内製か外注かは「作業ごと」に決める
AI導入の作業は、課題設定、データ整備、モデル開発、システム連携、運用・再学習に分けられます。内製か外注かは、プロジェクト全体ではなく、この作業ごとに決めます。
| 作業 | 内製寄りにする理由 | 外注しやすい理由 |
|---|---|---|
| 課題設定・効果の定義 | 自社の業務とKPIを知っているのは自社だけ | ― |
| データ整備（判定基準、不良コード、マスタ） | 品質基準や工程の知識が要る。整備したデータは他のテーマにも使える | 作業量が多い部分は支援を受けられる |
| モデル開発 | 競争力の源泉に近い用途では、ノウハウを社内に残したい | 手法の選定と実装は専門性が高く、外部の経験が生きる |
| システム連携（MES、設備） | 自社のシステム構成を知っている | 連携の実装は SIer の得意領域 |
| 運用・再学習 | 毎回外注すると費用と時間がかかる | 監視基盤の構築は外部に任せられる |
課題設定とデータ整備は、外注しても結局は自社の人が判断を求められる作業です。ここを丸投げすると、ベンダーは推測で進めるしかなく、PoCの結論が出にくくなります。逆にモデル開発は、外部の経験が最も生きる作業です。
判断の4つの基準
作業ごとに迷ったときは、次の4つの基準で判断します。
- 競争力の源泉に近いか。自社の工法や品質の差別化にかかわるAIは、ノウハウを社内に残すため内製寄りにする
- 繰り返し発生するか。再学習や品種追加のように何度も起きる作業は、内製しないと費用と時間が積み上がる
- 既製品があるか（候補の探し方はベンダーの選び方を参照）。汎用的な外観検査やAI-OCRのように製品が成熟している用途は、作るより買うほうが速い（パッケージかスクラッチかを参照）
- 社内に担い手がいるか、育てられるか。いない場合は、外部の支援を受けながら育てる中間モデルを選ぶ
完全内製と丸投げの間にある3つの中間モデル
① 分担型：データは自社、モデルは外部
課題設定とデータ整備を自社で行い、モデル開発と実装を外部に任せます。最も多い形で、発注側に判定基準や不良コードを整備する力があれば、外部の専門性を効率よく使えます。成果物（学習済みモデル、学習データ、コード）の権利と引き渡しを契約で明確にしておかないと、再学習のたびに同じベンダーに頼るしかなくなります。
② 伴走型（FDE型）：外部が現場に入って共同で進める
外部のエンジニアが顧客の現場に入り、データ整備や知識の抽出から一緒に進める形です。FDE（Forward Deployed Engineer）と呼ばれ、国内でも広がっています。日立は顧客の現場に入るFDEを置いてデータ整備と知識抽出を行っており（ITmedia ビジネス、2026年9月18日）、富士通も2026年9月、コンサルティングとFDEによる伴走を打ち出しました。エイシングも製造業向けに「AI導入伴走サービス（FDE型）」を掲げています（いずれも同社発表）。社内に担い手が少ない段階で、進めながら人を育てたい場合に向きます。
③ 内製化支援型：ツールと教育で社内が作る
ノーコードのAIツールや研修を使い、社内の生産技術者や品質担当がモデルを作ります。外観検査では、AIモデルを自社で作れることを打ち出す製品もあります。繰り返し発生する品種追加や再学習を社内で回せるのが利点ですが、ツールでは扱えない難しい課題に当たったときの相談先を確保しておく必要があります。人材の育て方はAI人材の育成で扱っています。
海外調査が示す「買う」と「作る」の差
MIT NANDAが2025年8月に公表した生成AIの企業導入に関する報告書では、専門ベンダーからの購入・提携の成功率が約67%だったのに対し、内製の成功率は約3分の1にとどまったとされます（Fortune、2025年8月18日）。一方、McKinseyが2026年8月に公表した調査では、32%がエージェント型コーディングツールで内製できたためにソフトの購入を見送った経験があると答えています。
2つの調査は対象も設問も違い、製造現場のAIに限った数字でもありません。読み取れるのは、内製か外注かの優劣は一律に決まらず、作るツールが安くなるほど「何を自社に残すか」の判断が重要になるということです。
よくある質問
中小製造業でも内製できますか
専任のデータサイエンティストを置くのは難しくても、既製ツールを使った③内製化支援型なら可能な場合があります。課題設定とデータ整備は規模にかかわらず自社で担う部分です。
伴走型は一般の受託開発より高くなりますか
現場に入る工数がかかるため、単価は高くなる傾向があります。ただし発注側の工数が減り、社内に人が育つため、総額と効果で比べてください。
外注先を途中で変えることはできますか
学習済みモデル、学習データ、コード、評価データの権利と引き渡しが契約で決まっていれば可能です。契約前に確認しておかないと、乗り換え時に作り直しになります。
この記事に出てくる用語
この記事を書いた人
DELMIA Apriso を中核とした MES / 製造DX の導入・運用・人材育成と、製造業向けAIの調査・開発・教育を手がけるITコンサルティング企業。ISO 9001:2015 / ISO 27001:2022 認証取得。 日本・中国・米国で製造業のMES・データ基盤・AI導入を手がけた実務者が、欧米・中国の一次情報にあたって書いています。
