AIライティングシステムを外部のベンダーに依頼して開発する、あるいは複数のツールを比較して選定する段階になると、避けて通れないのがRFP（提案依頼書）と要件定義書の作成です。「何を、どこまで、どんな品質で実現したいのか」を文書として明確にできていないと、ベンダーからの提案は的外れになり、見積もりも比較できず、導入後に「思っていたものと違う」というトラブルに直結します。要件を曖昧にしたまま進めることが、AIライティング導入のもっとも典型的な失敗の入り口です。
本記事は、AIライティングシステムのRFP・要件定義書・提案依頼書の作り方に特化して、盛り込むべき項目を体系的に解説します。機能要件と非機能要件の切り分け、トークン課金を前提としたコスト要件、稼働率や応答時間といったSLA（サービス品質保証）の数値要件、ハルシネーション対策や情報セキュリティの要件、そしてベンダーの責任範囲の明確化まで、稟議と契約に耐える文書を作るための実務を掘り下げます。なお、費用相場や全体像をまだ把握していない方は、まずAIライティングシステムの完全ガイドから読むことをおすすめします。
▼全体ガイドの記事
・AIライティングシステムの完全ガイド
RFPに盛り込むべき機能要件と非機能要件
RFPの骨格をなすのが、機能要件と非機能要件です。機能要件は「システムが何をするか」、非機能要件は「どれだけの品質・性能で動くか」を定義します。AIライティングシステムでは、生成機能やRAGといった機能要件に注目が集まりがちですが、応答速度や可用性といった非機能要件を疎かにすると、導入後に「動くけれど実用にならない」という事態に陥ります。両者をバランスよく記述することが重要です。
生成・RAG・連携の機能要件を粒度高く書く
機能要件は、「文章生成ができること」といった粗い記述では不十分です。「どの記事タイプを、どんなインプット（キーワード・構成案・社内資料）から、どんなアウトプット形式で生成するか」まで具体化する必要があります。たとえば「自社製品マニュアルをRAGで参照し、製品仕様に誤りのないFAQ記事の初稿を生成する」「商品データベースのスペックから、ブランドトーンに沿った商品説明文を一括生成する」といった粒度で書くと、ベンダーは実現可否と工数を正確に見積もれます。
あわせて、連携要件は特に丁寧に記述します。どのCMSや基幹システムと、どの方向（読み取り・書き込み）で、どのデータをやり取りするかを明示してください。一次データでは、連携API開発費は1件あたり30万〜100万円が目安とされ、連携先が増えるほど費用が積み上がります。RFPで連携要件を曖昧にすると、後から「この連携は別途見積もり」となり、当初予算が大きく崩れます。要件定義不備による再開発で100万〜500万円が追加発生した事例もあり、機能要件の粒度こそが予算の精度を決めます。
応答速度・可用性・拡張性の非機能要件
非機能要件では、生成のレスポンス速度、システムの可用性（稼働率）、利用が増えたときの拡張性を定義します。AIライティングは生成に数秒以上かかることがあり、待ち時間が長すぎると現場のストレスになります。「1記事の初稿生成は〇秒以内」といった目標を置くと、ベンダー側の設計指針になります。可用性については、業務時間中に止まると制作が滞るため、稼働率の目標を明記します。
拡張性も見落とせません。導入当初は月50本でも、効果が出れば月200本へと利用が伸びる可能性があります。利用量が増えてもパフォーマンスが劣化しない設計か、ユーザー数を増やせるかを要件に含めておくと、将来の作り直しを防げます。これらの非機能要件は、後述するSLAとも連動します。機能要件と同じ熱量で非機能要件を書くことが、長く使えるシステムを発注する条件です。
トークン課金を前提としたコスト要件の定義
生成AIを使うAIライティングシステムが、従来のシステムと根本的に異なるのが、利用量に応じてランニングコストが変動する「トークン課金」の存在です。RFPの段階でこの特性を織り込んだコスト要件を定義しておかないと、運用開始後にコストが想定外に膨らみ、稟議で約束した予算を超過します。コスト要件は、AIライティングのRFPでもっとも見落とされやすく、かつ致命的になりやすい領域です。
利用量とモデル選定を踏まえたTCO要件
コスト要件の出発点は、想定する利用量の試算です。月に何本の記事を、何文字規模で生成するか、リライトや要約を何回行うかを概算し、それに対応するトークン消費量を見積もります。ここで効くのが、利用するLLMの選定です。一次データの試算では、月10万リクエスト（入出力各500トークン）の場合、Gemini 2.0 Flashで約3,750円、GPT-4o miniで約5,600円、Claude Sonnet 4で約135,000円と、モデルによって月額コストに数十倍の差が生じます。RFPでは「どのモデルを、どの用途で使う想定か」「モデルを切り替えられる設計か」を要件として明記すべきです。
さらに、初期費用とランニングコストを合算した3〜5年のTCO（総保有コスト）で評価する要件を設けると、SaaSとスクラッチの本質的な比較ができます。一次データでは、月30万円のSaaSと初期1,000万円のスクラッチの5年TCOは、おおむね3.5年で損益分岐するとされています。短期の初期費用だけで判断せず、利用量が増えた場合のトークンコストも含めた中長期の総額で評価する。この視点をRFPのコスト要件に組み込むことが、後悔のない選定につながります。
コスト上限・隠れコストの可視化要件
トークン課金の暴騰を防ぐため、RFPには利用量の上限設定やアラート機能を要件として盛り込みます。一次データには、月5万円を見込んでいたトークン課金が20万円超に達した事例があり、上限管理機能の有無が予算統制を左右します。「月間のトークン消費が予算の80%に達したら通知する」「設定上限を超えたら一時停止する」といった機能要件を明記すると、運用開始後の暴走を制度的に防げます。
また、RFPでは見積もりに含まれない隠れコストを洗い出す要件も重要です。シナリオやプロンプトのチューニング費、参照データの整備費、CRMやCMSとの連携API費（1件30万〜100万円）、運用に必要な人的リソース（最低でも月5〜10時間が目安）などを、提案に明示するよう求めます。ベンダーに「初期・月額・従量・追加開発を分けて見積もること」を要件として課すと、安く見えて後から膨らむ提案を見抜けます。コスト要件は、金額を縛るだけでなく、コスト構造を透明化する装置として設計することが肝心です。
稼働率・品質を担保するSLA数値要件
RFPの品質を一段引き上げるのが、SLA（サービス品質保証）の数値要件です。曖昧な「高品質に」「安定して」といった言葉ではなく、稼働率・応答時間・回答精度といった測定可能な数値で品質を縛ることで、ベンダーとの認識のずれを防ぎ、契約後のトラブルを回避できます。AIライティングは出力品質が安定しにくい分、数値で線引きする意義が大きい領域です。
稼働率99.9%・応答時間などの数値基準
SLAの基本となるのが、稼働率と応答時間です。一次データでも、AI関連システムの調達では年間稼働率99.9%以上が選定基準とされ、神戸市の調達例では応答3秒以内（繋ぎ言葉があれば5秒）といった具体的な時間基準が設けられています。AIライティングシステムでも同様に、「年間稼働率99.9%以上」「初稿生成は平均〇秒以内」といった数値をSLA要件として設定すると、性能の下限が契約上担保されます。
あわせて、障害時の対応時間も要件化します。障害発生からの一次応答時間、復旧目標時間、サポートの受付時間帯などを明記し、業務への影響を最小化できる体制を求めます。SLAは「達成できなかった場合のペナルティ（返金や利用料減額）」とセットで定めることで、実効性を持ちます。数値を置くだけでなく、未達時の取り扱いまで含めて要件化することが、SLAを形骸化させないコツです。
回答精度・段階的な品質目標の設定
AIライティング特有のSLAとして、生成内容の精度に関する目標も検討に値します。AIチャットボット分野ではKARAKURIが正答率95%保証プランを提供しており、精度を契約で担保する動きが広がっています。AIライティングでも、「事実誤り（ハルシネーション）の発生率を〇%以下に抑える」「参照データに基づく記述の正確性を担保する」といった品質目標を、可能な範囲で要件化すると、出力の信頼性を高められます。
ただし、AIの精度は一足飛びには上がらないため、段階的な目標設定が現実的です。一次データの神戸市の例では、回答率を導入月50%、2ヶ月後60%、最終70%以上と段階的に引き上げる目標が設定されています。AIライティングでも、「初期は人の修正率〇%、運用3ヶ月後に〇%まで低減」といった段階目標を置くと、無理のない品質改善のロードマップを共有できます。精度要件は理想を掲げるより、チューニングで到達可能な現実的なマイルストーンとして設計することが、双方にとって健全です。
セキュリティ・ベンダー責任範囲の要件化
AIライティングシステムは社内の機密情報を参照することが多く、セキュリティ要件は事業リスクに直結します。あわせて、ハルシネーションへの対応やデータ移行の権利など、ベンダーの責任範囲を契約段階で明確にしておかないと、トラブル時に「誰が責任を負うのか」で揉めます。これらを要件化しておくことが、安全な導入の最後の砦です。
入力データの学習利用・情報管理の要件
生成AIを使う上で特に注意すべきが、入力した情報がAIの学習に使われないかという点です。無料版のAIツールでは、入力データが学習に利用される場合があり、機密情報や個人情報を入れると情報漏えいにつながりかねません。RFPでは「入力データを学習に利用しないこと」「データの保存場所・保存期間・暗号化方式」を明確な要件として課す必要があります。一次データでは、情報漏えい対応に500万円以上を要した事例もあり、ここは費用面でも軽視できません。
あわせて、アクセス権限の管理や監査ログの取得、データの国内保管の要否なども要件に含めます。規制業種や官公庁向けでは、データの取り扱いに関する基準が厳しいため、自社のコンプライアンス要件を満たせるかをベンダー選定の必須条件とします。セキュリティ要件は、利便性とのトレードオフではなく、事業継続のための前提条件として位置づけることが重要です。
責任範囲・データ移行・契約終了時の要件
AIライティング特有のリスクとして、生成された文章の誤りや権利侵害が問題になった場合の責任の所在があります。RFPでは、ハルシネーションによる誤情報や著作権上の問題が生じた際、ベンダーがどこまで対応するのか、最終的な内容責任は発注側が負うのかを、契約条件として明確にしておく必要があります。曖昧にしておくと、トラブル発生時に長い責任論争に陥ります。
もう一つ、見落とされがちなのがデータ移行と契約終了時の取り扱いです。蓄積したプロンプトや参照データ、生成履歴を、他システムへ移行できる形でエクスポートできるかを要件化しておかないと、ベンダーロックインに陥り、乗り換え時に身動きが取れなくなります。「契約終了時にデータを標準的な形式で返還すること」を要件に含めることが、将来の選択肢を守ります。riplaはフルスクラッチ受託の立場から、こうしたデータの所有権を発注側に残し、特定ベンダーに縛られない設計を重視しており、RFP段階からこの観点を要件に織り込むことをおすすめします。
まとめ
AIライティングシステムのRFP・要件定義書では、機能要件と非機能要件を粒度高く切り分け、トークン課金を前提としたコスト要件を中長期のTCOで定義し、稼働率99.9%や応答時間といったSLAの数値要件を未達ペナルティとセットで設定し、入力データの学習利用やベンダー責任範囲・データ移行のセキュリティ要件を明文化することが、品質と予算を守る四本柱になります。モデル選定で月額コストが数十倍変わり、要件定義不備の再開発で100万〜500万円が追加発生し、情報漏えい対応に500万円以上を要する現実が、要件を詰める価値を物語っています。
RFPを作るときに大切なのは、「実現したいこと」を願望として並べるのではなく、「測定可能な数値」と「責任の所在」まで落とし込むことです。曖昧な要件は、そのまま導入後のトラブルとコスト超過に転化します。riplaはフルスクラッチ受託の立場から、業務フローから逆算した要件整理と、トークンコスト・SLA・データ所有権まで踏まえたRFP策定の支援を行っています。全体像の確認には、あらためて完全ガイドをご活用ください。
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。
・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 >>>
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。