AI開発を内製すべきか、外注すべきか——ここで詰まる中小企業は多くあります。結論から言えば、二択で決める話ではありません。「まず外注で型を作り、運用フェーズで内製化の範囲を増やす」ハイブリッドが、現時点の中小企業にとって最も現実的です。この記事では、内製が機能する3つの隠れた前提と、生成AI時代に判断軸がどう変わったかを、実装者の視点で開示します。
「AI 内製 外注」で検索すると、メリット・デメリットの並列比較記事が並びます。ただ、中小企業の実務で本当に効くのは自社にどの前提が揃っていて、どこが欠けているかの見立てです。ここを飛ばして判断すると、内製に踏み込んだ後で人が採れずに止まる、あるいは外注に丸投げして社内にナレッジが残らない、という両極端の失敗に着地します。
2026年に「内製か外注か」の判断が変わった理由
まず前提として、この判断軸はこの1〜2年で構造的に変わりました。理由は2つあります。
1つ目は、AI駆動開発で開発工数そのものが1/3〜1/5に圧縮されたことです。エンジニアがClaude CodeやCursorのようなAIアシスタントを使うことで、以前なら300万円かかっていた開発が100万円以下で同じ品質のものが作れる、という現象が現場で起きています。この工数圧縮は、内製化の閾値を明確に下げました。以前は「内製するなら専任エンジニアが最低2〜3人必要」だった水準が、今は「業務がわかる社内の一人が生成AIを使いこなせれば、簡易ツールは自力で作れる」というラインまで降りてきています。
2つ目は、「発注できる要件」と「作れる範囲」のギャップが縮小したことです。総務省の令和7年版 情報通信白書によれば、日本企業の生成AI導入率は2024年度に49.7%（前年42.7%から急伸）まで上がりました。触っている企業が増えたぶん、「自社の業務にAIをどう組み込むか」の一次仮説を社内で書ける会社が増えている。ここが書けるかどうかが、内製と外注の実質的な分岐点になります。
一方で、経済産業省のDXレポート2.2では、日本企業のシステム開発が長らくユーザー企業とベンダー企業の**「低位安定」に固定されてきたと指摘されています。ベンダーへの過度な委託が続いた結果、ユーザー企業のITに対する自律性が下がった**状態のまま、生成AI時代に入ってしまった会社が多い、という構造です。ここを踏まえないと、「内製化」という言葉だけを掲げて中身が伴わないパターンに陥ります。
内製が機能する「3つの隠れた前提」
「内製した方が安いのでは」と考える経営者は多いのですが、内製が回るためには、コストの前に揃えるべき前提が3つあります。ここを事前に確認すると、判断の精度が変わります。
| 前提 | 何が必要か | 欠けたときの症状 |
|---|---|---|
| ① 要件を言語化できる人 | 業務に詳しい人がAIに何を任せたいかを書ける | 「AIで何かやりたい」で止まり形にならない |
| ② 出力の品質を判定できる人 | AIの回答が業務として正しいかを社内で判断できる | ハルシネーションを見抜けず誤運用が広がる |
| ③ 障害・変更に対処できる体制 | 動かなくなった時に切り分けと修正ができる | 数か月で放置され、社内で誰も触れなくなる |
① 業務要件を言語化できる人が社内にいるか
内製の起点は、コードではなく業務要件の言語化です。「議事録作成を月40時間→10時間に減らす」「営業提案書のドラフトを2時間→30分で出す」といった業務指標を数字で書ける人が社内にいて初めて、AIをどう組むかの議論が始まります。
ここは肩書きではなく個人依存の要素で、必ずしも情シスや若手エンジニアである必要はありません。むしろ業務の詰まりを日常的に感じている現場責任者が最適です。「AIで何かやりたい」の段階で止まっている会社は、この人物が特定できていない場合がほとんどです。
② AI出力の品質を判定できる人がいるか
見落とされがちなのがこの前提です。生成AIの出力を、業務として正しいかを判定する人が社内にいないと、内製したAIは「なんとなく動いているが誰も信用していない」状態になります。
ChatGPTのハルシネーション（もっともらしい嘘）を業務データで見抜けるか。RAG（検索拡張生成）で引いてきた社内文書が本当に該当箇所を参照しているか。この判定ができる人が社内に一人もいない場合、**「精度が出ているか分からないまま運用が形骸化する」**ルートに入ります。RAGを社内文書に適用するときの落とし穴はRAGとは何か — ChatGPTに自社データを使わせる仕組みで整理しました。
③ 障害と変更に対処できる体制があるか
3つ目は運用体制です。AIツールは動かなくなる、モデルが更新されて挙動が変わる、業務側の要件が変わる——この3つが必ず起きます。そのときに切り分けて修正できる社内体制がないと、内製したAIは**半年で「触れる人がいなくなる」**状態に陥ります。
IPAのDX動向2025でも、日本企業のDX推進人材は**85%超が「不足している」**と回答しており、単発の内製プロジェクトを完遂できても運用フェーズで止まる、というのが構造的な難所として繰り返し指摘されています。
3つの前提のうち、2つ以上が欠けている場合は、いきなり内製に踏み込むと高確率で止まります。この場合はまず外注で型を作り、運用フェーズで前提を揃えていく方が失敗コストが小さくなります。
外注が機能する条件と、丸投げにしないための3点
一方の外注も、単に「発注すれば動く」わけではありません。外注が機能するかどうかは、次の3点で決まります。
- 業務フローと困りごとが雑にでも言語化されているか（完璧なRFPは不要）
- 1次判断を早く返せる社内担当が1人いるか
- 納品時にナレッジ移管を含めた契約になっているか
特に3点目が抜けると、DXレポート2.2が指摘する**「低位安定」の再生産**にそのまま乗ってしまいます。作ったベンダーしか触れないシステムを、また同じベンダーに追加費用で頼み続ける構造です。納品時にどのファイルに何が書かれているか、変更したい時どこを触ればいいかまで含めた引き継ぎを契約に入れるだけで、外注の中身は大きく変わります。
発注前の準備の最小セットはAI開発を依頼するときに用意すべき3つの資料にまとめました。業務フロー・困りごとリスト・成功イメージの3点があれば、初回ミーティングの精度は桁違いに上がります。
現実解 — 「外注で型を作り、運用フェーズで内製化を増やす」ハイブリッド
中小機構が2026年3月に公表した中小企業のAI等の利活用に係る実態調査でも、中小企業のAI利活用は総務・管理部門を中心に緩やかに広がっていますが、専任の推進担当を置ける規模は限られる傾向が続いています。この現実を踏まえると、多くの中小企業に合う進め方は次のハイブリッドです。
- フェーズ1: 外注で「型」を作る（1〜3ヶ月）
- 業務要件の言語化を外部が伴走してドキュメント化
- 30〜100万円帯で最初の1業務をAI化
- 納品物は動くシステム＋変更ポイントの引き継ぎ資料
- フェーズ2: 運用で「触れる範囲」を社内に広げる（3〜6ヶ月）
- 日常運用は社内で回す（プロンプト調整・データ追加程度）
- 障害時と大きな変更のみ外部に相談
- 顧問契約や時間単位契約で外部の関与量を下げる
- フェーズ3: 業務横展開を内製で回す（6ヶ月〜）
- 型ができた業務と類似領域は社内で自力展開
- 外部の役割は判定と難所の突破に絞る
このモデルの本質は、「外注→内製」を一度で決めないことにあります。フェーズ1でナレッジ移管を丁寧にやると、フェーズ2以降で外部への依存量が自然に減っていく設計です。逆に、フェーズ1を「動くもの納品」だけで終わらせると、フェーズ2の時点で内製化は事実上不可能になります。
「AIに触れる社内人材をどこまで育てるか」で迷う段階の方は、生成AIの社内研修、何から始めるべきかで、全社リテラシー・役職別演習・業務適用の3層設計も整理しています。
新規事業の開発では同じ「発注」でも構造が別なので注意してください。仕様が固まっていない領域では、外注型は原理的に合いません。詳しくは外注では新規事業は成功しない — なぜパートナーが必要なのかで書いた通りで、業務AI導入と新規事業開発は判断軸が異なります。
Mewtonの場合 — 30〜100万円帯の外注に「引き継ぎ設計」を必ず含める
Mewtonでは、オーダーメイドAI開発を30〜100万円帯で受ける際に、納品時のナレッジ移管を最初の見積もりに含めています。具体的には次の4点です。
- 業務要件を書き下したドキュメント（次のフェーズで社内が改修できる粒度）
- どこを触ればどの挙動が変わるかの変更ポイント一覧
- プロンプトやテンプレの調整方法の説明資料
- 引き継ぎ後1ヶ月間のチャット相談枠
これは「作って渡して終わり」の形にしたくないという設計方針です。中小企業がAI導入で最終的に行き着く先は、外部への依存が薄い状態のはずで、そこに合わせて価格・工数を組んでいます。費用構造の詳細はオーダーメイドAI開発の費用が30〜100万円になる理由に開示しました。
運用フェーズ以降で「判断だけ外部に頼りたい」という段階の方には、月10万円のAI顧問という選択肢もあります。内製化を進めながら、要所で第三者の視点を借りる用途です。顧問と開発の使い分けはAI顧問とAIコンサルティングの違いで整理しました。
対象外もはっきり書きます。要件を「AIで何かやってほしい」の粒度でしか出せず、社内に判定する人もいない段階では、Mewtonからは開発着手を提案しません。この状態でいきなり開発に入ると、上で挙げた3前提のどれも欠けたまま走ることになるからです。この場合は、月10万円の顧問契約で3〜6ヶ月かけて「発注できる状態」を作るところから始めることをおすすめしています。
補助金の観点では、2026年度のデジタル化・AI導入補助金（中小企業基盤整備機構）で、外注費用の自己負担を大きく下げられる可能性があります。ただし補助金ありきで開発規模を歪めないことが大前提で、詳しくは中小企業のAI導入で使える補助金 — 2026年版・3制度の選び方と落とし穴で書きました。
初回1.5時間のヒアリング（原則無料）で、「3つの前提のうち何が揃っていて何が足りないか」の見立てから一緒に整理します。お問い合わせから「内製 vs 外注の相談」と一言添えていただければ、その形で対応します。
よくある質問
完全に内製できる中小企業の目安はありますか
従業員50人以上でエンジニアを2名以上採用でき、業務側の担当を1人アサインできる規模が、完全内製の現実的な下限です。それ未満の企業では、上で書いたハイブリッドの方が失敗率が下がります。「AI推進担当を置ける規模か」の判断軸はAI推進担当は専任か兼任かで整理しました。
生成AIツール（ChatGPT等）で内製すればコストゼロで済みませんか
ChatGPTやCopilotの導入だけで済む用途は確かにあります。ただ、業務に組み込む段階で必ずデータ・権限・監査ログの設計が発生するので、完全にコストゼロにはなりません。汎用ツールで届く範囲と、オーダーメイド開発が必要になる境界はChatGPTを導入したのに、なぜ業務に活きないのかで整理しました。
外注で情報漏えいが心配です
契約段階で入力データの学習利用禁止、保管期間、退社時のアクセス削除を明文化すれば、リスクは大幅に下げられます。生成AI経由の漏えいルートは3パターンに分解できるので、ChatGPTで情報漏えいが起きる3つのパターンで対策の質ごとに整理しました。
外注先の選び方で最も見るべき点は何ですか
「引き継ぎと運用移管をどう設計するか」を初回ミーティングで質問した時の反応です。ここに具体的な答えを持っている会社は、丸投げ前提の設計にはなりません。福岡でAI開発会社を選ぶ観点は福岡でAI開発会社を選ぶときに見るべき5つのポイントで書きました。
内製と外注で、補助金の使いやすさは違いますか
外注費用は補助金の対象になりやすい一方、内製の人件費は対象外になることが多いです。ただし、外注比率が高すぎると採択で不利になる制度もあるので、補助金ありきで内製・外注の比率を決めるのは避けたほうが安全です。事業計画上、必要な体制を先に決めてから補助金の枠に当てはめる順序が現実的です。