「AI導入支援」で検索して問い合わせた3社から提案書が届いた。並べて比較表を作ろうとして、手が止まる。1社目は業務の棚卸しから始めると書いてあり、2社目はまずPoCを2か月と書いてあり、3社目はツールの初期設定と操作研修が主な内容になっている。金額も期間も違うが、そもそも売っているものが同じではない。この状態で「どこが安いか」を基準に選ぶと、着手して数か月後に足りないものが見えてきます。

選定の難しさには構造的な理由があります。「AI導入支援」という名前が、少なくとも4種類の異なる仕事を指しているためです。そして支援を入れても止まるプロジェクトは少なくありません。Gartnerは2025年6月の発表で、エージェント型AIプロジェクトの40%以上が2027年末までに中止されると予測し、その理由としてコストの増大、ビジネス価値の不明確さ、不十分なリスク管理の3点を挙げています（参考：Gartner「Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027」2025年6月25日）。

本稿では、AI導入支援会社を選ぶ判断基準を、提案書のどこを読むか・契約前に何を確認するかまで具体的に整理します。私たちは株式会社100として、HubSpot認定エリートパートナーの立場でCRMを軸にしたAI導入の支援を行っています。自社が支援側であることを前提に、発注者が判断するための材料として書きます。

AI導入支援とは、何をしてもらう仕事なのか？

比較表が作れない原因は、比較する軸の前に対象の定義がずれていることです。ここを揃えると、金額の差が何の差なのかが見えます。私たちが競合提案と並べて説明を求められる場面でも、最初にこの分類を共有しています。

「AI導入支援」と呼ばれる仕事は何種類あるのか

提案内容を分解すると、実務上は4つの層に分かれます。1社が全層を担うこともあり、1層だけを担うこともあります。どの層を買おうとしているのかを発注側が決めていないと、提案の優劣は判断できません。

金額差の多くは、①と②が含まれているかどうかで生まれます。③と④だけの提案は安く見えますが、対象業務の選定と参照データの整備を発注側が自前でやる前提になっています。自社にその機能がない場合、安い提案を選ぶと着手後に追加発注が発生します。逆に自社に企画機能がある場合は、①を買う必要はありません。

なぜ提案書の比較表が作れないのか

提案書に「伴走支援」と書かれていても、伴走の中身が上記のどの層かは書かれていないことが多いためです。この言葉は範囲を示しておらず、体制表と工程表を読まないと判別できません。

参考になるのは、総務省の令和8年版情報通信白書がAI活用先進企業へのヒアリングから報告している役割分担です。同白書によると、先進企業の多くでは事業部門の現場における個別のニーズや課題意識を検討の起点としており、そこにAI活用を推進するDX推進部門が入り、具体的なアイデアの創出、AI導入に際しての技術的アドバイスやセキュリティ対策、効果測定、AIスキル等の学習や知見共有を受けられる機会の設定といった伴走支援を担当していたとされています（参考：総務省「令和8年版 情報通信白書｜AI導入・活用を効果的に進めていくために重要となる要素」）。

ここに挙がっている5つの機能、つまりアイデア創出・技術的アドバイス・セキュリティ対策・効果測定・学習機会の設定が、伴走支援の中身の目安になります。提案書の体制表と工程表に、この5つがどう配置されているかを確認すると、伴走の実体が見えます。

AI事業者ガイドラインでの立場の違いは何を意味するか

責任分担の前提として、公的な枠組みも押さえておく必要があります。総務省・経済産業省のAI事業者ガイドライン（第1.1版、2025年3月28日）は、AIの事業活動を担う主体を「AI開発者」「AI提供者」「AI利用者」の3つに大別して整理しています（参考：総務省・経済産業省「AI事業者ガイドライン（第1.1版）」2025年3月28日／経済産業省「AI事業者ガイドライン検討会」）。

支援会社を入れて自社業務にAIを組み込む場合、発注企業はAI利用者に該当します。同ガイドラインではAI利用者について、AI提供者が意図した範囲内で継続的に適正利用することが重要とされています。つまり支援会社に任せたとしても、利用者としての責任は発注側に残ります。契約交渉では、どこまでが支援会社の責任で、どこからが自社の責任かを文書で確定させることになります。

なぜ支援を入れてもPoC止まりになるのか？

選定基準を立てる前に、止まる原因を特定します。原因が分かれば、それを回避できる提案かどうかで支援会社を選べます。逆にここを飛ばすと、提案の見た目のよさで選ぶことになります。

中止される3つの理由をどう読むか

前述のGartnerの発表は、中止の理由をコストの増大、ビジネス価値の不明確さ、不十分なリスク管理の3点に整理しています。同発表は、現在のエージェント型AIプロジェクトの多くが初期段階の実験やPoCであり、ハイプに駆動され、しばしば誤って適用されていると指摘しています。また同発表でGartnerのAnushree Verma氏は、企業がAIエージェントを大規模に展開する際の実際のコストと複雑性を見落とし、プロジェクトが本番環境に移行するのが停滞していると述べています。

この3点は、提案書に対する質問に変換できます。コストについては成果単位の見積を出せるか、価値については対象業務の選定根拠を示せるか、リスク管理については審査と事後検証の設計が工程に入っているか。3つの質問に具体的に答えられない提案は、中止される側の条件を満たしています。

日本企業に固有の停滞要因は何か

もう一つ、公的統計に出ている要因があります。総務省の同白書によると、他の3か国（米国・ドイツ・中国）では「生成AIに社内データを学習させたり、生成AIが参照可能なデータベースを構築したりしている」との回答が5割を超えており、日本より大幅に高い結果でした。日本で最も高かったのは「業務プロセスの見直しや生成AI活用検討に必要なスキルやノウハウを学ぶ環境がある」でした（参考：総務省「令和8年版 情報通信白書｜組織的な取組状況」）。

学ぶ環境は整いつつあるが、AIが参照できるデータの整備が遅れている、という差です。同白書は国立情報学研究所の佐藤一郎教授の指摘として、AI導入に成功するための最初のステップとしてAIに対応するデータがあるかどうか、つまり「AI-Ready」化ができているかどうかという点があり、特にAIエージェントの活用に向けてはデータの精度と鮮度がより重要となることを紹介しています。

この構造から言えるのは、②データ基盤整備を工程に含めていない提案は、日本企業で最も多い停滞要因を回避できないということです。整備の考え方はAIが動かない本当の理由はデータにあるで扱っています。

PoCと本番で条件が変わるのはどこか

PoCで良い結果が出たのに本番化が進まない場合、条件が変わっている箇所はほぼ3つに集約されます。提案の工程表を読むときは、この3つがPoCの段階で本番条件に寄せられているかを確認します。

3つのうち権限設計は、支援会社だけでは決められません。同白書も、生成AIと社内データや社内システムとの連携が普及していく中でデータへのアクセス権限についてもより慎重に設定する必要が出ているとし、先進企業では部門や職階によってアクセスすべきでない情報を出力することがないようAIが参照するデータの範囲を絞って利用可能にする対策がとられていると記述しています。発注側で決裁者を先に決めておくことが、期間短縮に直結します。

支援会社を選ぶ3つの判断基準は何か？

ここまでの整理を選定基準に落とします。機能や実績数ではなく、工程の設計で判断する形にします。3つとも、提案書と初回の打ち合わせで確認できる基準です。

基準①：対象業務の選定に踏み込むか

1つ目は、対象業務を発注側に丸投げしていないかです。「まず対象業務をお決めいただき」で始まる提案は、①上流設計を含んでいません。この層を自社で担える体制があれば問題ありませんが、無い場合は最初の分岐で誤ります。

踏み込んでいる提案には、選定の基準が書かれています。判断の材料になるのは、OpenAIが公開している実務ガイドが挙げている3条件です。同ガイドは、従来の決定論的・ルールベースのアプローチが行き詰まっていた業務を優先すべきだとして、複雑な意思決定、維持が困難なルール、非構造データへの強い依存という3つを挙げ、これらに当てはまらない場合は決定論的な解決策で足りると述べています（参考：OpenAI「A practical guide to building agents」）。

この3条件に照らして「この業務はAIではなくワークフローで足ります」と言える支援会社は、選定に踏み込んでいます。Anthropicも技術記事で、最もシンプルな解を探し必要になったときだけ複雑性を上げるべきだと述べています（参考：Anthropic「Building Effective AI Agents」2024年12月19日）。提案範囲を自ら狭める発言が出るかどうかは、判断材料になります。

基準②：データ基盤の整備を工程に含めるか

2つ目は、②の層が工程表にあるかです。前節のとおり、日本企業の停滞要因はここに集中しています。そして基盤への投資と成果の関係は数値で示されています。

Gartnerは2026年4月の発表で、AI施策が成功していると回答した組織は、データ品質・ガバナンス・AI-Ready人材・チェンジマネジメントといった基盤領域に、成果が乏しい組織と比べて売上比で最大4倍を投資していたと報告しています。またAI-Readyなデータ・アナリティクス能力の成熟度が最も高い組織は最大65%高いビジネス成果を達成しているとされています（参考：Gartner「Organizations with Successful AI Initiatives Invest Up to Four Times More in Data and Analytics Foundations」2026年4月16日）。

同発表では、2025年11月から12月に353名のデータ・アナリティクスおよびAIリーダーを対象に実施された調査で、自社の現在のAI投資が財務的な業績にプラスの影響を与えると確信している技術リーダーは39%にとどまったとも報告されています。基盤に投資していない側に入らないための工程が、提案に含まれているかを確認します。参照先を単一の情報源に寄せる考え方はSSOT（信頼できる唯一の情報源）とは ─ AI時代のデータガバナンスの基本に整理しています。

基準③：効果測定と運用の引き継ぎを設計するか

3つ目は、④の層のうち効果測定と引き継ぎが具体的かです。ここが「定着支援」の一言で済まされている提案は、支援期間終了後に運用が止まります。

確認すべき点は3つあります。導入前の値を測る工程が着手前に置かれているか、月次で見る指標が定義されているか、そして支援終了後に誰が指示やルールを改訂するかが決まっているか。とくに1つ目は、着手後には取り返せません。導入前の対象件数と1件あたりの所要時間を持っていないと、効果を差分で示せなくなります。

同白書のヒアリング結果でも、先進企業は活用環境の整備で終わらせず、活用ユースケースの収集や社内展開、定期的なワークショップ開催といった促進策を実施して全社浸透を実現していたと報告されています。日清食品グループでは、部門ごとに対象業務を選定した上でプロンプトのテンプレートを作成し、効果を測定する取組を少しずつ社内展開した結果、社内の生成AI利用率が直近では7割超に到達したとされています（参考：総務省「令和8年版 情報通信白書｜AI導入・活用による効果創出のステップ」／同白書が引用する原典：日清食品ホールディングス「生成AI活用の取り組み」2024年3月期テーマ別IR資料）。

提案書のどこを読めば見分けられるか？

基準を決めたら、次は読み方です。提案書は分量が多いため、確認する箇所を絞ります。私たちが他社提案との比較を依頼された際に見ている箇所を挙げます。

見積の内訳で確認すべき項目はどれか

見積書の金額を1つの数字として眺めていると、どこを削れるのか、何が抜けているのかが見えません。内訳を層ごとに割り直すと、提案の実体が出ます。

このうち最も見落とされるのは「導入前の計測」と「ツール側のランニング費用」です。前者は工程表の最初に置く必要があり、後者は支援会社の見積の外にあることが多いためです。どちらも発注側から明示的に質問しないと出てきません。

体制図で確認すべき役割はどれか

体制図では、人数よりも役割の欠落を見ます。前述の白書が挙げる伴走支援の5機能、つまりアイデア創出・技術的アドバイス・セキュリティ対策・効果測定・学習機会の設定に対応する担当が置かれているかを確認します。

あわせて、自社側の体制も同じ図に書いてもらうことをおすすめします。同白書は、先進企業においてDX推進部門が事業部門の伴走支援と並行して、全社DX戦略に基づく全体最適を見据えた共通基盤の整備、部門横断的な変革の推進、効果測定等を担っていることが多いとしています。この役割を自社の誰が担うのかが空欄のままだと、支援会社が入っても意思決定が滞ります。

契約前に確認しておく5つの事項は何か

契約書と別に、口頭でも構わないので事前に確認しておくと後の紛議が減る項目があります。いずれも支援開始後に決めようとすると、時間と交渉コストがかかる論点です。

あわせて、リスク管理の体制についても提案の記述を確認してください。総務省の同白書によると、日本では「全社的な指針やガイドラインを整備している」と回答した割合が41.1%と最も高かった一方、他の3か国では「製品・サービスの企画・導入段階で、専門的な審査体制がある」や「製品・サービス導入後、定期的な評価・検証が行われている」と回答した割合が日本に比べて高い傾向が見られました（参考：総務省「令和8年版 情報通信白書｜懸念されるリスク及びリスク対策のための取組状況」）。ガイドラインの整備を提案に含めているだけの支援会社と、審査と事後検証の仕組みまで設計する支援会社では、この差がそのまま残ります。

データの取扱い範囲を確認する際は、組織における脅威の全体像も踏まえておくと審査部門との議論が早く済みます（参考：IPA「情報セキュリティ10大脅威 2026」）。同白書では、懸念されるリスクとして日本で最も高かったのは「社内情報の漏洩などのセキュリティリスクがある」で、次いで「出力結果の精度に問題がある」「著作権等の権利を侵害する可能性がある」の順でした。精度と権利は、事後検証の体制がないと検知できない類型です。

この5つのうち、2番目のプロンプトや設定の引き継ぎは特に確認をおすすめします。ここが曖昧だと、支援会社を変えるときに設計が引き継げず、実質的に乗り換えられない状態になります。

内製・外注・併用はどう決めるか？

支援会社の選定と同時に決めるべきなのが、どこまでを外に出すかです。全部を外注する前提で選ぶと、支援終了後に運用が止まります。逆に全部を内製すると着手が遅れます。

競争力の源泉となる領域はどちらで持つか

判断の軸として参考になる事例が白書に挙げられています。イオングループでは、幅広い業態で蓄積された膨大な顧客データの活用に向け、複数のAIエージェントが連携するマルチエージェントシステムを内製により開発中であるとされています。ダイキン工業では、空調機の専門知識に関する生成AIの精度向上を目指し、独自のLLM開発に着手しているとされています。同白書は、いずれも自社で独自のノウハウやデータを持ち競争力の源泉となる領域において更なる価値創出を図るための取組だとしています。

この2社に共通するのは、汎用の領域と競争力の源泉になる領域を分けている点です。汎用の領域は既製品と外部支援で済ませ、源泉になる領域に開発と人材を寄せています。自社の場合にどこが源泉かを先に決めると、外注範囲が自動的に決まります。

人材育成を含めるとどうなるか

内製の比重を上げる場合、育成の投資規模を把握しておく必要があります。同白書はダイキン工業の例として、2017年に「ダイキン情報技術大学」（DICT）を立ち上げ、新入社員向け・既存社員向け・基幹職向け・幹部向けの4階層で講座を開催しており、新入社員向け講座では毎年100名程度を対象にAIやデータ分析技術に関して2年間の専門的な教育カリキュラムが組まれていると記述しています。

これは競争力の源泉となる領域で内製を進める企業の水準です。汎用領域の活用にとどめる場合、同じ規模の投資は前提になりません。支援会社に研修を含めるかどうかは、内製の範囲をどこまで広げるかで決まります。

自社側の準備状況はどう客観的に示すか

社内の合意形成では、自社の準備状況を外部の枠組みで示すと説明が通りやすくなります。経済産業省のDX認定制度は、情報処理の促進に関する法律第28条に基づき「デジタルガバナンス・コード」の基本的事項に対応する企業を国が認定する制度で、IPAが認定審査事務を行っています。同制度の認定事業者へのアンケートでは、約70%の認定事業者がDX戦略の推進に効果があったと考えているとされています（参考：経済産業省「DX認定制度」）。

認定の取得自体がAI導入の前提になるわけではありませんが、認定の基準は自社に何が足りていないかのチェックリストとして使えます。支援会社との役割分担を決める前に、自社側の欠落を把握しておくと、外注範囲の議論が具体的になります。

費用はどう見るか？

費用は支援費用とツール側のランニングの2階建てになります。支援費用だけで予算を組むと、稼働後に想定外の利用料が乗るため、両方を同じ表で見る必要があります。

ツール側のランニングはどう見積るか

CRM上でAIを動かす場合、従来のライセンス費用とは別の課金体系が入ってきます。HubSpotの場合、2026年7月23日以降すべてのエージェントがHubSpotクレジットを消費する仕組みになりました。オーバーレートは1クレジットあたり0.010ドルで10クレジット単位の請求、未使用のクレジットは各利用期間の終了時に失効して翌月に繰り越されません（参考：HubSpot「Review estimated credit costs when using agents」最終更新2026年8月6日／HubSpot「Understand HubSpot Credits and billing」最終更新2026年7月29日）。

成果単位の単価も公開されています。2026年4月14日以降、Customer Agentは解決した会話1件あたり50クレジット（0.50ドル）、Prospecting Agentは接触対象として提案されたリード1件あたり100クレジット（1.00ドル）で、いずれも28日間の無料トライアルが付きます（参考：HubSpot「HubSpot's Customer Agent and Prospecting Agent: Now you pay when the task is complete」2026年4月13日）。カスタムエージェントの消費量は複雑性によって変動し、公式ドキュメントには取引喪失エージェントのテスト実行で推定208クレジットという例が示されています。

エディションごとに毎月付与されるクレジット数は製品・サービスカタログ側に記載されています（参考：HubSpot「HubSpot Credits」／HubSpot「Product & Services Catalog」）。Agent HubとAgent BuilderはProfessional版・Enterprise版の顧客が利用できます（参考：HubSpot「Easily Build Custom AI Agents｜Agent Builder」）。

稟議に必要な数字は何か

成果単位の課金体系では、見積は「対象業務の月間件数 × 成果単位の単価」で作れます。問い合わせが月2,000件あり、一次対応で解決する想定が6割なら、1,200件×50クレジットで60,000クレジットです。この計算が成立するのは対象業務の件数を自社が把握している場合だけなので、件数の可視化が先の工程になります。

稟議に必要な数字は3つに絞れます。対象業務の月間件数、成果単位の単価から算出した年間のランニング、そして支援費用です。この3つが揃うと、支援会社ごとの提案を同じ表で比べられます。件数が出せない場合は、可視化そのものを最初の発注範囲に含めることになります。

認定や実績はどう見るか

支援会社の実績を見る際、ツールベンダーの認定制度は判断材料の一つになります。HubSpotの場合、Solutions Partner Programが公開されており、パートナーの検索と実績の確認ができます（参考：HubSpot「Solutions Partner Program」／HubSpot「Solutions Directory」）。

ただし認定は、扱う製品についての習熟を示すものであり、①上流設計や②データ基盤整備の能力を保証するものではありません。認定の有無で候補を絞ったうえで、前節までの3つの判断基準で選ぶ順序が実務的です。

支援を入れる場合と入れない場合のメリット・デメリットはどうなるか

外部支援は前提ではありません。自社で進める選択肢と並べて比較したうえで判断する材料として整理します。

この表のうち「ノウハウの残り方」の行が、支援会社選定の勘所です。外部支援を入れる利点は着手の速さですが、引き継ぎが設計されていないと3年後に同じ状態に戻ります。契約前に確認する5事項のうち、プロンプトや設定の権利と引き継ぎを重視する理由はここにあります。

よくある質問（FAQ）

相見積もりは何社取るべきですか？

社数よりも、同じ前提条件を渡せているかが重要です。対象業務の候補、参照させたいデータの範囲、月間の処理件数を同じ資料で渡すと、提案の差が工程と体制の差として現れます。前提を渡さないまま相見積もりを取ると、各社が違う範囲を提案するため比較になりません。

「まずPoCから」という提案は避けるべきですか？

避ける必要はありませんが、PoCの条件を本番に寄せる設計かどうかを確認してください。参照データを実データにする、権限を本番相当にする、失敗時の検知を仕組みで持つという3点がPoCの設計に入っていれば、本番化の判断材料になります。3点が入っていないPoCは、成功しても本番の可否を判断できません。

データ整備から始めると、成果が出るまでが長くなりませんか？

整備の範囲を対象業務に絞れば長くなりません。全社のデータを整えてから着手するのではなく、最初の対象業務が参照する範囲だけを整えます。着手対象は、読み取りのみ・巻き戻し可能・権限が閉じている・金銭影響がない業務から選ぶと、整備範囲も小さく収まります。

AI導入支援とDXコンサルティングは何が違うのですか？

提供内容として重なる部分があります。判別する基準は、実装まで担うかどうかと、対象業務の選定に踏み込むかどうかの2点です。前者を担わない場合は上流の設計に閉じ、後者に踏み込まない場合は発注側が企画機能を持っている前提になります。従来型のDX支援会社との違いについてはAIネイティブエージェンシーに依頼するメリットとは ─ 従来のDX支援会社との違いで扱っています。

支援会社が提案してきたエージェントが、実はチャットボットでした。どう見分ければよいですか？

2点確認すれば足ります。LLMがワークフローの実行制御を担っているか、そして外部システムに対して行動を実行できるか。Gartnerはこの状況を「agent washing」と呼び、AIアシスタント・RPA・チャットボットを実質的なエージェント機能を伴わないまま再ブランドする動きだとしています。同社の推定では、数千あるエージェント型AIベンダーのうち実体があるのは約130社にすぎません。デモで想定外の入力を投げたときの振る舞いを見ると判別しやすくなります。

支援期間はどのくらいを見るべきですか？

期間よりも、工程の順序で判断してください。導入前の計測、対象業務の選定、参照データの整備、実装、効果測定という順序が入っているかを見ます。同じ6か月でも、この順序が入っている提案と実装から始まる提案では、終了時点で残るものが違います。

社内にAI人材がいません。支援会社に任せきりで進められますか？

権限設計と対象業務の決裁は発注側に残ります。AI事業者ガイドラインでも、業務でAIを使う企業はAI利用者に該当し、AI提供者が意図した範囲内で継続的に適正利用することが重要とされています。専門知識を持つ人材は必須ではありませんが、データの範囲と業務の優先順位を決められる決裁者は必要です。

途中で支援会社を変えることはできますか？

プロンプトや設定の権利と引き継ぎ条件を契約で明記していれば可能です。明記していない場合、設計が引き継げず実質的に乗り換えられない状態になります。この確認は契約前に済ませてください。既に契約している場合は、次の更新時に条項の追加を交渉することになります。

まとめ：買う層を決めてから、工程で選ぶ

AI導入支援の選定が難しいのは、同じ名前で4種類の異なる仕事が売られているためです。上流設計、データ基盤整備、実装・構築、定着・運用のどれを買うのかを先に決めると、金額差が何の差かが見えます。

選ぶ基準は3つです。対象業務の選定に踏み込むか、データ基盤の整備を工程に含めるか、効果測定と運用の引き継ぎを設計するか。この3つは、Gartnerが挙げる中止の3理由、つまりコストの増大・ビジネス価値の不明確さ・不十分なリスク管理と1対1で対応します。

そして契約前に、成果物の受入基準、プロンプトや設定の権利と引き継ぎ、データの取扱い範囲、誤出力時の責任分担、支援終了後の運用体制の5点を確認しておいてください。とくに2番目を曖昧にすると、支援会社を変えられない状態になります。

株式会社100は、世界上位1%・日本唯一のHubSpot認定エリートパートナーとして、CRMを軸にしたAI導入の支援を行っています。対象業務の棚卸し、参照データの整備、権限とガバナンスの設計、成果単位でのコスト見積、効果測定の設計までを一つの工程として扱い、運用の引き継ぎまで含めて設計します。他社提案との比較検討の段階でも、論点の整理からご相談いただけます。