比べる順番：精度は最後に見る
AIベンダーの比較で最初に精度の数字を見ると、判断を誤りやすくなります。提案書の精度は、ベンダーが選んだデータと条件で測ったもので、自社の工程での精度を保証しないからです。製造業のAIベンダーは、次の順番で比べます。
- 製造データを扱った経験があるか（自社と似た工程・設備・データか）
- 本番運用まで支える体制があるか（PoCで終わらないか）
- データとモデルを誰がどう持つか（契約後に動けなくならないか）
- そのうえで、自社のデータで測った精度はどうか
この順番にするのは、1〜3で問題がある場合、精度が高くても本番で使えないか、使い続けられないからです。
比較すべき8項目
| # | 項目 | 確認する質問 | 見るべき証拠 |
|---|---|---|---|
| 1 | 製造データの経験 | 自社と同じ工程・設備・データ種類の案件をいくつ本番化したか | 本番稼働中の事例（PoC件数ではなく） |
| 2 | 撮像・センシングの知見 | カメラ・照明・センサの選定から支援できるか | 撮像条件の検証手順、提携先 |
| 3 | 既存システムとの連携 | MES・PLC・ERPとどうつなぐか、実績はあるか | 連携方式の説明、対応プロトコル |
| 4 | 運用・保守体制 | 精度劣化、品種追加、障害時に誰が何日で対応するか | 保守契約の範囲、対応時間、再学習の手順 |
| 5 | データとモデルの扱い | 学習データ・学習済みモデルの権利、再学習の権限、契約終了時の扱い | 契約書の条項 |
| 6 | セキュリティ | データをどこに置き、工場ネットワークとどうつなぐか | 構成図、クラウドの所在地 |
| 7 | 費用の構造 | 初期・年間・横展開時の費用、追加費用が発生する条件 | 見積書の前提条件 |
| 8 | 自社データでの精度 | 自社の評価データで、運用する閾値での見逃し率・過検出率 | PoCの結果 |
特に5のデータとモデルの扱いは、契約後に変えるのが難しい項目です。学習に使った画像や、それで作ったモデルを契約終了時に持ち出せない契約だと、ベンダーを変えるときにデータ集めから作り直すことになります。契約の論点はAI開発契約で詳しく扱っています。
事業継続性も比べる：AIベンダーは事業の軸を変えることがある
AIの分野は変化が速く、ベンダーが数年で事業の重心を移すことがあります。欧米の例では、外観検査のLandingAIは2026年時点で公式サイトの主軸を文書抽出に移し、製造業向けのLandingLensはサイトのトップから消えています。予知保全のSenseyeはSiemensに統合され、旧サイトはSiemensの製品ページに転送されています。
このような変化は、買収で製品が大手の中に入って続く場合もあれば、提供が縮小する場合もあります。5年以上使う前提のシステムでは、次の点を確認します。
- 製造業向けの売上や顧客数が、そのベンダーの事業の中でどれくらいの比重か
- 資金調達の状況や親会社の方針（スタートアップの場合）
- 提供が終了した場合に、データとモデルを引き取って他で動かせるか
3つ目が確保できていれば、ベンダーの事業が変わっても自社の損失を小さくできます。データとモデルの持ち方の原則はAIのベンダーロックインを避けるで整理しています。
提案書を見比べる実務の手順
- 同じ条件で提案を集める：課題、対象工程、データの現状、評価方法を書いたRFP（提案依頼書）を出し、各社に同じ前提で提案してもらいます。前提が違う提案は比べられません（書き方はAI開発のRFPの書き方）。
- 足切りの3項目を確認する：製造データの経験、運用体制、データとモデルの権利の3つで、条件を満たさない候補を外します。
- 費用を3年総額で比べる：初期費用の安さだけで比べず、年間の運用費、品種追加やライン追加の費用を含めた3年総額で比べます。
- 自社データで比較PoCをする：残った2社程度に、同じ評価データでPoCをしてもらい、運用する閾値での見逃し率・過検出率と、品種追加の手間を比べます。
「買う」か「作る」かの前提も確認する
ベンダーを選ぶ前に、そもそも外部から買うか、社内で作るかの判断があります。MIT NANDAの報告（2025年8月、Fortune報道）では、生成AIのパイロットについて、専門ベンダーからの購入・提携の成功率が約67%、内製は約3分の1でした。一方、McKinseyの「The state of AI in 2026」では、32%がAIのコーディングツールで内製できたためソフトの購入を見送った経験があると答えています。どちらが有利かは用途と社内体制で変わります。判断の基準はAIは内製か外注かで扱います。
よくある質問
大手SIerとAIスタートアップ、どちらを選ぶべきですか？
提案時の精度の数字はどこまで信用できますか？
ベンダーが選んだデータと条件での値なので、自社の工程での精度とは別物と考えてください。どのデータで、どの閾値で、見逃し率と過検出率がいくつだったかを確認し、最終的には自社の評価データで比べます。
1社だけに提案を頼むのはよくないですか？
比較対象がないと、費用や体制が妥当かを判断できません。少なくとも2〜3社から同じ条件で提案を受けることをおすすめします。既存の取引先に頼む場合でも、比較用に別の1社から提案を受けると交渉の材料になります。
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。
