AI​開発は​内製か外注か判断の​ポイントと​分担の​考え方【2026年】

AI​開発の​内製か外注かの​結論：​全部を​決めず、​自社に​残す役割から​決める

AI開発の内製か外注かは、「全部自社」か「全部外部」かの二択で考えると、判断が止まります。社内にエンジニアが0〜1人の会社では、自社で組む範囲、外に出す範囲、運用を誰が見るかを分けて考えるほうが、現実に合います。この記事では、選び方を次の3つに整理します。

• 案1：ノーコード・既存ツールで自分たちで組む
• 案2：一部を外注し、運用は内製する
• 案3：全部外注する

※ 当メディアの整理による目安です（◎良い ○ふつう △注意 ×負担が大きい）。公的な資料に、会社の規模別にどの選び方が向くかを示した基準は、確認できた範囲では見当たりません。案1は担当者が兼務で時間を取れない場合、案3は自社の業務の流れを説明できる人がいない場合に、うまくいきにくくなります。

AI開発の種類そのものは、AI開発とはで整理しています。この記事の結論を先にまとめます。

• どの選び方でも、目的を決める人と、結果を確かめる人は自社に残る
• 内製の壁は、作ることより「作ったあとに見続ける人」の確保にある
• 外注の壁は、金額より「何を預け、何を確認するか」にある
• 迷ったら、案1で小さく試し、必要な部分だけを案2で外に出す順が組みやすい

判断の​前に​：​中小企業の​人材と​AI​活用の​現状

公的な調査で​分かって​いること

選び方を考える前に、同じ規模の会社がどんな状況にあるかを確認します。ここでは、総務省とIPA（情報処理推進機構）の資料で確認できた数字だけを使います。

※ 出典は各資料（2026年10月22日確認）。調査ごとに対象や聞き方が違うため、数字どうしを直接比べることはできません。

数字から​読み取れる3つのこと

1つ目は、人の問題です。IPAの『DX動向2025』は、日本では人材の確保や育成が難しいために内製化が進まないケースが非常に多いと考えられる、としています。同じ資料で、日本の従業員100人以下の企業でDXに取り組んでいる割合は46.8％でした。従業員1,001人以上の企業は96.1％です。

2つ目は、何に使うかの問題です。総務省の『情報通信白書』では、生成AI導入の懸念事項として、日本では「効果的な活用方法がわからない」が最も多く挙げられています。内製でも外注でも、使い道が決まっていないと、どの選び方でも前に進みません。

3つ目は、外部との組み方の問題です。IPAの資料では、企業変革を進めるための外部組織との連携が「十分にできている」「まあまあできている」と答えた割合は、日本では従業員1,001人以上の企業でも4割強でした。外に頼むことと、うまく組むことは別の話です。

こうした状況から、当メディアは、内製か外注かの前に「何を作るか」と「誰が見続けるか」を決めることが先だと考えます。中小企業のAI導入全体の進め方は、中小企業のAI導入の進め方の記事で整理しています。

3つの​選び方：​それぞれ何を​して、​何が​自社に​残るか

案1：​ノーコード・​既存ツールで​自分たちで​組む

プログラムを書かず、既製のAIサービスや、画面で部品をつなぐ道具を使って、自社の担当者が仕組みを作る形です。総務省と経済産業省の「AI事業者ガイドライン（第1.2版）」の別添では、AIの利用・開発に関する契約を3つの類型に分けています。その1つが、提供されている汎用的なAIサービスをそのまま使う「汎用的AIサービス利用型」です。案1の多くは、この型に近い使い方です。

この選び方では、作る人と使う人が同じ社内にいます。直したいと思ったときにすぐ直せる反面、設計の判断、データの扱いの確認、動かなくなったときの調べ直しは、すべて自社の担当者に残ります。

案2：​一部を​外注し、​運用は​内製

設計や、社内システムとの連携のように、専門の知識が要る部分を外に出し、完成後の確認や改善は自社で持つ形です。同じ別添は、特定の利用者向けに、汎用のAIサービスへ独自の機能を足したサービスを使う型を「カスタマイズ型」として挙げています。外注先が機能を足し、自社がそれを使い続ける形は、この型に近くなります。

この形で大切なのは、外に出す範囲を最初に線引きすることです。IPAと経済産業省の「情報システム・モデル取引・契約書」第二版の公表資料では、システム開発では発注側（ユーザ）もプロジェクトマネジメントを行う必要がある、という議論が紹介されています。外に出しても、発注側の役割はなくなりません。

案3：​全部外注

要件の整理から開発、導入、運用までを外部の会社に任せる形です。別添の3類型では、AI利用者が開発者・提供者と組んで独自のAIシステムを作る「新規開発型」にあたります。

自社の手間は最も小さくなりますが、預ける範囲が広い分、確認することは増えます。AI事業者ガイドラインは、AI開発者・AI提供者・AI利用者を分けたうえで、同じ事業者が複数の立場を兼ねることもあると説明しています。自社がAI利用者としてどこまで確認するかは、外注しても残ります。会社選びの確認項目は、AI開発会社の選び方で整理しています。

5つの​観点と​分担：​人・​データ・​保守・​費用・​時間で​比べ、​工程ごとに​分ける

3つの選び方を、人・データ・保守・費用・時間の5つの観点で並べます。表は、公的資料の考え方をふまえた、当メディアの整理による目安です。

※ 当メディアの整理による目安です（◎良い ○ふつう △注意 ×負担が大きい）。データは、案1では入力した内容がサービス提供元に渡るため規約で扱いを確かめ、案2では連携に必要な範囲だけを外部に見せ、案3では預ける量が最も多くなりやすいため利用目的と学習への使われ方を確認します。費用は、案3では開発費と運用費を見積もりで確認でき、案2では外注費に加えて運用に使う自社の時間がかかります。実際の費用や期間は、依頼する内容と相手によって変わります。

人：​作る人より、​見続ける人

AI事業者ガイドラインは、AI提供者に対して、システム・サービスの提供後も、適切な目的で使われているかを定期的に検証することを求めています。作って終わりではなく、使われ方を見続ける役割が前提になっているということです。

案1では、この役割は担当者が担います。案3では、運用を契約に含めた場合に外部が担います。案2では、外部が仕組みを担い、使われ方の確認を自社が持つ形が多くなります。どの形でも「誰が見るか」を空欄にしないことが、選ぶ前の条件になります。

保守：​動いた日が​ゴールで​はない

外部のAIサービスは、モデルや機能が更新されることがあります。更新のたびに、出力の傾向や、つないでいる部分の動きが変わる可能性があります。案1では自社でこれを追い、案3では契約の範囲で外部が追います。更新があったときにどちらが確認するかを、始める前に決めておくと、後から迷いません。

分担の​考え方：​工程ごとに、​自社に​残すものと​外に​出すもの

選び方を案1、案2、案3のどれかに決めきるより、工程ごとに「自社」「共同」「外部」を振り分けるほうが、実務では動かしやすくなります。当メディアが整理した、振り分けの目安は次のとおりです。

※ 当メディアの整理です。公的資料にも、工程ごとの役割分担を決めておくことの重要性は示されています（IPA・経済産業省「情報システム・モデル取引・契約書」第二版）。

「結果を​確かめる」は​外に​出しにくい

AI事業者ガイドラインは、AIの利用で人間の判断を介在させる対策に触れています。AIの出力が自社の業務の実態に合っているかは、業務を知っている人にしか判断できません。外注しても、この確認は自社に残ります。

自社の​状況から、​最初の​選び方を​決める

次の質問に順に答えると、最初に選ぶ形の目安になります。当メディアの整理で、正解を決めるものではありません。

1. やりたいことは、1つの業務に絞れているか。絞れていなければ、案1で小さく試して、使い道を決めることから始める
2. 社内のシステムやデータベースとつなぐ必要があるか。あるなら、その部分は案2で外に出す候補にする
3. 完成後の運用を見る人を、1人でも置けるか。置けないなら、案3で運用を契約に含める条件を探す
4. 預けるデータに、個人情報や機密が含まれるか。含まれるなら、渡す範囲を決めてから外部に話す

費用と​データ：​月々の​費用と​自社の​時間を​足し、​預ける範囲を​決める

費用は4種類に​分けて考える

内製と外注の費用を比べるときは、金額が見えやすい初期費用だけで比べると、判断がずれます。次の4種類に分けて、それぞれ誰が負担するかを確認します。

• 初期費用：開発費、設定費、要件整理の費用
• 月々の費用：ツールの利用料、運用の月額
• 利用量に応じた費用：外部AIの従量課金（使った分だけかかる料金）
• 自社の時間：担当者が打ち合わせ、確認、改善に使う時間

外部AIの従量課金を開発費に含めるのか、自社が直接支払うのかは、依頼先との取り決めしだいです。内製でも外注でも、見積もりの前提に「利用料を誰が払うか」を入れておきます。料金の仕組みと費用の内訳の見方は、AI開発の費用の内訳で整理しています。

自社の​時間は、​単純な計算で​見積も​る

見落としやすいのが、自社の担当者の時間です。数字はすべて仮の例ですが、運用の確認に週2時間を使うと、1か月を4週と数える単純計算で、2時間×4週×12か月＝年96時間になります（1年を52週で数えた場合とは少しずれます）。担当者の時間単価は会社ごとに違うため、この時間に自社の単価を掛けて、人件費として足してください。

内製のほうが安いか、外注のほうが安いかを、公的な資料で比べた数字は、確認できた範囲では見つかりませんでした。自社の条件で足し算した結果を、比べるのが現実的です。

データを​外に​出すときに​確認すること

個人情報を含む文章をAIに入力するときの注意は、個人情報保護委員会が注意喚起を出しています。内製でも外注でも変わらず、入力する前に、利用目的の範囲内かと、サービスの提供事業者が入力内容を機械学習に利用しないかを確認します。詳しい内容は生成AI導入支援とはで整理しています。案1で既存のAIサービスに顧客の情報を入れる場合も、案3で外注先にデータを預ける場合も同じです。

サービスごとにデータの扱いは違います。OpenAIの開発者向け資料（2026年10月22日確認）では、APIに送ったデータは、既定ではモデルの学習や改善に使われないと説明されています。一方で、不正利用の監視のためのログは、原則として最大30日間保持されるとも書かれています。これは1つのサービスの例で、他のサービスは、それぞれの規約で確認する必要があります。確認したいのは、次の4点です。

• 入力したデータが、学習に使われるか
• データが、どこに、どれくらいの期間保存されるか
• 契約や利用をやめたとき、データはどうなるか
• 社内で入力してよい情報の範囲が、決まっているか

総務省の『情報通信白書』では、日本の生成AI導入の懸念事項として、「社内情報の漏えい等のセキュリティリスク」が2番目に挙がっています。データを外に出す不安は、導入を考える際の主な懸念の1つです。

つまずきやすいパターンと​対策

ツールを​入れたが、​使い道が​決まらない

案1で既存のツールを入れたものの、何の業務に使うかが決まらず、使われなくなる場合です。総務省の資料で、導入の懸念事項の最多が「効果的な活用方法がわからない」だったことと重なります。

対策は、ツールを選ぶ前に、困っている業務を1つ書き出すことです。業務が決まってから道具を選ぶと、内製でも外注でも、話が進みやすくなります。

担当者が1人で、​異動や​退職で​止まる

案1で社内の1人が作った仕組みは、その人にしか分からないものになりがちです。IPAの資料が、人材の確保や育成の難しさを内製化の課題に挙げているように、人に頼る形は、人が抜けたときに弱くなります。

対策は、設定の内容と手順を短い文書に残し、もう1人が見られる状態にすることです。1人で持ち続けるのが難しければ、案2で外部に保守を頼む選択肢も検討します。

外注先に​任せきりで、​業務に​合わない

案3で任せた結果、納品物が自社の業務の流れに合わない場合です。業務の実態を知っているのは自社だけで、外注先は、伝えられた範囲でしか作れません。

対策は、途中の段階で試作を見せてもらい、自社の担当者が確認することです。簡単な試作で動きを確かめてから本格的な開発に進めば、食い違いを小さくしやすくなります。

運用の​費用を​見ないまま契約する

開発費だけで比べて契約し、稼働してから月々の運用費や、外部AIの利用料に気づく場合です。

対策は、初期費用、月々の費用、利用量に応じた費用、自社の時間の4種類を、見積もりの段階で聞くことです。

データの​範囲を​決めずに、​全部渡す

外注先に、必要以上のデータを渡してしまう場合です。預けた範囲が広いほど、確認する項目も増えます。

対策は、連携に必要な範囲に絞って渡し、利用目的、学習への利用、保存期間を書面で確認することです。

自社だけで​決めるのが​難しいときは

何を作るかが決まっていない、運用を見る人を置けるか分からない、といった段階では、選び方を決める前に、やりたいことを一緒に整理できる相談先があると進めやすくなります。

Zero-Oneでも、AIシステム開発のご相談を、30分の無料ヒアリングから受けています。簡易プロダクトと概算のお見積りまでは無料です。無料でお出しする簡易プロダクトは、ご要望の画面や動きを確かめていただくための試作で、お客様の実データや社内システムとの接続は含みません。要件定義の費用は、開発のお見積りに含めてお示しします。金額はすべて税別で、成果を保証するものではありません。サービスの内容は、AIシステム開発のページで確認できます。まずは無料相談から、自社の条件に合うかを確かめてみてください。お問い合わせフォームでは「AI導入」にチェックをお願いします。

内製と​外注​に関するよくある質問

社内にエンジニアがいなくても、AI開発を内製できますか？

ノーコード・既存ツールの範囲なら、担当者が始められる場合があります。ただしIPAの資料では、人材の確保や育成の難しさが内製化の課題とされています。範囲を1つの業務に絞り、保守を誰が見るかを決めてから始めてください。

外注するとき、運用まで任せたほうがよいですか？

運用の担い手を置けない場合は、運用を契約に含める選択肢があります。ただし、AI事業者ガイドラインは提供後の定期的な検証を求めており、使われ方の確認は自社にも残ります。含まれる範囲と月額は、見積もりの段階で聞いてください。

内製と外注では、費用はどちらが安くなりますか？

公的な資料で両者の費用を比べた数字は、確認できた範囲では見つかりませんでした。初期費用、月々の費用、外部AIの利用料、自社の担当者の時間の4種類を、自社の条件で足し算して比べることをおすすめします。

最初に内製で始めて、あとから外注に切り替えられますか？

切り替えは可能です。ただし、設定の内容や使っているツールを文書に残しておかないと、引き継ぎに手間がかかります。当メディアの整理では、小さく内製で試し、必要になった部分から外に出す順が進めやすいと考えます。

ChatGPTなどの既存ツールに、顧客の情報を入力してもよいですか？

個人情報保護委員会は、利用目的の範囲内かの確認と、提供事業者が機械学習に利用しないことの確認を求めています。サービスごとに規約が違うため、入力する情報の範囲を社内で決め、判断に迷う場合は専門家に確認してください。

まとめ：​内製か外注かより、​何を​自社に​残すかを​先に​決める

AI開発の内製か外注かは、全部をどちらかに決める話ではありません。ノーコード・既存ツールで始める、一部を外注して運用は内製する、全部外注する、の3つを、人・データ・保守・費用・時間で比べると、自社の状況に合う選び方が見えてきます。公的な資料では、人材の確保と育成が内製化の大きな課題とされていて、外注の場合も、自社が決めて確認する役割は残ります。

次の一歩は、自社に残す役割（目的を決める人、結果を確かめる人、日々の運用を見る人）を先に書き出し、そのうえで外に出す工程を決めることです。自社だけで決めるのが難しい場合は、Zero-Oneの無料ヒアリング（30分）もご利用ください。簡易プロダクトと概算のお見積りまでは無料です。