はじめに
「AIを導入したい。まずRFP（提案依頼書）を作ろう」——この発想は、従来のシステム開発なら正しかったですが、AIプロジェクトでは失敗の入口になりかねません。
従来のRFP方式は「要件を事前に確定し、それを正確に実装する」ウォーターフォール型の開発に最適化されています。しかしAIプロジェクトは「やってみないと分からない」要素が本質的に多く、事前に要件を固定するRFP方式とは相性が悪いのです。
この記事では、RFP方式がAIに合わない具体的な理由と、中小企業に適したアジャイル型の新しい発注方式を提案します。
RFP方式がAIに合わない3つの理由
理由1: AIの精度は「やってみないと分からない」
従来のシステム開発では、「入力→処理→出力」のロジックを事前に100%設計できます。RFPに「処理A → 結果B」と書けば、開発者はその通りに実装可能です。
しかしAIは違います。AIの精度はデータの質と量に大きく依存し、実際のデータで試すまでどの程度の精度が出るか予測できません。
RFPに「精度95%以上を保証してください」と書いても、ベンダーは以下の2つの対応しかできません:
- 対応A: リスクを織り込んだ高額見積もりを出す（本来の費用の1.5〜2倍）
- 対応B: 「95%は保証できないので辞退します」と撤退する
どちらの結果も、発注者にとって良い状況ではありません。
理由2: 要件が使いながら変わる
AIを実際に使い始めると、「こういう機能も欲しい」「この精度では使えない」「想定していなかったこんな使い方ができるのでは」と要件が変化します。これはAIプロジェクトの「当然の性質」であり、避けられません。
RFPで要件を固定すると:
- 要件変更のたびに追加費用と追加期間が発生
- ベンダーは「RFPにない要件は対応外」と主張（契約上は正しい）
- 結果として、本当に必要なものが作られない
理由3: 正確な見積もりが困難
AIプロジェクトは不確実性が高く、開始前の時点で正確な見積もりを出すことが構造的に困難です。
| 項目 | 従来のシステム開発 | AIプロジェクト |
|---|---|---|
| 要件の確定度 | 90%以上 | 50〜60% |
| 見積もりの精度 | ±20%以内 | ±50%以上のブレ |
| 開発期間の予測 | 比較的正確 | 不確実 |
| 追加費用の発生 | 少ない | 頻繁に発生 |
RFPで「○○万円以内で」と予算を固定すると、ベンダーはリスクを上乗せした高額見積もりか、品質を犠牲にした低予算提案のいずれかを出さざるを得なくなります。
RFP方式で失敗した典型的なケース
ケース1: 大手ベンダーへの500万円の発注
ある中小企業がRFPを作成し、大手ベンダーにAIチャットボットの開発を500万円で発注。6ヶ月後に完成したが、現場のニーズとずれており「使いにくい」と拒否される。改修にさらに200万円を追加。結局700万円を投じたが、効果は限定的。
ケース2: 精度保証を求めたケース
RFPに「精度90%以上を保証」と記載。ベンダーは受注したものの、実際のデータで精度70%しか出ない。ベンダーは「データの品質が原因」と主張し、発注者は「保証したはず」と主張。責任の押し付け合いが発生し、プロジェクトが頓挫。
新しい発注方式: アジャイル型の3フェーズ
AIプロジェクトに最適な発注方式は、フェーズごとに効果を検証しながら段階的に投資するアジャイル型です。
Phase 1: PoC（概念実証）
| 項目 | 内容 |
|---|---|
| 目的 | AIの効果を小規模に検証 |
| 期間 | 1〜2ヶ月 |
| 費用 | 30万〜100万円 |
| 成果物 | 効果検証レポート（精度、削減時間、ユーザーの反応） |
| Go/No-Go | 効果が確認できたらPhase 2へ。できなければ終了 |
PoCのポイント: PoCの目的は「完璧なAIを作ること」ではなく、「このAIに投資する価値があるかを判断すること」。精度60%でも「改善の余地がある」と判断できれば、PoCは成功です。
Phase 2: パイロット（実証運用）
| 項目 | 内容 |
|---|---|
| 目的 | 本番に近い環境で実用性を検証 |
| 期間 | 2〜3ヶ月 |
| 費用 | 100万〜200万円 |
| 成果物 | 本番導入の設計書、運用マニュアル |
| Go/No-Go | 実用的な効果が確認できたらPhase 3へ |
PoCの結果を踏まえて精度を改善し、一部の業務で本番データを使って運用テストします。
Phase 3: 本番導入
| 項目 | 内容 |
|---|---|
| 目的 | 全面展開と効果の最大化 |
| 期間 | 1〜3ヶ月 |
| 費用 | 100万〜300万円 |
| 成果物 | 本番稼働のAIシステム |
この段階ではPoCとパイロットで要件が固まっているため、スムーズに導入できます。
RFP方式 vs アジャイル方式の比較
| 比較項目 | RFP方式 | アジャイル方式 |
|---|---|---|
| 初期投資 | 300万〜1,000万円 | 30万〜100万円（PoC） |
| 全額損失のリスク | 高い | 低い（PoCの費用のみ） |
| 柔軟性 | 低い | 高い |
| 効果検証のタイミング | 完成後（6ヶ月〜1年後） | Phase 1終了後（1〜2ヶ月後） |
| 要件変更への対応 | 困難（追加費用が発生） | 想定内（フェーズ間で調整） |
| 最終的な品質 | 要件通り（だがニーズとずれる可能性） | ニーズに合ったものが出来上がる |
アジャイル方式で発注する際のポイント
ポイント1: 各フェーズの成果指標を事前に合意
フェーズごとの成功基準（例：「PoC後に精度80%以上」「パイロット後にユーザー満足度70%以上」）を事前に合意します。
ポイント2: フェーズ間のGo/No-Go判断を明確に
Phase 1で効果が出なければ、Phase 2に進まない権利を明確に契約に盛り込みます。これにより、PoC費用以上の損失リスクをゼロにできます。
ポイント3: コミュニケーション頻度を高く
週1回の進捗ミーティングを設定し、ベンダーと密にコミュニケーション。要件の変更やフィードバックをリアルタイムで反映。
ポイント4: 「RFP」の代わりに「課題定義書」を作る
RFPの代わりに、以下の内容を記載した「課題定義書」を作成します。
| 記載項目 | 内容 |
|---|---|
| 解決したい課題 | 「月間200件の問い合わせ対応に月40時間かかっている」 |
| 期待する効果 | 「対応時間を50%削減したい」 |
| 利用可能なデータ | 「過去1年分のFAQデータ、問い合わせログ」 |
| 予算の目安 | 「PoC: 50万円以内、全体: 200万円以内」 |
| 期間の目安 | 「PoC: 1ヶ月、全体: 6ヶ月以内」 |
記載しないもの: 技術要件、システム仕様、精度保証——これらは「やってみないと分からない」ため、課題定義書には含めません。
まとめ
AIプロジェクトの発注は「小さく、早く、試して判断」がベスト。RFPで大きく始めるよりも、PoCで効果を確認してから段階的に拡大する方が、リスクは10分の1、成功率は2倍です。
「まずRFPを作ろう」ではなく、「まず課題を定義して、PoCから始めよう」——これがAIプロジェクトの正しい発注方式です。
📩 AIプロジェクトの進め方について相談したい方へ
ProductXでは、AI DXに関する無料相談を承っています。課題定義からPoC設計まで、お気軽にご相談ください。
💡 関連記事: AI DXパートナーの正しい選び方 / AI導入の費用相場｜中小企業が知っておくべき価格帯 / 「AI導入の間違った始め方」5パターン / AI DXとは？