | データ品質・モデル精度で結果変動 |
| 工数構成 | 設計・実装中心 | データ整備が40〜60% |
| 運用後の品質 | 障害対応中心 | 精度劣化への継続改善が必須 |
選定7基準
基準1：AI開発の実績件数
「AIをやっています」ではなく、業務AIの実装件数10件以上 が中堅企業向けの最低ライン。AI Lab・研究プロジェクトと、業務実装は別スキルです。
基準2：データ整備のスキル
AI開発の40〜60%はデータ整備です。データクレンジング・ラベリング・品質管理のノウハウを持つベンダーを選びます。
基準3：複数LLM・モデル選定の中立性
特定LLM（OpenAI、Anthropic、Google）にロックインされる提案は要注意。複数モデルの比較・切替可能設計を提案できるベンダーが望ましいです。
基準4：MLOpsの実装経験
「作って終わり」ではなく、運用しながら精度を上げる仕組み（MLOps）の構築経験が必要です。
基準5：業務理解力（業界経験）
AIは業務に組み込んで初めて価値を生みます。業界経験・業務理解力で、業務担当者との会話が可能なベンダーを選びます。
基準6：日本語・国内法令対応
機密性の高い業務AIでは、海外オフショア単独では困難。国内開発拠点・日本語要件定義・個人情報保護法対応の実績を確認します。
基準7：継続的な改善体制
AI精度は運用しながら劣化します。月次レビュー・改善サイクル・SLAを契約に組み込めるベンダーかが重要です。
見極めの質問項目
商談時にベンダーに投げる質問です。回答品質で力量が分かります。
| 質問 | 期待する回答の特徴 |
|---|---|
| 過去の中堅企業向けAI実装で、最も難しかったケースは？ | 具体的なエピソードを語れる |
| データ整備で何時間かかった案件があるか？ | 数字で答えられる |
| AI精度が劣化した時、どう対応するか？ | 運用学習サイクルの設計を持つ |
| OpenAI と Anthropic の使い分け基準は？ | 中立的に答えられる |
| AIの誤判断による顧客損害が発生した場合の責任は？ | 契約条項で線引きを答えられる |
契約形態別のリスク
受託（請負）契約
| 観点 | 内容 |
|---|---|
| メリット | 成果物が明確、品質責任ベンダー |
| リスク | 要件変更困難、精度保証は困難 |
| AI開発適合度 | 要件確定後の実装フェーズ |
準委任契約
| 観点 | 内容 |
|---|---|
| メリット | 善管注意義務、変更柔軟 |
| リスク | 成果保証なし |
| AI開発適合度 | 要件定義・PoC・運用 |
候補絞り込みのフロー
Step 1：リサーチ（1〜2週間）
業界実績・公開事例・知人紹介から10社程度の候補。
Step 2：1次ヒアリング（2〜4週間）
候補各社に状況説明、概算見積依頼。提案品質で5社に絞り込み。
Step 3：詳細RFP（4〜8週間）
絞り込み後にRFP送付、本格提案を受ける。
Step 4：技術検証・面談（4〜8週間）
最終候補2〜3社で、技術担当者面談・小規模検証。
Step 5：契約交渉（2〜4週間）
最終1社と契約条件交渉、合意。
合計3〜6ヶ月の選定期間を見込みます。
導入で失敗しない4つのチェックポイント
Check 1：実績の深掘り
「導入実績100社」よりも「中堅企業向けの具体事例3件」の話の深さを重視します。
Check 2：技術担当者との面談
営業担当だけでなく、実装する技術担当者との面談を必ず実施します。
Check 3：契約形態の選定
PoCは準委任、本番開発は受託、運用は準委任の組合せが一般的です。
Check 4：知財・データ権利の明確化
AIモデル・学習データ・生成物の権利帰属を契約で明確化します。
よくある質問
Q1. 大手IT企業と専門AIベンダーどちらが良いですか？
中堅企業向けには専門AIベンダーが現実的です。大手はミニマムロットが大きく、中堅企業案件を優先しない傾向があります。
Q2. 英語圏のベンダー（米国・インド等）は選択肢になりますか？
日本語要件定義・国内法令対応で課題が出やすく、機密データを扱う案件では国内ベンダー推奨です。
Q3. 採用・自社開発もしたい場合、ベンダーとどう協業すべきですか？
「ペアリング型」（自社人材と外部人材が協業）が有効。3〜5年で内製化を進める計画でも、初期はベンダーとの協業が必要です。
Q4. ベンダー変更時のリスクは？
AI開発はモデル・データ・プロンプトに固有資産が蓄積されるため、ベンダー変更コストが大きいです。3年契約以上で長期関係を築く方針が望ましいです。
Q5. 認定IT導入支援事業者を選ぶメリットは？
IT導入補助金の活用、政府ガイドライン準拠の運用設計、業界実績の豊富さが期待できます。
参考資料
- 経済産業省「IT人材需給に関する調査」（2025年最新版）
- 経済産業省「AI導入ガイドブック」（2024年4月公表）
- 経済産業省「AI・データの利用に関する契約ガイドライン」（2024年改訂）
- 中小企業庁「IT導入補助金2026」公募要領