「AIで何かできないか」という話が社内で出るようになってきた。でも、何から手をつければいいか分からない。開発会社に相談したら「まずPoC（プロトタイプ）を作りましょう」と言われた。費用は100万円からという話で、いったん保留している。
こういう状況の経営者は多い。実際に顧問先から相談を受けていても、「プロトタイプを作ることが目的になっている」ケースを繰り返し見てきた。100万円使って「動いた。で、どうする？」で終わるパターンだ。
僕自身、AIを使ったプロトタイプの設計に関わってきた経験から言うと、失敗するプロジェクトの共通点は「着手前に決めるべきことを決めていない」に尽きる。
この記事では、AIプロトタイプの検討を始めた経営者が、着手前に整理しておくべきことを順番に書く。
AIプロトタイプ（PoC）とは何か
AIの文脈でいう「プロトタイプ」や「PoC（Proof of Concept）」は、本格的なシステム開発の前に「この業務にAIは使えるか」を小規模に検証するプロセスのことだ。
たとえば、見積書の作成を自動化したいとする。いきなり基幹システムと連携した本格ツールを作るのではなく、まず「社内のデータをAIに入力すれば、それなりの精度で見積もりが出てくるか」だけを試す。それがプロトタイプ開発だ。
経営者が知っておくべきポイントは2つある。
プロトタイプは「動くもの」を作ることが目的ではない
プロトタイプの目的は「この仮説が正しいか」を確認することだ。「AIで見積書が作れる」ではなく、「AIで作った見積書の精度が社員のレベルに近いか」「どのデータを入力すれば精度が上がるか」という問いに答えることが目的になる。ここがずれると、動くけど使えないものができる。
本格開発とは別物だと理解しておく
プロトタイプはあくまで検証用だ。本格導入のためには、セキュリティ・他システムとの連携・メンテナンス体制など、プロトタイプとは別の工程が必要になる。「プロトタイプが完成した」と「業務に使える状態になった」の間には、時間とコストのギャップがある。
プロトタイプを検討すべき状況・しなくていい状況
検討すべき状況
以下のような状況なら、プロトタイプ開発を進める意味がある。
既存ツールでは解決できない特殊な業務がある
ChatGPTやCopilotを試してみたが、自社の業務には合わなかった。業界特有のルールや自社独自のデータが必要で、既製品では対応できない。こういう場合はプロトタイプで「カスタム開発の可能性」を検証する価値がある。
僕がよく見る例だと、建設業の積算や製造業の発注管理など、「自社独自のルールが複雑すぎて汎用ツールが使えない」業務がこれに当たる。
本格開発の前に経営判断が必要
「開発費用が数百万円かかるが、そこまで投資すべきか判断できない」という状況でプロトタイプを作り、精度と効果を見て意思決定する。これは合理的な使い方だ。
社内の反対意見に対して証拠が欲しい
「本当にAIで代替できるのか」という社内の疑念に対して、実際に動くものを見せることで合意形成を進めたい。経営者が「できる」と言うだけでは動かない場合に有効だ。
プロトタイプをしなくていい状況
一方で、以下の状況ではプロトタイプより先にやることがある。
まだどの業務をAI化するか決まっていない
「何かAIを使いたい」という段階ではプロトタイプは早い。まず業務の洗い出しをして、AIが効きそうな業務を絞り込む方が先だ。プロトタイプを作る業務が決まっていないのに開発会社に相談しても、相手もどう進めていいか分からない。
既製のAIツールで試せる余地がある
カスタム開発のプロトタイプを作る前に、ChatGPT・Copilot・専用SaaSで代替できないか確認したか。多くの場合、既製ツールの組み合わせで解決できることが多い。月数万円のSaaSで解決できることに数百万円かけてプロトタイプを作るのは、順序が逆だ。
社内にAIの検証を担える人間がいない
プロトタイプができた後、その精度を評価し、改善の方向性を判断できる人間が社内にいないと、開発会社に「どうですか？」と聞くだけになる。検証体制が整っていない段階でプロトタイプを作ると、外注依存が強くなりすぎる。
着手前に決めるべき3つのこと
プロトタイプ開発を外注する前に、以下の3点を経営者自身が言語化しておく必要がある。これがないと、開発会社との認識合わせができない。
1. 何を「成功」と定義するか
プロトタイプの完成が目的ではない。「このプロトタイプで何が確認できれば成功と判断するか」を先に決める。
たとえば：
- 見積書の自動生成なら「社員が通常2時間かけている作業が30分以下になるか」
- 問い合わせ対応の自動化なら「よくある質問の80%以上を人間の確認なしで回答できるか」
この定義がないと、できあがったものを見て「まあ動いてるけど、これで本当にいいのか」という状態になる。
2. 予算と期間の上限を決める
プロトタイプの費用は、要件や規模によって幅が大きい。シンプルな業務の検証なら数十万円から、複雑なデータ処理が必要なものは数百万円になる。
重要なのは「この検証に使える上限はいくらか」を最初に決めることだ。開発会社との交渉でも、予算の上限を伝えた上で「この予算でどこまで検証できるか」を話し合う方が建設的な議論になる。
期間についても同様だ。3ヶ月を超えるプロトタイプ開発は、途中でビジネス環境が変わるリスクが高い。「最長3ヶ月で一度結果を出す」というスタンスが合理的だ。
3. 撤退条件を先に決める
「成功の定義」と同じくらい重要なのが「撤退条件」だ。「プロトタイプが完成したが、想定した精度が出なかった。どうするか」を事前に決めておく。
たとえば「3ヶ月後の検証で、対象業務の時間削減が20%未満だった場合は、別の業務で再検証する」というルールを作る。これがないと、上手くいかなかったプロジェクトに追加投資を続けることになる。
費用と期間の現実値
AIプロトタイプ開発の費用相場は、以下のように整理できる。
シンプルなPoC（業務特定・要件整理込み）
- 期間：1〜2ヶ月
- 費用：50万〜150万円
- 内容：業務の分析、APIを使ったシンプルな検証環境の構築
中規模PoC（既存データとの連携あり）
- 期間：2〜3ヶ月
- 費用：150万〜400万円
- 内容：社内データの整形・クレンジング、精度検証、改善サイクル
大規模PoC（複数業務・複数部署にまたがる場合）
- 期間：3〜6ヶ月
- 費用：400万円〜
- 内容：システム連携の設計、セキュリティ要件の確認、複数パターンの比較検証
この費用感は「プロトタイプだけ」の話だ。本格開発に進む場合は、プロトタイプの費用とは別に追加の開発費が発生する。
また、プロトタイプ完成後に「本格開発に進まない」という判断をすることは珍しくない。むしろ「この精度では使えない」「コストが見合わない」という判断材料を得ることがプロトタイプの役割の一つだ。その判断ができれば、プロトタイプ費用は無駄ではない。
外注先の選び方
AIプロトタイプの開発を依頼する外注先を選ぶ時の判断軸を整理する。
AI開発の実績があるか（一般的なシステム開発会社とは別物）
一般的なシステム開発会社がAI開発も請け負っているケースは多い。ただし、AIの実装技術は通常のWebシステム開発とは異なる。「AIプロジェクトの実績を具体的に聞く」「どういう技術スタックを使っているか確認する」は最低限やっておく。
業務理解のプロセスがあるか
AI開発会社の中には、「何を作りたいか言ってくれれば作ります」というスタンスのところがある。一方、「どういう業務上の問題を解決したいか」から話し合いを始めてくれる会社は、プロトタイプが実際の業務改善につながる可能性が高い。
小規模から始められるか
「最低でも500万円から」というスタンスの開発会社は、小規模な検証には向かない。「まず数十万円で小さく試す」ことに対応できる会社の方が、リスクを抑えながら進められる。
誰が実際に動くか確認する
営業と開発者が別チームの会社では、要件の認識がずれることがある。実際に開発を担当するエンジニアと事前に話せる機会があるか確認する。
よくある失敗パターン
「プロトタイプを作ること」が目的になる
発注した後、社内での進捗報告に「PoC進行中」と記載するために、何かを作り続ける状態になる。プロトタイプの目的は「仮説の検証」なので、「作り続けること」に価値はない。定期的に「これで当初の問いに答えられているか」を確認する必要がある。
社内の担当者が関与しない
「開発会社に任せた」という状態になると、出来上がったプロトタイプが実際の業務フローとかけ離れたものになりやすい。業務を知っている社内の担当者が、週次で進捗を確認しフィードバックを出す体制が必要だ。
検証データを用意していない
AIの精度はデータで決まる。プロトタイプの検証に使うデータ（過去の見積書、問い合わせ履歴など）を用意できないまま開発を始めると、「データがないので精度が出ない」という状態になる。着手前に「どのデータが使えるか」の整理は必須だ。
プロトタイプと本格導入のギャップを計算しない
「プロトタイプが完成した」という状態から本格導入までには、セキュリティ対応・既存システムとの連携・操作マニュアルの整備・社員への研修など、追加の工程が必要だ。プロトタイプの費用だけで予算を見積もると、後で追加費用が発生して「こんなはずじゃなかった」になる。
最初の1ヶ月でやること
プロトタイプ開発の検討を始めた段階で、1ヶ月以内にやることを整理する。
Week 1: 業務の候補を絞り込む
社内で「AIで効率化できそうな業務」を挙げてもらい、データの有無・繰り返し頻度・削減効果の大きさの3点で優先度をつける。最初から複数業務を対象にしない。
Week 2: 既製ツールで代替できないか確認する
選んだ業務について、ChatGPT・Copilot・専用SaaSで対応できないか試す。既製ツールで解決できるなら、カスタム開発は不要だ。
Week 3: 外注先候補をリストアップする
AI開発の実績がある会社を3〜5社リストアップし、問い合わせる。この段階で「自社の課題」「試したい業務」「予算の上限」の3点を整理しておく。
Week 4: 要件の初期すり合わせをする
候補の会社と話し、「この業務でプロトタイプを作るとしたら、どのくらいの費用・期間・精度が期待できるか」を確認する。複数社の回答を比較して、発注先を判断する材料にする。
まとめ
AIプロトタイプ開発は、正しい目的設定と事前準備があれば、本格導入の意思決定を大幅に合理化できる。逆に「とりあえず何か作ってみよう」という状態で着手すると、費用と時間を使って「分からなかった」で終わる。
着手前に決めるべきこと——成功の定義・予算と期間の上限・撤退条件——この3点を言語化できていれば、外注先との交渉も、社内への報告も、途中の判断も、ずっとやりやすくなる。
僕が顧問先で見てきた中で、うまくいったプロジェクトは例外なく、この3点を事前に経営者が言語化していた。「開発会社に任せれば何とかなる」という態度で始まったプロジェクトは、うまくいった例を知らない。
プロトタイプの設計や業務の優先順位付けから一緒に整理したい場合は、AI顧問という選択肢がある。開発会社に発注する前段階の整理から支援できるので、興味があれば一度相談してほしい。
