「比較・検討」で終わりにしない
多くの中小製造業がAIベンダー選定で踏んでいるステップは、「提案を聞く → 比較する → 選ぶ → 発注する」というものです。この流れ自体は間違っていませんが、「選ぶ」と「発注する」の間に必要な確認ステップが抜け落ちているケースが多くあります。
比較・検討の段階では、機能・価格・ベンダーの実績といった「何ができるか」の情報が中心になります。しかし正式発注を決める前には、「どこまでが契約範囲か」「費用はどんな条件で変わるか」「データは誰のものか」という踏み込んだ確認が必要です。この確認を省いたまま契約すると、後になって「聞いていた話と違う」という状況が起きます。
AIツールの類型やベンダーの選び方については製造業がAIツール・ベンダーを選ぶ視点で整理しています。この記事では、「選んだ後・発注する前」に行う確認に絞って解説します。
発注前に確認する5つの領域
① 発注範囲と納品物の定義
まず「何を納品してもらうか」を文書で明確にします。AIツールの導入プロジェクトで発生しやすいのは、「ツールの設定が終わったら完了」なのか「社員が使えるようになるまで対応する」のかが曖昧なまま進んでしまうことです。
確認すべき項目の例：
- ツールの設定・初期構築の範囲（データの取り込み・既存システムとの連携を含むか）
- 操作マニュアル・手順書の作成は含まれるか
- 社員向けの研修・レクチャーは含まれるか、あるとすれば何回か
- 検収（完成確認）の条件は何か
これらが提案書に明記されていない場合、発注前に書面での確認を求めます。「言った・言わない」になりやすい部分なので、メールや書類への記録を残します。
② 費用体系と追加費用の条件
提案書に出ている金額が「すべての費用か」を確認します。AIツール・システムの費用構造は複雑で、初期費用・月額ライセンス・ユーザー数に応じた従量課金・データ容量に応じた追加費用・保守費用が別建てになっていることがあります。
確認すべき項目の例：
- 月額・年額費用に含まれる内容とそうでない内容の区別
- ユーザー数が増えた場合・データ量が増えた場合の費用変化
- カスタマイズ・追加機能の要望が発生したときの費用の仕組み（都度見積か・追加月額か）
- 価格改定の条件（契約期間中に値上げが起きる条件）
「最初の提案金額は試用期間のもので、本導入では別途費用が発生する」という構造になっている場合があります。複数年の費用の試算を提示してもらい、総費用で判断します。費用対効果の見積もり方はAI導入の費用対効果(ROI)を、現場の言葉で見積もるも参考になります。
③ データの取り扱いと所有権
図面・仕様書・顧客情報・生産データを入力するツールでは、入力したデータの扱いが契約上どう定められているかを確認します。特に製造業では、図面や仕様書がそのままサービス改善や他社向けモデルの学習データに使われることを避ける必要があります。
確認すべき項目の例：
- 入力データはAIの学習・サービス改善に使われるか（使われない場合は契約書や規約で明記されているか）
- データの保管場所（国内か・海外か・クラウドのリージョン）
- 万が一データ漏洩が起きた場合の責任の所在と連絡フロー
- 契約終了時にデータを削除してもらう手続きの有無
規約の該当箇所を確認したうえで、不明な点は書面で問い合わせます。情報セキュリティのルール整備については生成AIを現場で安全に使う社内ルールの作り方もあわせて参照してください。
④ サポート・保守の範囲と体制
導入後にツールが期待通りに動かない・使い方が分からない場面は必ず発生します。問い合わせへの対応がメールのみか・電話対応があるか・対応時間はどこまでかは、現場での使用継続に直結します。
確認すべき項目の例：
- 問い合わせの窓口と対応手段（メール・チャット・電話）
- 応答時間の目安（翌営業日か・24時間以内か）
- バグ・不具合発生時の対応フロー
- ツールのバージョンアップ・機能更新の通知と対応（費用が発生するか）
- 担当者が変わった場合の引き継ぎ体制
地方の中小製造業では、オンサイト（現地訪問）での対応が可能かどうかも確認に値します。遠隔対応のみのベンダーでは、現場への定着が難しい場面があります。
⑤ 解約条件と移行のしやすさ
契約時に解約の条件を確認することは、入口から出口を考える姿勢であり、リスク管理の基本です。「使い続けてみたが合わなかった」「別のツールのほうが良かった」となったとき、スムーズに移行できるかどうかは事前に決まっています。
確認すべき項目の例：
- 解約通知の期間（何ヶ月前の通知が必要か）
- 契約期間中の途中解約ができるか・違約金の有無
- 解約後にデータを取り出せる形式（CSV・PDF など）と取り出し可能な期間
- ベンダー側の都合でサービスが終了した場合の補償内容
「ベンダーロックイン」──特定のベンダーのシステムへの依存度が高くなりすぎて乗り換えが難しくなる状況──を避けるために、データのポータビリティ（持ち出しやすさ）は必ず確認します。
確認の場を設けること自体がベンダーの誠実さを測る機会になる
上記の5領域は、提案書を受け取った後に「追加で確認させてください」と場を設けて確認します。この確認に対してベンダーがどう対応するかは、それ自体がベンダーの誠実さを測る機会です。
具体的な確認が取れない・「契約してから詳細を詰めましょう」という対応をされる場合は、慎重に判断します。誠実なベンダーは、発注前の確認に対して明確に答えられます。また、自社の課題に対してツールや開発の効果が見込めない場合には、その旨をはっきり伝えられるベンダーかどうかが、長く付き合える相手かどうかの判断基準になります。
製造業の現場で発注前確認が重要な理由
AIベンダーへの発注前確認は、IT業界では一般的な購買プロセスです。しかし製造業の中小企業、特に長野・諏訪・岡谷の現場では、「AIツールを買う経験がほとんどない」まま提案を受けるケースが多くあります。
汎用の調達手続きは存在しても、AI特有の論点──学習データの扱い・AIの事実誤認（ハルシネーション）への対処・モデルのバージョンアップに伴う挙動の変化──については、製造業向けの整理が必要です。このチェックリストは、そうした現場での確認を実行しやすくするために整理したものです。
現在特定のベンダーとの交渉や提案書の確認を進めている段階であれば、具体的な内容について一緒に整理します。