AI活用開発

弊社の立ち位置を先にお伝えします。弊社は既製の生成AIをAPI経由で呼び出し、プロダクトの機能として組み込む開発会社です。モデルを自社で学習させたり、検索や生成の精度そのものを研究開発として高めたりする領域は専門ではありません。

この前提のうえで、できることは具体的です。問い合わせへの一次回答、文書や会話の要約、申請や投稿の分類と振り分け、入力補助、下書き生成。価値の差はモデルではなくその周りの設計で決まります。どこまでAIに任せ人がどこを確認するか、外したときに何を返すか、利用が増えたとき費用がどう動くか。弊社が時間をかけるのはそこです（「ただのAPIラッパー」と言われないために）。

プロダクトへの組み込みとは別に、弊社自身の開発工程でも生成AIを使っています。設計書の下書き、コード生成とレビュー、テスト作成にAIを組み込み、同じ予算で作れる量を増やします。生成物は必ず人がレビューし、テストを通してから納品します（生成AIを開発工程に組み込む）。

こんなお悩みに

• ✓「AIを使え」と言われているが、自社の課題がAI向きなのか判断がつかない
• ✓問い合わせ対応や要約・仕分けなど、人手に頼っている作業をAIで減らしたい
• ✓試作では動いたが、誤答時の扱い・費用の上限・監視が未設計で本番に出せない
• ✓個人情報や機密情報をどこまで外部に送ってよいか判断できない

ご提供内容

AI適用の可否判断メモ

課題ごとに、AIで解くもの・ルールベースで足りるもの・人が担うものに仕分けた文書です。件数が少ない、基準を明文化できる、間違いが許されないといった場合は、AIを使わない設計をご提案します（AIとルールベースの使い分け、使わない方がいい業務）。

評価データと精度の測定結果

業務データに近い評価用データ一式と、正答率・外し方の傾向をまとめた結果です。「だいたい合っている」ではなく、どの入力で外れるかが分かる形にします（精度をどう評価するか）。

AI機能を組み込んだプロダクト

チャット、要約、分類、入力補助などを実装した本番稼働可能なシステムです。答えられないときの代替動作、出力をそのまま表示しない処理、待ち時間の見せ方まで作り込みます（AIが答えられないときの設計）。

費用の試算と運用ルール

開発費とは別に、AIの利用量に応じた従量課金が毎月かかります。月額の試算と上限を超えたときに止める仕組み、外部に送ってよいデータの線引き、人が確認する範囲、プロンプトの更新手順をまとめます（AI機能のコスト試算シート、AI導入前のリスク確認シート）。

進め方

1. 01

   課題の見極めと期待値の調整

   解きたい課題と期待する成果を伺い、AIの適用が妥当かを判断します。社内で先に整理するならAI活用の用途整理シートをお使いください。

2. 02

   合格ラインを決めてからPoC

   「精度がどこまでなら本番化するか」「外れたときどう扱えば許容できるか」を先に決めてから、実データに近い条件で小さく試します。ここを決めずに試作すると、判断できないまま時間が過ぎます（AI機能のPoC確認シート）。

3. 03

   本番設計と実装

   入力の検証、出力の後処理、失敗時の代替手段、費用の上限、処理の非同期化を設計し、MVPとして実装します。個人情報の扱いはセキュリティとプライバシーに沿って設計します。

4. 04

   段階的に出して、運用しながら育てる

   全ユーザーに一斉に出さず、社内や一部のユーザーから始め、誤答の実例を集めてから広げます。リリース後も出力の品質と費用を確認し続け、プロンプトや前後の処理を調整します（AI機能の品質をどう見張るか、AI利用料が膨らまない設計）。

よくあるご質問

関連用語: API、MVP、CI/CD

監修: フィリット・コンサルティング株式会社公開 2026.09.13 / 更新 2026.09.17