生成AIシステム開発のRFP/要件定義書/提案依頼書について

生成AIシステム開発をベンダーに外注する際、RFP（提案依頼書）や要件定義書の作り込みが甘いと、後から想定外の費用が膨らんだり、セキュリティ要件が抜け落ちたまま運用が始まってしまったりといった問題が起こりがちです。生成AIシステムは従来のシステム開発と異なり、初期開発費以外に従量課金やベクトルDBのスケーリング費用といった「隠れコスト」が継続的に発生するため、要件定義の段階でこれらを正しく把握しておくことが極めて重要です。

本記事では、生成AIシステム開発のRFP・要件定義書・提案依頼書の作り方を、隠れコストの把握、セキュリティ要件の網羅、データ準備工数の見積もりという実務的な観点から具体的に解説します。デジタル庁が公開する調達チェックシートを民間企業のベンダー選定に転用するノウハウや、費用相場の目安も交えて、抜け漏れのない要件定義の進め方を整理しました。生成AIシステム開発の全体像をあらためて押さえたい方は、生成AIシステム開発の完全ガイドもあわせてご覧ください。それでは要件定義の要点を見ていきましょう。

▼全体ガイドの記事
・生成AIシステム開発の完全ガイド

要件定義で押さえるべき費用相場と隠れコスト

RFPや要件定義書を作成する前提として、生成AIシステム開発にどの程度の費用がかかるのか、その相場感を把握しておく必要があります。相場を知らないままRFPを出すと、ベンダーからの見積もりの妥当性を判断できず、安いだけのベンダーを選んで品質を落とす、あるいは過剰な提案を見抜けず予算を浪費するといった事態を招きます。ここでは、フェーズ別の費用相場と、見落としやすい隠れコストを整理します。

生成AIシステム開発の費用は、開発規模によって大きく異なります。一般的な相場として、小規模なPoC（概念実証）であれば50万〜200万円、期間は1〜2ヶ月程度が目安です。実際に業務で使う中規模の本番システム構築になると1,500万〜4,000万円、期間は3〜6ヶ月程度に、全社展開を伴う大規模な構築では5,000万円以上に達することもあります。RFPでは、自社が目指す規模がこのうちどの段階に該当するかを明確にし、それに見合った予算枠を提示することが、ベンダーからの的確な提案を引き出す前提となります。

注意すべきは、いきなり中規模・大規模の本番構築を発注するのではなく、まずPoCで実現可能性を検証してから本番開発へ進む段階的な発注が、リスクを抑える定石である点です。RFPの段階で「PoCで一定の精度を確認できた場合に本番開発へ移行する」といった条件を盛り込むことで、PoCの壁を越えられないまま多額の投資をしてしまうリスクを回避できます。費用相場をRFPに反映させる際は、フェーズを区切った発注設計を意識することが重要です。

また、提示された見積もりが相場から大きく外れている場合は、その理由を必ず確認することが大切です。相場より極端に安い見積もりは、データ準備や精度検証の工数が含まれていない可能性があり、後から追加費用が発生する温床になります。逆に相場より高い場合は、自社の要件に対して過剰なスペックを提案されている恐れがあります。フェーズ別の相場感を把握しておくことで、見積もりの内訳を吟味し、各項目が妥当かを判断できるようになります。費用相場は、単に予算を決めるためだけでなく、ベンダーの提案を評価する物差しとしても機能するのです。

生成AIシステムで最も見落とされやすいのが、初期開発費以外に継続的に発生する隠れコストです。代表的なものに、大規模言語モデルのAPIを利用するたびに発生する従量課金、データ量の増加に伴うベクトルデータベースのスケーリング費用、そして運用保守費があります。運用保守費は一般に初期開発費の15〜25%、あるいは20〜30%が年間の目安とされ、決して小さくない継続支出となります。これらをRFPで明示的に見積もり対象とせず、初期費用だけで比較すると、運用段階で予算が破綻する恐れがあります。

RFPでは、初期開発費だけでなく、想定される月間の利用量に基づくAPI従量課金の試算、データ増加時のインフラ費用の見通し、そして年間の運用保守費を必ず見積もり項目に含めるようベンダーへ求めることが重要です。とりわけAPI従量課金は利用が拡大するほど増えるため、利用量が一定規模を超えた場合のコスト試算まで提示してもらうと、長期的な総保有コストを正確に把握できます。隠れコストを要件定義の段階で可視化することが、後の予算トラブルを防ぐ最大の防衛策となります。

デジタル庁の調達チェックシートを活用した要件設計

生成AIシステムの要件定義では、セキュリティやガバナンスの観点が抜け落ちやすいという課題があります。この点で参考になるのが、デジタル庁が公開しているAI調達に関する調達チェックシートです。官公庁向けに整備されたこのチェックシートの観点を、民間企業のRFP作成に転用することで、見落としがちな要件を網羅できます。

デジタル庁の調達チェックシートでは、AIガバナンスの構築、セキュリティインシデント対応体制、そしてプロンプトの隠蔽回避（透明性の確保）といった項目が要件として挙げられています。これらを民間企業のRFPに落とし込むと、たとえば「AIの判断根拠を追跡できる仕組みを備えているか」「情報漏洩などのインシデントが発生した際の対応フローが整備されているか」「システム内部のプロンプトが不正に隠蔽・改ざんされない設計か」といった確認項目になります。こうした観点をRFPに盛り込むことで、技術力だけでなくガバナンス面でも信頼できるベンダーを選定できます。

とりわけ生成AIシステムは社内の機密情報を扱うことが多いため、入力したデータがモデルの学習に再利用されないこと、通信やデータが適切に暗号化されること、アクセス権限が役割に応じて制御されることといったセキュリティ要件は必須です。出典として（出典：デジタル庁）の調達チェックシートを参照しながら要件を整理すると、公的に認められた観点に基づく抜け漏れのない要件定義書を作成できます。セキュリティ要件はシステム稼働後に追加すると大幅な手戻りを招くため、RFPの段階で明確に定義しておくことが肝心です。

RFPを発行した後、複数のベンダーから提案を受けた際に、どの観点で優劣を判断するかをあらかじめ整理しておくことが重要です。生成AIシステムの場合、価格や開発期間だけでなく、検索精度をどう担保するかの技術的な裏付け、PoCで精度が出なかった場合の改善方針、そして運用後の精度モニタリングと改善の体制までを評価軸に含めるべきです。精度に関する具体的な改善手法を提案に盛り込めるベンダーは、PoCの壁を越える実力を備えている可能性が高いといえます。

評価観点を整理する際は、デジタル庁のチェックシートの項目を自社向けにアレンジした評価表を作成し、各ベンダーを同一基準で採点する方法が有効です。これにより、提案の見栄えや営業トークに左右されず、要件への適合度を客観的に比較できます。RFPと評価基準をセットで準備しておくことが、生成AIシステム開発のベンダー選定における失敗を防ぐ要となります。

データ準備工数を見据えた要件定義の進め方

生成AIシステム開発の要件定義で最も軽視されがちでありながら、成否を大きく左右するのがデータ準備の工数見積もりです。RAGシステムでは、AIに参照させる社内データの品質が回答精度を直接決定するため、データの整備に十分なリソースを割く前提で要件定義を進める必要があります。ここでは、データ準備を組み込んだ要件定義の進め方を解説します。

RAG導入を成功させるためのプロジェクトマネジメントの鉄則として、プロジェクト全体の工数の40〜60%をデータ準備に割くべきという考え方があります。これは、生成AIシステムの精度がモデルの性能よりもデータの品質に依存するためです。古い規程類、手書きをスキャンしただけのPDF、表とテキストが混在するExcelといった、そのままではAIが読み取りにくいデータを、整理・構造化する作業が必要になります。この工数を要件定義で見込んでおかないと、開発後半でデータ整備に追われ、スケジュールが大幅に遅延します。

要件定義書には、対象とするデータの種類と量、現状の品質、整備に必要な作業を洗い出したうえで、データ準備のフェーズを明確に工程として組み込むことが重要です。また、データ整備を自社で行うのか、ベンダーに委託するのか、その分担もRFPで明記しておくべきです。データ準備の責任分界点が曖昧なまま開発を始めると、「ベンダーがやってくれると思っていた」「自社で準備する前提だった」という認識の齟齬が生じ、プロジェクトが停滞する原因になります。

要件定義を進める際の指針として、RAG導入を5つのステップで捉えるフレームワークが役立ちます。具体的には、(1)解決したい業務課題と対象範囲の明確化、(2)対象データの棚卸しと品質評価、(3)データのクレンジングと構造化、(4)検索・生成パイプラインの設計と精度検証、(5)運用と継続的な精度改善という流れです。このうち(2)と(3)のデータに関わる工程が、前述のとおり全工数の半分前後を占めます。要件定義書をこのステップに沿って構成すると、抜け漏れのない計画を立てられます。

このフレームワークに沿ってRFPを作成することで、ベンダーに対しても各ステップでの成果物と評価方法を明確に要求できます。とりわけ(4)の精度検証では、前述したContext PrecisionやFaithfulnessといった評価指標で目標値を設定し、それを満たせない場合の改善対応まで契約に含めると、品質を担保しやすくなります。要件定義をステップ化して文書化することが、発注側とベンダーの認識を揃え、プロジェクトを成功へ導く土台となります。

データ準備を要件定義に組み込む際は、「データを整備する」という抽象的な表現にとどめず、具体的な作業内容まで落とし込むことが重要です。生成AI向けのデータクレンジングでは、古い規程と現行版が混在している場合の版管理、手書きをスキャンしただけのPDFを文字情報として読み取れるようにする処理、表とテキストが混在したExcelを構造化して扱える形に整える作業など、文書の種類ごとに異なる手当てが必要になります。これらの泥臭い実務作業をRFPに明記しておかないと、見積もりに含まれず、後から追加費用が発生する原因になります。

とりわけ、社内に長年蓄積された文書は形式が統一されていないことが多く、AIが正しく解釈できる形に整えるには想像以上の手間がかかります。要件定義の段階で対象データのサンプルをベンダーに共有し、クレンジングにどの程度の工数がかかるかを具体的に見積もってもらうことで、後の認識のずれを防げます。データクレンジングの作業範囲と分担を要件として明確化することが、隠れた工数を可視化し、プロジェクトの遅延と費用超過を未然に防ぐうえで欠かせません。

まとめ

本記事では、生成AIシステム開発のRFP・要件定義書・提案依頼書の作り方を、費用相場と隠れコストの把握、デジタル庁の調達チェックシートを活用したセキュリティ要件の設計、そしてデータ準備工数の見積もりという観点から解説しました。費用はPoCで50万〜200万円、中規模本番で1,500万〜4,000万円が目安であり、API従量課金や運用保守費（初期費用の15〜25%）といった隠れコストを必ずRFPに含めることが重要です。また、AIガバナンスやセキュリティの要件をチェックシートに基づいて整理し、全工数の40〜60%をデータ準備に充てる前提で計画を立てることが成功の条件となります。

生成AIシステム開発の要件定義で最も大切なのは、初期開発費だけに目を奪われず、運用までを見据えた総保有コストとデータ品質の確保を要件として明文化することです。RAG導入の5ステップフレームワークに沿ってRFPを構成し、各ステップの成果物と評価基準を明確にすることで、ベンダーとの認識のずれを防ぎ、精度の高いシステムを実現できます。生成AIシステム開発のRFP作成や要件定義をご検討の際は、隠れコストとデータ準備まで見通せる体制づくりを、信頼できる開発パートナーへの相談から始めてみてください。

株式会社riplaでは、IT事業会社出身のプロフェッショナルが「Impact-Driven型支援」を通じて、プロダクトやシステムの納品・提供を目的とせず、お客様と同じ目線で、事業成果の達成をゴールとして、高品質なDX/開発支援をいたします。

また、弊社独自の開発テンプレート「Boxシリーズ」による標準機能の高速開発と、AI駆動開発の独自フレームワーク「GoDD」による独自機能のAI実装を組み合わせることで、低コスト・短期間で開発を実現いたします。

もし、システム開発やプロダクト開発に関するご要望がございましたら、お気軽にお問い合わせください。

株式会社riplaの会社HPはこちら

・サービス概要資料のURLはこちら >>>
・お問合せページのURLはこちら >>>
・お役立ち資料のURLはこちら >>>

執筆者プロフィール

張田谷凌央

株式会社ripla 代表取締役CEOとして、システムパッケージ活用、システム開発、データ分析、生成AI活用、SaaS開発、アプリ開発、EC構築など、幅広い領域で企業のDX推進と事業成長を支援している。IT事業会社出身のプロフェッショナルが集う株式会社riplaにおいて、「Impact-Driven型支援」を掲げ、単なるシステム納品にとどまらず、クライアントと同じ目線で事業成果の実現に向けた伴走支援を行う。早稲田大学卒業後、ラクスル株式会社、LINEヤフー株式会社にて事業開発やDX推進などに従事した後、株式会社riplaを創業。