【はじめの一歩】AI開発をベンダーに依頼する前に知っておくべきことは？

近年では業務効率化やDX推進の一環として、AI開発する企業が増えてきています。一方、「AIを導入すれば自社の課題を解決できるのではないか？」と思っていても、AI開発は多くの企業にとっては未知の領域であり、実際にどうすればいいかがわからず、その一歩を踏み出すことが難しいのではないでしょうか。

AI開発では、適切なベンダーとのパートナーシップだけでなく、AI開発に踏み込む、「はじめの一歩」がとても需要です。

この記事ではその一歩を踏み出す後押しができるよう、AI開発の流れやベンダーに依頼する前に知っておきたい知識、事前にしておきたい準備とベンダーの選び方を中心に、AI開発伴走企業、AIデータ企業のこれまでの事例をもとに詳しく解説していきます。

企業が直面するAI開発の壁とは？

最近ではAIを活用して業務効率化や情報の一元化と分析、カスタマー対応を24時間受付できるようにする、などここでは挙げきれないほどビジネスに大きな影響を与えています。一方で、AIに取り組もうとする企業は、さまざまな理由から断念してしまうケースも多く見受けられます。

高額な初期投資リスク・技術変化への対応の難しさ

規模が大きな企業であれば、プロジェクトとしてAIを開発することも可能かもしれませんが、AIがまだまだ新しい分野であるために、企業規模に関わらず、初期投資のリスクを鑑み、「AI開発にはまだ取り組まない」と判断している企業もあるでしょう。

具体的な活用イメージの欠如

AIを活用したいと思っていても、ChatGPT使えばなんとかなるのではないか、という考え方がまだまだ一般的です。生成AIや自動化という単語に縛られがちですが、実はAIと一口に言ってもその応用方法は数知れず存在しています。

AI開発で重要なのは、目の前に積み重なる業務に対して、どのようにAIを使えばよいのかというイメージを持つことです。

そのイメージを持つためには、実際にどのように活用されているのか事例を知り、「もしかしたらAIをこうやって使えるのでは？」と想像して仮説を作り上げることが重要です。一例として、harBestをご利用いただいた企業の皆さまのインタビュー記事をご覧ください。

社内にAI開発の専門知識が不足

AIは比較的新しい技術のため、世界を見渡してもAIを専門とするエンジニアやAIを使ってビジネスに関わる人々がまだまだ少ないというのが現状です。そのため、企業でもAI開発の専門知識が不足していることで、上記で述べたように、どのように開発していけばよいかというアイデアが湧きづらいということにつながっています。

ここまで述べたように、AI開発に関しては、金銭的な面だけでなく、専門的な知識が不足していることによって一歩を踏み出すのが難しいという現状があります。

これからAI開発に取り組むには、少なからず、ベンダーなどの外部の力を借りて取り組んでいくことがほとんどでしょう。その場合、「どういうふうに相談したらいいのかわからない」「事前に何をしておくべき？」「何を軸にベンダーを選定したらよいのか？」という様々な疑問が浮かんでくると思いますので、この記事ではその部分を細かく深掘りしていきます。

AI開発に取り組む前に必要な準備とは？

AIプロジェクトを開始する前、そして、ベンダーに委託する前にやっておくべきことを挙げていきます。

やっておくべきこと❶：解決したい具体的な経営・サービスの課題を明確化する

―例１：データ分析の効率化

経営層が直面するデータ分析の課題は、膨大な情報から有意義な洞察を迅速に抽出することです。従来の手作業による分析は時間と労力を要し、意思決定のスピードを遅らせていました。AIを活用することで、複雑なデータセットを瞬時に処理し、リアルタイムで戦略的な意思決定に必要な深い洞察を提供することができます。

―例2：顧客満足向上

AIを使ったサービスでは、顧客のニーズや行動パターンを正確に理解し、パーソナライズされたサービスを提供することが求められています。従来のアプローチでは、個々の顧客の細かなニュアンスを捉えることが困難でした。AIによる高度な分析と予測モデルにより、顧客の期待値を判断・予測することで、よりきめ細かく、先回りした対応が可能になります。

―例3：業務プロセス自動化

反復的で時間のかかる業務タスクは、従業員の生産性を大幅に低下させる要因となります。また、手作業による入力、照合、レポーティングなどの定型業務は、エラーリスクも高くなります。AIと機械学習を導入することで、これらのプロセスを自動化し、正確性を向上させ、従業員がより戦略的で創造的な業務に集中できる環境を作ります。

―例4：新たな収益機会発見

VUCAと呼ばれる時代、市場の急速な変化の中で、潜在的な収益源を見出すことは容易ではありません。従来の市場分析手法では、複雑な市場動向や消費者行動の変化を迅速に捉えることが困難でした。しかし、近年ではAIの高度な予測分析と機械学習アルゴリズムにより、隠れたパターンや新たなビジネスチャンスを発見し、先見的な戦略立案が可能になります。

やっておくべきこと❷：期待する成果について定量化する

―具体的な数値目標・投資(費用)対効果（ROI）を試算する

AI導入における数値目標は、業務プロセスの定量的改善に焦点を当てるとよいでしょう。

データ分析、業務処理にかかる時間、顧客対応の応答速度を○%改善したいか、さらに、新規ビジネス年間○件、収益増加を○%達成するという具体的な目標を設定します。

　この数値を事前に決めておくことで、AIの精度をどこまで求めるかというAI開発の目指すべき地点を設定することができます。高い精度を求める場合はAIに学習させるデータを増やさなければならない、など追加の対応が出てくるため、事前に決めておくことで、スムーズにAIモデル開発、データ収集・作成、アノテーションまで行うことができます。

―成功指標の設定する

AI導入の成功を多角的に評価するため、定量的・定性的指標を設定します。定量指標は業務処理時間短縮率、コスト削減率、顧客満足度スコアなど。定性指標は従業員のAI活用スキル、イノベーション創出能力、データ駆動型意思決定の質。四半期ごとに指標を分析し、継続的な改善と戦略調整を実施するとよいでしょう。 この点においては特に、AIを使うカスタマーや社内の満足度も重視しましょう。

AIを利用する人がどれだけそれに満足しているかは、AI開発では見逃されがちな視点です。AIを導入しても使う人が「不便だな」と感じて元のシステムを使っていては意味をなさなくなってしまいます。

事前にやっておくべきこと❸：社内調整と意思決定の方法を決める

AI導入には、トップマネジメントによる明確なビジョンと強力なリーダーシップが不可欠です。投資額やプロジェクト自体が大きい傾向にあるため、経営層が具体的な戦略と投資方針を示し、全社的な変革の方向性を共有することが重要です。関連部署間の綿密な対話と合意形成を通じて、組織全体の理解と協力を得るとともに、AI推進の専任チームを作り、戦略的かつ迅速な実行体制を構築しなければなりません。

AI推進チームには、プロジェクトリーダーだけでなく、データサイエンティスト、プロジェクト推進担当者、そして経営・事業判断をおこなう責任者などのメンバーが最低限必要となります。

事前にやっておくべきこと❹：AI開発の全体の流れを知る

AI開発では、大きく4つのフェーズで進められます。最低限下記の流れを把握しておきましょう。

❶構想フェーズ

今回の記事で紹介しているような、課題の洗い出しや、ROIの算出、チームの決定、ベンダーの選定があげられます。

❷PoC検証フェーズ

モックアップと呼ばれる仮のAIモデルの開発を行い、構想段階のものが実装できるのかを検証します。またこのフェーズで、データがどれくらい必要なのか、どのように取得するべきか、また、アノテーションをどのように行うべきかを確認します。（詳しくはこちらの記事参照　https://harbest.io/documents/466/）データがない場合は、収集やアノテーションを行う必要が出てくるため、その場合は通常よりも時間がかかってしまう可能性があります。

❸実装フェーズ

実際にAIを利用する環境において必要な要件定義を行い、それに沿ってシステム開発を進めます。ここでは綿密に要件定義を行うことで、プロジェクトにおける戻りを減らすことができます。

❹運用フェーズ

システムが安定的に動作するために保守運用を行うだけでなく、構想フェーズで設定した目標の達成状況を定期的に確認します。ここで重要なのは、AI開発は開発が終了したら完成というわけではなく、さらに精度を上げるためにチューニング、追加学習していかなければなりません。利用者の声を拾うなど常に改善を進めることを意識しましょう。

AI開発企業（ベンダー）選定の評価軸とは？

AI開発企業は近年急増していますが、その一方で、それぞれの得意分野やこれまでの実績によりできることが異なり、選定は慎重に行わなければなりません。

AI開発の相談、依頼前の準備を怠ると、スケジュール通りに進まない、最悪の場合は開発が失敗してしまう可能性もあります。AI開発がわからないからと丸投げしてしまうと、業務理解の浅い場合やコミュニケーションが取れていない場合は、失敗の元になってしまいます。

以下評価軸に関して列挙していきます。

AI技術の専門性

AIベンダーの技術力は、過去の実績と現在の技術スタックから評価する必要があります。具体的な導入事例における精度や処理速度の実績値、研究開発への投資状況や研究機関との実施経験、技術論文の発表数などが重要な指標となります。また、クラウドサービスやオープンソースツールの活用経験、最新のAIフレームワークへ対応しているかも確認すべきポイントです。

業界に特化した知識を持っているか

企業で開発するAIはある業務に対応するための特化型AI開発になることがほとんどです。業界固有の課題や規制に対する深い理解は、プロジェクトの成功に直結します。

同業他社での導入実績、業界特有のデータ処理方法の理解度、規制対応の知見などを総合的に評価します。また、自社の独自要件に対するカスタマイズに応じてくれるかも重要な判断材料となります。

技術に関するコミュニケーションの分かりやすさ

ベンダーの説明能力は、プロジェクトの円滑な進行に不可欠です。技術的な内容を経営層や現場担当者にわかりやすく説明できること、定期的な進捗報告や課題の早期発見・共有ができること、プロジェクトの各フェーズで適切なコミュニケーションが取れることを確認します。

企業の信頼性と安定性

大前提として、企業としての安定性は開発においては、長期的なパートナーシップの前提条件です。財務状況、主要取引先との関係性、従業員の定着率などから総合的に判断します。特に、セキュリティ体制については、第三者認証の取得状況や過去のインシデント対応実績を詳細に確認する必要があります。

ベンダー選定の進め方３ステップ

上記の評価軸をもとに、開発を依頼する企業を選ぶと良いでしょう。それでは、実際に開発会社を選ぶために必要な手順に関して解説していきます。

STEP 1. 初期調査と候補リストアップ

まずは、業界レポート、専門誌、AI企業比較サイト、プレスリリースなどの情報源から幅広く情報を収集しましょう。

その上で、各ベンダーのWebサイト、公開事例、技術ブログなどから基本的な技術力と実績を確認し、候補リストを作成しましょう。AI開発企業は比較的最近設立された企業が多いですが、公式サイトの情報の充実度だけでなく、AIに関するカンファレンスなどの発表内容も公開されているのでそちらもチェックしてみましょう。

STEP 2. 提案依頼書(RFP: Request for Proposal)の作成

候補となる会社に適切な提案を依頼するために提案依頼書（RFP）を作成しましょう。面談で話すだけでは伝わりきらない部分や伝え漏れが出てきてしまう可能性があります。AIを導入する目的や要件、予算などの条件や提案をしてもらいたいことを記載しましょう。

特に以下のような情報を明確に記載すると良いでしょう。

• 解決したい課題の具体的な説明
• 必要な機能要件とその優先順位：AI開発ではデータ収集やアノテーションに時間がかかってしまうため、優先順位を明確にすることが重要です。
• 利用可能なデータの種類と量：社内データを利用する場合は、事前に整理した上で開発依頼をするのが望ましいでしょう。
• セキュリティ要件と遵守すべき社内ルール
• プロジェクトの予算範囲：AI開発の予算は検討がつけづらい場合は、予算がどれだけつけられるかの上限を記載しましょう。
• 期待するサポート内容と範囲：「こんなことができたらいいな」ということをなるべく伝えられるようにしましょう。できないかも、と思っていることも成長の早い技術分野のため、できるようになっているかもしれません。ベンダーに相談してみましょう。

STEP 3. 面談後のベンダーの提案評価

提案内容の評価では、技術的な実現可能性、コストの妥当性、独自の付加価値提案、サポート体制の充実度などを総合的に判断します。

特に、自社の課題に対する理解度と解決のためのアプローチの具体性を重視します。同じ評価軸でいくつかの企業の提案内容、見積もり金額などを比較して決めましょう。

ベンダーとの契約の進め方は？

次にベンダーとの契約に関して注意すべきこと、確認しておくべきことは大きく分けて以下の項目です。

―知的財産権

・モデル、データセットの再利用可否：開発されたAIシステムや派生成果物の権利関係を明確に定義し、将来の活用や二次利用に関する包括的な合意を文書化することが重要です。ベンダーが同様のモデルを他社で展開できるか、貴社専用モデルとするかの条件を事前に詳細に取り決めておく必要があります。

・ソースコードの取り扱い：ソースコードの開示範囲、修正権、保守権などについて具体的な取り決めを行い、将来の保守性と拡張性を確保します。

―機密保持

・データ取り扱いの厳密さ：データの暗号化、アクセス制限、保管方法など、具体的な情報セキュリティ対策を契約書に明記し、厳格な運用を求めるようにしましょう。特にAIで学習させるデータは膨大なので、その取り扱いや受け渡しにはどのツールを使うかをあらかじめ決めておくと良いでしょう。

・再委託の制限：再委託先の選定基準、再委託範囲の制限、再委託先への機密保持義務の徹底など、情報漏洩リスクを最小限に抑える仕組みを構築します。

・情報管理体制：ベンダーの情報管理規程、セキュリティ認証の有無、情報管理責任者の明確化など、組織的な情報保護体制を確認します。

―KPIの設定

ビジネスで最終目標に至るまでの過程にチェックポイントを設けて、その過程を定量的に計測して過程を管理するKPI（Key Performance Indicator：重要業績評価指標）の考え方はシステム開発においても活用されています。AI開発においても、下記の点に注意して契約を進めると良いでしょう。

・具体的な評価基準：精度、応答速度、エラー率など、数値化可能な具体的な指標を設定し、客観的な評価の枠組みを構築して評価を行いましょう。

・中間・最終評価のタイミング：プロジェクトの進捗に応じた定期的な評価機会を設けることで、問題を早期発見し、迅速な軌道修正を行うことができます。

・品質向上のための改善・修正：開発したモデルは効果があったのか、当初想定していたものになっているかを確認するためにもKPIの設定は重要です。AI開発においては、学習データの質なども影響するため、チューニングや追加学習が必要となる場合があります。結果に基づく改善プロセス、ペナルティ条項、追加開発の要件などを明確に定義し、継続的な品質向上を担保します。

AI開発ベンダーとの契約時に上記のことに関して特に綿密に話し合っておくことで、AI開発が始まった後もスムーズに進めることができます。

AI開発ベンダーに依頼する際に注意すべきポイント！

最後に改めて、AIベンダーに開発を依頼する際に気を付けておくべきポイントをまとめておきます。

データの質と量の事前評価の不足

　これについて料理に例えてみると、AIの性能は食材の質に料理の美味しさが左右されるのと同じです。良質なデータがなければ、AIは正確な判断ができません。どのようなデータが学習に利用されるのかを把握しておくだけでなく、社内で基準を満たしているかのチェックが重要となるでしょう。

不十分なデータや偏ったデータセットは、精度の低いAIモデルや偏ったアルゴリズムを生み出す原因となり、期待する成果を得られない可能性があります。事前に社内のデータの質、量、そしてデータセットとして整理されているかどうかを確認しておきましょう。

過度に汎用的なソリューションの採用

汎用的なAIソリューションは、特定の業務や課題に対して最適でない場合があります。企業の独自ニーズや具体的な要件に合わせたカスタマイズが不可欠であり、汎用ソリューションでは十分な効果が得られないことがあります。自社のユースケースに合致するのかを契約の前にしっかりと判断しましょう。

ベンダーへの過度に依存せず、プロジェクトの役割分担を明確にする

　社内のAI理解と能力開発を並行して行い、ベンダーとの協働を通じて組織内のAI知識とスキルを蓄積することが重要です。依存しすぎた結果、運用を始めた後に「あれ、違うな」ということが発生しないように、プロジェクトにおいて自社内でどんな役割を担うのかを決めておきましょう。

開発コスト・スケジュールには余裕を持つ

　AI開発は通常のIT開発よりも想定できない事態が発生することが多いです。事前に決めたアプローチが有効でない場合や、世界的なAIデータ収集の規制が多くなりつつあるため、データが集めづらいプロジェクトの場合は時間が予想以上にかかってしまうことがあります。

つまり、納期ベースでプロジェクトを進めてしまうことで精度の低下などを引き起こしてしまう可能性も否めません。予算や時間に余裕を持ったスケジュールを立てることがAIそのものの精度に大きく影響してくると言えるでしょう。

期待値と制約条件を明確に共有しておく

プロジェクトの目的、望む機能要件、技術的制約、データ要件、予算、納期などを詳細に文書化し、ベンダーと綿密に確認することが重要です。曖昧な要件は誤解や追加コスト、修正などによる納期遅延のリスクを生むため、できる限り具体的かつ定量的な指標を用いて、双方で認識を一致させることが求められます。

特に求められるAIモデル、AI学習に使うデータセットの精度をどこまで高めるかは納期との兼ね合いがあります。納期を伸ばしてでも精度を高めるのか、納期厳守で精度をどの点まで求めるのかという方針も共有しておきましょう。

まとめ

AI開発に踏み出すための一歩について事前に自社でしておくべきこと、ベンダーの選定方法から契約に至るまでについて詳しく解説してきました。

AI開発では、目的をはっきりさせることと、社内の状況や問題点を事前に把握した上で、プロジェクトに合わせたAI開発の知識や実績をもつ企業に相談することが重要です。

最近ではAI開発相談と適切な企業を紹介するサービスを利用が増えているため、AI開発企業の事例などを見て探してみることをおすすめします。

harBest（ハーベスト）では、これまで様々な業種、業界のAI開発伴走支援を行ってきました。また、AIに欠かすことのできないアノテーションや教師データの作成についても、お客様のビジネス領域やご要望に合わせてご依頼を承っております。

さらに、生成AIに欠かせないLLMのデータセットの配布、販売も行っております。

随時ご相談を受け付けております。AI開発の一歩を踏み出す際は、ぜひ下記のお問合せフォームからお気軽にお問い合わせください。