AIエージェント開発は外注か内製か——開発会社・SIer・FDEの選び方と費用相場【2026年版】

「一社に任せるか、数社で組むか。正直、悩ましい」

この記事の出発点は、ある大手建材メーカーの情報システム部長との打合せです。

社内では、AIを使う複数のシステムを別々に作る方針が検討されていました。部長はその方針を「よろしくない」と言い切りました。最適なやり方とセキュリティ要件を見定めないまま進めると、正直、一時の投資になってしまう。そう続けたうえで、こう漏らしました。

「一社集中がいいのか、数社で組む方がいいのか、正直悩ましい」

さらに「AIの利用料は、やり方によっては上がる可能性もゼロではない」とも。投資が無駄にならないかを、何度も確かめるような口ぶりでした。

この迷いは、この会社に特有のものではありません。別の大手化学メーカーの担当者は、社内開発の停滞をこう語っています。「『内製できます』と謳いつつ、実際は難しい。設計側、つまりデータモデリングと裏の処理がなかなか進まない」。外注すれば中身が分からなくなり、内製すれば設計で止まる。どちらに振っても不安が残るわけです。

私たちが相談を受けるとき、最初に確認するのは発注先の候補ではありません。「この業務の、どこまでを外の手で作り、どこからを社内で育てたいか」です。ここが決まると、依頼先も費用の見方も驚くほど絞れます。

2026年、「外注か内製か」が経営課題になった理由

AIエージェントの発注判断が、情報システム部門だけの話ではなくなりました。PoC（概念実証: 小規模な検証で効果を確かめること）の先で、成果を出せる会社と止まる会社の差が開いているからです。

双日テックイノベーションの調査が、その実態をよく示しています。従業員1,000名以上の企業でPoCを経験した111名に聞いたところ、PoC後に全社で定着したのは50.5%でした。定着を阻む要因の1位は「AIが社内の情報・データと接続されていないから」で52.7%。導入効果を定量的に測れている人は36.0%にとどまります。

この数字が意味するのは、AIの性能では差がつかなくなった、ということです。差を生んでいるのは、社内のデータや業務の流れとAIをつなぐ作業のほう。そしてこの「つなぐ作業」こそ、外注と内製のどちらが担うのかが曖昧になりやすい部分です。

外注先は「データの準備は御社で」と言い、社内は「そこも含めて頼んだつもりだった」と考える。この隙間に落ちたPoCは、デモとしては動いても、現場では使われません。PoCが止まる構造はAIエージェントが『PoC止まり』で終わる本当の理由でも詳しく書きました。

つまり2026年の「外注か内製か」は、作業の分担を決める話ではありません。「業務とAIをつなぐ責任を、誰が持つか」を決める経営判断になっています。

外注・内製・ハイブリッド——3つの選択肢を比較する

まず選択肢を並べます。現実の選択肢は「全部外注」と「全部内製」の二択ではなく、その間のハイブリッド型を含めた3つです。表の外注は受託開発やSIerへの依頼、内製は自社開発、ハイブリッド型は伴走支援やFDEを指します。

観点	外注	内製	ハイブリッド型
立ち上がりの速さ	速い（体制がそろっている）。	遅い（採用・育成から）。	速い（外部が先に作る）。
要件定義の担い手	発注側が固めて渡す。	自社。	外部と現場が一緒に固める。
社内に残るノウハウ	少ない。	多い。	引き継ぎ次第で多い。
改修のしやすさ	都度見積もり・都度発注。	自社で即対応。	段階的に自社へ移す。
主なリスク	ベンダーロックイン・ブラックボックス化。	人材不足・設計で停滞。	引き継ぎ設計がないと依存が続く。
向いているケース	仕様が固まった定型業務。	AIが事業の中核になる会社。	業務が複雑で、いずれ自走したい会社。

外注の強みは、体制をすぐ用意できる点です。弱みは、要件を発注側で固めて渡す前提にあります。AIエージェントは「使いながら直す」ことで精度が上がる仕組みです。最初に要件を固め切ること自体が難しく、そこで手戻りが起きやすくなります。

内製は、ノウハウが社内に残るのが何よりの利点です。一方で、AIの設計とデータ整備ができる人材を確保するまで時間がかかります。先ほどの化学メーカーのように「設計で止まる」のは、内製でよく見る止まり方です。

誤解のないように言えば、どれか1つが常に正しいわけではありません。仕様が明確で変化の少ない業務なら、外注で十分です。逆に、AIが自社の競争力そのものになる会社は、時間がかかっても内製を目指す価値があります。迷うのは、その中間にいる大半の企業です。

外注か内製かを決める5つの判断基準

比較表を見ても決めきれないとき、私たちは次の5つの問いで整理しています。上から順に答えると、進め方がおおよそ決まります。

1. その業務は、競争力の源泉か

受注の見積もりや、製造条件の判断。会社ごとのやり方そのものが強みになっている業務は、仕組みを社内に残す価値が高い領域です。一方、経費精算のような定型業務は、外部の製品や外注で十分なケースがほとんどです。

2. 改修の頻度はどれくらいか

AIエージェントは、出してからの改修が本番です。月に何度も手を入れる業務を外注すると、改修のたびに見積もりと発注が発生します。改修が多い業務ほど、最終的には社内で直せる状態を目指すべきです。

3. 扱うデータの機密性はどれくらいか

設計図面や研究データのように社外に出せない情報を扱うなら、どこで動かすかが先に決まります。閉域環境やローカルLLM（社内のサーバーで動かす大規模言語モデル）が前提になる場合、対応できる依頼先は限られます。

4. 社内に「設計できる人」はいるか

コードを書ける人ではなく、業務を分解してAIに渡す範囲を決められる人がいるか。ここが不在のまま内製を始めると、かなりの確率で設計で止まります。

5. 総保有コスト（TCO）で見て、どちらが安いか

初期費用だけで比べると、外注は高く、内製は安く見えます。けれど3年で見ると、運用保守、LLM API（AIモデルの利用料）、改修の外注費、社内人件費が積み上がります。比べるべきは、作って終わりの金額ではなく、使い続ける金額です。

5問のうち「競争力の源泉」「改修が多い」「設計できる人がいない」の3つに当てはまる会社は、ハイブリッド型が合う可能性が高いと私たちは考えています。外の力で速く作り、設計の考え方ごと社内へ移していく進め方です。

依頼先は4タイプ——違いは「誰が要件を決めるか」

外注すると決めた場合、依頼先は大きく4タイプに分かれます。機能や価格で比べる記事は多いのですが、私たちは「誰が要件を決めるか」で分けるのが一番実務に即していると考えています。

タイプ	要件を決めるのは	得意なこと	注意点
プラットフォーム・SaaS型	製品側（標準機能）。	早く安く始められる。	業務を製品に合わせる必要がある。
受託開発会社	発注側（仕様書で渡す）。	仕様どおりに作る。	仕様が曖昧だと手戻りが大きい。
大手SIer	発注側＋上流コンサル。	大規模・基幹システム連携。	意思決定の階層が多く、期間と費用が膨らみやすい。
FDE伴走型	現場と一緒に決める。	要件が固まる前から作って直す。	現場が関わり続ける体制が要る。引き継ぎを設計しないと依存が続く。

FDE（フォワードデプロイドエンジニア: 顧客の現場に入り込んで開発するエンジニア）は、要件が固まる前から現場に入るのが特徴です。現場の担当者と話しながら作り、触ってもらって直す。要件定義と開発が同時に進むので、「思っていたのと違う」が起きにくい進め方です。

ただし、これはFDEが万能だという意味ではありません。仕様がはっきりしていて、現場の判断が入らない業務なら、受託開発会社のほうが早く安く済むこともあります。基幹システムの全面刷新のように数百人規模の体制が要る案件は、大手SIerの守備範囲です。

FDE伴走型の注意点は、2段構えで見てください。短期的には、現場の担当者が打合せと確認に時間を使い続ける前提がある点です。発注して待っていれば出てくる進め方ではありません。そして長期的には、引き継ぎを設計していないと、作り終えたあとも外部に頼り続けることになります。後者のほうが影響は大きく、この記事の後半で扱う「出口」の話につながります。

3者の役割の違いは、別の記事で比較表とあわせて整理しました。詳しくはFDE・コンサル・SIer──AI導入パートナーの選び方をご覧ください。この記事では、そこに「費用」と「契約」の観点を足していきます。

AIエージェント開発の費用相場【2026年版】と、見積書に出ない費用

ここからは費用です。公開されている相場は幅が広く、それ自体が「業務の整理ができていないと金額が決まらない」ことを示しています。

参考になるのが、ラシックが公開している相場です。複数の開発事業者の公開情報をもとにした市場参考値として、次の水準を挙げています。

フェーズ	費用の目安	期間の目安
PoC（概念実証）	数十万〜数百万円。	数週間〜2か月。
本開発	数百万〜数千万円。	3か月〜6か月以上。
LLM API利用料	月額数万〜数十万円程度。	毎月。
保守・改善	月額数十万円程度。	毎月。

同記事も、これは確定値ではなく、要件を明確にしたうえで複数社から見積もりを取るよう勧めています。私たちの肌感覚とも大きくはずれていません。これまでの商談で見てきた範囲によれば、大企業向けのAIシステムなら、小さなものでも数十万円から、大きな会社なら100万円以上は普通にかかります。

問題は、この表に出てこない費用です。私たちが見てきた範囲では、見積もりが膨らむ原因の多くは次の3つにあります。

業務整理の費用

どの業務のどこにAIを入れるのかが決まっていないと、開発会社はリスクを見込んで金額を厚くします。ある合成樹脂メーカーでは、社内で「秘伝のタレ」と呼ばれる工賃表が、理解した人にしか使えない状態でした。この整理を後回しにして開発を始めると、要件の手戻りがそのまま費用に跳ね返ります。

データ接続の費用

先の調査で定着を阻む1位だった「社内データとの未接続」は、費用の面でも大きな論点です。基幹システムからデータを取り出す口を作るのか、手作業で渡すのか。ここが見積もりの前提から抜けていると、後から追加費用として現れます。

改修と運用の費用

AIエージェントは、出してから直す回数が多い仕組みです。改修のたびに外注すると、初期費用より運用期間の費用のほうが大きくなることも珍しくありません。

正直に言えば、私たち自身も最初から完璧な見積もりを出せるわけではありません。だからこそ、MVP（必要最小限の機能を持つ最初の製品）まではインフラを含めてまとまった金額で作り、その後は月額の準委任契約で改修を回す形をとっています。代表の櫻井によれば、最初の一歩は「PoCではなく、500万円程度の予算で現場の課題解決から始める」ものです。検証で終わらせず、使われる業務を1つ作り切る予算感です。

FDEにも落とし穴がある——Gartnerの「7割放棄」予測をどう読むか

FDE型で事業をしている私たちにとって、耳の痛いデータもあります。避けずに取り上げます。

Gartnerは2026年9月29日、FDEに関する予測を発表しました。その内容はChannel Diveが報じています。それによると、ベンダー主導のAI開発の取り組みの約70%が、2028年までに放棄されるといいます。世界で稼働するFDEは約2,000人で、需要はその4倍。FDEのコンサルティング料だけで、1つのユースケースあたり四半期20万ドルに達することもあるとしています。

さらにGartnerは「FDE washing」と呼ぶ問題を指摘しています。実装支援や従来型のプロフェッショナルサービスに「FDE」という看板を付け、提供の深さがないまま高い料金を取るケースです。

この予測は、私たちの実感とも重なります。外部のエンジニアが現場に入って作ると、そのときは成果が出ます。けれど、そのエンジニアがいなくなった瞬間に、誰も直せない仕組みが残る。コストは高止まりし、自社で進化させられない。放棄される理由として、これ以上わかりやすいものはありません。

ここで大事なのは、FDEという形態そのものが悪いのではない点です。問題は「出口」を設計していないことにあります。ある大手化学メーカーの執行役員は「一度作ったら、メンテナンスはさすがにできない。ある程度は内製化していかないと、世の中の力についていけない」と話していました。発注する側も、依存し続ける未来を望んでいるわけではないのです。

FDEを名乗る依頼先を見極めるなら、次の2点を聞いてみてください。「作ったものを、最終的に誰が直せる状態にするのか」と、「その引き継ぎは契約のどこに書かれているのか」。答えが曖昧なら、それはFDE washingを疑う理由になります。

契約で押さえる4項目——知財・ソースコード・引き継ぎ・撤退条件

依存を防ぐのにいちばん効くのは、契約に書いておくことです。外注でもFDE伴走でも、発注前に次の4項目を確認しておくことをおすすめします。

1. 知的財産権（知財）の帰属

作ったプロンプト、ワークフロー、学習データの加工手順は誰のものか。特に、自社の業務ノウハウが反映された部分の権利がどちらに残るのかを明記します。

2. ソースコードと環境の引き渡し

ソースコードを受け取れるか、そして自社の環境へ移せるかを確認します。私たちは、MVPを自社の基盤で素早く立ち上げたあと、顧客の自社環境や専用ドメインへ移す形を複数の案件で実施してきました。自社プロダクトを提供する場合も、ソースコード込みでグループ内の改変を認める買い切りライセンスを用意しています。移せない仕組みは、それだけで依存の原因になります。

3. ナレッジ移転の範囲

マニュアル、勉強会、改修の手順書まで、何を引き継ぐのかを決めます。「技術移転を行う」とだけ書かれた契約は、ほとんど何も約束していないのと同じです。

4. 撤退条件

成果が出なかったときにどこで止めるのか、止めた場合に何が手元に残るのかを決めておきます。

あわせて、契約形態も確認しましょう。請負契約は完成した成果物に責任を持つ形で、仕様が固まった開発に向いています。準委任契約は作業そのものに対価を払う形で、使いながら直すAIエージェントの改修と相性が良い方式です。最初のMVPは請負、その後の改修は準委任と分けるのも、現実的な選択肢の1つです。

私たちの現場経験から——「作るのは外、育てるのは内」

ここまでの話を、私たちがどう実践しているかに置き換えます。結論から言うと、私たちは「外注か内製か」の二択をとりません。最初は外の力で作り、少しずつ社内で育てる形に移していきます。

まず、1日で動くプロトタイプを作り、現場に見せます。仕様書を何十ページも書くより、触ってもらって「ここが違う」と言ってもらうほうが、要件はずっと早く固まります。私たちの商談の成約率が9割を超えているのも、提案書ではなく動くものを見せているからだと考えています。

次に、現場の担当者が少しずつ自分で直せるようにします。ある化粧品メーカーの内製担当者は、最初こう不安を口にしました。「データベースをがらっと変えちゃうんじゃないかという懸念がある。まず自分で触ってみて、あとは判断してもらう形で進めても問題ないか」。私たちはこの方に、データベースは直接触らず、変更はプルリクエスト（変更内容をレビューにかける申請）で上げるという線引きを渡しました。この考え方は非エンジニアが安全にVibeCodingするための線引き設計にまとめています。

ある特注プラントメーカーの技術主事は「全部任せるより、ノウハウを共有して二人三脚で作りたい」と話していました。私たちの現場経験では、この「二人三脚」を望む会社ほど、引き継ぎ後も仕組みが使われ続けます。外注先が抜けたあとに誰も触れない仕組みは、たいてい最初から社内の誰も関わっていません。

ここは意見が分かれるところかもしれません。最初から内製チームを作るべきだという考え方もあります。ただ、設計の型がない状態で人だけ集めても、先ほどの化学メーカーのように設計で止まりがちです。私たちは、動く仕組みを1つ作り、その作り方ごと渡すほうが早いと考えています。

発注前の5問セルフ診断——自社に合う進め方はどれか

最後に、発注先を探し始める前に答えておきたい5つの問いを置きます。答える順番に意味があるので、上から順に見てください。

1. AIに任せたい業務を、1文で説明できるか。
2. その業務の判断基準は、文書や表になっているか。
3. 業務で使うデータは、システムから取り出せる状態か。
4. 出したあと、月に1回以上は改修したい業務か。
5. 3年後、その仕組みを社内で直せる状態にしたいか。

判定は2段階です。まず1〜3を見ます。1つでも「いいえ」があれば、進め方を選ぶ前にやることは業務の整理（BPR）です。 業務の範囲も判断基準もデータの出どころも決まっていない状態で見積もりを取ると、各社がリスクを違う大きさで見込むので、金額の幅が広がるだけで比較になりません。

1〜3がすべて「はい」なら、次に4と5で分かれます。4と5がどちらも「いいえ」なら、仕様を固めて受託開発会社やSaaS型に頼むのが早いでしょう。改修がほとんど発生せず、社内で直せる状態も求めないなら、外に任せ切るのが合理的です。4と5のどちらかが「はい」なら、ハイブリッド型、つまり外の力で作って社内へ移す進め方が向いています。改修が多い業務か、いずれ自走したい業務のどちらかに当てはまる時点で、作りっぱなしの発注とは相性が悪くなるためです。

私たちの現場経験では、相談に来られる企業の多くが、1〜3のどこかで止まっています。発注先選びの前に業務の整理が要るのは、そのためです。

よくある質問

Q1. AIエージェント開発は、外注と内製のどちらが安いですか。

初期費用だけなら内製が安く見えますが、人材の採用と育成の期間を含めると逆転することも少なくありません。3年間の総保有コストで比べるのが基本です。改修が多い業務ほど、最終的には社内で直せる状態にしたほうが安くなります。

Q2. 見積もりの金額が会社によって大きく違うのはなぜですか。

業務の範囲とデータの前提が決まっていないため、各社がリスクを違う大きさで見込んでいるからです。依頼先に見積もりを頼む前に、対象業務とデータの取り出し方を決めておくと、金額の幅は狭まります。

Q3. FDEとSIerは何が違うのですか。

いちばん大きな違いは、要件を決める段階から現場に入るかどうかです。SIerは固まった要件を受けて作るのが基本で、FDEは現場と一緒に要件を決めながら作ります。詳しくはFDEとは何かで解説しています。

Q4. 小さく始めるなら、どの業務からがよいですか。

難しすぎず、影響範囲が大きい業務がおすすめです。たとえば、毎月同じ形式で作っている報告書や、属人化した見積もり計算です。最初に1つ成果が出ると、社内の理解と予算が一気に進みます。

まず試すなら

発注先を比べ始める前に、次の3つから着手してみてください。

1. AIに任せたい業務を1つ選び、1文で書き出す。 「誰の、どの作業の、どこまでをAIに任せるか」を書けるかどうかで、外注の見積もりの精度が変わります。
2. その業務で使うデータの置き場所を確認する。 基幹システムにあるのか、Excelにあるのか、担当者の頭の中にあるのか。定着を阻む1位の「データ未接続」を、発注前に潰しておきます。
3. 候補の依頼先に「引き継ぎ」と「撤退条件」を聞く。 作ったものを最終的に誰が直せるようにするのか。答えが具体的な依頼先を選んでください。

1つ目の「業務を1文で書く」ところでつまずく会社は少なくありません。AI-Pathでは、無償の業務プロセス診断（BPR）を実施しています。ヒアリングをもとに業務の流れを整理し、どの業務にAIが効くのか、外注と内製をどう組み合わせるのがよいのかを一緒に明らかにします。発注先を決める前の判断材料として、お気軽にご相談ください。

参考リンク

• 双日テックイノベーション「生成AIのPoC後の定着に関する調査」（DXマガジン）。 https://dtimes.jp/post-1368814/
• ラシック「AIエージェント開発を外注する費用と進め方」。 https://lassic.co.jp/media/column/ai-agent-development-outsourcing-cost/
• Channel Dive（Gartner予測）。 https://www.channeldive.com/news/831816/