AI時代の「発注者スキル」実践講座資料トップPDF発表モード(P)←→で送る・Escで戻る
SBクリエイティブ/ビジネス+IT 主催

AI時代の
「発注者スキル」実践講座

元内閣府職員が解説する、企業の発注を最適化するスキル
中島 敬太郎元国家公務員/シンシアリー AIオペレーションマネージャー
2026年11月25日(水)
15:00〜18:00
AI時代の「発注者スキル」実践講座
講師紹介

中島 敬太郎

講師のアイコン
  • 元国家公務員。農林水産省に23年間勤務し、内閣府でDX推進に従事
  • 在職中から独学でAIを学び、発信
  • シンシアリー AIオペレーションマネージャー。社内のAIメンタリングと全社のAI活用推進を担当
  • 国内外17社のAIツールで公式アンバサダー。年間200〜250回登壇
著書の表紙

『AIで作るプレゼン資料入門ガイド』
(SBクリエイティブ)

AI時代の「発注者スキル」実践講座|導入
講師紹介

頼む側と、頼まれる側の両方にいました

発注する側(農林水産省・内閣府)

仕様を抽象的に書き、提案に任せた

担当は1〜2年で替わる。前任者が予算を取った案件を引き継ぎ、成果物のイメージが見えないまま発注する。
うまくいかなかった原因は、要件定義でした。

→
頼まれる側(いま)

受け取った仕様書を、AIと読み込む

発注者の意図と、受注者としての立場をAIに出させる。想定問を作り、一問一答で自分の考えが仕様書とずれていないかを確かめる。

AI時代の「発注者スキル」実践講座|導入
今日のテーマ
AIにうまく頼めない人は、
ベンダーにもうまく頼めない
逆に言えば、AIへの頼み方を練習すると、ベンダーへの発注も変わります。
AI時代の「発注者スキル」実践講座|導入
なぜ今か ①

生成AIを使ったことがある人:日本は3年で9.1%→58.8%

日本
2023年度
9.1%
2024年度
26.7%
2025年度
58.8%
2025年度・他国
米国
75.6%
ドイツ
75.6%
中国
93.6%
総務省『令和8年版 情報通信白書』(2026年7月)図表Ⅰ-1-1-4「生成AIサービスの利用経験」。2026年1〜2月調査、日本1,236人・他国各624人
AI時代の「発注者スキル」実践講座|導入
なぜ今か ②

法律も「活用する努力」を求めている

人工知能関連技術を事業活動において活用しようとする者(以下「活用事業者」という。)は…自ら積極的な人工知能関連技術の活用により事業活動の効率化及び高度化並びに新産業の創出に努める

人工知能関連技術の研究開発及び活用の推進に関する法律(AI推進法)第7条より抜粋

「使うかどうか」ではなく、「どう使い、誰に何を頼むか」を決める段階です。

人工知能関連技術の研究開発及び活用の推進に関する法律(令和7年法律第53号、2025年6月4日公布)第7条。e-Gov法令検索
AI時代の「発注者スキル」実践講座|導入
今日の3時間

4部構成。各部で「発注メモ」を少しずつ書きます

時間テーマ演習(AI実践)
15:00〜16:00第1部 AI時代の発注力 ― 何をAIに任せ、何を外部に頼むのか課題を整理する → メモ①②
16:10〜17:00第2部 AIベンダーに"丸投げ"しない発注・評価の技術RFP・評価項目を作る → メモ③④⑤
17:10〜17:50第3部 PoCを実験で終わらせない、AIプロジェクトの進め方KPI・成功/撤退条件 → メモ⑥
17:50〜18:00第4部 ケーススタディ・総括・質疑応答経営への説明 → メモ⑦

休憩は 16:00〜16:10 と 17:00〜17:10 の2回。質問は各部の最後にも受けます。

AI時代の「発注者スキル」実践講座|導入
今日持ち帰るもの

発注メモ(7欄)のたたき台

今日のゴールは、7欄すべてが埋まった「たたき台」。清書と社内の調整は持ち帰りです。

AI時代の「発注者スキル」実践講座|導入
発注メモの進み方

どの部で、どの欄を書くか

第1部① 課題と目的
② 仕分け
第2部③ 要件
④ 評価軸と質問
⑤ 見積の確認項目
第3部⑥ PoC条件
第4部⑦ 経営への説明
→ たたき台の完成
  • PCとAI(ChatGPT・Claude・Gemini・Copilotなど)がある人は、配るプロンプトを貼って進めます
  • AIを使わない人は、配布テキストの「紙で書ける版」に書き込んでください。同じ欄を埋められます
AI時代の「発注者スキル」実践講座|導入
今日の共通ケース
「生成AIを使って、この部門の生産性を30%改善してほしい。予算は2,000万円」
経営層から、こう言われたら。あなたなら、どう使いますか?
AI時代の「発注者スキル」実践講座|導入
今日の共通ケース

4つの案。今は直感で1つ選んでください

A

独自AIシステムを外部開発

2,000万円で独自システムを発注する

2,000万円

B

既存AI SaaS+システム連携

既存のサービスを組み合わせて実現する

800万円

C

まず外部ベンダーと小規模PoC

業務を整理し、検証してから本開発を判断する

300万円

D

発注者側で試作し、必要な部分だけ外注

生成AI・ノーコードなどでまず試す

金額は決めない

金額は説明のための例です。オンラインの方は、チャットに A〜D の1文字だけ書いてください。

AI時代の「発注者スキル」実践講座|導入
参加のしかた

会場でも、オンラインでも、同じように進めます

質問

いつでもチャットへ

会場の方は各部の最後に手を挙げてください。オンラインの質問も各部の最後に読み上げます。

演習

自社の課題を1つ

社名や個人名、機密情報は書かなくて大丈夫です。ぼかした書き方で進めてください。

道具

AIでも、紙でも

AIが使えない方は、配布テキストの「紙で書ける版」で同じ欄を埋められます。

AI時代の「発注者スキル」実践講座|導入
PART 1

AI時代の発注力
何をAIに任せ、何を外部に頼むのか

事例から課題を見つけ、仕事を「人/AIで内製/外部へ発注/実施しない」に分ける

15:08 — 16:00
AI時代の「発注者スキル」実践講座|第1部
第1部 AI時代の発注力

この部のゴール

  1. AIで「発注」の何が変わったかを説明できる
  2. 自分の仕事を「人/AIで内製/外部へ発注/実施しない」に分けられる
  3. AIにもベンダーにも通じる「頼み方の5要素」を使える

演習1(15:44〜) 発注メモの ①課題と目的 と ②仕分け を書きます

AI時代の「発注者スキル」実践講座|第1部
第1部 AI時代の発注力

頼む相手が、ひとつ増えた

これまで

人(社内)

上司・同僚・部下に頼む。相手のタイミングや関係に左右される

これまで

ベンダー(社外)

専門性と人手を買う。頼み方があいまいだと、提案に任せきりになる

これから

AI

すぐに、何度でも付き合ってくれる。ただし、任せてよいかは人が決める

3つの相手に、何を・どこまで頼むかを決めるのが、発注者の仕事になりました。

AI時代の「発注者スキル」実践講座|第1部
第1部 AI時代の発注力

生成AIで、自分でできるようになったこと

書く

文章・メール・仕様書の下書き、言い換え、翻訳

まとめる

議事録や長い資料の要約、論点の整理、表にまとめる

問う

想定問をつくる、抜けや矛盾を指摘させる、壁打ち

形にする

資料のたたき台、画面のイメージ、簡単な試作

調べる

資料を読ませて質問する、比較の観点を出す

つくる

表計算の関数や簡単なコード、業務の自動化

AI時代の「発注者スキル」実践講座|第1部
第1部 AI時代の発注力

AIエージェント:作業ごと任せる段階へ

特定の目標を達成するために、環境を感知し自律的に行動するAIシステム

AI事業者ガイドラインによる「AIエージェント」の定義
答える質問に1回ずつ答える
手伝う人の作業の一部を代わりにやる
任される目標を渡すと、手順を考えて作業を進める
総務省・経済産業省『AI事業者ガイドライン 第1.2版』(2026年3月)p.11
AI時代の「発注者スキル」実践講座|第1部
第1部 AI時代の発注力

企業は使っている。でも、方針・責任者・審査の体制が弱い

2025年度の企業調査(%)日本米国ドイツ中国
1つ以上の業務で生成AIを使っている86.490.991.698.1
生成AIによる業務変革に、組織的な取り組みはない27.01.44.92.6
推進する部署や責任者が明確になっている27.939.945.955.6
企画・導入の段階で、専門的な知見から審査する体制がある26.152.538.159.0
総務省『令和8年版 情報通信白書』(2026年7月)図表Ⅰ-2-1-3/Ⅰ-2-1-4/Ⅰ-2-1-6/Ⅰ-2-1-9。企業 日本515社・他国各309社
AI時代の「発注者スキル」実践講座|第1部
第1部 AI時代の発注力

変化①:発注の前に、自分で試せる

1

仕様書をAIにレビューさせる

抜け・あいまいな所・矛盾を、提出する前に見つける

2

想定問をつくる

ベンダーから来そうな質問を出させ、自分で答えてみる。壁打ちが具体的になる

3

成果品のイメージを先につくる

仮説を立てて、画面や帳票のたたき台を見せながら合意を取る

4

引き継ぎ書をすぐにつくる

担当が替わっても、背景と経緯が残る

AI時代の「発注者スキル」実践講座|第1部
第1部 AI時代の発注力
変化②:「何を頼むか」を決める力の比重が上がった
作ることはAIやベンダーが速くなった。
残るのは、何を変えたいかを決め、出てきたものを評価して選ぶこと。
「これがあるかないかで、世界線が全然違う」
AI時代の「発注者スキル」実践講座|第1部
第1部 頼む側に人がいない ①

日本のIT人材の73.6%は、IT企業(ベンダー)側にいる

日本(2020年)

IT企業 73.6%それ以外 26.4%

米国(2021年)

IT企業 35.1%それ以外(ユーザー企業など) 64.9%
IT企業に所属IT企業以外に所属

頼む側の会社に、判断できる人が少ない。2015年(72.0%)から、ほとんど変わっていません。

IPA『DX白書2023』(2023年2月)第4部第2章 p.192。日本は国勢調査、米国は労働統計局の職業雇用統計による
AI時代の「発注者スキル」実践講座|第1部
第1部 頼む側に人がいない ②

競争の柱になるシステムも、日本は外部委託が中心

内製による自社開発
日本
28.2%
米国
48.5%
ドイツ
31.3%
外部委託による開発
日本
37.8%
米国
30.6%
ドイツ
28.1%
IPA『DX動向2025』(2025年7月)図表2-13「コア事業/競争領域のソーシング手段」。日本 n=1,480、米国 n=509、ドイツ n=537
AI時代の「発注者スキル」実践講座|第1部
第1部 頼む側に人がいない ③

DXを進める人材が「不足している」:日本は85.1%

日本
85.1%
ドイツ
44.6%
米国
23.8%

「やや不足」と「大幅に不足」の合計(人材の量、2024年度)

人材の質が「過不足はない」と答えた割合は、日本 3.8%、米国 52.9%、ドイツ 25.1%

IPA『DX動向2025』(2025年7月)図表3-1・図表3-2。日本 n=1,191、米国 n=391、ドイツ n=366
AI時代の「発注者スキル」実践講座|第1部
第1部 事例から課題を見つける

事例は6つの箱に分けて読む

1

業務

どの仕事か。誰が、どのくらいの頻度でやっているか

2

課題

何に困っていたか。時間・品質・人手・属人化

3

AI

AIは何をしたか。書く・まとめる・答える・判定する

4

人

人は何を残したか。確認・判断・責任

5

データ

何を読ませたか。社内文書・過去の記録・マニュアル

6

成果

何が変わったか。何で測ったか

AI時代の「発注者スキル」実践講座|第1部
第1部 事例を分解する(例1)

議事録・メールの作成補助:効果を感じる企業は72.3%

箱分解の例
業務会議のあとの議事録づくり、関係者へのメール
課題書き起こしと整理に時間がかかる。担当者によって書き方がばらつく
AI録音や手元のメモから下書きをつくる。決定事項と宿題を抜き出す
人中身が正しいかを確かめる。出してよい情報かを判断する
データ会議の録音・メモ、過去の議事録の書式
成果作成にかかる時間、書き直しの回数で測る
総務省『令和8年版 情報通信白書』(2026年7月)図表Ⅰ-2-1-7「業務別の生成AI活用の効果」(日本)。分解の中身は説明のための例
AI時代の「発注者スキル」実践講座|第1部
第1部 事例を分解する(例2)

社内ヘルプデスク:効果を感じる企業は42.7%

箱分解の例
業務社内の問い合わせ(規程・手続き・システムの使い方)への回答
課題同じ質問が繰り返し来る。答えられる人が限られる
AI規程やマニュアルを読ませて、一次回答の案をつくる
人回答が規程と合っているか確かめる。例外や判断が要るものを引き取る
データ社内規程、マニュアル、過去の問い合わせと回答(最新に保てるかが鍵)
成果自己解決できた割合、担当者の対応時間で測る
総務省『令和8年版 情報通信白書』(2026年7月)図表Ⅰ-2-1-7(日本)。分解の中身は説明のための例
AI時代の「発注者スキル」実践講座|第1部
第1部 事例から課題を見つける

「自社ならどこに使えるか」を見つける5つの問い

  1. 毎週・毎月、同じ形で繰り返している仕事は何か
  2. 特定の人にしかできず、その人が休むと止まる仕事は何か
  3. 書く・まとめる・探すに、時間の大半を使っている仕事は何か
  4. そもそもやめてもよい仕事はないか
  5. その仕事が変わると、誰の何が良くなるか
AI時代の「発注者スキル」実践講座|第1部
第1部 仕事を4つに分ける

仕事を「4つ」に仕分ける

1

人がやる

判断・責任・関係づくり。AIに任せない理由がある仕事

2

AIで内製

既存のAIサービスを使って、自分たちでやる仕事

3

外部へ発注

専門性・規模・継続運用が要り、外の力を借りる仕事

4

実施しない

やめる・減らす・まとめる。AIを入れる前に考える

1つの業務を細かい作業に分けてから仕分けると、答えが出やすくなります。

AI時代の「発注者スキル」実践講座|第1部
第1部 仕事を4つに分ける

仕分けの判断軸は6つ

専門性

社内にない知識や技術が要るか → 要るなら外部へ

責任

間違えたとき、誰が説明するか → 重いほど人が残る

頻度

どのくらい繰り返すか → 多いほど仕組み化の価値がある

継続性

何年続くか、保守が要るか → 長いほど運用の体制が要る

セキュリティ

扱う情報の重さ → 外に出せない情報はAIへの入れ方から考える

スピード

いつまでに要るか → 急ぐなら既存のサービスから

AI時代の「発注者スキル」実践講座|第1部
第1部 仕事を4つに分ける

仕分けの例:「月次の営業報告」を作業に分ける

作業仕分け理由(判断軸)
各担当のExcelから数字を集めるAIで内製頻度が高く、形が決まっている
前月との差を文章でまとめるAIで内製下書きはAI、確認は人
数字の意味を判断し、打ち手を決める人がやる責任と判断が要る
基幹システムから自動で数字を取る仕組み外部へ発注専門性と、作ったあとの保守が要る
誰も読んでいない別紙の作成実施しないやめても困る人がいない

説明のための例です。演習1で、自分の業務でやってみます。

AI時代の「発注者スキル」実践講座|第1部
第1部 仕事を4つに分ける

国の調達ガイドラインも、導入の形を3つに分けている

類型デジタル庁ガイドラインの定義(要約)講座の仕分けでは
A個別開発はせず、規約への同意でサービスを利用するAIで内製(既存サービス)
B規約への同意に加え、個別の契約を結んで利用するAIで内製+外部へ発注(設定・連携)
C生成AIシステムを個別に開発し、個別の契約を結ぶ外部へ発注(開発)

どの形かで、契約・確認すること・費用が変わります。

デジタル庁『行政の進化と革新のための生成AIの調達・利活用に係るガイドライン 第2.0版』(2026年6月)PDF p.29
AI時代の「発注者スキル」実践講座|第1部
第1部 任せてよいか

「AIでできる」と「AIに任せてよい」は別

AIでできる

技術の問い

文章を書ける。要約できる。答えられる。
――デモを見れば分かる

≠
AIに任せてよい

責任の問い

間違えたとき、誰が気づき、誰が説明するか。
――決めるのは発注者

AI時代の「発注者スキル」実践講座|第1部
第1部 任せてよいか

任せてよいかを確かめる3つの質問

  1. 誤りの影響:AIが間違えたら、誰に、どんな迷惑がかかるか
  2. 気づく仕組み:間違いに、誰が、いつ気づけるか
  3. 説明できるか:「なぜこの結果か」を、社内外に説明できるか

3つとも答えられないなら、AIは下書きまで、最後は人にします。

AI時代の「発注者スキル」実践講座|第1部
第1部 任せてよいか

発注者は「AI利用者」。精度とリスクを理解し、説明する側

AI開発者AIシステムを開発する
AI提供者AIをサービスや業務に組み込んで提供する
AI利用者=発注者事業活動でAIを利用する

AIの出力について精度及びリスクの程度を理解し、様々なリスク要因を確認した上で利用する

AI利用者に求められること(AI事業者ガイドライン 第5部より)
総務省・経済産業省『AI事業者ガイドライン 第1.2版』(2026年3月)p.5・第5部 p.40〜41
AI時代の「発注者スキル」実践講座|第1部
第1部 仕事を4つに分ける
「実施しない」も、立派な選択肢
AIを入れる前に、その仕事は本当に要るかを問う。
やめることは、いちばん安くて、いちばん速い改善です。
AI時代の「発注者スキル」実践講座|第1部
第1部 頼み方の共通点

AIへの頼み方と、ベンダーへの発注は同じ構造

要素AIへの頼み方(プロンプト)ベンダーへの発注(仕様書・RFP)
目的何のための文章か何を変えたいか、なぜやるか
背景読み手・状況・前提現状・経緯・関係者
制約文字数・口調・使ってはいけない情報予算・期限・セキュリティ・既存システム
成果物形式(表・箇条書き・メール)納品物・画面・帳票・運用の手順
評価基準どうなっていれば良いか検収の条件・KPI
AI時代の「発注者スキル」実践講座|第1部
第1部 頼み方の共通点

頼み方の5要素

1

目的

何を変えたいか

2

背景

なぜ今か、誰が関わるか

3

制約

守ること、使えないもの

4

成果物

何を、どんな形で受け取るか

5

評価基準

何ができたら「できた」か

いちばん抜けやすいのは5の評価基準。決めずに頼むと、出てきたものを判断できません。

AI時代の「発注者スキル」実践講座|第1部
第1部 頼み方の共通点

AIへの悪い頼み方と、良い頼み方

悪い頼み方
業務を効率化するアイデアを出して。
→
良い頼み方
【目的】営業部の月次報告づくりの時間を減らしたい。 【背景】担当3名が毎月、各自のExcelから数字を集めて報告書にしている。 【制約】顧客名は入力しない。今あるツールの範囲で。 【成果物】作業を5〜8個に分け、それぞれ「人/AI/外注/やめる」に分けた表。 【評価基準】各行に理由が1行あること。
AI時代の「発注者スキル」実践講座|第1部
第1部 頼み方の共通点

ベンダーへの悪い発注と、良い発注

悪い発注

「AIで業務を効率化したい。ご提案ください」

目的・範囲・評価基準がない。
提案の比べようがなく、見積も比べられない。

→
良い発注

変えたいこと・範囲・基準が書いてある

「月次報告の作成時間を半分に。対象は営業部3名の集計と文章化。顧客情報は社外に出さない。成果は作成時間と修正回数で測る」

数字は説明のための例です。

AI時代の「発注者スキル」実践講座|第1部
第1部 行政の現場で見た「頼み方」

成果物が見えないまま出す「イメージ発注」

ゴールが決まって発注するのは、結構レア。成果品が見えないまま発注するので、イメージ発注みたいなところがある

講師の経験から
  • 内部の調整を通すために、あえて抽象度を残して書く
  • 「ここは提案で」と頼む。やりたいことは決まっていても、成果物のイメージがない
  • 仕様書を何人にレビューしてもらっても、最終の成果品は見えないまま
AI時代の「発注者スキル」実践講座|第1部
第1部 ケースならどうか

「生産性30%改善」の30%は、何の30%か

  1. どの業務の:部門の全部か、特定の業務か
  2. 何で測る:作業時間か、件数か、人数か、残業か
  3. いつまでに:半年か、1年か、3年か
  4. 今はいくつ:改善前の数字を、誰か測っているか

ここが決まらないまま A〜D を選ぶと、どれを選んでも成功か失敗かを判断できません。

AI時代の「発注者スキル」実践講座|第1部
第1部のまとめ 発注者10カ条

発注者10カ条(1〜4)

  1. AI導入そのものを目的にしない
  2. 世界の事例を知り、自社への適用可能性を考える
  3. 仕事を「人間・AI・外注・見送り」に分解する
  4. 「何を作るか」より「何を変えるか」を決める
AI時代の「発注者スキル」実践講座|第1部
演習1 AI実践:課題を整理する

AIに自分を聞き取らせて、メモ①②を書く

15:44 — 15:58(14分)
  1. 講師の実演を見る(4分)
  2. プロンプトを貼り、AIの質問に5つ答える(8分)
    AIを使わない人は、紙の版の5つの問いに書き込む
  3. 出てきた表を見て、メモ①②に書き写す(2分)

ゴール

①「何を変えたいか」が1〜2行で書けている

② 業務が作業に分かれ、4つに仕分けられている

社名・個人名・機密情報は入れない

AI時代の「発注者スキル」実践講座|演習1
演習1 講師の実演(ChatGPT)

ポイント:AIに「1問ずつ聞いて」と頼む

あなたは、企業のAI導入を支援する経験豊富な相談役です。 私が自社の業務課題を整理するのを手伝ってください。 ・質問は1回に1つだけにしてください。 ・次の順で聞いてください: ①困っている業務 ②関わる人と、回数・時間 ③本当は何を変えたいか ④使えるデータや資料 ⑤失敗したら困ること ・5問が終わったら、次の2つを表にまとめてください。 A.「課題と目的」:何を作るかではなく、何を変えるか(1〜2行) B.「仕分け」:業務を5〜8個の作業に分け、それぞれを 「人がやる/AIで内製/外部へ発注/実施しない」に分け、理由を1行ずつ ・最初に「社名・個人名・機密情報は書かなくてよい」と伝えてください。 では、1問目から始めてください。
AI時代の「発注者スキル」実践講座|演習1
演習1 すぐ試す

題材が浮かばない人は、この例で

使い方
  • 前のページのプロンプトを貼る
  • 1問目に、右の例をそのまま貼って答える
  • 2問目以降は、自分の会社を思い浮かべて答える
記入済みの例
営業部の月次報告書づくりに困っています。 担当3名が毎月、各自のExcelから数字を集めて、 前月との差を文章にまとめ、部長に提出しています。 1人あたり毎月2日ほどかかり、書き方も人によって違います。

プロンプトは配布テキストにも載っています。どのAIでも動きます。

AI時代の「発注者スキル」実践講座|演習1
演習1 まとめ

メモの①②が埋まりました

①課題と目的
②仕分け
  • ①が「AIを入れる」になっていたら、「何が、どう変わるか」に書き直す
  • ②に「実施しない」が1つもなければ、もう一度だけ探してみる
AI時代の「発注者スキル」実践講座|演習1
第1部 質疑
ここまでで、質問をどうぞ
オンラインの方はチャットへ。会場の方は手を挙げてください。(2〜3分)
AI時代の「発注者スキル」実践講座|第1部
第1部のまとめ

第1部のまとめ

  1. 頼む相手が「人・ベンダー・AI」の3つになった。決めるのは発注者
  2. 仕事を作業に分け、「人/AIで内製/外部へ発注/実施しない」に仕分ける
  3. AIへの頼み方とベンダーへの発注は同じ5要素。いちばん抜けるのは評価基準

次の第2部では、②で「外部へ発注」にした仕事を、丸投げせずに頼む方法を扱います。

AI時代の「発注者スキル」実践講座|第1部
BREAK

休憩(10分)

16:10 に再開します。次は第2部「AIベンダーに"丸投げ"しない発注・評価の技術」

16:00 — 16:10
AI時代の「発注者スキル」実践講座|休憩
PART 2

AIベンダーに"丸投げ"しない
発注・評価の技術

あいまいな要望を要件に変え、提案・デモ・見積を自分の目で確かめる

16:10 — 17:00
AI時代の「発注者スキル」実践講座|第2部
第2部 丸投げしない発注・評価

この部のゴール

  1. あいまいな要望を、ベンダーが見積もれる「要件」に変えられる
  2. 「精度90%」やデモを、質問で確かめられる
  3. 提案書と見積書を、同じ物差しで比べられる

演習2(16:44〜) 発注メモの ③要件 ④評価軸と質問 ⑤見積の確認項目 を書きます

AI時代の「発注者スキル」実践講座|第2部
第2部 丸投げはなぜ起きるか

「わからないから、任せる」から始まる

わからない技術も相場も分からない
任せる「ここは提案で」と書いて出す
比べられない各社がばらばらの提案を出す
判断できない何が良いのか、誰も説明できない

入口は技術の知識不足ではなく、「何を変えたいか」を決めないまま出すことです。

AI時代の「発注者スキル」実践講座|第2部
第2部 丸投げの構造 ①

国も書いた:「要件定義から丸投げ」

ユーザ企業がベンダー企業に要件定義から丸投げの状態になってしまっており、そもそも何を開発するかをベンダー企業に決めてくれと言っていることと同じである

経済産業省『DXレポート』(2018年)より

同じ資料は、「要件を確定するのはユーザ企業であるべき」とも書いています。

経済産業省『DXレポート』(2018年9月)p.18〜19・p.30
AI時代の「発注者スキル」実践講座|第2部
第2部 丸投げの構造 ②

ベンダー任せで「低位安定」

ITをベンダー企業任せにすることでIT対応能力が育たない

経済産業省『DXレポート2.1』(2021年)より
任せる判断も中身もベンダーに頼む
育たない社内に判断できる人が残らない
もっと任せる次の案件も任せるしかなくなる

流れ図は講師の整理です。

経済産業省『DXレポート2.1』(2021年8月)p.5 図2-1
AI時代の「発注者スキル」実践講座|第2部
第2部 丸投げしない発注

発注者が決める領域と、専門家に任せる領域

発注者が決める専門家に任せる(説明は求める)
何を変えたいこと、対象の範囲実現する方法、技術の選び方
どこまで成功の基準、やめる基準基準に届くための工夫
いくら出せる上限と、その理由工数と費用の見積
誰が最終的な判断と、社内外への説明作る責任、技術的な説明

「どう作るか」は任せてよい。「何を・どこまで・いくらで」は任せない。

AI時代の「発注者スキル」実践講座|第2部
第2部 国の人材標準

目的を定義し、要求を整理する役割は「作る人」とは別

人材の名前デジタルスキル標準の原文(抜粋)
ビジネスアーキテクトビジネスや業務の変革で実現したい目的を定義したうえで、…関係者をコーディネートしプロセス全体を牽引して成果を創出する役割
ビジネスアナリスト業務・組織・システムの分析を担い、要求の整理と実装担当者(エンジニア)への伝達を行う。また、取組関係者のコミュニケーションハブとなり、利害調整を行う

国の標準でも、「目的の定義」と「要求の整理」は専門の役割です。

IPA・経済産業省『デジタルスキル標準 ver.2.0』(2026年4月)p.60・p.63
AI時代の「発注者スキル」実践講座|第2部
第2部 生成AI時代に求められる力

「評価する・選択する力」が求められる

問いを立てる力

仮説を立て・検証する力

評価する・選択する力

「決められた仕様をプログラミングする」という行為そのものの価値は大きく低下する可能性が高い

同資料 本文 p.24 より
経済産業省『生成AI時代のDX推進に必要な人材・スキルの考え方2024』(2024年6月)概要・本文 p.24
AI時代の「発注者スキル」実践講座|第2部
第2部 要望を要件に変える

あいまいな要望の例:「AIで効率化したい」

AIで、うちの部門の業務を効率化したい。いい提案をください

よくある要望(説明のための例)
このままでは、ベンダーに分からないこと

どの業務か

部門のどの仕事の、どこからどこまでか

何が成功か

何がどれだけ変われば「できた」か

使えるもの

データ・資料・既存のシステム

守ること

予算・期限・出せない情報

AI時代の「発注者スキル」実践講座|第2部
第2部 要望を要件に変える

要望を要件にする7項目

項目書くこと
目的何を変えたいか。なぜ今か
現状今どうなっているか(時間・件数・困りごと)
対象業務どの業務の、どこからどこまでか。対象外は何か
成果何を受け取るか(仕組み・画面・手順書・報告)
制約予算・期限・セキュリティ・使えないデータ
責任誰が決め、誰が確かめ、間違えたとき誰が説明するか
判断基準何ができたら「できた」とするか。どう測るか
AI時代の「発注者スキル」実践講座|第2部
第2部 要望を要件に変える

要望を要件に変える例

要望
AIで営業部の業務を効率化したい。
→
要件(7項目)
【目的】月次報告の作成時間を減らし、部長が早く打ち手を決められるようにする 【現状】担当3名が毎月、各自のExcelから集計し文章化。1人あたり月2日ほど 【対象業務】数字集めと前月比の文章化まで(打ち手の判断は対象外) 【成果】下書きを作る仕組みと、使い方の手順書 【制約】顧客名は社外のAIに入れない。予算の上限あり 【責任】下書きの確認は担当、提出の判断は部長 【判断基準】作成時間と修正回数を、導入前と同じ測り方で比べる

説明のための例です(第1部の演習1と同じ題材)。

AI時代の「発注者スキル」実践講座|第2部
第2部 関係者の要求

関係者ごとに、求めることが違う

1

経営

効果と投資を説明できること

2

現場

使いやすく、仕事が増えないこと

3

IT

既存システムとつながり、保守できること

4

法務

契約・権利・個人情報の扱いが明確なこと

5

セキュリティ

情報が外に出ず、権限が管理できること

要件は、5者の要求を聞いてから書く。後から出てくると、手戻りになります。

AI時代の「発注者スキル」実践講座|第2部
第2部 関係者の要求

ぶつかる要求を整理する

ぶつかる要求整理のしかた
現場「全部自動にしてほしい」
法務「最後は人が確認すべき」
下書きはAI、確定は人。確認の手間も成果の測り方に入れる
経営「早く始めたい」
IT「既存システムとの連携は慎重に」
まず連携なしで小さく試す。連携は次の段階で判断する
現場「AIに資料を読ませたい」
セキュリティ「社外に出せない」
出せる情報と出せない情報を分け、「制約」の欄に書く

誰が優先順位を決めるかも、要件の「責任」に書いておきます。

説明のための例です。

AI時代の「発注者スキル」実践講座|第2部
第2部 行政の経験から

行政の要求整理・調達から持ってこれること

1

替わる前提で書く

担当は1〜2年で替わる。背景と経緯を、引き継げる形で残す

2

「提案で」の範囲を決める

抽象度を残すなら、どこが提案に任せる所かを書いて出す

3

出す前に想定問で詰める

受け取る側の質問を先に出し、自分の考えとのずれを見る

一問一答をやっていくと、本番で自分の意見が仕様書とずれていないかが、客観的にわかる

講師の経験から(いまは受注側として、受け取った仕様書をAIで読み込んでいる)
AI時代の「発注者スキル」実践講座|第2部
第2部 最低限の技術知識
技術を知るのは、
作るためではなく、質問するため
押さえるのは LLM・RAG・AIエージェントの3つ。
それぞれ「何が得意で、どこで間違えやすく、費用がどこで増えるか」だけです。
AI時代の「発注者スキル」実践講座|第2部
第2部 最低限の技術知識

LLM(大規模言語モデル):発注者が押さえる3点

1

それらしく書く

大量の文章から学んだパターンで文章を作る。正しさを保証するしくみではない

2

間違いも自然に言う

事実と違う内容を、もっともらしい文章で出すことがある

3

社内のことは知らない

教えていない社内の情報や、新しい情報には、そのままでは答えられない

聞く質問 「間違えたとき、誰がどう気づける設計ですか」

AI時代の「発注者スキル」実践講座|第2部
第2部 最低限の技術知識

RAG:社内の文書を探して、それをもとに答えるしくみ

質問「出張の精算はいつまで?」
探す社内の規程やマニュアルから、関係する所を探す
答える見つけた文書を添えて、LLMが回答を書く
得意

社内の決まりに沿った答え。根拠にした文書を示せる

注意

文書が古い・ばらばらだと答えも崩れる。「探す」と「答える」の精度は別

AI時代の「発注者スキル」実践講座|第2部
第2部 最低限の技術知識

AIエージェント:作業をつなげて進めるしくみ

目標「来週の会議資料を準備して」
手順何をどの順でやるかを考える
作業検索・ファイル・社内システムなどの道具を使う
確かめる結果を見て、次の作業へ進む
得意

いくつもの手順にまたがる作業を、まとめて進める

注意

途中の誤りが後ろへ伝わる。何を触ってよいか、どこで人が止めるかを決める

AI時代の「発注者スキル」実践講座|第2部
第2部 最低限の技術知識

3つの違いと、費用・リスクの違い

LLM(そのまま使う)RAGAIエージェント
すること書く・まとめる・答える社内文書を探して答える作業を手順ごとに進める
費用が増える所使う量文書の整備と更新、探すしくみ道具との連携、確認のしくみ、使う量
主なリスクもっともらしい誤り古い文書、探し漏れ誤りの連鎖、権限の広すぎ
聞くこと誤りにどう気づくかどの文書を、誰が更新するかどこで人が止めるか

右へ行くほど、できることは増え、作る費用と確かめる手間も増えます。

AI時代の「発注者スキル」実践講座|第2部
第2部 「精度90%」の評価

「精度90%です」と言われたら、私ならこう聞く

  1. 足りない10%の中身を、できるだけ詳しく教えてもらう
  2. さらに良くするには何を改善すればよいかを聞く
  3. 答えを自分たちの考えとすり合わせ、自分たちの能力の範囲でやることを決める

120%、150%を目指すために、どのような改善点が必要か

講師の考え(実際にこの場面に立ち会った経験ではありません)
AI時代の「発注者スキル」実践講座|第2部
第2部 「精度90%」の評価

何の、どのデータで、誰が判定した90%か

何の

何を「正解」とした90%か。分類・抜き出し・回答のどれか

どのデータで

誰が用意した、何件のデータか。自社のデータか

誰が判定

判定したのは誰か。基準は文書になっているか

どの条件で

難しい例は入っているか。本番と同じ条件か

この4つが分からない90%は、他社の数字とも、自社の業務とも比べられません。

AI時代の「発注者スキル」実践講座|第2部
第2部 「精度90%」の評価

国のガイドラインも「精度の成果保証は困難な場合がある」

生成AIモデルに起因する性能・出力品質については…「○○以上の精度」等の成果保証を行うことが困難な場合があるため、その場合には、当該部分は成果保証ではなく、性能改善・品質向上に向けた技術的支援を受ける等の契約形態を取ることが望ましい

デジタル庁 生成AIの調達・利活用に係るガイドライン 契約チェックシートより

精度は約束させる数字ではなく、確かめ方と改善のしかたを決める数字。

デジタル庁『行政の進化と革新のための生成AIの調達・利活用に係るガイドライン 第2.0版』(2026年6月公開、2026年9月施行)契約チェックシート(PDF p.64)
AI時代の「発注者スキル」実践講座|第2部
第2部 「精度90%」の評価

残りの10%が、業務で何を起こすか

100件

月に1,000件を処理すると、正しくない結果がおよそ100件(説明のための例)

  1. その100件を、誰が、いつ見つけるか
  2. 見つけて直すのに、どれだけ手間がかかるか
  3. 見逃したら、誰に、どんな迷惑がかかるか

同じ90%でも、誤りの影響が小さい業務なら十分で、大きい業務なら足りません。

AI時代の「発注者スキル」実践講座|第2部
第2部 「精度90%」の評価

評価の条件は、発注の前に決める

  1. 評価に使うデータ:自社のどのデータを、何件使うか
  2. 正解の決め方:何を正しいとするか、誰が正解を作るか
  3. 判定する人:結果を判定するのは誰か
  4. 合格の線:どこまで届けば合格か。届かないときはどうするか

決めておけば、提案の比較にも、検収にも、第3部のPoCの判断にもそのまま使えます。

AI時代の「発注者スキル」実践講座|第2部
第2部 デモの確認

デモの確認①:用意されたデータか、自社のデータか

用意されたデータ

見えるのは「できること」

うまく動く例が選ばれている。きれいで、例外が少ない

→
自社のデータ

見えるのは「業務で使えるか」

表記のゆれ、古い書式、例外。現場で実際に起きること

  • 事前に、社外に出してよい範囲のサンプルを渡して、それで見せてもらう
  • 渡せないなら、自社に近い「難しい例」をその場で入れてもらう
AI時代の「発注者スキル」実践講座|第2部
第2部 デモの確認

デモの確認②:間違えたときの動きと、根拠の示し方

1

分からないとき

「分からない」と返せるか。それらしく答えてしまうか

2

根拠

どの文書・どのデータから出した答えかを、画面で示せるか

3

間違えたとき

人がどこで気づき、どう直せるか。直した内容が残るか

デモでは、うまくいく所より失敗する所を見せてもらう。

AI時代の「発注者スキル」実践講座|第2部
第2部 デモの確認

デモで聞く質問リスト

観点質問
データこのデモのデータは誰が用意しましたか。自社のデータでも同じ動きになりますか
精度その結果は、何の、どのデータで、誰が判定したものですか
分からないとき答えがないとき、どう返しますか。いま見せてもらえますか
根拠答えの根拠になった文書を、画面で示せますか
間違い間違えたとき、誰がどう気づき、どう直しますか
費用本番の利用量になったら、費用はどう変わりますか
運用文書やルールが変わったとき、誰が何を更新しますか
AI時代の「発注者スキル」実践講座|第2部
第2部 頼み先を選ぶ

頼み先の5類型

SIer

システムの開発と、既存システムとの連携をまとめて請け負う

AIスタート
アップ

AIの技術や、特定の用途に絞って開発する

SaaS

できあがったサービスを、利用料を払って使う

コンサル

課題の整理、計画づくり、ベンダー選びを支援する

内製

社内の人が、AIや道具を使って作る・試す

1社に全部ではなく、「どの部分を、どこに」頼むかを分けて考える。

AI時代の「発注者スキル」実践講座|第2部
第2部 頼み先を選ぶ

類型ごとの得意なことと、注意点

類型得意なこと注意点(確かめること)
SIer大きな開発、既存システムとの連携要件があいまいだと工数がふくらむ。AIの部分を誰が作るか
AIスタートアップ新しい技術、特定の用途での速さ体制と継続性、保守の範囲
SaaSすぐ始められる、初期の費用を抑えやすい自社に合わせられる範囲。データの扱いと、やめるとき
コンサル課題の整理、関係者の調整、比べ方の設計作る部分は別に頼むことが多い。成果物の形を決める
内製速く試せる、学びが社内に残る人と時間が要る。特定の人に頼りきりにならないか

一般的な傾向です。実際の得意・不得意は会社ごとに違います。

AI時代の「発注者スキル」実践講座|第2部
第2部 提案書の読み方

提案書は「実現方法」と「前提条件」を読む

実現方法

何を使い、どう作るか

既存のサービスか、新しく作るか。人の確認はどこに入るか

前提条件

何が満たされている前提か

「データは発注者が用意」「◯◯は対象外」。崩れると費用と期限が変わる

本文より先に、「前提条件」と「対象外」のページを開く。

AI時代の「発注者スキル」実践講座|第2部
第2部 提案書の読み方

提案書への追加質問

  1. この前提が満たせないとき、費用と期限はどう変わりますか
  2. 「対象外」にした部分は、誰がやる想定ですか
  3. 同じ目的を、もっと小さく始めるなら、どうしますか
  4. 作ったものの権利と、データの扱いはどうなりますか
  5. 担当者が替わっても続けられる体制ですか
AI時代の「発注者スキル」実践講座|第2部
第2部 見積書の見方

見積書は5つの項目で見る

1

人月

何人が何か月関わるかで表した作業の量

2

開発費

設計・開発・テスト・連携など作るための費用

3

AI/API
利用料

AIを使った量に応じてかかる。毎月続く

4

データ
整備費

データを集め、整え、正解をつける費用

5

運用費

動かし続けるための保守・監視・問い合わせ対応

書いていない項目は、「入っていないのか、別の見積か」を必ず聞く。

AI時代の「発注者スキル」実践講座|第2部
第2部 見積書の見方

人月と工数の見方

  • 人月=人数×期間。どの役割の人が、どの作業に何人月かを分けてもらう
  • 作業の一覧と人月が対応しているか。合計だけの見積は比べられない
  • 要件があいまいな所ほど、予備の工数が積まれやすい
  • 同じ作業を、各社がどう見積もったかを横に並べる

要件を詰めるほど、見積は比べやすく、下げやすくなります。

AI時代の「発注者スキル」実践講座|第2部
第2部 見積書の見方

AI/API利用料は、使うほど増える

使う人の数試す数人か、部門全員か
使う回数1人が1日に何回使うか
1回の量読ませる文書の長さ、出させる文章の長さ
毎月の利用料この3つが掛け合わさって決まる
  • PoCの少人数での金額は、本番の金額ではない
  • 月の上限と、超えたときの扱い。料金が改定されたときに誰が負担するか
AI時代の「発注者スキル」実践講座|第2部
第2部 見積書の見方

データ整備費は、見落とされやすい

1

集める

散らばった文書やデータを1か所にまとめる

2

整える

古い版や重複を除き、書式をそろえる

3

正解をつける

評価のための「正しい答え」を人が作る

4

更新する

規程や商品が変わるたびに直す

誰がやるか(自社か、ベンダーか)を、見積の段階で決める。

AI時代の「発注者スキル」実践講座|第2部
第2部 見積書の見方

運用費と、追加改修費

運用費(毎月・毎年)

動かし続ける費用

保守、監視、問い合わせ対応、AIのモデルの更新への対応

+
追加改修費(起きるたび)

変えるための費用

業務やルールの変更、対象の拡大、連携先の変更

国の調達チェックシートにも、「ベンダーロックインの回避」「モデル更新」が項目として並んでいます。

デジタル庁『行政の進化と革新のための生成AIの調達・利活用に係るガイドライン 第2.0版』(2026年6月)調達チェックシート(概要 p.2)
AI時代の「発注者スキル」実践講座|第2部
第2部 説明できるか

「なぜこの会社、この金額か」を説明できるか

1

なぜこの会社か

評価軸で比べた結果と、決め手は何か

2

なぜこの金額か

5項目の内訳と、他社との違いはどこか

3

なぜ今、この範囲か

小さく始めるか、まとめて作るか。その理由

3つに答えられないなら、まだ発注の判断はできていないということです。

AI時代の「発注者スキル」実践講座|第2部
第2部 ケースならどうか

A・B・Cの見積は、どこを見比べるか

見積の項目A 独自AIシステム
2,000万円
B 既存AI SaaS+連携
800万円
C 小規模PoC
300万円
人月・開発費大きい。要件が固まっているか連携の部分が中心業務整理と検証の作業
AI/API利用料本番の利用量で毎月SaaSの料金に含まれるか検証の間だけ。本番は別
データ整備費自社データの整備が要る連携するデータの整理検証用のデータを誰が用意するか
運用費保守とモデル更新を抱える利用料が毎年続く含まれない。次の判断で決める

金額は説明のための例です。表の中身は、各案で確かめる観点の例です。D は金額を決めていないので、第4部で扱います。

AI時代の「発注者スキル」実践講座|第2部
演習2 AI実践:RFP・発注メモのたたき台

AIと一緒に、メモ③④⑤を書く

16:44 — 16:58(14分)
  1. 講師の実演を見る(4分)
  2. 2つのプロンプトを順に貼り、③④⑤のたたき台を出す(8分)
    AIを使わない人は、紙の版の③④⑤の問いに書き込む
  3. メモに書き写し、想定問に1つ答えてみる(2分)

ゴール

③ 7項目が埋まり、未定の所に「誰がいつ決めるか」がある

④ 評価項目と、ベンダーへの質問が3つ以上

⑤ 見積の5項目に、確かめることが1行ずつ

社名・個人名・機密情報は入れない

AI時代の「発注者スキル」実践講座|演習2
演習2 講師の実演(ChatGPT)

ポイント:「決まっていない所」と「想定問」も出させる

あなたは、企業のAI調達を支援する経験豊富な相談役です。 下の「発注メモ①②」をもとに、ベンダーに渡すRFP(提案依頼書)のたたき台を作ります。 ・足りない情報は、1回に1つだけ質問してください(最大5問)。 ・質問が終わったら、次の7項目で要件を表にまとめてください。 目的/現状/対象業務(対象外も)/成果/制約/責任/判断基準 ・決まっていない所は空けずに「未定:誰が、いつ決めるか」と書いてください。 ・最後に、このRFPを受け取ったベンダーが聞いてきそうな質問(想定問)を5つ出してください。 ・最初に「社名・個人名・機密情報は書かなくてよい」と伝えてください。 【発注メモ①②】(ここに、演習1で書いた①②を貼る)
AI時代の「発注者スキル」実践講座|演習2
演習2 配るプロンプト:提案比較の評価項目と質問

続けて貼る:④評価軸と質問、⑤見積の確認項目

2つめのプロンプト(同じ会話に続けて貼る)
続けて、次の2つを表にしてください。 ④ 評価軸と質問:複数社の提案を同じ基準で比べる評価項目を5〜7個。各項目に、ベンダーへの質問を1つずつ。精度とデモの確認を必ず入れる。 ⑤ 見積の確認項目:人月・開発費・AI/API利用料・データ整備費・運用費のそれぞれで、見積書に何が書いてあれば比べられるかを1行ずつ。 ・どれも、私の業務に合わせて具体的に書いてください。
記入済みの例(①②がまだの人)
①課題と目的:営業部の月次報告づくりの時間を減らし、部長が早く打ち手を決められるようにする ②仕分け:数字集め・前月比の文章化=AIで内製/打ち手の判断=人/基幹システムからの自動取得=外部へ発注/読まれない別紙=実施しない

2つのプロンプトは配布テキストにも載っています。どのAIでも動きます。例は説明のためのものです。

AI時代の「発注者スキル」実践講座|演習2
演習2 まとめ

メモの③④⑤が埋まりました

①課題と目的
②仕分け
③要件
④評価軸と質問
⑤見積の確認項目
  • ③に「未定」が残っていてよい。誰がいつ決めるかが書いてあれば前に進める
  • ④の質問に、「精度」と「デモ」の確認が入っているか
  • ⑤で空いた項目が、ベンダーに最初に聞くこと

提案の比較・議事録の整理などのプロンプトは、付録のプロンプト集(No.139〜144)にあります。

AI時代の「発注者スキル」実践講座|演習2
第2部のまとめ 発注者10カ条

発注者10カ条(5〜7)

  1. 自分で作れなくても、評価するための質問はできる
  2. 誰に・何を・いくらで頼むのかを自分で判断する
  3. AI・人間・ベンダーの責任範囲を決める

質疑(2〜3分) オンラインの方はチャットへ。会場の方は手を挙げてください。

AI時代の「発注者スキル」実践講座|第2部
BREAK

休憩(10分)

17:10 に再開します。次は第3部「PoCを実験で終わらせない、AIプロジェクトの進め方」

17:00 — 17:10
AI時代の「発注者スキル」実践講座|休憩
PART 3

PoCを実験で終わらせない
AIプロジェクトの進め方

何を確かめ、どこで続け、どこでやめるかを、発注の前に決める

17:10 — 17:50
AI時代の「発注者スキル」実践講座|第3部
第3部 PoCを実験で終わらせない

この部のゴール

  1. PoCで「何を確かめるか」と、測る指標(KPI)を決められる
  2. 成功条件・本番移行条件・撤退条件を、発注の前に書ける
  3. 結果を見て「続ける・変える・やめる」を判断できる

演習3(17:36〜) 発注メモの ⑥PoC条件 を書きます

AI時代の「発注者スキル」実践講座|第3部
第3部 PoCが止まる

PoCが止まる、とはどういう状態か

1

終わらない

「もう少し試してから」が続き、期限が延びていく

2

決まらない

結果は出たのに、良いのか悪いのかを誰も言えない

3

広がらない

担当者の机の上で終わり、現場の仕事は変わらない

失敗したのではなく、次の判断ができない。これが「止まる」です。

AI時代の「発注者スキル」実践講座|第3部
第3部 PoCが止まる

国も2018年に「技術起点のPoC」を失敗例に挙げていた

(失敗ケース)戦略なき技術起点のPoCは疲弊と失敗のもと

DXレポート p.29

「AIを使って何かできないか」といった指示が出され、PoCが繰り返されるものの、ビジネスの改革に繋がらない

DXレポート p.6
経済産業省『DXレポート』(2018年9月)p.6・p.29。2018年の資料
AI時代の「発注者スキル」実践講座|第3部
第3部 PoCの目的と成果指標

PoCの目的:何を確かめるか

よくある頼み方

「とりあえず試してみたい」

作ること自体が目的になる。何が分かればよいかが決まっていないので、結果を見ても判断できない

→
発注者の頼み方

「これを確かめて、判断したい」

確かめたい問いと、それが分かったら何を決めるかを先に書く。PoCは判断の材料を集める仕事

PoCの成果物は、試作品ではなく判断の材料です。

AI時代の「発注者スキル」実践講座|第3部
第3部 PoCの目的と成果指標

契約ガイドライン:段階に分けて、途中で止められるように

① アセスメントできそうかを見立てる
② PoC小さく試して確かめる
③ 開発本番で使うものを作る
④ 追加学習使いながら良くする

十分な性能を備えた学習済みモデルの生成が困難であることが判明した場合には、その段階で開発を中止することにより、それ以上の損失拡大を防ぎ…

経済産業省『AI・データの利用に関する契約ガイドライン(AI編)』(2018年6月)p.43〜45。識別系AIを前提にした2018年の資料。各段階の説明は講師の要約
AI時代の「発注者スキル」実践講座|第3部
第3部 PoCの目的と成果指標

PoCで確かめるのは、3つ

1 技術

技術的にできるか

自社のデータで、求める出力が出るか

2 業務

業務で使えるか

現場の人が、いつもの手順の中で使えるか

3 効果

効果が出るか

時間やコストなど、業務の成果が変わるか

「できた」で終わるPoCは、1しか見ていません。2と3まで見て判断します。

AI時代の「発注者スキル」実践講座|第3部
第3部 PoCの目的と成果指標

KPIの種類:6つから選ぶ

精度

正しく答えた割合、手直しが要った件数

時間

1件あたりの作業時間、待ち時間

コスト

人件費、外注費、AI/APIの利用料

品質

ミスや差し戻しの件数、書き方のばらつき

売上

受注件数、提案の数、成約までの日数

顧客体験

回答までの時間、問い合わせの再発、満足度

測り方は説明のための例です。PoCでは、この中から1〜2個に絞ります。

AI時代の「発注者スキル」実践講座|第3部
第3部 PoCの目的と成果指標

AI導入の効果:期待どおり以上は3割、中身は効率化

AI導入の効果(n=1,037)
期待どおり以上
31.8%
一定の効果
50.6%
効果の中身
効率化・迅速化
91.6%
顧客満足度
4.5%
売上・利益
3.9%
IPA『DX動向2026』(2026年7月)データ集 p.48、プレスリリース p.6、図表3-16(p.37)。「期待どおり以上」は「期待以上」と「期待どおり」の合計
AI時代の「発注者スキル」実践講座|第3部
第3部 PoCの目的と成果指標

業務の成果からKPIを逆算する

① 業務の成果何が変われば成功か
例:月次報告を早く出す
② 業務の指標それを何で測るか
例:1本あたりの作成時間
③ AIの指標そのためにAIに要る力
例:下書きの手直しの少なさ
  • 順番を逆にしない。精度(③)から決めると、業務の成果(①)につながらない
  • ②は「今の値」を先に測っておく。比べる相手がないと、効果は言えない

例は第1部の「月次の営業報告」。説明のための例です。

AI時代の「発注者スキル」実践講座|第3部
第3部 条件を先に決める

成功条件・本番移行条件・撤退条件

成功条件

PoCとして成功か

KPIがどこまで行けば「確かめられた」と言えるか

本番移行条件

本番に進めるか

成功に加えて、費用・体制・セキュリティがそろうか

撤退条件

どこでやめるか

いつまでに、どの線を下回ったら止めるか

3つとも、数字か事実と、判断する日で書きます。

AI時代の「発注者スキル」実践講座|第3部
第3部 条件を先に決める

条件を、発注の前に決める理由

  1. あとから決めると、結果に合わせて線が動く
  2. 条件によって、ベンダーの見積と体制が変わる
  3. やめる理由を、誰も言い出せなくなる

事業上の課題およびKPIの設定は…ユーザの責任において実施され、ベンダはそれを支援する

経済産業省『AI・データの利用に関する契約ガイドライン(AI編)』(2018年6月)p.45。識別系AIを前提にした2018年の資料
AI時代の「発注者スキル」実践講座|第3部
第3部 条件を先に決める

条件の書き方の例:「月次の営業報告」のPoC

項目書き方の例
KPI報告書1本あたりの作成時間(今は1人あたり月2日)
期間・判断日2か月。最終週に部長が判断する
成功条件作成時間が半分以下。部長の差し戻しが今より増えない
本番移行条件3名全員が使える。利用料が予算内。顧客名を入れない運用が守れる
撤退条件2か月で作成時間が2割も減らない、または数字の誤りが毎月出る

数字も含めて、説明のための例です。演習3で、自分の題材で書きます。

AI時代の「発注者スキル」実践講座|第3部
第3部 止まる典型パターン ①

止まる典型①:目的があいまい

よくある状態

「AIで何かできないか」から始まる。関係者がそれぞれ別のゴールを思い浮かべていて、結果を見ても評価がそろわない

→
発注の前にやること

メモ①「何を変えるか」を関係者で読み合わせる。確かめたい問いを1つに絞る

「とりあえずAIを導入したい」との漠然とした問題意識のみで…委託するケースが実務上少なくない

経済産業省『AI・データの利用に関する契約ガイドライン(AI編)』(2018年6月)p.44。識別系AIを前提にした2018年の資料
AI時代の「発注者スキル」実践講座|第3部
第3部 止まる典型パターン ②

止まる典型②:データがそろわない

よくある状態

使いたいデータが紙や個人のPCに散らばっている。形式がばらばら。外に出してよいかの判断が遅れ、PoCの期間が過ぎる

→
発注の前にやること

データの場所・量・形式と、外に出してよいかを先に確かめる。整える手間は、メモ⑤の「データ整備費」に入れる

PoCの期間の多くが、データ集めで消えることがあります。

AI時代の「発注者スキル」実践講座|第3部
第3部 止まる典型パターン ③

止まる典型③:現場が使わない

よくある状態

検証は推進担当とベンダーだけで進む。精度は出たのに、現場のいつもの手順に入らず、使われない

→
発注の前にやること

実際に使う人を最初から入れる。どの場面で、誰が使うかを決める。利用回数もKPIに入れる

「技術的にできる」と「業務で使える」は、別の問いです。

AI時代の「発注者スキル」実践講座|第3部
第3部 止まる典型パターン ④

止まる典型④:評価の基準がない

よくある状態

「なんとなく良さそう」「もう少し精度を上げれば」と延長が続く。誰が、何で合否を決めるかが決まっていない

→
発注の前にやること

成功・本番移行・撤退の3条件を書く。判定する人、使うデータ、判断する日を決める

基準がないと、関係者の目線が合わないまま時間が過ぎます。

AI時代の「発注者スキル」実践講座|第3部
第3部 止まる典型パターン

止まったPoCから学んだこと

止まるときは、具体のものがなくて、関係者の目線が合わない。まあ、それは止まるわな

講師の経験から
具体がない成果物のイメージがない
目線が合わない関係者が別々のものを描く
止まる結果を見ても判断できない

第1部の「イメージ発注」と、同じ根っこです。

AI時代の「発注者スキル」実践講座|第3部
第3部 うまくいかないとき

精度が出ないときの切り分け:5つのどこか

どこか確かめる質問打ち手の例
モデルそもそも、このAIの得意な仕事か別のモデル・方式を試す
データ読ませた資料は足りているか、古くないか資料を整える・足す
システム検索や連携で、必要な情報が渡っているかつなぎ方を直す
業務使う場面や手順に無理がないか人が見る所を変える
要件求める水準や評価の仕方が、そもそも妥当か要件を見直す
AI時代の「発注者スキル」実践講座|第3部
第3部 うまくいかないとき

「順調です」を確かめる質問

  • 何件で試して、何件うまくいきましたか
  • うまくいかなかった例を、3つ見せてください
  • 始めたときの予定から、変わったことは何ですか
  • 成功条件まで、あと何が足りませんか
  • 次の判断日までに、何が分かりますか

「順調です」は報告ではなく感想です。数字と、うまくいかなかった例で聞き返します。

AI時代の「発注者スキル」実践講座|第3部
第3部 続けるか、変えるか、やめるか

PoCのあとの、5つの判断

  1. 追加投資:うまくいった。範囲を広げて本番へ進む
  2. 要件変更:問いや水準を見直して、もう一度だけ試す
  3. ベンダー変更:方向は合っている。頼む相手を替える
  4. 内製化:やり方は見えた。社内で回す
  5. 撤退:やめる。分かったことを持ち帰る
AI時代の「発注者スキル」実践講座|第3部
第3部 続けるか、変えるか、やめるか

判断の基準表

判断こういうときに選ぶ先に確かめること
追加投資成功条件と本番移行条件を満たした本番の費用と運用の体制
要件変更効果は見えたが、問いや水準がずれていた変えるのは1回だけか
ベンダー変更方向は合うが、進め方や力が合わないデータと成果物を引き継げるか
内製化手順が見え、社内で回せる規模だった社内に担う人がいるか
撤退撤退条件に当たった分かったことを残したか

撤退条件に当たったのに続けるときは、その理由を言葉にして、もう一度だけ期限を切ります。

AI時代の「発注者スキル」実践講座|第3部
第3部 続けるか、変えるか、やめるか

サンクコスト:使ったお金を判断の材料にしない

一回作ったもの、過去を否定するのは難しい

講師の経験から(役所の文化について)
判断を曇らせる問い

「ここまで使ったのに、今さらやめられない」

→
判断に使う問い

「あといくらかけると、何が得られるか」

AI時代の「発注者スキル」実践講座|第3部
第3部 続けるか、変えるか、やめるか

撤退は、学んだことを持ち帰る判断

1

できたこと、できなかったこと

2

データの状態と、足りないもの

3

業務の側の課題

4

次に頼むときの要件

「まずやってみる」という精神を増進する…試行錯誤を通じて学習しながら、段階を踏み

人工知能基本計画 4原則の「挑戦と学習」
内閣府『人工知能基本計画』(2026年7月14日閣議決定)p.4〜5・p.18〜19
AI時代の「発注者スキル」実践講座|第3部
第3部 ケースならどうか

小規模PoC(C案・300万円)を選ぶなら、条件をこう書く

項目C案の条件の例
確かめる業務部門の業務を棚卸しし、時間のかかる1つに絞る
KPIその業務の作業時間。PoCの前に今の値を測る
成功条件対象業務で30%減の見込みが、実際の作業で確かめられた
本番移行条件本番の費用と運用の体制が見え、次の一手(A・B・D)を選べる
撤退条件期限までに見込みが立たない。300万円の中で止める

金額と中身は説明のための例です。条件がなければ、C案も「300万円の実験」で終わります。

AI時代の「発注者スキル」実践講座|第3部
第3部のまとめ 発注者10カ条

発注者10カ条(8〜9)

  1. PoCには成功条件と撤退条件を置く
  2. 計画に固執せず、学習しながら方向転換する

条件を先に置くから、迷わずに方向を変えられる。8と9はセットです。

AI時代の「発注者スキル」実践講座|第3部
演習3 AI実践:PoCの条件を整理する

AIに聞き取らせて、メモ⑥PoC条件を書く

17:36 — 17:48(12分)
  1. 講師の実演を見る(3分)
  2. メモ①〜⑤とプロンプトを貼り、AIの質問に答える(7分)
    AIを使わない人は、紙の版の5つの問いに書き込む
  3. 出てきた条件を、メモ⑥に書き写す(2分)

ゴール

KPIが1〜2個、今の値と測り方つきで書けている

成功・本番移行・撤退の3条件と、判断する日が書けている

社名・個人名・機密情報は入れない

AI時代の「発注者スキル」実践講座|演習3
演習3 講師の実演(ChatGPT)

ポイント:数字はAIに決めさせず、自分が答える

あなたは、AIのPoCを数多く見てきた発注者側の相談役です。 下に貼る発注メモ①〜⑤をもとに、PoCの条件を決めるのを手伝ってください。 ・質問は1回に1つだけにしてください。 ・次の順で聞いてください: ①PoCで確かめたいこと(技術/業務/効果のどれか) ②業務の成果を何で測るか、今の値 ③期間と予算の上限 ④判断する人と判断する日 ⑤「ここを下回ったらやめる」という線 ・5問が終わったら、次の表にまとめてください。 KPI(測り方・今の値・目標)/成功条件/本番移行条件/撤退条件/判断する日と人 ・数字は私が答えたものだけを使い、分からないものは「要確認」と書いてください。 では、1問目から始めてください。 【発注メモ①〜⑤】(ここに貼る)
AI時代の「発注者スキル」実践講座|演習3
演習3 すぐ試す

メモが手元にない人は、この例で

使い方
  • 前のページのプロンプトを貼る
  • 最後の欄に、自分のメモ①〜⑤か、右の例を貼る
  • 質問には、自分の会社を思い浮かべて答える
記入済みの例
①月次報告の作成時間を減らし、部長が数字の判断に使う時間を増やす ②数字集めと前月差の文章化はAI、判断は人 ③成果物は報告書の下書き。顧客名は入れない ④提案は、下書きの手直しの少なさで比べる ⑤見積はAI利用料と運用費を分けて出してもらう

プロンプトは配布テキストにも載っています。どのAIでも動きます。例は説明のためのものです。

AI時代の「発注者スキル」実践講座|演習3
演習3 まとめ

メモの①〜⑥が埋まりました

①課題と目的
②仕分け
③要件
④評価軸と質問
⑤見積の確認項目
⑥PoC条件
  • 撤退条件に、数字か事実と、期限が入っているか
  • 「要確認」が残った数字は、誰に聞けば分かるかを横に書いておく
AI時代の「発注者スキル」実践講座|演習3
第3部のまとめ

質疑と第3部のまとめ

  1. PoCの成果物は判断の材料。技術・業務・効果の3つを確かめる
  2. 成功・本番移行・撤退の3条件を、発注の前に数字と期限で書く
  3. 使ったお金ではなく、これからの費用と効果で判断する

質問をどうぞ(2〜3分) オンラインの方はチャットへ。このあと休憩なしで、第4部に進みます

AI時代の「発注者スキル」実践講座|第3部
PART 4

ケーススタディ・総括・質疑応答
予算2,000万円。あなたならどう使う?

冒頭のケースの答え合わせをして、発注メモ⑦を書き、たたき台を仕上げる

17:50 — 18:00
AI時代の「発注者スキル」実践講座|第4部
第4部 ケースをもう一度
「生成AIを使って、この部門の生産性を30%改善してほしい。予算は2,000万円」
冒頭で直感で選んだ A〜D を、今もう一度選んでください。
オンラインの方は、チャットに1文字だけ。
AI時代の「発注者スキル」実践講座|第4部
第4部 ケースの答え合わせ

A〜Dの比較:費用・速さ・リスク・学べること

A 独自AIを外部開発B 既存SaaS+連携C 小規模PoCD 試作+必要な所だけ外注
費用(例)2,000万円800万円300万円決めない
速さ形になるまで長い早く使い始められる小さく、早く確かめられる今日から始められる
リスク作った後で方向を変えにくい連携まで作ると見直しにくい条件がないと実験で終わる社内に試す力が要る
学べること発注者側に残りにくい使い方は残る業務と効果の確かめ方何を頼むかを自分で決められる

金額は説明のための例。「速さ」「リスク」「学べること」は講師の見立てです。

AI時代の「発注者スキル」実践講座|第4部
第4部 ケースの答え合わせ

選ぶ前に考える、2つの論点

論点1

そもそもAIか

  • 「30%」は何の30%か(第1部)
  • 業務の見直しだけで済まないか
  • 「実施しない」作業はないか
論点2

どこまで自社でやるか

  • 自分たちで試作できるのはどこまでか
  • 外部の意見や技術が要るのはどこか
  • 運用と追加改修は誰が持つか
AI時代の「発注者スキル」実践講座|第4部
第4部 講師ならこうする

今の一手は C。目指す姿は D

① 棚卸し既存の業務を洗い出す
② 分ける改善・自動化・AIに任せる
③ 外の意見内部だけでは変えにくい
④ 小規模PoC小さく始める
A・B を今は選ばない理由

一度作ったものは、否定しにくい。特に役所の文化では。B も連携まで作ると、見直しにくい

目指すのは D

皆さんが D をできるようになり、できないところを外部に代行してもらう。これがこれからのAI時代

AI時代の「発注者スキル」実践講座|第4部
第4部 経営会議で説明する

説明は3つの問いに、1行ずつ答える

  1. なぜAIか:何が、どう変わるのか(メモ①)
  2. なぜこの会社と金額か:比べた結果と、見積の中身(メモ④⑤)
  3. 続けるか、止めるか:いつ、何の数字で決めるか(メモ⑥)
例)〔◯◯業務〕の〔作業時間〕を減らすため、まず〔C案〕で小さく確かめます。 〔◯か月後〕に〔◯◯〕が〔◯◯〕なら続け、届かなければ止めます。
AI時代の「発注者スキル」実践講座|第4部
第4部 総括

発注者10カ条

  1. AI導入そのものを目的にしない
  2. 世界の事例を知り、自社への適用可能性を考える
  3. 仕事を「人間・AI・外注・見送り」に分解する
  4. 「何を作るか」より「何を変えるか」を決める
  5. 自分で作れなくても、評価するための質問はできる
  1. 誰に・何を・いくらで頼むのかを自分で判断する
  2. AI・人間・ベンダーの責任範囲を決める
  3. PoCには成功条件と撤退条件を置く
  4. 計画に固執せず、学習しながら方向転換する
  5. 最終的な意思決定を外注しない

Human in the lead AIをツールとして統制し、人が意思決定や価値創出の主導権を握る

内閣府『人工知能基本計画』(2026年7月14日閣議決定)p.4〜5
AI時代の「発注者スキル」実践講座|第4部
第4部 メモ⑦(2分)

メモ⑦を書いて、たたき台が完成

①課題と目的
②仕分け
③要件
④評価軸と質問
⑤見積の確認項目
⑥PoC条件
⑦経営への説明
⑦の書き方の型(AIでも紙でも)
なぜAIか:〔①〕を変えるため。/なぜこの会社と金額か:〔④⑤で比べた結果〕。 続けるか止めるか:〔⑥の条件〕を満たせば続け、満たさなければ止める。 → 1行にまとめる
AI時代の「発注者スキル」実践講座|第4部
第4部 次の一歩
明日、⑦の1行を
上司に見せてください
たたき台のままで大丈夫です。
聞き返されたところが、次に詰めるところです。
AI時代の「発注者スキル」実践講座|第4部
質疑・おわりに
ご質問をどうぞ
オンラインの方はチャットへ。会場の方は手を挙げてください。
今日はありがとうございました。
中島 敬太郎元国家公務員/シンシアリー AIオペレーションマネージャー
AI時代の「発注者スキル」実践講座|第4部
付録1

発注メモのテンプレート(紙で書ける版)

欄書き方の問い
① 課題と目的何を作るかではなく、何がどう変わればよいか。「30%」は何の30%か
② 仕分け業務を5〜8個の作業に分けると? それぞれ 人/AIで内製/外部へ発注/実施しない のどれか
③ 要件目的・背景・制約・成果物・評価基準を、1行ずつ書けるか
④ 評価軸と質問提案を何で比べるか。ベンダーに必ず聞くことは何か(精度・デモ)
⑤ 見積の確認項目人月・開発費・AI/API利用料・データ整備費・運用費の、どこを確かめるか
⑥ PoC条件何で測るか(KPI)。どうなれば続け、どうなれば止めるか
⑦ 経営への説明なぜAIか/なぜこの会社と金額か/続けるか止めるか を1行で
AI時代の「発注者スキル」実践講座|付録
付録2

見積のチェックリスト

項目確認すること
人月何の作業に、何人が、何か月か。作業ごとに分けて書いてあるか
開発費どこまでが含まれるか(要件定義・テスト・既存システムとの連携)
AI/API利用料何に比例して増えるか(件数・人数・文字量)。利用が増えたときの見込み
データ整備費誰がデータを集め、整えるか。社内の作業として見積に入っていない部分はないか
運用費保守・問い合わせ対応・モデル更新時の確認は、誰が、いくらで行うか
追加改修費要件が変わったとき、どう見積もるか。単価や上限の決め方はあるか

相場の数字は案件ごとに大きく違うため載せていません。複数社の見積を、同じ項目で並べて比べてください。

AI時代の「発注者スキル」実践講座|付録
付録3

ベンダーへの質問リスト

観点質問の例
精度何の、どのデータで、誰が判定した数字ですか。足りない部分は、業務で何を起こしますか。改善するには何が要りますか
デモ当社に近いデータで見せてもらえますか。うまくいかない例も見せてもらえますか
データどのデータが、どの形で、どれだけ要りますか。入れたデータは、どこに保存され、何に使われますか
運用AIのモデルが更新されたとき、誰が何を確かめますか。不具合や問い合わせの窓口はどこですか
撤退途中で止めるとき、何が手元に残りますか。データや設定を持ち出せますか
観点の一部は、デジタル庁『行政の進化と革新のための生成AIの調達・利活用に係るガイドライン 第2.0版』(2026年6月)のチェックシートを参考にした
AI時代の「発注者スキル」実践講座|付録
付録4

用語集

用語意味
LLM大規模言語モデル。大量の文章から学び、文章を読み書きするAI。ChatGPT などの中核
RAGAIが答える前に社内文書などを検索し、その内容をもとに答えさせるしくみ
AIエージェント特定の目標を達成するために、環境を感知し自律的に行動するAIシステム
PoC概念実証。本格的に作る前に、小さく試して「できるか・使えるか・効果が出るか」を確かめること
KPI重要業績評価指標。目的に近づいているかを測る数字(作業時間・件数・品質など)
人月1人が1か月働く作業量を1とする単位。見積の基本になる
AIエージェントの定義:総務省・経済産業省『AI事業者ガイドライン 第1.2版』(2026年3月)p.11
AI時代の「発注者スキル」実践講座|付録
付録5 発注者のためのプロンプト集

プロンプト集の使い方

使う場面ページ
課題を整理し、仕事を4つに仕分ける(演習1)No.44
RFP・発注メモのたたき台と想定問を作る(演習2)No.89
評価軸・ベンダーへの質問・見積の確認項目を出す(演習2)No.90
PoCのKPI・成功条件・撤退条件を決める(演習3)No.121
経営への説明を1行にまとめる(メモ⑦)No.132
仕様書のレビュー/提案の比較/議事録の整理/根拠の照合/引き継ぎ書No.140〜144

どのAIにも貼れます。社名・個人名・機密情報は入れないか、ぼかしてください。

AI時代の「発注者スキル」実践講座|付録
付録5 発注者のためのプロンプト集

仕様書をレビューさせ、想定問を作る

発注の前に。上司や同僚に見てもらう前の「壁打ち」に

あなたは、発注者と受注者の両方の経験がある相談役です。 下に貼る仕様書(案)を読んで、次の3つを出してください。 1. あいまいな所・抜けている所・矛盾している所(どこが、なぜ問題か) 2. この仕様書を受け取ったベンダーが聞いてきそうな質問(想定問)を10個 3. 発注者の意図として読み取れること/受注者が誤解しそうなこと そのあと、想定問を1つずつ私に出してください。 私が答えたら、仕様書とずれていないかを指摘してください。 【仕様書(案)】(ここに貼る)
AI時代の「発注者スキル」実践講座|付録
付録5 発注者のためのプロンプト集

複数の提案書・見積書を、同じ評価軸で比べる

提案が出そろったあと。「なぜこの会社か」を説明する材料に

あなたは、AI導入の提案を評価する発注者側の相談役です。 下に貼る提案書(または見積書)2〜3社分を、同じ評価軸で比べてください。 ・評価軸:目的への合い方/実現方法と前提条件/精度の確かめ方/ 費用(初期・毎月・追加)/体制と続けられるか/データの扱い ・表で比べ、各セルに根拠になった記載の箇所を書く ・書いていない項目は「記載なし」とし、推測で埋めない ・最後に、各社に聞くべき質問を3つずつ出す 【A社】(ここに貼る) 【B社】(ここに貼る)
AI時代の「発注者スキル」実践講座|付録
付録5 発注者のためのプロンプト集

議事録から、決まっていないこととリスクを抜き出す

ベンダーとの打ち合わせのあと。次の会議の準備に

下に貼る会議の議事録(またはメモ)から、次を表に抜き出してください。 1. 決まったこと(誰が決めたか) 2. まだ決まっていないこと(誰が、いつまでに決めるか。 書いていなければ「未定」) 3. リスクや心配の声(誰の発言か) 4. 次の会議までに、発注者が確かめること 議事録に書いていないことは補わないでください。 【議事録】(ここに貼る)
AI時代の「発注者スキル」実践講座|付録
付録5 発注者のためのプロンプト集

提案の中身を、根拠資料と照らし合わせる

提案やPoCの報告を受けたとき。「順調です」を確かめる材料に

下に貼る提案書(または報告書)の主張を、根拠資料と照らし合わせてください。 ・数字や「できる」という主張を1つずつ取り出す ・それぞれ、根拠資料のどこに書いてあるかを示す。 見つからなければ「根拠なし」と書く ・根拠資料と食い違う所は、両方の記載を並べる ・最後に、ベンダーに確認すべき点を箇条書きにする 【提案書・報告書】(ここに貼る) 【根拠資料】(デモの結果・実績資料・仕様書など。ここに貼る)
AI時代の「発注者スキル」実践講座|付録
付録5 発注者のためのプロンプト集

引き継ぎ書を作る

担当が替わるとき。前任者の予算・経緯を引き継ぐときに

下に貼る資料(経緯のメモ・メール・議事録・仕様書)から、 後任者向けの引き継ぎ書を作ってください。 1. この案件の目的(何を変えるためか) 2. ここまでの経緯(時系列で、決まったことと理由) 3. まだ決まっていないこと・抱えているリスク 4. 関係者と、それぞれが気にしていること 5. 後任者が最初の1週間でやること 資料に書いていないことは「不明」とし、推測で埋めないでください。 【資料】(ここに貼る)
AI時代の「発注者スキル」実践講座|付録
付録6

出典一覧

No.発行元『資料名』(発行年)URL
S01IPA『DX白書2023』(2023年)ipa.go.jp/publish/wp-dx/
S02IPA『DX動向2025』(2025年)図表3-1・3-2ipa.go.jp/digital/chousa/dx-trend/
S03IPA『DX動向2025』(2025年)図表2-13・2-14ipa.go.jp/digital/chousa/dx-trend/
S04総務省『令和8年版 情報通信白書』(2026年)図表Ⅰ-1-1-4soumu.go.jp/johotsusintokei/whitepaper/ja/r08/
S05総務省『令和8年版 情報通信白書』(2026年)図表Ⅰ-2-1-1〜Ⅰ-2-1-9soumu.go.jp/johotsusintokei/whitepaper/ja/r08/
S06IPA・経済産業省『デジタルスキル標準 ver.2.0』(2026年)ipa.go.jp/jinzai/skill-standard/dss/
S07経済産業省『生成AI時代のDX推進に必要な人材・スキルの考え方2024』(2024年)meti.go.jp/press/2024/06/20240628006/
S08経済産業省『DXレポート』(2018年)meti.go.jp/shingikai/mono_info_service/digital_transformation/
S09経済産業省『DXレポート2.1』(2021年)meti.go.jp/press/2021/08/20210831005/
S10経済産業省『AI・データの利用に関する契約ガイドライン(AI編)』(2018年)meti.go.jp/policy/mono_info_service/connected_industries/
S11デジタル庁『行政の進化と革新のための生成AIの調達・利活用に係るガイドライン 第2.0版』(2026年)契約チェックシートdigital.go.jp(全文URLは配布テキスト)
S12デジタル庁『同ガイドライン 第2.0版』(2026年)導入類型・調達チェックシートdigital.go.jp(全文URLは配布テキスト)
S13総務省・経済産業省『AI事業者ガイドライン 第1.2版』(2026年)soumu.go.jp/main_content/001064279.pdf
S14IPA『DX動向2026』(2026年)ipa.go.jp/pressrelease/2026/
S15『人工知能関連技術の研究開発及び活用の推進に関する法律』(2025年)laws.e-gov.go.jp/law/507AC0000000053
S16内閣府『人工知能基本計画』(2026年)www8.cao.go.jp/cstp/ai/ai_plan/aiplan_20260714.pdf
S17総務省『令和8年版 情報通信白書』(2026年)図表Ⅰ-2-1-7soumu.go.jp/johotsusintokei/whitepaper/ja/r08/
AI時代の「発注者スキル」実践講座|付録