AI​開発と​は3つの​種類の​見分け方と、​発注前に​決めておくこと

AI​開発と​は​：​何を​作るかで、​3つの​種類に​分かれる

「AI開発」は、AIを使って仕組みやシステムを作ることを広く指す言葉ですが、作るものによって中身がまったく違います。この記事では、機械学習モデルを作る開発、生成AIを使ったシステム開発、既存ツールの設定で済むものの3種類に分けて考えます。自社の案件がどれにあたるかが分かれば、誰に頼むか、何を先に決めるかが見えてきます。

※ 契約の類型は、総務省・経済産業省「AI事業者ガイドライン（第1.2版）別添」（2026年10月22日確認）の3類型です。ガイドラインが分けているのは契約の形で、作る中身ではありません。左の3種類との対応づけは、当メディアによる目安です。

この記事の結論を先にまとめます。

• 「AI開発」の一言に、作るものが違う3種類が入っている
• どの種類かで、頼む相手も、必要な準備も、見積もりに載る項目も変わる
• 発注前に決めるのは、目的、種類の見立て、使うデータ、出来の測り方、つなぐ先、運用の担当、判断する人の7点

AI​は​「学習して、​推論や​予測を​する」​仕組み

AI事業者ガイドライン（第1.2版）の別添は、AIを次のように説明しています。一般的にAIは、データをもとに事前の学習を経てAIモデルを作り、使うときにはそのモデルで推論や予測を行って結果を出すものです。数値や画像のデータを使った従来からあるAIに加えて、大量のテキストや画像を学習する生成AIも、同じガイドラインの対象です。

この「データから学習してモデルを作る」部分が、機械学習です。学習では、訓練用、検証用、テスト用と、役割の違うデータを段階的に使うとも書かれています。

生成​AI​と​大規模言語モデル（LLM​）

総務省の令和7年版情報通信白書は、生成AIを、文章や画像、動画などを生成するものと説明しています。大規模言語モデル（LLM）は、その技術の一つで、深層学習（多層のニューラルネットワークで学習する機械学習の技術）を応用したものです。

当メディアの整理として、これは次の意味を持ちます。生成AIを使うシステムの多くは、モデルを一から学習するのではなく、すでにあるモデルを使う形になります。「AIを作る」と言っても、モデルの学習から始める場合と、既存のモデルを使う場合では、作業がまったく別です。

「AI​開発者」と​「AI​提供者」は、​役割が​違う

同じガイドラインは、AIの事業活動を担う主体を、モデルを作る「AI開発者」、AIをサービスとして届ける「AI提供者」、事業で使う「AI利用者」の3つに分けています。「AI開発会社」と名乗る会社が実際にどこまで担うのかは、会社によって異なります。会社ごとの担当範囲の確かめ方は、AI開発会社の選び方で整理しています。

3つの​種類の​中身：​機械学習・​生成​AI​の​組み込み・​既存ツールの​設定

A​．自社の​データから、​予測や​判定の​モデルを​作る

AI事業者ガイドラインの別添には、AIシステムの例がいくつか載っています。小売業向けの売上予測では、過去の販売実績や天候、販促施策、カレンダー情報などをもとに、週次・月次の売上を商品単位で予測します。完成品の検品では、深層学習のモデルで外観の不具合を見分けます。送電線の点検では、画像を解析して異常な箇所を見つけます。

これらはどれも、自社が持っている数値や画像のデータから、予測や判定のモデルを作る例です。売上予測の例では、モデルのAPI仕様の策定と、APIを呼び出して社内システムにつなぐ実装を、別の会社が分担していました。モデルを作る会社と、業務につなぐ会社が分かれる場合がある、ということです。

A​．データの​準備が​作業の​中心に​なる

別添は、生成AIが広がる前の従来型のAIについて、大量のデータの準備や、多くのパターンを想定したシナリオ作りなど、多くの工数と専門的な知識が必要だったと述べています。検品の例では、欠陥品の数が極めて少ないため、完成品と異なる画像を生成するモデルと、正常品を正しく見分けるモデルを組み合わせていました。学習に使えるデータが十分にあるか、偏りがないかは、この種類の最初の確認事項です。

ガイドラインは、AI開発者の役割として、運用に入ったあとも環境の変化への対応や調整を通じてモデルの性能を維持・改善することを挙げています。作って渡して終わりではない前提で、運用に入ったあとにモデルの状態を誰が見るのかまで話しておくと、後から食い違いが起きにくくなります。発注前に決めることは、後の節の7点にまとめています。

B​．既存の​生成​AI​を、​業務に​組み込む

生成AIを使った開発では、多くの場合、すでにあるモデルを使い、その周りの仕組みを作ります。ガイドライン別添が挙げる改善・調整の手段は、ファインチューニング（特定の作業の例を使ってモデルに追加で学習させる方法）や、In-Context Learning（指示文や参照情報を足して調整する方法で、プロンプトエンジニアリングやRAGを含む）などです。RAGは、社内文書などを検索して回答に加える方法です。

OpenAIの開発者向けドキュメント「Optimizing LLM Accuracy」は、このうち3つを整理しています。

※ 出典：OpenAI「Optimizing LLM Accuracy」（2026年10月22日確認）。右列は同ドキュメントの説明を、当メディアが短くまとめました。

B​．「自社の​データを​使う」に​は、​2つのやり方が​ある

生成AIに自社の情報を使わせるとき、RAGとファインチューニングは別のものです。AI事業者ガイドライン別添は、RAGを、社内文書やデータベースなどを検索して生成AIの回答の精度を高めるために使われる、と説明しています。通常のファインチューニングと違い、モデルを再トレーニングせずに、参照するデータソースを追加できることによる費用の低減が期待されている、とも書かれています。

OpenAIのドキュメントは、プロンプトの調整から始め、うまくいかない原因を分けて、原因に合う手段を選ぶ流れを示しています。文脈や知識が足りない問題にはRAG、振る舞いの一貫性が足りない問題にはファインチューニング、という整理です。「学習させる」と言われたとき、実際にはRAGで参照させる話なのか、追加の学習なのかを確かめると、見積もりの中身が読みやすくなります。

B​．システムと​して作る部分が、​費用と​期間の​中心に​なりやすい

モデルそのものを新しく作らない分、この種類では、周りの仕組みをどう作るかが開発の中身になります。ガイドラインの脚注では、UI・UXの設計や既存の業務システムとの統合は、AI提供者が担うのが一般的とされています。社内チャットにつなぐのか、基幹のシステムとつなぐのかで、作る範囲は大きく変わります。

この種類では、どの文書を参照させるのか、どのシステムにつなぐのか、間違った答えが出たときに誰が確認して直すのかが、作る範囲を決めます。

C​．開発で​はなく、​使い方の​整備で​足りる場合

3つ目は、提供されている生成AIサービスを、そのまま、あるいは指示文や使い方を整えて使う場合です。ガイドラインの契約の類型では「汎用的AIサービス利用型」にあたり、AI利用者がAI提供者の提供する汎用的AIサービスを利用するケースです。ガイドライン別添は、2022年以降、汎用性のある生成AIの登場でこうした契約が増えたと述べています。

OpenAIのドキュメントは、要約、翻訳、コード生成のような作業では、例を示さなくても本番で使える水準に届く場合があるとしています。つまり、文書の要約や翻訳などの作業は、システムを作る前に、既存のツールで試す価値があります。

C​．設定だけで​済むかは、​試して決める

設定で足りるかどうかは、実際の業務の文書や質問で試さないと分かりません。OpenAIのドキュメントは、期待する出力を先に決めておくと、うまくいかないときの原因が見えて、次にどの手段を選ぶかの判断につながる、という考え方を示しています。

当メディアの考えでは、この段階で「何を入れてもよいか」を決めておくことが特に重要です。AI事業者ガイドラインは、AI利用者の役割として、AI提供者が意図している適正な利用を行うことを挙げています。サービスの利用規約と、入力してよい情報の範囲は、導入前に確認する項目です。

自社の​案件は​どれか：​5つの​質問で​見分ける

種類を見分けるには、案件の中身を次の5つの質問に当てはめてみます。

※ 当メディアの整理です。質問4と5の考え方は、OpenAI「Optimizing LLM Accuracy」（2026年10月22日確認）の、プロンプトから始めて原因を分ける流れによります。1つの案件に複数の種類が混ざることもあります。

質問の答えが「はい」と「いいえ」のどちらとも言いにくい場合は、その部分が、発注前に社内で話し合うべき論点です。たとえば「自社の文書を参照させたいが、文書が紙のままで整理されていない」なら、AIの前に、文書の整備が最初の作業になります。

種類ごとの​進め方：​工程と、​決める順番の​違い

進め方の大まかな順番は、種類によって次のように変わります。導入全体の流れは中小企業のAI導入の進め方で整理しているので、ここでは種類による違いに絞ります。要件定義から検収までの工程はAIシステム開発の流れで整理しています。

※ 当メディアの整理です。Aの試す段階は、AI事業者ガイドライン別添が述べる学習・検証・テストのデータの使い分けを、Bの試す段階は、OpenAI「Optimizing LLM Accuracy」の流れを、それぞれ参考にしています（2026年10月22日確認）。

運用の​担当は、​納品の​形で​変わる

ガイドライン別添の脚注は、運用の担当について整理しています。AI提供者からAIシステムの提供を受ける場合は、そのシステムは利用者の資産になるため、継続して使うための運用は利用者の役割です。一方、AIサービスの提供を受ける場合は、サービスに必要なAIシステムは提供者の資産で、利用者に譲渡されないため、運用は提供者の役割とされています。

システムとして受け取るのか、サービスとして使うのかによって、運用の担当が変わります。この違いは、見積もりの月額費用の読み方にもつながります。費用の内訳はAI開発の費用の内訳で整理しています。

発注前に​決めておくこと​：​7つ

種類の見立てがついたら、依頼する前に社内で決めておくことが7つあります。答えが決まっていない項目は、相談の場で一緒に整理してもらう候補になります。

①目的と​対象の​業務

「AIで何かしたい」ではなく、どの業務の、どの作業を変えたいのかを書き出します。今いちばん困っている作業と、それに今かかっている人手や時間が分かると、種類の見立てもしやすくなります。

②種類の​見立て

先ほどの5つの質問で、A、B、Cのどれに近いかの仮説を持っておきます。間違っていても構いません。仮説があると、相手の提案が自社の案件に合っているかを確かめやすくなります。

③使うデータと、​渡してよい範囲

AIに読ませる文書や学習に使うデータがどこにあるか、個人情報や機密情報を含むかを確認します。AI事業者ガイドライン別添には、AIモデルに入力されたデータを追加学習等にどう使うかを説明する項目があります。渡したデータが追加の学習に使われるのか、使われないのかは、依頼先に聞いておく項目です。

④出来の​測り方

何をもって「使える」とするのかを決めます。OpenAIのドキュメントでも、期待する出力をあらかじめ定めておくことが、改善の出発点とされています。自社の実際の質問や書類で、何件中何件が期待どおりなら合格か、という形で書いておくと、依頼先との認識がずれにくくなります。

⑤つなぐ先の​システム

AIの出力を、どのシステムや画面で使うのかを整理します。既存の業務システムとの統合は、ガイドライン上AI提供者の役割として整理されている部分です。つなぐ先が多いほど、作業は増えます。

⑥納品の​形と、​運用の​担当

システムとして納品を受けるのか、サービスとして使い続けるのかを決めます。前の節で触れたとおり、これで運用の担当が変わります。

⑦判断する人と、​窓口に​なる人

確認や判断が滞ると、どの種類でも進まなくなります。誰が最終的に判断するのか、誰が日々の連絡を受けるのかを、先に決めておきます。依頼先を選ぶ段階の見方は、AI開発会社の選び方で整理しています。

呼び方の​違いで、​食い違いやすい点

見積もりや提案を比べるときは、同じ言葉が違う意味で使われていないかも確かめます。「AI開発」の一言には3種類が入っているため、最初の打ち合わせで「モデルから作るのか、既存のAIを使うのか」を確認してください。「自社のデータを学習させる」も、追加の学習（ファインチューニング）を指す場合と、文書を検索して参照させる仕組み（RAG）を指す場合があります。

「精度」の​意味が、​種類に​よって​違う

機械学習モデルでは、検証用やテスト用のデータで測った数値を指すことが多いです。生成AIを使ったシステムでは、参照の検索が合っているか、回答が期待どおりかなど、複数の観点があります。OpenAIのドキュメントも、RAGの評価は検索と生成の両方を見るとしています。数字を示されたときは、何を、どのデータで測った数字なのかを確かめてください。

自社の​案件が​どの​種類か、​分から​ないときは

種類の見立てがつかない、データが使える状態か分からない、といった段階では、案件を整理するところから相談するのも一つの方法です。

Zero-Oneでは、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。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。詳しくはAIシステム開発のページをご覧ください。

まずは無料相談から、自社の案件の見立てを一緒に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。

AI​開発​に関するよくある質問

AI開発には、ChatGPTのようなサービスを使うことも含まれますか？

広い意味では含まれることもありますが、当メディアでは「既存ツールの設定で済むもの」として分けています。AI事業者ガイドラインでは、提供されている汎用的AIサービスを利用する形は、契約の類型の一つに挙げられています。

機械学習モデルの開発と、生成AIを使った開発は何が違いますか？

機械学習モデルの開発は、自社のデータでモデルを学習・検証して予測や判定を行うものを作ります。生成AIを使った開発は、すでにあるモデルに、指示文や社内文書の検索、システム連携などを組み合わせる点が中心です。

生成AIに自社の文書を読ませるには、AIに学習させる必要がありますか？

学習は要らない場合があります。RAGは、社内文書などを検索して回答に加える方法で、AI事業者ガイドライン別添は、モデルの再トレーニングをせずに参照するデータを追加できると説明しています。追加学習は別の手段です。

「AI開発会社」に頼むと、AIモデルから作ってもらえますか？

会社によって異なります。AI事業者ガイドラインは、モデルを開発する役割と、システムに組み込んで提供する役割を分けています。どちらを担当するのかは、依頼の前に確認してください。

発注前に、最低限決めておくことは何ですか？

目的と対象の業務、使うデータと渡してよい範囲、出来の測り方、つなぐ先、運用の担当、判断する人です。これに加えて、案件がどの種類に近いかの仮説があると、依頼先の提案を比べやすくなります。

まとめ：​AI​開発は、​まず3つの​種類の​どれに​近いかを​見分ける

AI開発は、機械学習モデルを作る開発、生成AIを使ったシステム開発、既存ツールの設定で済むものの3種類に分けて考えると整理できます。種類によって、必要なデータ、つなぐ先、運用の担当が変わるため、依頼する前に、自社の案件がどれに近いかを見立てておくことが出発点です。

次の一歩は、対象の業務、使うデータ、出来の測り方、つなぐ先、運用の担当、判断する人を書き出し、既存のツールで試せる部分から試してみることです。自社だけで見立て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。