AI開発費用は、見積もりの総額だけを並べても比べられません。多くの記事が示す相場には、最初に作る費用、毎月動かす費用、リリース後に精度を保つ人の費用という3つが混ざっているからです。この記事では3つを分け、それぞれが何で決まるかを説明します。後半では、公的な統計をもとに、AI人材の人件費を日本とベトナムで比べます。MOHAは料金を公開していないため、記事中の金額はすべて公開資料の市場データです。
相場の幅が広いのは、作るものが違うから
AI開発費用を調べると、数十万円から数千万円までの相場が並びます。同じ「AIチャットボット」でも、作る範囲は大きく違います。社内のよくある質問に答えるだけのものもあれば、顧客情報を参照して予約を受け付け、難しい問い合わせを担当者に引き継ぐものもあります。後者には、権限の管理、操作の記録、連携先ごとの試験が加わります。
相場の差は、主に次の三点から生まれます。
- AIが触れるシステムの範囲。データを読むだけか、書き込みまで行うか
- 求める精度と、合否を誰が判断するか
- 見積もりに、リリース後の運用費と体制費が含まれているか
AI開発費用は開発・運用・体制の3つに分かれる

開発費は、AIを本番で使える状態にするまでの費用で、次の作業が含まれます。
- 要件の整理と、AIに任せる範囲の決定
- データの準備
- 方式の選定
- 既存システムとの連携
- 評価とセキュリティ対策
基本的に一度だけ払いますが、対象業務やモデルを大きく変えると、もう一度発生します。
運用費は、本番で動かしている間、毎月かかる費用です。モデルのAPI利用料またはGPUサーバー、検索用のデータベース、ログと監視が含まれます。利用が増えるほど上がるため、社内でよく使われるほど運用費も増えます。
体制費は、リリース後もAIを使える状態に保つ人の費用です。モデルの版は変わり、社内の文書は更新され、利用者は試験していない質問をします。評価をやり直し、外れた回答を直し、毎月の利用料を確認する担当者が必要です。数年単位で見ると3つの中でいちばん大きくなりやすく、最初の見積もりから抜けやすい費用でもあります。
開発費を決める4つの要素
データの準備
開発費を大きく左右するのは、モデルよりもデータです。整理された最新の文書を検索して答えるアシスタントなら、すぐに着手できます。元の資料が十年分のスキャンPDFで、重複があり、管理者も決まっていない場合は事情が違います。文字の読み取りと資料の整理、どの版を正とするかの判断が先に必要です。MOHAは見積もりの最初に、データ準備の工数を出します。ほかの作業の下限がそこで決まるからです。
方式の選び方
作り方は大きく4段階あり、上の段階ほど開発費も保守の手間も増えます。
- 提供されているモデルをAPIで呼び出し、プロンプトを設計する
- 社内文書を検索して答えさせる(RAG)。索引づくりと、文書の更新に追従する仕組みが加わる
- 自社のデータで追加学習(ファインチューニング)する。学習データの準備と、版ごとの比較が加わる
- 独自のモデルを作る。大量の独自データを持つ画像認識や需要予測など、用途は限られる
業務システムの多くは、1か2で足ります。2を選ぶ場合は、社内の文書が更新されるたびに索引を作り直す作業が続くので、その手間も運用費と体制費に入れておきます。精度の目標を満たす一番下の段階から始め、評価の結果を見て、必要なときだけ上の段階に進めば、費用を抑えられます。

既存システムとの連携
質問に答えるだけのAIと、チケットの起票や受注データの更新まで行うAIエージェントとでは、開発の中身が変わります。エージェントには、次の仕組みが要ります。
- どの操作をAIに許すかという権限の設計
- 失敗したときのやり直し
- 操作の記録
- 危険な操作の前に人が承認する仕組み
つなぐシステムが1つ増えるごとに、設計と試験とセキュリティ確認の工数も増えます。設計の考え方はAIエージェント開発の進め方で詳しく説明しています。
評価とセキュリティ
デモでそれらしく動いた段階では、まだ試験をしていません。正解の分かっている質問、記入項目の分かっている書類、意図の分かっている会話を集めた評価用データが要ります。たとえば請求書の読み取りなら、取引先名、金額、支払期日が分かっている過去の請求書を集め、AIの読み取り結果と突き合わせて正解率を測ります。これを作るには業務を知る社員の時間がかかるため、発注側にも費用が発生します。
社内データを読ませたり、AIに操作をさせたりする場合は、セキュリティの作業も加わります。OWASPのLLMアプリケーション向けTop 10は、プロンプトインジェクションや機密情報の漏えいを主なリスクに挙げています。国内では、経済産業省と総務省のAI事業者ガイドラインが、AIを開発・提供・利用する事業者の取り組みを整理しています。顧客と直接やり取りするAIでは、こうした対策の工数も開発費に含めて考えます。
運用費はトークンの量で決まる
提供されているモデルを使う場合、運用費の中心はAPIの利用料です。OpenAIのAPI料金表では、料金は100万トークン単位で決まり、出力のトークンは入力より数倍高く、キャッシュされた入力は通常の入力よりかなり安く設定されています。予算を組むときは、次の三点を押さえておきます。
- 長いプロンプトは、呼び出すたびに費用がかかる。毎回20件の文書を読み込ませる仕組みは、毎回20件分を払う
- 回答が長いほど費用が増える。料金が高いのは出力側である
- 毎回同じ指示文のように繰り返し送る部分はキャッシュでき、利用量が多いほど差が出る
月々の利用料は、見積もりの段階でおおよそ試算できます。社内向けのアシスタントなら、利用者の数、1人が1日に使う回数、営業日数を掛けると、1か月の呼び出し回数が出ます。そこに、1回あたりの入力と出力のトークン数と、モデルの単価を掛けます。試算に使った前提を見積書に書いておくと、リリース後に利用料が想定と違ったとき、どの前提がずれたのかをすぐに確かめられます。
モデルの選び方でも費用は変わります。分類や項目の抽出なら、小さなモデルでも大きなモデルと同じ程度にこなせることが多く、料金はずっと低く済みます。簡単な処理は安いモデルに任せ、難しい処理だけを高いモデルに振り分ける構成もよく使われます。
モデル以外にも、サーバー、検索用データベース、ログ、監視、バックアップといった、通常のシステムと同じ運用費がかかります。保守・運用費の考え方はシステム運用・保守費用の日越比較にまとめています。
体制費:日本とベトナムのAI人材の人件費
AI開発でいちばん大きいのは人の費用です。これは開発中とリリース後のどちらでも同じです。そのため、どこのチームが担うかによって、モデルの選び方以上に総額が変わります。
公開されている統計(市場データ、給与のみ)を見ます。
日本では、厚生労働省の職業情報提供サイト(job tag)によると、データサイエンティストの賃金(年収)は全国で611.9万円です。厚生労働省が毎年行う賃金の統計調査(令和7年)をもとにした数値です。
ベトナムについては、ITviecのIT Salary & Recruitment Market Report 2025-2026が参考になります。データアナリスト・データサイエンティストの月給は4,065万ドン、経験3〜4年のデータエンジニアは5,690万ドンです。回答者は1,839人です。
通貨がそろっていないため、同じ調査で両国を比べられるデータも確認します。ジェトロの2024年度アジア大洋州・日本投資関連コスト比較調査では、中堅技術者の月額基本給がハノイで520米ドル、横浜で2,878米ドルでした。ハノイは横浜の約18%です。IT職種に限った数字ではないので、水準の目安として見てください。

この比率が、そのまま開発会社の料金の差になるわけではありません。比べているのは給与で、開発会社の料金には社会保険、PMやQA、設備、採用、管理費が含まれます。国内で採用する場合も、給与のほかに採用費と、AI人材が見つかるまでの時間がかかります。国内開発とベトナムオフショアの費用の差は、為替の影響も含めてシステム開発費用の比較|国内開発とベトナムオフショアで説明しています。それでも、同じAIシステムをベトナムのチームで作り、保守すると費用を抑えやすいのは、この人件費の差があるからです。
体制費には、発注側の社員の時間も含まれます。AIの回答の合否を決める業務の責任者、評価用データを作る担当者、利用者からの問い合わせを受ける窓口は、委託先に任せられない役割です。開発会社に払う費用だけで予算を組むと、この社内の工数が見えなくなります。
見積書で確かめたい6つの点
AI開発の見積書を受け取ったら、総額の前に次の点を確かめてください。
- データの前提。どのデータが、どんな状態でそろっている前提か。前提が違えば、あとで変更の対象になる
- 方式。API、RAG、追加学習のどれを選び、その理由は何か
- 評価。評価用データを誰が作り、何件で、どの水準を満たせば完了とするか
- 連携。どのシステムを読み書きするか。権限の設計と操作の記録は含まれているか
- 運用費の試算。想定する利用量で、毎月のAPI利用料とサーバー費が示されているか
- リリース後の体制。モデルの版が変わったとき、誰が評価をやり直し、その作業をどう請求するか
生成AIの委託範囲の決め方は、生成AI開発の委託先にベトナムを選ぶ進め方で取り上げています。
MOHAのAI開発の体制
MOHAは、ハノイの開発チームでAIシステムを開発しています。契約と窓口は横浜・みなとみらいの日本法人が担当し、日本とベトナムの時差は2時間です。リリース後の改善を同じチームで続ける場合は、ベトナムオフショア開発(ODC)の専属チームで担当します。ラボ型開発の場合、指揮命令はMOHA側のPMとブリッジSEを通じて行います。
開発工程には、自社で作ったAIツールを組み込んでいます。要件定義書を分析するSpecLensで上流工程の抜け漏れを防ぎ、Design Checklistで設計チェックリストとテストケースを自動で作ります。公開している導入事例には、行政機関向けのAIチャットボット、工場のリスク管理AI、AIによる請求書読み取りアプリがあります。
対象業務の整理から本番運用までの支援内容は、AIコンサルティング・AI開発のページでご紹介しています。
よくある質問
APIのモデルを使うのと、自社でモデルを作るのとでは、どちらが安いですか
多くの業務用途では、APIのモデルのほうが安く済みます。モデルそのものを作る費用がほとんどかからず、使った分だけ払うためです。自社でモデルを作るのは、大量の独自データがあり、汎用のモデルでは精度が出ない場合や、データを社外に出せない場合です。その場合でも、公開されているモデルを自社のクラウドで動かすほうが、一から学習させるより費用を抑えられることが多くあります。
リリース後に毎月の費用が増えるのはなぜですか
原因の多くは、利用の増加、プロンプトの長さ、回答の長さのどれかです。1回あたりのトークン数と、料金の高いモデルに振り分けられている処理の割合を確認します。繰り返し送る部分のキャッシュと、簡単な処理を小さなモデルに振り分ける構成の2つが、費用を下げるうえで効果の大きい対策です。
精度が読めない段階では、予算をどう組めばよいですか
最初の工程で、実際のデータを使って最小限の版を作り、評価用データで精度を測ります。その結果から本開発に必要な方式が決まるため、残りの見積もりの精度が上がります。
ご相談ください
AIに任せたい業務と、使えそうなデータが分かっていれば、費用の相談を始められます。対象業務がまだ絞れていない段階でも構いません。お問い合わせ・ご相談からご連絡ください。