AI受託開発の費用はいくら？相場・見積もりの内訳と選び方【2026年版】

「AI受託開発を依頼したいが、費用相場がまったく見えない」「見積もりを取っても会社ごとに金額の幅が大きすぎて比較できない」。そんな声を、私たちはAI受託開発の相談窓口で毎週のように耳にします。

株式会社ロフタルは、自社SaaS PigeonCloud（300社以上導入）に RAG（検索拡張生成）を用いたAIファイル検索機能を実装し、本番トラフィックで継続運用しています。「受託だけ行う会社」ではなく、自分たちで AI を日々運用・改善している立場から、AI受託開発の費用構造を内訳レベルで解説します。

AI受託開発の費用相場はいくら？（PoC・ラボ型・受託の3層）

AI受託開発の費用は、プロジェクトの進め方によって大きく3層に分かれます。いきなり「受託で数千万円」ではなく、段階的に規模を大きくしていく進め方を取る企業が2026年時点では増えました。弊社への相談でも、最初からフルスコープで発注されるケースは2割程度です。

押さえておきたいのは、「最終的に数百万〜1,000万円規模になる案件でも、いきなり受託契約を結ぶ必要はない」という点です。まずPoCで技術的実現可能性を確認し、ラボ型で小さく運用を始め、軌道に乗ったら受託で本格開発する、という段階設計が費用対効果を大きく左右します。

なぜ「段階設計」でやるべきか

AI受託開発は、従来のシステム開発以上に「やってみないと精度がわからない」領域です。特に生成AIやRAGは、社内データの品質・チャンク設計・プロンプト設計で精度が10〜30%変動します(弊社PigeonCloudでも、チャンクサイズを3回調整してやっとヒット率85%に到達しました)。最初から受託契約で数百万円を投じると、精度が出なかった場合に全額が固定費になるリスクがあります。

一方、PoC（2週間・数十万円）から始めれば、最悪の場合でも損失は限定的。PoCで手応えが得られたら、ラボ型・受託へ自然にスケールできます。

なぜ AI 受託開発の費用は幅が広いのか？（3つの決定要素）

「同じような要件なのに、A社は100万円、B社は800万円の見積もり」──そんな差が生まれる背景には、費用を決める3つの要素があります。

要素1: データの整備状況

AI、特にRAGの精度は「社内データがどれだけ綺麗に揃っているか」に直結します。次のような場合、データ整備だけで数十〜数百万円が追加で必要です。

• 社内ドキュメントがPDF・Excel・紙資料など多様な形式で散在している
• 同じ内容の文書が複数バージョン存在し、どれが最新か不明
• 機密情報・個人情報のマスキングが必要
• PDFのOCR・画像の文字起こしが必要

逆に、SharePoint・Confluence・Notionなどで既にドキュメントが構造化されている企業は、データ整備コストを大幅に圧縮できます。筆者の肌感覚としては、このデータ整備フェーズの見積もり差が、会社間の費用差の6割を占めます。

要素2: 使用するLLMの選定

LLMの価格は、モデル選定で5〜10倍変動します。2026年4月時点の主要LLM API の概算は以下の通りです。

モデル	入力（1M tokens）	出力（1M tokens）	用途 / 特徴
Claude Opus 4.7	$5.00	$25.00	最高峰の知性・多段推論
Claude Sonnet 4.6	$3.00	$15.00	高いバランス・開発の主流
Claude Haiku 4.5	$1.00	$5.00	Claude シリーズ最速
GPT-4.1	$2.00	$8.00	コーディング・汎用性が高い
GPT-4.1 mini	$0.40	$1.60	高速かつ安価な主流モデル
GPT-4.1 nano 最安	$0.10	$0.40	超軽量・エッジ処理向け
Gemini 2.5 Pro	$1.25	$10.00	長大なコンテキスト・映像解析
Gemini 2.5 Flash	$0.30	$2.50	驚異的なレスポンス速度
Gemini 2.5 Flash-Lite 最安	$0.10	$0.40	コストパフォーマンス重視

全てOpus 4.7で設計する必要はありません。「検索・要約はHaiku、本番回答生成はSonnet、例外処理のみOpus」といったモデル使い分けで、運用費を1/3〜1/5に圧縮できるケースが多くあります。なお弊社で Claude Haiku 4.5 を軽量ルーティングに使うのは、大量のクエリ書き換えでコストが効くからです。

要素3: 運用サポートの範囲

AIは「開発して終わり」ではなく、運用開始後に精度改善・プロンプト調整・ユーザーフィードバック対応が継続的に発生します。以下のどこまでを受託会社が担うかで、費用は大きく変わります。

• 精度監視ダッシュボード構築の有無
• 月次の精度改善・プロンプトチューニング
• ユーザーからの「回答が違う」フィードバック対応
• LLM APIコストの継続的な削減提案

受託開発会社の中には、「納品後の運用は貴社で」というスタンスのところも多く、見積もりが安く見えても運用フェーズで自社負荷が大きくなるケースがあります。納品から3ヶ月後に「結局うちで面倒を見切れず再見積もりを依頼した」という相談も、月に数件いただきます。

内製・受託・業務委託・ラボ型の4形態を比較

AI開発を進める際、外注するか自社で作るか、どの契約形態で進めるかは、初期費用・ナレッジ蓄積・スピードのトレードオフを決める判断軸です。

形態名	初期費用	月額目安	スピード	ナレッジ
内製	高い	100万円〜	遅い	非常に高い
受託開発	300万円〜	不要	早い	低い
業務委託	低い	50〜150万円	普通	普通
ラボ型	低い	80〜300万円	普通	高い

AIのように試行錯誤が必要な分野では、プロの知見を借りながら段階的に投資判断できるラボ型開発や、PoCからのスタートが現実解です。

費用の内訳とは？（見積もりに含まれる4項目）

典型的なAI受託開発の見積もりは、以下の4項目で構成されます。ここが曖昧な会社の見積書は、あとから追加費用で跳ね上がりがちなので注意が必要です。

1. LLM API 利用料（ランニング）

前述のモデル単価に、月間のリクエスト数を掛けたものです。社内ナレッジ検索（RAG）の典型的な月額例:

• ユーザー50名、1人1日5クエリ、平均5,000トークン入出力 → 月額 1〜3万円程度（Sonnet 使用時）
• 同条件でOpus使用 → 月額 2〜5万円程度
• 同条件でHaiku使用 → 月額 5,000〜1万円程度

2. 開発工数（イニシャル）

ラボ型の月額28万円〜、受託の100万円台〜は、この工数部分が中心です。一般的な工数内訳:

• 要件定義・プロンプト設計: 20〜40時間
• RAGパイプライン構築: 40〜80時間
• UI/API 実装: 40〜120時間
• 社内データ取り込み・チャンク設計: 20〜60時間
• 精度評価・チューニング: 20〜40時間

3. RAG構成・ベクトルDB（イニシャル+ランニング）

社内ナレッジ検索を行う場合、ベクトルDBとembedding処理のコストが発生します。

• ベクトルDB（PostgreSQL pgvector / Pinecone 等）: 月額 数千円〜数万円
• embedding 生成: 初回インデックス時に数千〜数万円、更新時は数百円〜数千円/月
• チャンク設計・再構築: イニシャルで 20〜40時間

4. 運用サポート（継続）

精度改善・プロンプト調整・フィードバック対応などを月次契約で継続する場合、月額10〜30万円が相場です。

PoC〜本番運用までの段階別コスト（自社SaaS実績ベース）

弊社が自社SaaS PigeonCloud にAIファイル検索（RAG）機能を組み込んだ際の実績値を受託換算で公開します。

現在 PigeonCloud では、この AIファイル検索機能を本番トラフィック上で継続運用しており、運用で得た知見をそのまま受託開発に反映しています。机上の検証ではなく、毎日ユーザーが触る環境でエラーログを見続けているからこそ見える勘所がある、というのが筆者の立場です。

技術スタック実例: 自社SaaS PigeonCloud の RAG 構成

「どんな技術を使うかわからないと、見積もりの妥当性を判断できない」という声にお応えして、商用運用中のRAG構成を公開します。

使用LLM（複数モデルの使い分け）

自社SaaS PigeonCloud では Anthropic社の Claude 4.6/4.5 シリーズをメインに採用していますが、プロジェクトの要件やお客様の既存契約（Azure / Google Cloud 等）に合わせて、GPT-4.1系や Gemini 2.5系も組み合わせています。

• Claude Sonnet 4.6 / GPT-4.1 / Gemini 2.5 Pro: メインの回答生成・要約
• Claude Haiku 4.5 / GPT-4.1 nano / Gemini 2.5 Flash-Lite: クエリ書き換え・軽量ルーティング（低コスト）
• Claude Opus 4.7: 複雑な推論が必要なケースのみ（コスト抑制）

RAGパイプライン構成

• ベクトルDB: PostgreSQL + pgvector拡張（既存のPostgreSQL基盤にそのまま載せられるため採用。専用ベクトルDBを別途立てる運用コストを省けます）
• 検索: top-k=5 のベクトル類似検索 + キーワード検索のハイブリッド
• 応答時間: 初回レスポンス2〜3秒、ストリーミングで体感1秒以内

評価指標（運用実績）

精度評価の具体的な測定方法

弊社が重視しているのは、数字と人間の体感のズレを早く拾うことです。自動評価だけで回していると、数値上は高精度でも「ユーザーが欲しかった答えではない」というケースを見落としがちでした。そこで次の3点を組み合わせています。

• top-k 精度測定: 評価用データセット100問を用意し、上位に正解ドキュメントが含まれる割合を週次で計測。
• 人間評価の併用: 自動評価に加え、人間による5段階スコア（正確性、自然さ、網羅性）での最終判定を実施。
• 精度劣化の検知: top-5 ヒット率が前週比で -5pt を超えた場合などにアラートを通知し即座に調査を開始。

AI受託開発会社の選び方 7つのポイント

費用を抑える3つの工夫

工夫1: PoCから段階的に始める

最初から本番規模で発注せず、2週間・数十万円のPoCから始めて、精度を確認できてから本格化するのが鉄則です。

工夫2: 複数LLMの使い分けを前提に設計する

すべてを高コストモデルで動かさず、「検索・要約はHaiku、回答生成はSonnet」のように設計するだけで運用費を大幅に圧縮できます。

工夫3: 社内データを先に整備しておく

ドキュメントを管理システムに集約しておくことで、開発時のデータ整備工数を大幅に削減できます。

AI受託開発でありがちな3つの失敗例と回避策

よくある質問（FAQ）

まとめ: まずは無料診断で費用感を掴むところから

AI受託開発の費用は、プロジェクトの進め方と会社選びで大きく変わります。同じ要件で3社から見積もりを取ると、金額が5倍以上開くことも珍しくありません。値段の差がどこから生まれているのかを理解せずに一番安い会社に発注すると、だいたい運用フェーズで苦しくなります。

• 3層モデルで段階的にリスクを抑え、自社の現実に合わせて投資判断するのが費用対効果を決めます。
• 運用実績のある会社を選び、LLMの使い分けでランニングコストを圧縮しましょう。

株式会社ロフタルは、自社SaaSでの商用運用実績に基づき、貴社に合った現実的な費用設計をご提案します。