Pacific Metaグループが運営し、グループの開発会社を紹介しています。

AI開発とは?システム開発との違いと発注者が決めるべきこと

【PR】本記事はPacific Metaグループの開発会社の広告を含みます。

書き手 開発比較マガジン編集部

株式会社Pacific Metaが運営する編集チームで、記事は株式会社Pacific Metaの社員が執筆しています。記事は公的な資料と各社の公式サイトを出典とし、公開の前に事実の確かめと社内のレビューを通しています。

AI開発とは、データとAIのモデルを使って人の判断の一部を代わりに行う仕組みを、業務のシステムとして作る開発です。普通のシステム開発と比べて、望む精度が出るかを前もって約束しにくいため、段階に区切って確かめながら進めます。発注者は、解きたい課題と評価の指標、使うデータを先に決める役を担います。精度は原則として契約で約束させるものではなく目標として扱い、段階で区切って依頼するのが進め方の軸です(法令、指針、ガイドラインは2026年11月時点)。

この記事は、AIを使った仕組みの開発を社内で検討している発注者に向けたものです。開発環境やプログラミングの書き方は扱いません。

AI開発とは何か、システム開発との違い

拠り所になる法令の定義は、人工知能関連技術の研究開発及び活用の推進に関する法律(2025年法律第53号、以下AI法)の第2条にあります。第2条は「人工知能関連技術」を、人間の認知、推論、判断に関わる知的な能力を人工的な方法で代わりに行う機能を実現するのに要る技術と、入力された情報をこの技術で処理して結果を出力する機能を実現する情報処理システムの技術と定めています。この法律の中での定義で、「AI開発」という語を定めたものではありません。この記事では、人工知能関連技術を使った仕組みを業務のシステムとして作ることを、AI開発と呼びます。

普通のシステム開発との違いは、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(1.1版、2019年12月)のAI編(以下、AI編)が整理しています。AI編は、学習済みモデル(データで学習させて作ったAIのモデル)を作る開発と、従来のソフトウェア開発を次のように対比しています(AI編の18から19ページ)。右端の列に各行の拠り所を書きました。

項目 従来のシステム開発 学習済みモデルを作る開発 拠り所
作り方 処理の手順をルールとして書き、コードにする(演繹的) 限られたデータから法則を推測させる(帰納的) AI編
作れるかの見通し 要件と仕様を決めてから作る 望む精度のモデルを作れるか、前もって予測しにくい 従来の側は書き手の整理、学習済みモデルの側はAI編
性能の約束 仕様どおりに動くかを確かめる 未知の入力での挙動が分かりにくく、契約の時に性能を保証しにくい 従来の側は書き手の整理、学習済みモデルの側はAI編
精度が出ないとき 不具合の箇所を探して直す 原因を切り分けにくい場合がある 従来の側は書き手の整理、学習済みモデルの側はAI編
発注者が用意するもの 要件 要件と、学習や評価に使うデータ 書き手の整理
作った後 保守と運用 保守と運用に加え、追加の学習 書き手の整理

AI編自身は、未知の入力に対する性能保証の難しさはAIに特有とは限らず、従来のソフトウェアでも容易とは限らないので、相対的な違いにとどまるともいえるとしています(AI編の4ページ、注3)。既知の入力に対する性能なら、評価の条件を適切に設定、限定すれば、保証に合理性がある場合もあるとしています(注17)。

AI編は2019年の資料です。総務省と経済産業省のAI事業者ガイドラインの別添6は、AI編のうち、AIを使ったソフトウェア開発の特徴とAIの特性の整理は今も参照して有益な場合があるとする一方、公表後の状況の変化を考えるべき内容もあるとしています(別添の181から182ページ)。

発注者にとってのメリットは、決まった手順で書き切れない判断を仕組みにできることです。たとえば、画像の見分け、需要の予測、文書の読み取りがあります(書き手の整理)。データから学ばせる機械学習や、深層学習といった手法の名前もよく出てきますが、どの手法を使うかは依頼先と相談して決めるもので、発注者が区別に詳しくなる必要はあまりありません。精度は原則として前もって約束できるものではないと分かったうえで、確かめ方を依頼先と決めていくのが、発注者の構えになります。

生成AIを組み込む開発と、モデルから作る開発

AI開発には、自社のデータでモデルを学習させて作る開発と、既にある生成AI(文章や画像を作るAI)のモデルを呼び出して業務のシステムに組み込む開発があります。次の表は書き手の整理で、公的な分類ではありません。

項目 自社のデータでモデルを作る開発 生成AIを呼び出して組み込む開発
主に作るもの 自社のデータで学習させたモデルと、モデルを使うシステム 生成AIのモデルを呼び出す仕組みと、業務のシステム
データの用意 学習と評価に使うデータを集めて整える作業が大きい 業務で参照させる資料や、入力してよい情報の範囲を決める作業が中心になりやすい
進め方と契約の拠り所 AI編の4つの段階と契約の考え方 AI編が想定した開発ではないため、依頼先に進め方を聞く

AI事業者ガイドラインの別添6は、2022年以降、汎用性のある生成AIの登場で、契約ガイドラインの類型に収まらない取引の重要性が増しているとしています(別添の181から182ページ)。この記事の「AI開発の進め方と4つの段階」と「契約形態と権利で確かめること」は、自社のデータで学習済みモデルを作る開発についての経済産業省の資料によるものです。生成AIを組み込む開発では、進め方を依頼先に聞いてください。相談の最初に、どちらの作り方に近いかを伝えると、依頼先が進め方を示しやすくなります。

既製サービス、外注、内製の選び方

作るか、既製のサービスで済ますか、外に頼むかを決めるときの拠り所に、総務省と経済産業省のAI事業者ガイドライン(第1.2版、2026年3月31日公表)があります。別添6は、AIの利用と開発の契約を次の3類型に分けられるとし、類型ごとに留意する契約事項や交渉の論点が違うとしています(別添の182ページ)。

  • 汎用的AIサービス利用型。AIの利用者が、AIの提供者の汎用的AIサービスを利用する
  • カスタマイズ型。AIの提供者が特定の利用者向けにカスタマイズしたサービスを利用する。提供者は、他のベンダの汎用的AIサービスに、独自に開発した付加的な機能を組み合わせる
  • 新規開発型。AIの利用者が、AIの開発者や提供者と提携して独自のAIシステムを開発し、利用する

AI事業者ガイドラインは法令ではありません。本編のはじめにあるとおり、非拘束的なソフトロー(法的な拘束力を持たない決まり)として作られています。

3類型に、社内で作る内製を足して並べると次のとおりです。内製は3類型に無いため、内製の行は書き手の整理です。どの行も、向く場面の列から右は書き手の整理です。

進め方 近い類型 向く場面 発注者が負うこと 契約で確かめること
既製のAIサービスを使う 汎用的AIサービス利用型 サービスの機能で業務が足りる 社内の使い方の決まりと、入力する情報の管理 利用規約と、入力したデータの扱い
開発会社に頼み、既製のサービスに機能を足す カスタマイズ型 既製のサービスを自社の業務に合わせたい 要件と、つなぐ業務の整理 足した機能の成果物と利用条件、もとになるサービスの規約
開発会社に頼み、独自に作る 新規開発型 自社のデータで独自の仕組みを作りたい 課題と評価の指標、データの用意 段階ごとの契約、学習済みモデルとデータの利用条件
内製する 3類型に無い 社内にAIとシステムの担当を置ける、データを外に出せない 人の確保と、開発から運用までの全部 使う部品やサービスの利用規約

開発会社にAI開発を委託する場合も、頼み方は1つではありません。決まった範囲を頼むAI開発サービスの形から、作る前の要件の整理だけを頼むコンサルの形のAI開発の支援まであります(書き手の整理)。外注か内製かで迷うときは、自社の用途が3類型のどれに近いかを先に決めると、製品を探すか、開発会社に依頼するか、内製するかを選びやすくなります。

AI開発の進め方と4つの段階

自社のデータで学習済みモデルを作る開発では、AI編が、アセスメント、PoC、開発、追加学習の4つの段階(フェーズ)に分けて進める「探索的段階型」の開発方式を提唱しています(AI編の43から46ページ)。AI開発の手法やフローを公的な資料で確かめるなら、まず当たる資料です。PoCは概念実証と訳され、AI編では、望む精度の学習済みモデルを作れるかを確かめる段階を指します。生成AIを呼び出して組み込む開発にも同じ形が当てはまるとは限りません。

段階 目的 成果物の例
アセスメント 一定量のデータで、学習済みモデルを作れそうかを確かめる レポート等
PoC 学習用のデータで、発注者が望む精度の学習済みモデルを作れるかを確かめる レポート、パイロット版の学習済みモデル等
開発 学習済みモデルを作る 学習済みモデル等
追加学習 納品した学習済みモデルに、追加の学習用データで学習させる 再利用モデル等

AI編は、段階に分ける利点として次の2つを挙げています。

  • 各段階の目標を明確にして、発注者と開発会社の認識をすり合わせられる
  • 十分な性能を出すのが難しいと分かった段階で止めて、損失の拡大を防げる

段階の区切りは固定ではありません。AI編によれば、次のような進め方もあります。

  • 各段階は明確に分かれず連続することもあり、区別は相対的
  • 1つの段階を1回で終えず、数回に分けて契約することもある
  • アセスメントを踏まずにPoCから始める場合や、アセスメントとPoCを一体で行う場合もある

ほかの記事でよく見る「構想、PoC、実装、運用」という呼び方に当てはめると、アセスメントが構想、開発が実装に近く、追加学習は運用の中で行う作業と読み替えられます(書き手の整理)。段階ごとに契約を分けることもできます。契約形態の考え方は、後の「契約形態と権利で確かめること」で扱います。段階ごとに成果物と次へ進む条件を決めて区切って依頼すると、途中で止める判断もしやすくなります。

アセスメントとPoCで確かめること

アセスメントで確かめるのは、手元のデータで学習済みモデルを作れそうかどうかです。AI編は、事業上の課題が明らかになって初めて、どんなデータが要るか、足りるか、集められるかを事前に検証できるとしています。データの打ち合わせと検証には、場合によっては有償の契約で数か月単位の時間をかけることも珍しくないとしています(AI編の44から45ページ)。

PoCで確かめるのは、発注者が望む精度の学習済みモデルを作れるかどうかです。成果物は、レポートのこともあれば、パイロット版の学習済みモデルのこともあります。AI編は、PoCは試行錯誤を伴うので、1回で終わらず複数回行うことも少なくないとしています(AI編の45から46ページ)。PoCの成果物をレポートにするか、パイロット版のモデルにするかは、契約の前に決めておきます。

PoCの後に進むか止めるかを決める基準

判断の物差しになるKPI(目標の達成の度合いを測る指標)は、AI編の分担に沿えば発注者が決めるものです。進むか止めるかを決める材料を次の表にまとめました。上の3行はAI編にある行、下の3行は書き手の整理です。決める人の列は、1行目を除いて書き手の整理です(AI編の44から46ページ)。

確かめること 決める人 拠り所
事業上の課題と、達成をどう評価するか(KPI)が決まっているか 発注者が決め、開発会社が支援する AI編。この分担が実情に即しているとされる
PoCで、KPIが実現できると確かめられたか 発注者と開発会社 AI編。確かめられたら開発に進むとされる
PoCの対象の範囲と期間を、契約で合意したか 発注者と開発会社 AI編。合意しておくことが重要とされる
本番で使うデータが、PoCと同じ質と量で集まるか 発注者 書き手の整理
業務の手順に入れて、効果が出る見込みがあるか 発注者 書き手の整理
運用と追加学習を誰が担うか 発注者と開発会社 書き手の整理

止めることも段階型の目的のうちです。AI編は、アセスメントで成功の可能性が無いとなれば、開発がアセスメントの段階で終わることもあるとしています。PoCがうまくいったら開発に移るという認識を確かめる趣旨で、開発契約を結ぶ努力義務を契約に定めることもあるとしています。

PoCの前に、次へ進む条件と止める条件を発注者が書面にしておくと、PoCを繰り返すだけで終わることを防ぎやすくなります。

開発後の運用と追加学習

作った後の仕事は、運用と保守に分けて考えます。運用はシステムを日々動かす作業(監視や問い合わせの対応)、保守は不具合の修正や改修です。AIでは、ここに追加学習が加わります。AI編は、追加学習を、納品した学習済みモデルに追加の学習用データで学習させる段階としています。

追加学習の契約は多様で、保守運用の契約の中に定める、学習支援の契約を結ぶ、別のソフトウェア開発の契約を結ぶ、などが考えられるとされています(AI編の注40)。

IPAの情報システム・モデル取引・契約書(第二版)では、開発委託の基本契約(第3条)の範囲は要件定義から運用準備・移行支援までで、保守と運用は含まれません。保守と運用は、同じ第二版の情報システム保守運用委託基本モデル契約書で別に結ぶ作りです。IPAのモデル契約の工程は、AI編の4つの段階とは別の分け方で、この記事では学習済みモデルの開発に当てはめていません。保守、運用、追加学習を誰がどの契約で担うかは、開発の契約を結ぶ前に依頼先に聞いておきます。

依頼前に決めておくことと失敗の防ぎ方

開発会社にアセスメントやPoCを頼む前、要件定義(作るシステムが満たすべきことを決める工程)に入る前に、発注者が書面にしておきたい項目は次のとおりです。

  • 解きたい課題と、AIを使う業務
  • 評価の指標と目標の値(決め方は上の「PoCの後に進むか止めるかを決める基準」)
  • 使えるデータの有無、量、置き場所
  • データに個人情報を含むか(扱いは後の「AIに関わる法令と指針で確かめること」)
  • つなぐ今のシステム
  • 社内の担当者と、決める人
  • 予算と期間の帯

要件定義は依頼先と一緒に進めるものなので、発注者が全部を決め切ってから相談する必要はありません。

データの用意は、従来の開発より発注者の役割が大きいとされています。AI編は、学習済みモデルの性能は学習用データセットに大きく依存し、発注者が学習用データセットや生データをどう準備するかは最重要のプロセスの1つだとしています。開発会社の支援を受けられる場合もあるものの、準備の主体は発注者だとしています(AI編の46から47ページ)。

AI編は、「とりあえずAIを導入したい」という漠然とした問題意識で委託するケースが実務上少なくないとも書いています(AI編の44から45ページ)。課題と指標が決まらないまま始めることが、AI開発でつまずく入口の1つです。よくあるAI開発の課題と防ぎ方を、書き手の整理として表にしました。

失敗の形 起きやすい理由 防ぎ方
PoCを繰り返し、本番に進まない 次へ進む条件を決めていない PoCの前に、進む条件と止める条件を書面にする
データが足りないと後で分かる データの量と質を確かめないまま進めた PoCから始めるときも、データの量と質を最初に確かめる
精度を追い過ぎて、期間と費用が膨らむ 業務に要る水準を決めていない 業務で使える目標の値を先に決める
作った後の担い手がいない 運用と追加学習を決めていない 開発の契約の前に、運用と追加学習の担い手を決める

AI編も、アセスメントを踏まずにPoCから始める場合があるとしており、アセスメントを省くこと自体が誤りではありません。省くときは、データの確かめをPoCの中に入れておきます。

課題、評価の指標、データの3つを書面にしてから相談すると、提案と見積もりを比べやすくなります。依頼先の選び方は、AI開発会社の一覧と選び方の記事で整理しています。AI開発会社8社を比較|依頼する前に知っておきたい選び方

スキルと言語は依頼先の体制で確かめる

発注者がプログラミングの言語を身に付ける必要はありません。社内と依頼先で、次の役を分けて持てているかを確かめます(書き手の整理)。

社内に置く役 依頼先にいてほしい役
課題と評価の指標を決める人 データを分析し、モデルを作る人
データを用意する人 モデルを今のシステムに組み込む人
結果を業務で確かめる人 作った後の運用と追加学習を担う人

社内に役を置くのは、AI編がデータの準備の主体を発注者としているためです。言語やライブラリ(よく使う機能をまとめた部品)は依頼先が選ぶものなので、相談では、役ごとに担当者がいるかを聞きます。

契約形態と権利で確かめること

自社のデータで学習済みモデルを作る開発について、AI編は、アセスメント、PoC、開発、追加学習のどの段階も準委任型の契約がなじむとしています(AI編の47から49ページ)。生成AIを呼び出して組み込む開発は前提が違うことがあるため、この節の終わりで挙げる経済産業省のAIの利用・開発に関する契約チェックリストにも当たり、契約形態と成果物を依頼先と書面で決めてください。

準委任は、仕事の完成を約束せずに事務の処理を委ねる契約で、民法656条で委任の定めが当てはめられます。請負は、仕事の完成を約束し、結果に報酬を払う契約です(民法632条)。条文はe-Govの民法で読めます。準委任と請負の一般の違いは、準委任と請負の違いの記事で整理しています。準委任と請負の違いとは?発注者が契約で確かめるべきこと

AI編が準委任型を挙げる理由は次のとおりです。

  • アセスメントとPoCは、完成を目的とする段階ではない
  • 開発の段階も、契約の時までに仕様や検収基準(納品物を受け取るかを判断する基準)を確定しにくいことが多く、未知の入力での挙動を保証しにくい
  • 追加学習の段階も、完成を目的としない

AI編は、従来のソフトウェア開発では、企画と要件定義は準委任、設計と開発は請負がなじむことが多いといわれる、と対比しています。

準委任には、作業をした割合に応じて報酬を払う形(履行割合型)と、成果に対して報酬を払う形(成果完成型)があります。AI編は、どちらにするかを当事者で明確にしておくのが望ましく、成果完成型を選ぶなら対象の成果物を合意しておく必要があるとしています。成果完成型でも完成を報酬の支払の条件にでき、請負との大きな違いは、完成の義務と、成果物が契約に合わないときの責任の有無だとしています(注42。AI編は民法改正前の言葉で書いており、この記事では今の民法の言葉にそろえています)。

AI編の考え方は法令の決まりではなく、ガイドラインの考え方です。AI事業者ガイドラインの別添6は、契約モデルの解説も参照は有益だが、取引が多様化しているので、実際の取引との差を慎重に検討する必要があるとしています(別添の181から182ページ)。

精度が目標に届かなかったときに何を求められるかは、どちらの契約で結んだかで変わります。準委任で結んだときは、次のとおりです。

  • 作業をした割合に応じて払う形(履行割合型)では、報酬は履行の後に請求できます。月ごとなど期間で報酬を決めたときは、期間が過ぎた後に請求できます(648条2項のただし書き)。発注者(委任者)に責任の無い理由で履行できなくなったときや、途中で終わったときも、した割合で請求できます(648条3項)
  • 成果に対して払う形(成果完成型)で、成果の引き渡しを要するときは、引き渡しと同時に払います(648条の2第1項)。成果に払う形でも、完成の義務はありません
  • 完成の義務が無いので、精度が目標に届かないことだけでは債務の不履行になりません。問われるのは、開発会社(受任者)が善良な管理者の注意をもって事務を処理したか(善管注意義務、644条)です
  • 善管注意義務を尽くしていなければ、損害の賠償を求められます(415条1項)。ただし、不履行が契約その他の債務の発生原因と取引上の社会通念に照らして、開発会社の責めに帰することができない事由によるときは除かれます
  • 相当の期間を定めて催告し、期間内に履行が無ければ、契約を解除できます(541条)。期間を過ぎた時の不履行が契約と取引上の社会通念に照らして軽微なときは、解除できません
  • 途中でやめるときは、発注者と開発会社のどちらも、いつでも解除できます(651条1項)。相手に不利な時期に解除したときなどは損害を賠償しますが、やむを得ない事由があれば要りません(651条2項)

民法の決まりとは別に、AI編は、開発会社が学習済みモデルの完成の義務を負わない場合でも、プロフェッショナルとして一般に求められる水準で開発を進めることが求められるであろうとしています。不確実性や従来の開発との違いを、発注者に丁寧に説明することも求められるとしています(AI編の47ページ)。

請負で結ぶのは、AI編が例外として挙げる場合です。AI編は、既知の入力に対する性能なら、評価の条件を適切に設定、限定できるとき、性能を保証することに合理性がある場合もあり、性能を保証するなら学習済みモデルを成果物とする請負で結ぶことになるであろう、としています。評価用データの準備は、原則として発注者の費用と責任で行うのが合理的なことが多いとしています(注43)。開発段階で限定した評価用データについて、一定の性能の成果物の完成を契約で約束することも想定できるとしています(AI編の47ページ)。性能を保証して請負で結んだときに限り、次のとおりです。

  • 成果物の種類や品質が契約の内容に合わないときは、追完(直すこと)、代金の減額、損害の賠償、解除を求められます。ただし、不適合を知ってから1年以内に開発会社に通知しないと、求められなくなります(637条1項)
  • 開発会社が引き渡しの時(引き渡しを要しないときは仕事が終わった時)に不適合を知っていたか、重い過失で知らなかったときは、1年の制限はかかりません(637条2項)
  • 完成しなかったときも、できた部分が分けられて発注者(注文者)が利益を受けるなら、開発会社は受けた利益の割合で報酬を請求できます。発注者に責任の無い理由で完成できなくなったとき(634条1号)と、完成の前に解除されたとき(634条2号)の定めです

権利は、成果物が誰のものかだけでなく、誰がどこまで使えるか(利用条件)で決める視点を、AI編が示しています。AI編は、交渉で次のものの扱いを意識することが重要で、ノウハウも交渉の対象にするのが望ましい場合があるとしています(AI編の49ページ)。右の列は書き手の整理です。

項目 決めておくこと
生データ(集めたままのデータ) 発注者が渡したデータを、開発会社が他の目的に使えるか
学習用データセット(学習に使えるよう整えたデータ) 契約が終わった後に、どちらがどの範囲で使えるか
学習用プログラム 開発会社が他の顧客の開発で使えるか
学習済みモデル(必要に応じて学習済みパラメータと推論プログラムに分ける) 発注者が他社に改修や追加学習を頼めるか
ノウハウ 開発会社が得た知見を、他の開発に使えるか

置き方の例として、AI編は、PoCの段階の成果物の知的財産権等を開発会社に、開発の段階の成果物を発注者に置くことも考えられるとしています(AI編の46ページ)。勧める案ではなく、例の1つです。AI編は、データや学習済みモデルの権利の帰属と利用条件を、段階ごとにあらかじめ検討しておくのが望ましいともしています。

AI編より後に出てきた取引の形については、経済産業省が2025年2月に「AIの利用・開発に関する契約チェックリスト」を策定しています。AI事業者ガイドラインの別添6は、契約ガイドラインの公表の後に登場した契約類型は、契約チェックリストを参照するよう案内しています(別添の182ページ)。契約書案では、どちらの型の準委任か、成果物は何か、学習済みモデルとデータを誰がどこまで使えるかを確かめます。

AIに関わる法令と指針で確かめること

2026年11月時点で、発注者が法令で具体的に確かめるのは、個人データを含むデータを渡すときの委託先の監督です。AI法と国の指針、AI事業者ガイドラインは、開発会社に取り組みを確かめるときの拠り所として使います。

法令や指針 位置付け 発注者の使い方
AI法 法律。2026年11月時点で罰則の規定は無い 国の施策と、活用事業者の責務の定めを知っておく
適正性確保に関する指針 人工知能戦略本部の決定(掲載は内閣府) 開発会社に取り組みを聞くときの拠り所にする
AI事業者ガイドライン 総務省と経済産業省のソフトロー 3類型で進め方を選ぶ、開発会社に取り組みを聞く
個人情報保護法 法律 個人データを渡すときの委託先の監督を確かめる

AI法は2025年6月4日に公布され、公布の日に施行されました。第3章(人工知能基本計画)と第4章(人工知能戦略本部)は、2025年9月1日に施行されています(e-Govの改正の履歴)。

第7条は、AIを使った製品やサービスを開発、提供しようとする者その他の、AIを事業活動で活用しようとする者を「活用事業者」とし、活用に努めることと、国と地方公共団体の施策に協力しなければならないことを定めています。協力する先は、第4条で国が行う施策と、第5条で地方公共団体が行う施策です。活用は努める定め、施策への協力は協力しなければならない定めで、強さが違います。AIを事業で使おうとする発注者がこの定めに当たるかは、条文の言葉に照らして考えることになります。

第13条は、国が研究開発と活用の適正な実施を図るため、国際的な規範の趣旨に即した指針の整備その他の必要な施策を講ずると定めています。国の取り組みを定めた条で、事業者に義務を課す条ではありません。

第13条に基づいて、人工知能関連技術の研究開発及び活用の適正性確保に関する指針が、2025年12月19日に人工知能戦略本部で決定されました(掲載は内閣府のサイト)。人工知能戦略本部は内閣に置かれ、本部の事務は内閣府が処理します(AI法の第19条と第26条)。指針は、全ての主体の自主的かつ能動的な取り組みを促すためのもので、取り組みは主体の規模や立場、リスクに応じた適切な水準で、としています(本文の1から4ページ)。

指針の2章は、AIを使った製品やサービスを開発、提供する活用事業者と、開発したAIを第三者に提供する研究開発機関が特に取り組む事項として、次の5つを挙げています(本文の5から6ページ)。

  • AIガバナンス
  • 透明性の確保(学習データの出所や出力について合理的な範囲で説明できるようにし、利用者にAIの仕組みと限界、禁止事項、学習データの収集の方針、出力の信頼性の注意などを伝える)
  • 安全性の確保
  • 事業継続(AIを使ったシステムの運用者やサービスの提供者が、事業継続計画を作る)
  • データの保有者への配慮(AIを開発、提供する事業者が、データの保有者と継続的に話し合う)

2章は開発、提供する側に向けた事項で、AIを社内で使うだけの発注者に全部が当てはまるわけではありません。発注者は、指針が開発、提供する事業者に求めている事項を、開発会社に取り組みを聞くときの拠り所に使えます。たとえば、学習データの出所や出力の信頼性の注意を、どう説明してもらえるかを聞く使い方です(書き手の整理)。

第16条は、国が、動向の情報の収集や、不正な目的や不適切な方法での研究開発や活用で国民の権利利益の侵害が生じた事案の分析と対策の検討などの調査研究を行うと定めています。国は調査研究の結果に基づいて、研究開発機関、活用事業者その他の者に、指導、助言、情報の提供その他の必要な措置を講じます。

2026年11月時点で、AI法に罰則の規定はありません(e-Govの全文で確かめました)。一方で、附則第2条は、政府が国際的な動向や社会経済の情勢の変化を見ながら施行の状況を検討し、必要があれば措置を講ずると定めています。指針も、国が指針と各種のガイドラインを、AIの技術の進歩による社会の変化をとらえて継続的に見直すとしています(本文の7ページ)。法令と指針は、確かめた時点を添えて読むようにしてください。

AI事業者ガイドラインは、上で見たとおり法令ではないソフトローです。別添7には、事業者が取り組みを自ら確かめるためのチェックリストがあります。

AIの学習や検証に、個人データ(データベースなどに整理された個人情報)を含むデータを渡すときは、個人情報保護法を確かめます。渡す側の発注者が個人情報取扱事業者に当たるなら、個人データの取扱いの全部か一部を委託するとき、委託先に必要かつ適切な監督をしなければなりません(25条)。目的は、委託した個人データの安全管理です。

利用目的の達成に必要な範囲内で個人データの取扱いを委託することに伴って渡す相手は、第三者提供の制限の上では第三者に当たりません(27条5項1号)。必要な範囲内という条件がつくため、発注者が渡したデータを、開発会社が学習や他の目的に使うかどうかを、契約の前に聞いておきます。

よくある質問

AI開発の期間と費用は何で決まりますか

主に、データの量と状態、作る範囲、つなぐシステム、段階の数で変わります(書き手の整理)。この記事では、出典を示せる数字が手元に無いため、金額と月数の目安は書いていません。段階ごとに見積もりを分けてもらうと、どこに期間と費用がかかるかを比べやすくなります。

委託先が開発にAIを使うときは何を確かめますか

契約の前に、渡した資料やコードを外部のAIのサービスに入れるか、成果物をどう確かめるか、成果物の権利をどう扱うかを聞いておきます。ソフトウェア開発でAIを使うと効率や費用がどう変わるかは、依頼先に具体的に聞いて確かめます。

今のシステムやアプリにAIを組み込めますか

組み込めるかは、主に今のシステムにほかのシステムとつなぐ仕組み(API。システムどうしでデータをやり取りする窓口)があるかと、データを外に出せるかで決まります(書き手の整理)。Webアプリ、スマホアプリ、Salesforceのような業務のサービスに向けたAI開発でも、確かめることは同じです。既製のサービスに機能を足す形はカスタマイズ型、独自の仕組みを作る形は新規開発型に近く、上の「既製サービス、外注、内製の選び方」の表で、発注者が負うことと契約で確かめることを見比べられます。

まとめ

  • 自社の用途が、既製サービスの利用、カスタマイズ、新規開発のどれに近いかを先に決めます
  • モデルから作る開発は、アセスメント、PoC、開発、追加学習と区切って依頼し、PoCの前に進む条件と止める条件を書面にします
  • 相談の前に、課題、評価の指標、データの3つをまとめます
  • 契約書案では、準委任のどちらの型か、成果物、学習済みモデルとデータの利用条件を確かめます
  • 個人データを渡すときは委託先の監督を確かめ、AI法と指針は開発会社に取り組みを聞く拠り所に使います

予算を組む段階なら、費用の決まり方を整理した記事も参考にしてください。AI導入とAI開発の費用相場|内訳、月額、見積もりの見方を解説

相談の案内

AI開発の進め方や依頼先を相談したい方へ。Pacific Metaグループの窓口で、解きたい課題と使えるデータ、今の状況をうかがい、どの段階から始めるかと依頼の進め方を一緒に整理します。紹介先は、当サイトに載せた会社のうちPacific Metaグループの3社だけです。

相談のフォームへ

関連する記事

  • AI開発会社の一覧と選び方
  • 準委任と請負の違い
  • AI開発とAI導入の費用の相場

本記事は2026年11月時点の情報をもとにした一般的な情報提供を目的としており、法的助言ではありません。法令、制度、各社のサービスの内容は変わることがあります。契約や発注の個別の判断は、最新の情報を各社の公式サイトでご確認のうえ、必要に応じて専門家にご相談ください。

出典

  1. https://laws.e-gov.go.jp/law/507AC0000000053(2026-11-13に確認)
  2. https://www8.cao.go.jp/cstp/ai/ai_guideline/ai_guideline.html(2026-11-13に確認)
  3. https://www8.cao.go.jp/cstp/ai/ai_guideline/ai_gl_2025.pdf(2026-11-13に確認)
  4. https://www.soumu.go.jp/main_sosiki/kenkyu/ai_network/02ryutsu20_04000019.html(2026-11-13に確認)
  5. https://www.soumu.go.jp/main_content/001064279.pdf(2026-11-13に確認)
  6. https://www.soumu.go.jp/main_content/001064286.pdf(2026-11-13に確認)
  7. https://www.soumu.go.jp/main_content/001064289.pdf(2026-11-13に確認)
  8. https://warp.ndl.go.jp/info:ndljp/pid/12685722/www.meti.go.jp/press/2019/12/20191209001/20191209001-1.pdf(2026-11-13に確認)
  9. https://laws.e-gov.go.jp/law/129AC0000000089(2026-10-27に確認)
  10. https://laws.e-gov.go.jp/law/415AC0000000057(2026-11-13に確認)
  11. https://www.ipa.go.jp/digital/model/model20201222.html(2026-10-27に確認)