AI・機械学習開発の見積は「幅の大きさ」に戸惑うところから始まる
「AI を活用したシステムを作りたい」と社内で話が持ち上がったとき、多くの発注担当者がまず戸惑うのが見積金額の幅の大きさです。同じ「需要予測 AI を作りたい」という依頼でも、A 社は 600 万円、B 社は 3,000 万円という提示が並ぶことは珍しくありません。これは片方の会社が不誠実だからではなく、AI 開発が通常のシステム開発とは費用構造そのものが異なるためです。
そもそも AI は魔法ではなく、大量のデータと繰り返しの検証によって「そこそこの精度で予測できる関数」を作る作業です。事前に「必ず精度 95% を保証します」と言い切ることも本来できません。この特性を理解しないまま見積を比較すると、金額差の意味を読み違えてしまいます。
この記事では、発注担当者向けに AI・機械学習開発の見積を「フェーズ別の費用構造」で分解し、PoC の相場、生成 AI 活用と従来型 AI の違い、見落としがちな運用コストまでを整理します。通常のシステム開発の考え方の全体像は システム開発の見積相場 にまとめていますので、あわせてご参照ください。
FIXIT同じ「需要予測 AI」なのに、A 社 600 万・B 社 3,000 万って、桁がちがいすぎない？
Dodaiまず費用構造から違います。AI 開発は普通のシステム開発とは前提が別物です。
FIXITDodai工数の 6〜8 割はデータ収集とアノテーションです。モデル作りは一部です。
FIXITDodaiはい。誠実な会社ほど PoC で実データを触ってから本開発の見積を出します。
1. AI 開発が通常のシステム開発と違う 3 つの点
AI 開発は「機能を作る」というより「精度を検証しながら育てる」プロジェクトです。この性質から、見積の考え方が通常の Web・業務システムとは根本的に異なります。
(1) データ整備の重みが桁違いに大きい
一般的な Web システムでは、要件定義 → 設計 → 実装 → テストという流れのなかで、データ整備は補助的な工程です。一方 AI 開発では、プロジェクト全体の工数の 60〜80% がデータ収集・クレンジング・アノテーション (正解ラベル付け) に費やされることも珍しくありません。「モデルを作る工程」より「食わせるデータを整える工程」のほうが重いのが実態です。
(2) 精度を事前に約束できない
AI モデルの精度は、実際にデータを触ってみないと確度の高い見通しが立ちません。契約書に「精度 95% を保証」と書ける会社があるとすれば、それは既存モデルを流用しているか、極めて限定的なタスクを想定しているかのいずれかです。誠実な会社ほど、PoC で実データを触って精度を測ってから本開発の見積を出す 2 段構えを提案してきます。
(3) 開発が終わっても「完成」しない
通常のシステム開発は納品後に保守フェーズへ移行しますが、AI は運用開始後もデータの傾向が変わればモデルが劣化します (コンセプトドリフト)。定期的な再学習・モデル入れ替えが前提の運用となり、この長期コストを見積の外に置いてしまうと後で膨張します。
2. フェーズ別の費用構造: データ準備 → PoC → 本開発 → 運用
AI 開発の見積は、通常の一括見積ではなく、次の 4 フェーズに分けて考えるのが標準です。全部を最初にまとめて見積もれるプロジェクトはほとんどありません。
| フェーズ | 主な作業 | 費用の目安レンジ |
|---|---|---|
| データ準備 | データ収集・クレンジング・アノテーション | 100〜1,000 万円 |
| PoC (概念実証) | モデル試作・精度検証・実現性判断 | 500〜1,500 万円 |
| 本開発 | 本番モデル構築・システム組込・UI / API | 1,500〜5,000 万円以上 |
| 運用・再学習 | 監視・再学習・モデル更新 | 年間で本開発費の 20〜40% |
データ準備フェーズ
社内に使えるデータがどれだけ揃っているか、フォーマットがどれだけ整っているかで金額が大きく変わります。画像認識であればアノテーション、テキスト分類であれば教師データのラベル付けなど、人手を要する作業がここに集中します。
PoC フェーズ
「そもそもこの課題は AI で解けるのか」を数百万円〜1,500 万円規模で検証します。詳しくは次章で解説します。
本開発フェーズ
PoC で筋の良さが確認できたあと、本番運用に耐えるシステムを構築します。モデル自体の工数に加えて、既存業務システムとの連携、管理画面、権限管理、監視基盤の整備が乗ります。
運用フェーズ
多くの発注担当者が見落とすフェーズです。モデルの精度は使い続けるうちに劣化するため、再学習の運用体制が必要になります。
3. PoC の見積相場は 500〜1,500 万円
AI 開発でもっとも相談が多いのが PoC の見積です。この帯の内訳は、おおむね次のように分解できます。
| PoC の主な費用項目 | 割合の目安 |
|---|---|
| 要件・課題定義 (何を予測・分類するかの整理) | 10〜15% |
| データ収集・前処理 | 30〜40% |
| モデル選定・試作・精度検証 | 25〜35% |
| 報告書・本開発への移行判断資料 | 10〜15% |
| プロジェクト管理費 | 10〜15% |
500 万円台の PoC
既存モデルや公開ライブラリを流用でき、社内にすぐ使えるデータが数千件〜数万件揃っている前提のケースです。1〜2 名のデータサイエンティストが 2〜3 か月で回します。
1,000〜1,500 万円の PoC
データ収集からアノテーションまで含む、複数モデルの比較検証を伴うケースです。この帯では「本開発に進むか撤退するか」を判断できる材料まで揃えるのが目的です。
PoC と本開発の切り分け、精度目標の設定は概算段階で決めるべき重要ポイントです。概算見積と本見積の違い もあわせてご参照ください。
4. 生成 AI (LLM) 活用ケースの見積の考え方
近年増えているのが「社内文書を LLM に検索させたい」「問い合わせ対応を生成 AI で自動化したい」というテーマです。この場合の見積は、従来の AI 開発とは論点が異なります。
開発費より運用費 (API コスト) の比重が上がる
自社でモデルを学習させるわけではなく、OpenAI や Anthropic など外部 LLM の API を呼び出す構成が主流です。開発費は 500〜1,500 万円で収まっても、月々の API 利用料が数十万円〜数百万円かかることがあります。想定利用量に基づく試算が見積書に含まれているかを確認してください。
プロンプト設計・RAG 構築が主要工程になる
学習済みモデルを使うため「モデルを作る工程」はなく、代わりに「どういう指示 (プロンプト) と参考文書 (RAG) を渡すか」の設計が中心工程になります。この工程は要件次第で工数が大きく振れるため、見積時点で「対応シナリオ数」「必要な精度水準」を発注側が示せるかが金額を左右します。
ハルシネーション対策・安全性検証の工数
生成 AI は事実と異なる回答を生成することがあります (ハルシネーション)。業務利用する場合は、回答の根拠表示、NG 回答フィルタ、人手レビューのフローなど、通常のシステムより検証工程が厚くなります。ここを削った見積は、本番リリース後にトラブルを招きやすくなります。
5. 従来型 AI (画像認識・需要予測・異常検知) の見積相場
生成 AI 以外の、いわゆる「教師あり学習」を用いる従来型 AI 案件の相場感は次のとおりです。あくまで目安レンジとしてご参照ください。
| 用途 | PoC 相場 | 本開発相場 |
|---|---|---|
| 画像認識 (不良品検出・OCR・物体検出) | 700〜1,500 万円 | 1,500〜4,000 万円 |
| 需要予測 (在庫・売上・来客数) | 500〜1,200 万円 | 1,500〜3,500 万円 |
| 異常検知 (設備・ログ・不正取引) | 600〜1,500 万円 | 2,000〜5,000 万円 |
| 自然言語処理 (分類・要約・抽出) | 500〜1,200 万円 | 1,500〜3,500 万円 |
金額差の主因は、精度目標の水準、対象データ量、既存システムとの連携本数です。特に製造業の外観検査など「見逃しゼロを求められる」領域は、通常の AI 案件より検証工程が 2〜3 倍厚くなります。この背景については 非機能要件が見積に与える影響 もご参照ください。
6. 見落としがちな費用項目
AI 開発の見積で発注側が抜けを起こしやすい費用項目を整理します。RFP 作成前のチェックとしてご活用ください。
データアノテーション費
画像 1 万枚に対して「不良品 / 良品」のラベルを付ける作業には、外注で数十万円〜数百万円かかることがあります。専門知識が必要な領域 (医療画像・法務文書など) はさらに高額です。
MLOps 基盤 (モデル運用基盤)
学習パイプライン、モデルバージョン管理、精度モニタリング、A / B テスト基盤などの整備費用です。本開発費の 10〜25% を別途見込んでおくのが安全です。
GPU 利用料・クラウド費用
学習に GPU インスタンスを使う場合、月数万円〜数百万円のクラウド費用が発生します。学習頻度と規模を見積時点で試算しておく必要があります。
モデル再学習の運用費
半年〜1 年に 1 回の再学習を想定すると、1 回あたり数百万円の作業費が定期的に発生します。長期契約に組み込む形が一般的です。
こうした「後から見えてくる費用」を最小化するには、発注前の要件整理が重要です。準備すべき項目は 発注前に整理すべきこと にまとめています。
コツ
AI 開発は「モデルを作る費用」以上に「データを整える費用」と「運用し続ける費用」が効いてきます。初期の PoC 費用だけで判断せず、再学習・GPU 利用料・アノテーションを含めた 3〜5 年トータルで予算を見ておくと、リリース後に運用予算が枯渇して塩漬け化するリスクを避けられます。
まとめ
AI 開発は「機能を作る」というより「データを整え、精度を検証しながら育てる」プロジェクトです。見積はデータ準備・PoC・本開発・運用の 4 フェーズに分けて考えるのが標準で、PoC の相場は 500〜1,500 万円、その 6〜7 割はデータ関連工程に集中します。生成 AI 活用ケースは開発費より月々の API 利用料が焦点となり、従来型 AI 案件は精度目標と対象データ量が金額を大きく揺らします。アノテーション・MLOps・GPU 利用料・再学習コストを事前に織り込んでおけば、運用開始後の予算膨張を避けられます。
AI 駆動開発のクリエイティブスタジオである FIXIT では、AI 活用の是非を判断する段階から発注担当者と一緒に整理し、PoC と本開発を分けた段階的な見積レンジを提示するかたちで相談を受けています。「そもそも自社の課題は AI で解けるのか」からご相談したい方は 無料相談 からお気軽にご連絡ください。進め方の全体像は AI 駆動開発サービス もあわせてご覧ください。