AI導入は、対象業務を1つ選ぶところから始める
AI導入の最初の仕事は、製品を選ぶことでも、全社の構想を完成させることでもありません。時間がかかる、判断がばらつく、問い合わせが滞るといった業務上の問題から、最初に確かめる対象を1つ選びます。
費用も、この対象が決まらなければ見積もれません。SaaSのアカウントを配るのか、社内データを検索する仕組みを作るのか、既存システムの処理まで自動化するのかで、必要なデータ、権限、評価、運用が変わるからです。AI導入の始め方を4段階に分け、各段階で何に費用がかかるかを整理します。
- 01業務を1つ選ぶ現状と成功条件を残す
- 02方式と境界を決めるSaaSか開発か、読むか書くか
- 03小さく検証する本番に近いデータで合否を見る
- 04組み込み、運用する監視と改善を担当業務にする
1. 最初の業務はどう選ぶか
候補は「AIを使えそうな業務」ではなく、導入前後を同じ物差しで比べられる業務から選びます。月の処理件数、1件にかかる時間、確認や差し戻しの回数、誤ったときの影響を残せるものです。
最初から複数部門をまたぐ業務を選ぶと、AIの性能を試す前に、権限やデータ連携の調整が増えます。利用者とデータの持ち主が分かり、結果を判断する責任者を置ける範囲まで狭めます。「議事録を作る」だけでなく、「営業会議の録音から決定事項と担当者を抽出し、担当者が確認して登録する」のように、入力、出力、確認者まで書くと境界が見えます。
この段階の費用は、企画書の枚数ではなく、現状を測る時間と関係者が判断する時間です。導入前の基準値を残さずに始めると、リリース後に効果が出たか判定できません。
2. SaaSを使うか、個別に作るか
メールや文書作成など共通の業務なら、既製のSaaSを設定して試す方法があります。自社データを検索する、既存システムへ結果を書き戻す、独自の承認手順を組み込むなら、設定だけでなく設計と開発が必要です。先に方式を決めるのではなく、対象業務に必要な境界から選びます。
| 確認する境界 | 費用になる作業 |
|---|---|
| 利用者 | アカウント、権限、研修、問い合わせ対応 |
| データ | 収集、整形、保管、更新、利用可否の確認 |
| 接続 | 既存システムとの連携、認証、仕様変更への追随 |
| 実行権限 | 承認、監査ログ、誤操作の停止と復旧 |
| 合格条件 | 評価データの作成、テスト、人による確認 |
「AIの利用料」は費用の一部です。Amazon Bedrockの公式料金にも、モデル推論のほか、プロンプト最適化やウェブ検索など別の料金項目があります。さらに業務へ組み込む人の作業が加わります。公開された単価だけで総額を出すことはできません。
3. 検証では、何を合格にするのか
検証へ進む前に、続ける条件と止める条件を決めます。回答の正しさだけでなく、担当者の確認時間、扱えない入力、誤りを見つけたときの戻し方まで対象です。合格条件がなければ、動くデモができても本番へ進めるか判断できません。
サンプルだけでなく、本番に近いデータを少量使います。実データには表記の揺れ、欠損、想定外の長さ、アクセス制限があります。検証から外した条件は消えるのではなく、本番前の作業として残ります。個人情報や機密情報を外部サービスへ送れるか分からない場合は、投入する前に処理場所と契約条件を確認します。
小さく始めるとは、品質確認を省くことではありません。対象者、データ量、接続先、AIに許す操作を狭め、短い期間で合否を出せる形にすることです。たとえば最初はAIが下書きまで行い、登録は人が承認する。品質と業務時間を測ったあとで、自動化する範囲を増やします。
4. 本番費用は、利用料より広く見る
本番では、初期費用と運用費用を分けます。初期側には業務整理、データ整備、連携、権限設計、受け入れテストが入ります。運用側にはモデルやインフラの利用、データ更新、品質監視、問い合わせ、不具合対応、モデル更新時の再評価が続きます。
初期導入まで
- 対象業務と合格条件の整理
- 本番データの確認と整備
- システム連携と権限設計
- 受け入れテストと利用準備
運用導入したあと
- モデル、検索、基盤の利用
- 出力品質とログの確認
- 問い合わせと障害対応
- モデルやデータ変更時の再評価
デジタル庁の生成AI調達・利活用ガイドライン第2.0版も、リリース後の出力監視、ログ確認、モデル更新時の品質と必要コストの再確認、リスク発生時の対応を提供者の取組として挙げています。運用欄が空の見積は安いのではなく、誰が引き取るか未定の可能性があります。
AI導入の費用は、4段階ごとに見積もる
相場を1つの金額で示すと、SaaSの契約と個別開発が混ざります。まず4段階の成果物を揃え、その段階で外部へ頼む作業と社内で持つ作業を分けます。
- 業務選定: 現状値、対象者、成功条件
- 方式設計: データ、接続、権限、作る範囲
- 検証: 評価データ、合否、止める条件
- 本番運用: 利用量、監視、問い合わせ、改善担当
複数社へ相談する場合も、この4行を同じ条件で渡します。総額が違ったら、データ整備、接続、評価、運用のどこまで含むかを比べます。社内で引き取る作業には担当者と必要時間を置き、外部へ払う金額だけで判断しません。
相談前に、1枚の導入メモを作る
詳しい要件定義書がなくても、相談は始められます。ただし「生成AIで業務を効率化したい」だけでは、提案する側が対象業務と必要な制御を仮定するため、各社の見積範囲が揃いません。最初の打ち合わせには、目的、現状、境界、合格、運用を1枚にします。
営業会議録を作る導入メモの記入例
次は架空の業務を使った設計例です。価格や所要時間の実績は置かず、調べる担当と未確定事項を残します。
| 項目 | 記入例 |
|---|---|
| 目的 | 営業会議の録音から決定事項と担当者の下書きを作り、議事録担当者の整理作業を減らす |
| 現状と調査担当 | 会議件数、録音の長さ、整理・確認・差し戻しの時間は未計測。議事録担当者が対象会議で記録し、比較基準を用意する |
| 入力とデータ管理 | 利用許可を確認した営業会議の録音。データの管理は営業責任者。外部サービスへの送信可否と保管期限は情報管理担当へ確認する |
| 出力と接続の境界 | 決定事項・担当者・期限の下書きを作成。議事録担当者が原文を照合して承認し、社内の会議記録へ登録する。AIには登録・送信権限を渡さない |
| 検証で見るもの | 録音との対応、担当者や期限の誤り、確認・修正込みの時間。聞き取れない箇所は未確認として担当者へ戻せるかを確かめる |
| 続行と停止の判断 | 営業責任者が、原文との照合と時間の比較結果を見て続行を判断。送信可否や根拠を確認できない間は実データを投入せず、従来手順で記録する |
| 運用と問い合わせ | 議事録担当者が出力品質を確認し、接続や保存の問題はシステム運用担当へ連絡。モデルや設定を変えたら、利用前に同じ評価用録音で再確認する |
| 見積に残す未確定事項 | 利用量、方式、送信・保管条件、社内作業時間は未確定。調査費、検証費、初期設定費、継続費を分けて見積を依頼する |
現状の数字が取れない項目は、空欄を推測で埋めず、最初の調査対象にします。データ量が不明なら、件数と形式を調べる作業を見積へ入れる。接続先のAPIが不明なら、技術調査を本開発と分ける。未確定事項が見えれば、その確認費用と実装費用を混ぜずに比較できます。
利用人数と処理件数は、同じ欄にまとめません。少人数でも長い文書や画像を大量に処理すればモデル利用料は増えます。反対に利用者が多くても、月に数回しか使わない業務なら、利用量よりアカウント管理や問い合わせ対応の比重が上がります。入力と出力の種類、1回あたりの量、利用頻度を分けて伝えます。
繁忙期だけ処理が増える業務なら、平均だけでなく最大時の件数も書きます。平常時の単価と、処理が集中したときに必要な待ち時間や基盤の条件を分けて確認できます。
ベンダーへ渡せない情報も明記します。機密データの実物を契約前に共有できないなら、形式、件数、機密区分だけを伝え、閲覧できる環境と時期を確認します。情報を渡せないこと自体より、いつまで不明か分からない状態の方が見積差を大きくします。
費用を抑えるなら、責任の境界を曖昧にしない
予算に合わせて狭めやすいのは、最初の利用者、対象データ、接続先、AIが実行する操作です。複数部署への展開を後にする、まず1種類の文書だけを扱う、書き込みはせず下書きまでにする、といった区切り方があります。
一方、合格条件、アクセス制御、失敗時の停止、運用担当を見積から外しても、必要な判断は残ります。外部の費用から社内工数へ移るだけなら、総費用は下がったとは限りません。削った項目は「不要」なのか「社内で担当」なのか「次段階へ延期」なのかを記録します。
初回導入の終了条件を先に置く
初回の導入は、利用者を増やす前に、続けるか止めるかを判断できた時点で一区切りにします。想定した入力を処理できたか、担当者の確認時間は許容できるか、誤りを検知して止められたか、運用担当が更新と問い合わせを扱えるかを確認します。
合格した場合も、対象範囲を自動で広げません。次の業務ではデータ、権限、誤りの影響が変わるため、4段階を短く回し直します。合格しなかった場合は、モデル変更、データ整備、業務手順の変更のどれで改善するかを分けます。改善費用が期待する効果を上回るなら、止める判断も導入工程の成果です。
サンプルでは動いたのに本番へ進まない条件は、生成AIのPoCが本番に行かない理由で詳しく扱っています。対象業務の選定から本番データでの検証、既存システムへの組み込みまでの相談先は、生成AI導入支援です。