AI時代の
「発注者スキル」実践講座
15:00〜18:00
中島 敬太郎
- 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
『AIで作るプレゼン資料入門ガイド』
(SBクリエイティブ)
頼む側と、頼まれる側の両方にいました
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。
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。
ベンダーにもうまく頼めない
生成AIを使ったことがある人:日本は3年で9.1%→58.8%
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
「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。
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。
発注メモ(7欄)のたたき台
何を作るかではなく、何を変えるか
人/AIで内製/外部へ発注/実施しない
目的・背景・制約・成果物・評価基準
提案比較の項目、ベンダーへの質問
人月・開発費・API利用料・データ整備費・運用費
KPI・成功条件・撤退条件
なぜAIか、なぜこの会社と金額か
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。
どの部で、どの欄を書くか
② 仕分け
④ 評価軸と質問
⑤ 見積の確認項目
→ 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
4つの案。今は直感で1つ選んでください
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
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
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
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。
会場でも、オンラインでも、同じように進めます
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。
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。
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
この部のゴール
- AIで「発注」の何が変わったかを説明できる
- 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
- 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
頼む相手が、ひとつ増えた
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
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
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。
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
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 | 86.4 | 90.9 | 91.6 | 98.1 |
| 生成AIによる業務変革に、組織的な取り組みはない | 27.0 | 1.4 | 4.9 | 2.6 |
| 推進する部署や責任者が明確になっている | 27.9 | 39.9 | 45.9 | 55.6 |
| 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 | 26.1 | 52.5 | 38.1 | 59.0 |
変化①:発注の前に、自分で試せる
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
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
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
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
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」
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)
米国(2021年)
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。
競争の柱になるシステムも、日本は外部委託が中心
DXを進める人材が「不足している」:日本は85.1%
「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%
事例は6つの箱に分けて読む
業務
どの仕事か。誰が、どのくらいの頻度でやっているか
課題
何に困っていたか。時間・品質・人手・属人化
AI
AIは何をしたか。書く・まとめる・答える・判定する
人
人は何を残したか。確認・判断・責任
データ
何を読ませたか。社内文書・過去の記録・マニュアル
成果
何が変わったか。何で測ったか
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 |
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 |
「自社ならどこに使えるか」を見つける5つの問い
- 毎週・毎月、同じ形で繰り返している仕事は何か
- 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
- 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
- そもそもやめてもよい仕事はないか
- その仕事が変わると、誰の何が良くなるか
仕事を「4つ」に仕分ける
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
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
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
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。
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
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。
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。
「AIでできる」と「AIに任せてよい」は別
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
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
任せてよいかを確かめる3つの質問
- 誤りの影響:AIが間違えたら、誰に、どんな迷惑がかかるか
- 気づく仕組み:間違いに、誰が、いつ気づけるか
- 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。
発注者は「AI利用者」。精度とリスクを理解し、説明する側
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
やめることは、いちばん安くて、いちばん速い改善です。
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 |
頼み方の5要素
目的
何を変えたいか
背景
なぜ今か、誰が関わるか
制約
守ること、使えないもの
成果物
何を、どんな形で受け取るか
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への悪い頼み方と、良い頼み方
ベンダーへの悪い発注と、良い発注
「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。
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。
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
- 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
「生産性30%改善」の30%は、何の30%か
- どの業務の:部門の全部か、特定の業務か
- 何で測る:作業時間か、件数か、人数か、残業か
- いつまでに:半年か、1年か、3年か
- 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。
発注者10カ条(1〜4)
- AI導入そのものを目的にしない
- 世界の事例を知り、自社への適用可能性を考える
- 仕事を「人間・AI・外注・見送り」に分解する
- 「何を作るか」より「何を変えるか」を決める
AIに自分を聞き取らせて、メモ①②を書く
- 講師の実演を見る(4分)
- 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 - 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
ポイント:AIに「1問ずつ聞いて」と頼む
題材が浮かばない人は、この例で
- 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
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。
メモの①②が埋まりました
- 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
第1部のまとめ
- 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
- 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
- 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。
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」
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
この部のゴール
- 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
- 「精度90%」やデモを、質問で確かめられる
- 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
「わからないから、任せる」から始まる
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。
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
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。
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
流れ図は講師の整理です。
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。
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。
「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
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
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
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 |
要望を要件に変える例
説明のための例です(第1部の演習1と同じ題材)。
関係者ごとに、求めることが違う
経営
効果と投資を説明できること
現場
使いやすく、仕事が増えないこと
IT
既存システムとつながり、保守できること
法務
契約・権利・個人情報の扱いが明確なこと
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。
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。
行政の要求整理・調達から持ってこれること
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
「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
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
作るためではなく、質問するため
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。
LLM(大規模言語モデル):発注者が押さえる3点
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
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
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」
RAG:社内の文書を探して、それをもとに答えるしくみ
社内の決まりに沿った答え。根拠にした文書を示せる
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エージェント:作業をつなげて進めるしくみ
いくつもの手順にまたがる作業を、まとめて進める
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
3つの違いと、費用・リスクの違い
| LLM(そのまま使う) | RAG | AI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。
「精度90%です」と言われたら、私ならこう聞く
- 足りない10%の中身を、できるだけ詳しく教えてもらう
- さらに良くするには何を改善すればよいかを聞く
- 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
何の、どのデータで、誰が判定した90%か
何を「正解」とした90%か。分類・抜き出し・回答のどれか
誰が用意した、何件のデータか。自社のデータか
判定したのは誰か。基準は文書になっているか
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。
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
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。
残りの10%が、業務で何を起こすか
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)
- その100件を、誰が、いつ見つけるか
- 見つけて直すのに、どれだけ手間がかかるか
- 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。
評価の条件は、発注の前に決める
- 評価に使うデータ:自社のどのデータを、何件使うか
- 正解の決め方:何を正しいとするか、誰が正解を作るか
- 判定する人:結果を判定するのは誰か
- 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。
デモの確認①:用意されたデータか、自社のデータか
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
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
デモの確認②:間違えたときの動きと、根拠の示し方
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
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
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。
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 |
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。
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。
提案書は「実現方法」と「前提条件」を読む
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
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。
提案書への追加質問
- 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
- 「対象外」にした部分は、誰がやる想定ですか
- 同じ目的を、もっと小さく始めるなら、どうしますか
- 作ったものの権利と、データの扱いはどうなりますか
- 担当者が替わっても続けられる体制ですか
見積書は5つの項目で見る
人月
何人が何か月関わるかで表した作業の量
開発費
設計・開発・テスト・連携など作るための費用
AI/API
利用料
AIを使った量に応じてかかる。毎月続く
データ
整備費
データを集め、整え、正解をつける費用
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。
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/API利用料は、使うほど増える
- 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
データ整備費は、見落とされやすい
集める
散らばった文書やデータを1か所にまとめる
整える
古い版や重複を除き、書式をそろえる
正解をつける
評価のための「正しい答え」を人が作る
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。
運用費と、追加改修費
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
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。
「なぜこの会社、この金額か」を説明できるか
なぜこの会社か
評価軸で比べた結果と、決め手は何か
なぜこの金額か
5項目の内訳と、他社との違いはどこか
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。
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と一緒に、メモ③④⑤を書く
- 講師の実演を見る(4分)
- 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 - 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
ポイント:「決まっていない所」と「想定問」も出させる
続けて貼る:④評価軸と質問、⑤見積の確認項目
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。
メモの③④⑤が埋まりました
- 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。
発注者10カ条(5〜7)
- 自分で作れなくても、評価するための質問はできる
- 誰に・何を・いくらで頼むのかを自分で判断する
- 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。
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」
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
この部のゴール
- PoCで「何を確かめるか」と、測る指標(KPI)を決められる
- 成功条件・本番移行条件・撤退条件を、発注の前に書ける
- 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
PoCが止まる、とはどういう状態か
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
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
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。
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
「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
PoCの目的:何を確かめるか
「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
「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。
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
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…
PoCで確かめるのは、3つ
技術的にできるか
自社のデータで、求める出力が出るか
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
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。
KPIの種類:6つから選ぶ
正しく答えた割合、手直しが要った件数
1件あたりの作業時間、待ち時間
人件費、外注費、AI/APIの利用料
ミスや差し戻しの件数、書き方のばらつき
受注件数、提案の数、成約までの日数
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導入の効果:期待どおり以上は3割、中身は効率化
業務の成果からKPIを逆算する
例:月次報告を早く出す
例:1本あたりの作成時間
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。
成功条件・本番移行条件・撤退条件
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
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。
条件を、発注の前に決める理由
- あとから決めると、結果に合わせて線が動く
- 条件によって、ベンダーの見積と体制が変わる
- 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
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。
止まる典型①:目的があいまい
「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
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
止まる典型②:データがそろわない
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
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。
止まる典型③:現場が使わない
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
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。
止まる典型④:評価の基準がない
「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
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。
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
第1部の「イメージ発注」と、同じ根っこです。
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 |
「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。
PoCのあとの、5つの判断
- 追加投資:うまくいった。範囲を広げて本番へ進む
- 要件変更:問いや水準を見直して、もう一度だけ試す
- ベンダー変更:方向は合っている。頼む相手を替える
- 内製化:やり方は見えた。社内で回す
- 撤退:やめる。分かったことを持ち帰る
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。
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
「ここまで使ったのに、今さらやめられない」
「あといくらかけると、何が得られるか」
撤退は、学んだことを持ち帰る判断
できたこと、できなかったこと
データの状態と、足りないもの
業務の側の課題
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
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。
発注者10カ条(8〜9)
- PoCには成功条件と撤退条件を置く
- 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に聞き取らせて、メモ⑥PoC条件を書く
- 講師の実演を見る(3分)
- 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 - 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
ポイント:数字はAIに決めさせず、自分が答える
メモが手元にない人は、この例で
- 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
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。
メモの①〜⑥が埋まりました
- 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
質疑と第3部のまとめ
- 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
- 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
- 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
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
オンラインの方は、チャットに1文字だけ。
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PoC | D 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。
選ぶ前に考える、2つの論点
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
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
今の一手は C。目指す姿は D
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
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
説明は3つの問いに、1行ずつ答える
- なぜAIか:何が、どう変わるのか(メモ①)
- なぜこの会社と金額か:比べた結果と、見積の中身(メモ④⑤)
- 続けるか、止めるか:いつ、何の数字で決めるか(メモ⑥)
発注者10カ条
- AI導入そのものを目的にしない
- 世界の事例を知り、自社への適用可能性を考える
- 仕事を「人間・AI・外注・見送り」に分解する
- 「何を作るか」より「何を変えるか」を決める
- 自分で作れなくても、評価するための質問はできる
- 誰に・何を・いくらで頼むのかを自分で判断する
- AI・人間・ベンダーの責任範囲を決める
- PoCには成功条件と撤退条件を置く
- 計画に固執せず、学習しながら方向転換する
- 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
メモ⑦を書いて、たたき台が完成
上司に見せてください
聞き返されたところが、次に詰めるところです。
今日はありがとうございました。
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 |
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。
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 |
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 |
| RAG | AI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 |
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。
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
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
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
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
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
出典一覧
| No. | 発行元『資料名』(発行年) | URL |
|---|---|---|
| S01 | IPA『DX白書2023』(2023年) | ipa.go.jp/publish/wp-dx/ |
| S02 | IPA『DX動向2025』(2025年)図表3-1・3-2 | ipa.go.jp/digital/chousa/dx-trend/ |
| S03 | IPA『DX動向2025』(2025年)図表2-13・2-14 | ipa.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-1-1-4 | soumu.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-2-1-9 | soumu.go.jp/johotsusintokei/whitepaper/ja/r08/ |
| S06 | IPA・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 |
| S14 | IPA『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-2-1-7 | soumu.go.jp/johotsusintokei/whitepaper/ja/r08/ |