AIエージェント開発会社12選｜提供形態・実績・費用の見方を比較【2026年】

更新日

2026年7月29日

確認時点

2026年7月29日時点

AIエージェントの外注先を探し始めると、生成AIコンサル、SaaSの導入代行、チャットボット制作、大手SIのDX支援が同じ検索結果に並びます。どこも「AIエージェント対応」と書いてあるため、得意領域の違いが見えません。相見積もりを取っても、PoCの価格だけを比べて本番運用の総額が抜け落ちる、という失敗も起きます。AIエージェント開発会社は、AI技術の知名度ではなく、業務設計、既存システム連携、PoCの評価方法、本番運用、権限管理、納品物、開発後の内製化で選びます。

外注を検討する段階で繰り返し出る疑問を7つに絞り、それぞれ1行の答えを添えました。判断の分かれ目になりやすい順に並べています。

疑問	短い答え
そもそも外注すべきか	標準機能で足りるならSaaS導入、独自業務や基幹連携が必要なら受託開発を検討します
費用はいくらか	PoC・本開発・運用で構造が違うため、一律の相場では判断できません
何社に見積もりを取るか	同一のRFPを送れる3社から5社が目安です
実績はどう読むか	ロゴの数ではなく、業種・データ・PoCから本番へ移行したかで読みます
PoCだけ頼めるか	対応する会社は多い一方、本番移行の条件を先に確認する必要があります
ソースコードは受け取れるか	会社と契約によって異なります。プロンプトと評価データも含めて確認します
開発後に自社で運用できるか	内製化支援の範囲は会社差が大きく、契約前の確認事項です

※ 詳細は本文の該当章をご確認ください。費用と各社の対応範囲は個別の見積もり・商談でご確認ください。

上の7項目のうち、費用と実績の読み方は特に判断を誤りやすい箇所です。まずは外注そのものが自社に必要かどうかから確認していきます。

本記事が対象にしたのは、AIエージェントの受託開発、共同開発、PoC、本番導入、運用支援を提供する会社です。完成済みのSaaSやプラットフォームの比較、無料ツール、自律型製品の比較、開発手順そのものの解説は含めていません。

AIエージェント開発を外注すべきケース

外注の判断は、機能の不足ではなく「どこまで自社で設計・運用できるか」で決まります。先に用語を整理してから、判断の分岐に進みます。

GLOSSARY

この記事で使う用語

PoC

Proof of Conceptの略。本番導入の前に、実現可能性と効果を限定的な範囲で検証する工程

本番実装

検証を終えた仕組みを、実際の業務データと利用者のもとで継続稼働させる段階

Human-in-the-Loop

自律実行の途中に人間の判断や承認を組み込む設計

内製化

開発会社に依存せず、自社の担当者が改善と運用を継続できる状態

納品物

ソースコード、プロンプト、評価データ、設計書など、契約により引き渡される成果物

責任分界

障害や誤操作が起きた際に、発注側と開発会社のどちらが対応するかの境界

○受託開発を検討してよい条件

• 市販のSaaSでは業務要件を満たせないと確認できている
• 基幹システムや社内データとの連携が必要である
• 独自の権限・承認・監査の設計が求められる
• PoCから本番運用まで一貫して任せたい

×外注より先に整えるべき状態

• 任せたい業務が特定できていない
• 既存システムの仕様が整理されていない
• PoCの合格基準を決めていない
• SaaSで足りる可能性を検証していない

市販SaaSでは業務要件を満たせない

完成済みのサービスで足りるなら、開発は不要です。判断の材料になるのは、業務フローそのものが自社固有かどうかです。

汎用のワークフローに自社の業務を寄せられる場合、SaaSのほうが導入も運用も速く進みます。一方、承認の順序、例外処理の分岐、部門ごとの権限が自社固有の設計になっている場合、SaaSの標準機能では表現しきれません。

基幹システム・社内データと連携したい

外注が必要になる典型は、連携先の複雑さです。基幹システム、独自データベース、閉域網の中にあるシステムへ接続する場合、API仕様の調査と接続方式の設計が発生します。

ここは製品選定では解決しません。既存システム側の制約を読み取り、接続方式を設計できる会社が必要になります。

独自の権限・承認・監査が必要

AIエージェントに実際の操作を任せる場合、統制の設計が中心的な課題になります。誰がどの操作を承認するか、どこまでを自動で実行してよいか、実行内容をどう記録するかを決める作業です。

この設計は業務ルールと不可分なので、既製品の設定画面だけでは完結しません。業務要件を理解した上で設計できるかどうかが、会社選びの分かれ目になります。

検証から本番稼働までを通して依頼したい

PoCだけを請け負う会社と、本番運用まで対応する会社があります。ここを分けずに相談すると、検証は成功したのに本番へ進めない状況が生まれます。

編集部としては、PoCの依頼段階で本番移行の条件と体制を確認しておくことをおすすめします。検証が終わってから探し直すと、要件の引き継ぎに時間がかかります。

自作できる場合は開発会社へ依頼しなくてもよい

小規模で、扱うデータが限定的で、社内に開発できる担当者がいる場合は、外注しないほうが速く進みます。ノーコードやローコードの選択肢もあります。

低予算での検証だけが目的であれば、まず無料ツールで有効性を確かめる進め方もあります。自社で作る方法についてはAIエージェントの作り方をまとめた記事、完成済みのサービスを比較する場合は法人向けAIエージェントサービスの比較記事をご覧ください。

＋受託開発を選ぶ利点

• 自社の業務フローに合わせて設計できる
• 基幹システムや閉域網との連携を任せられる
• 権限・承認・監査を要件に沿って設計できる
• PoCから本番運用まで体制を確保できる

−受託開発で負う負担

• 要件定義に自社側の工数が発生する
• PoCの費用と本番の総額が大きく乖離しやすい
• 納品物の範囲によって内製化の可否が変わる
• 再委託が入ると実作業者が見えにくくなる

AIエージェント開発会社12社の比較表

12社を同じ軸で並べました。掲載順は評価順位ではなく、生成AI専業からプラットフォーム型、大手SIへという並びです。提供形態の列がもっとも重要で、白紙から設計してほしいのか、既製の基盤に乗せたいのかで候補が変わります。

会社名	提供形態	得意領域	支援範囲	費用	公式情報
アーガイル株式会社	スクラッチ受託	生成AIシステム開発、RAG、API・MCP連携	企画・設計・PoC・開発・インフラ・保守	個別見積もり	公式サイト
株式会社WEEL	スクラッチ受託	生成AI活用コンサル、受託開発、研修	コンサル・PoC・開発・研修	個別見積もり	公式サイト
株式会社ヘッドウォータース	自社基盤前提	Azure、Agentic RAG、マルチエージェント	CoE立ち上げ・基盤構築・連携開発・運用監視	個別見積もり	公式サイト
株式会社NTTデータ	自社基盤前提	大規模、閉域環境、基幹連携、ガバナンス	分析・FS・戦略策定・実装・運用・統制	個別見積もり	公式サイト
株式会社テラスカイ	ツール導入支援	Salesforce、業務プロセス再設計	構想策定・実装・Agent Ops	個別見積もり	公式サイト
株式会社オプテージ	ツール導入支援	コネクタ連携、RPA併用、運用の一元管理	ツール選定・開発・導入・運用管理	個別見積もり	公式サイト
パーソルクロステクノロジー株式会社	ツール導入支援	Microsoft Copilot Studio	育成研修・構想整理・設計・開発	個別見積もり	公式サイト
株式会社Laboro.AI	スクラッチ受託	カスタムAI、マルチエージェント基盤	グランドデザイン設計・開発・業務再構築	個別見積もり	公式サイト
株式会社ABEJA	自社基盤前提	ミッションクリティカル業務、Human in the Loop	Consulting・Customization・Operation	個別見積もり	公式サイト
株式会社EQUES	スクラッチ受託	製薬品質保証、規制産業、伴走型技術開発	要件定義から運用まで伴走	個別見積もり	公式サイト
株式会社Ridge-i	スクラッチ受託	画像解析、衛星データ、数理最適化	戦略策定・要件定義・研究開発・MLOps	個別見積もり	公式サイト
株式会社PKSHA Technology	自社基盤前提	対話、営業、ヘルプデスク、コンタクトセンター	業界特化ソリューションと共同開発	個別見積もり	公式サイト

※ 2026年7月29日に各社公式サイトで確認しました。判断列は自社の条件で上書きしてお使いください。費用はいずれも個別見積もりのため、金額は掲載していません。

提供形態は次の3つに分かれます。依頼の前提が変わるため、先に自社がどれを求めているかを決めてください。

FEATURES

開発会社の提供形態3分類

1

スクラッチ受託

白紙から要件に合わせて設計・実装する。自由度が高く、設計工程に時間がかかる

2

自社プラットフォーム前提

提供元の基盤の上に構築する。立ち上がりが速く、基盤の採用が前提になる

3

外部ツールの導入支援

既製のツールを選定し設定・定着まで支援する。既存SaaSとの連携に強い

表から読み取れることは3つあります。第一に、費用を公開している会社は1社もありません。 第二に、提供形態が3つに分かれており、スクラッチ受託は5社、自社プラットフォーム前提が4社、外部ツールの導入支援が3社です。第三に、得意領域が業界や技術に強く紐づいており、汎用の順位付けが成立しません。

アーガイル株式会社｜生成AIシステム開発とSNSデータ活用

LLMを使った仕組みを作りたいものの、社内システムとの連携まで含めて任せられる相手が見つからない。そうした段階の企業に向けた受託開発を提供しています。公式サイトはAIエージェント開発の専用サイトを別に構えており、2022年12月から開発を開始したこと、官公庁、ITサービス、製造業、エンタメ企業などで受託開発の実績があることを記載しています。

対応するモデルと技術の幅が広い

ChatGPT、Claude、GeminiのAPIに加えて、推論モデルやOSSのモデルにも対応します。Web検索、データベース連携、ファインチューニング、RAGによる自社データの学習、音声入出力や画像認識のAPIを、用途ごとに組み合わせる設計を提案するとしています。

エージェントの動作についても、環境情報を自律的に取得し、目標に応じてタスクの切り分けと計画を行い、複数のエージェントが連携して業務を遂行する構成に対応すると記載しています。

SNSデータの活用が事業のもう一本の柱になっている

同社は生成AIシステム開発とSNSマーケティング活用支援を二本柱としています。2009年の創業以来、SNS分析ツールの自社開発やSNSキャンペーンの企画制作を手がけてきた会社です。

このため、SNS上のデータを取り込んだエージェントや、UGCを扱う仕組みを作りたい場合は、他社にない蓄積が期待できます。逆に、純粋なAI専業ベンダーを探している場合は、事業構成を理解した上で相談してください。

費用と事例は個別確認になる

公式FAQは、開発仕様をヒアリングした上で工数と費用を見積もると記載しており、公開された金額目安はありません。また実名で公開できる顧客事例は多くないことも公式に明記されています。

編集部としては、事例の少なさを実績の少なさと読まないほうがよいと考えています。打ち合わせで一部を紹介できるとされているため、自社と近い業種の事例があるかを商談で確認する進め方が現実的です。

株式会社WEEL｜コンサルから受託開発・研修まで支援

支援範囲の広さが特徴で、生成AI活用コンサルティング、生成AI受託開発、メディア事業の3つを手がけています。会社ページには自律型AIエージェントのPoC開発が挙げられており、AIエージェント開発が独立したサービスメニューとして掲載されています。

共同開発の事例が公表されている

業務プロセスの自動化を手がけるユーザックシステムとともに、RAG技術と生成AIエージェントを使った「受注AIエージェント」のPoCサービスを提供しています。RPAでは自動化が難しかったイレギュラー対応や、人の判断を要する部分を対象にした仕組みです。

取引先ごとに微妙に異なる曖昧な判断をRAGと生成AIで扱うという設計思想が公表されており、どの工程をAIに任せたのかが読み取れます。共同開発の中身まで説明されている事例は12社のなかでも多くありません。

研修と情報発信が併走している

生成AIのセミナー、講演、研修会もサービスとして提供しています。開発を委託しながら社内の担当者を育てたい場合、同じ会社で両方を進められます。

同社は「日本一透明性の高いAIプロフェッショナル集団」を目指すという方針を掲げています。これは同社が掲げる目標であり、第三者による評価ではありません。

設立は2017年、本社は東京都新宿区

代表取締役は宮川樹生氏です。費用は公開されておらず、無料相談と資料請求の導線が用意されています。

編集部としては、コンサルティングから研修までを一社で受けたい企業に相談しやすい構成だと考えています。一方、閉域環境や基幹システムとの大規模連携が前提の案件は、体制規模を商談で確認してください。

株式会社ヘッドウォータース｜AzureとCoE立ち上げを支援

技術基盤をMicrosoft Azureに置いた設計思想が明確です。AIエージェント開発のサービスページでは、Agentic RAG、マルチエージェントシステム、業界用語を取り込むファインチューニングへの対応が説明されています。

社内にAI専任組織を作る支援まで含む

「AI Agent CoE支援サービス」は、企業内にAI専任組織を立ち上げて運営するための包括支援です。Azure OpenAI、Copilot、MCPサーバーの導入支援、企業システムとの連携開発、セキュリティとデータガバナンスへの対応、稼働後の動作監視と性能チューニングまでが含まれます。

公式サイトには、利用環境に公式のMCPサーバーがない場合でも、Azure上にカスタムのMCPサーバーを構築するといった実装支援の例が挙げられています。AIプロジェクトが部署ごとに散発的に進んでいる状態を、組織横断で整理したい企業に向けた設計です。

自社プラットフォームを保有している

「SyncLect AI Agent」というマルチエージェント向けのマイクロサービス型プラットフォームを持っています。Azure、Excel、OneNote、Teams、Cosmos DB、GitHub、Databricks、Elasticsearch、Dify、Stripe、Salesforceなど各社のMCPサーバーと連携する構成です。

このため、依頼の形が「白紙からの受託開発」ではなく「自社基盤の上での構築」になる可能性があります。商談では、どこまでが基盤の標準機能で、どこからが個別開発なのかを分けて確認してください。

Microsoftのアワードを受賞している

Microsoftの「AI イノベーション パートナー オブ ザ イヤー アワード」の初代受賞パートナーです。同賞は2024年に新設されたものです。Azure環境を前提に導入を進める企業にとっては、判断材料のひとつになります。

株式会社NTTデータ｜閉域環境と基幹連携に対応

体制の規模と対応範囲が他社と大きく異なります。データセンター、ネットワーク、クラウドといったIT基盤から、AIモデル、業務アプリケーションまでを包括的に提供する構成です。

プライベートAIなどの閉域環境に対応する

公式サイトには、プライベートAIなどの閉域環境にも対応すると明記されています。金融、公共、医療のように外部ネットワークへデータを出せない要件がある場合、選択肢が限られるため重要な条件になります。

導入の進め方としては、業務プロセスや課題、データの状況を多面的に分析し、フィージビリティスタディを通じて最適なユースケースの抽出と導入戦略の策定を支援するとしています。導入後のデータ保護、アクセス管理、ガバナンス体制の整備と運用までを一貫して扱う構成です。

Smart AI AgentとLITRON製品群を展開している

「Smart AI Agent®」は、パーソナルなAIエージェントが複数のAIと連携し、利用者の指示に応じて自律的にタスクを抽出・整理・実行するという構想です。

製品としては、営業領域の「LITRON® Sales」を2024年11月から、カスタマーサポート領域の「LITRON® Customer Engagement」を2025年12月から提供しています。後者について同社は、現行業務の生産性を最大3.5倍に向上させると説明しています。これは同社が公表する数値であり、導入企業ごとの結果を保証するものではありません。

またDifyを基盤に日本電子計算と共同開発した「つなぎAI」も提供しています。こちらはSaaS型のAIエージェント基盤で、SSO、ロール権限、LLMの利用制限値による予算管理機能を備えます。

テラスカイと資本業務提携の関係にある

NTTデータはテラスカイと資本業務提携を締結し、「NTT DATA Salesforce Hub」を共同で設立しています。本記事の12社のうち2社が資本関係にあるため、両社を同時に相見積もり先へ入れる場合はこの点を前提に判断してください。

株式会社テラスカイ｜業務プロセス再設計から支援

「ツールを入れたがPoCで止まった」という状態から抜け出したい場面で、候補に挙がる構成です。公式サイトは、AIエージェント導入支援を単なるツール導入やPoCの実施にとどまらず、実運用を見据えた業務プロセスの再設計まで支援するサービスと位置づけています。

システム起点ではなく業務プロセスから逆算する

同社は、現場の業務プロセスから逆算した全体設計を行う点を強みとして挙げています。AIに任せる業務と人が担う判断領域を整理しながら、実務に即したプロセスを設計するという進め方です。

回避すべき失敗要因として、システム連携、UI変化、ROI算出、PoC疲れの4つを挙げています。この4つを名指しで挙げている会社は12社のなかで同社だけでした。 過去に検証段階で止まった経験がある企業には、話が通じやすい相手だと考えられます。

構想策定から本番後の改善まで一気通貫

支援範囲は、構想策定、システム実装、本番稼働後の継続改善（Agent Ops）までです。進め方についても、いきなり広範囲な自動化を目指さず、削減効果が見えやすい領域から段階的に拡張するとしています。

関連する製品としてmitocoAI、Agentforce、MuleSoftが挙げられており、Salesforce環境を前提とした構成が中心です。Salesforceを使っていない企業の場合、適合するかを先に確認してください。

NTTデータと資本業務提携の関係にある

前章のとおり、同社はNTTデータと資本業務提携を締結し、「NTT DATA Salesforce Hub」を共同設立しています。またSalesforce環境向けのAI駆動開発モデル「BLADE」を発表しており、AIをコード生成エンジンではなく設計支援エージェントとして位置づける考え方を示しています。

株式会社オプテージ｜ツール選定から運用管理まで支援

自動化ツールの選択肢が多すぎて決められない、という段階の企業に向いた支援です。公式サイトは、1,000以上の公式コネクタを使ったAPI中心の業務アクションを軸に、複雑な業務プロセスをEnd to Endで自動化する構成を説明しています。

自律型と対話型を切り替えられる

人間の指示なしで複数タスクを計画・実行できる一方、AIエージェントと人との協働について自律型と対話型を柔軟に切り替えられるとしています。承認の設計を業務ごとに変えたい場合、この柔軟性が効きます。

さらにRPAとの併用により、AIの判断結果をシステム操作へ落とし込む構成にも対応します。基幹システムへのデータ入力や更新のように、画面操作を含む業務が対象です。

運用管理の機能が明示されている

スケジューリング、権限、エラー再実行、監視を一元管理し、大規模運用にも対応するとしています。部門横断のガバナンスとセキュリティについても、企業導入に必要な統制を担保すると記載されています。

エラー時の再実行と監視が明示されている点は、無人で走らせる前提の業務では重要な条件です。 自律実行を任せる場合、止まったことに気づける仕組みがあるかどうかが運用の分かれ目になります。

スクラッチ開発とは性質が異なる

公式ページの記述は、特定の自動化プラットフォームを前提とした導入支援として読める内容です。編集部としては、白紙から独自システムを作りたい場合は他の候補と比較し、既存SaaSを多数使っていて連携を増やしたい場合にこの会社を検討する、という使い分けをおすすめします。

パーソルクロステクノロジー株式会社｜Copilot Studioに特化

対象を明確に限定した構成です。支援するのはMicrosoft Copilot Studioで、高度な要件がある場合にPower AutomateやAzureとの連携を行います。Microsoft 365を使っていない企業は、そもそも対象になりません。

育成トレーニングから始められる

支援の起点が、AIエージェント開発を担うIT部門やDX担当者の育成トレーニングに置かれています。そこから導入構想の整理、設計、開発までを一貫して支援する流れです。

進め方は段階的で、トレーニングのみ、PoC構築、本番導入から目的に応じて選べるとしています。初期検討の時点で想定スケジュールを提示するとも記載されています。

ローコードだからこそ基盤設計を重視する姿勢を示している

公式ページには、AIエージェントの価値は簡単に作れることそのものではない、ローコードで開発できるからこそ基盤設計の質が重要になる、という考え方が書かれています。どの業務を任せるのか、どのような判断や振る舞いをさせるのかの整理が成果を左右するという立場です。

「作って終わらない」「現場で使われ続ける」という表現が使われており、定着まで見た支援を掲げています。

丸ごと外注したい企業とは前提が合わない

支援の重心が内製化に向けた育成にあるため、開発から運用まですべて任せたい企業とは前提が異なります。編集部としては、社内にIT部門があり、将来は自分たちで作りたいと考えている企業に向く構成だと考えています。

株式会社Laboro.AI｜カスタムAIと業務プロセス再構築

パッケージ型では対応が難しい課題を、個別開発で解くという方針を掲げています。提供するのは「カスタムAI」で、アカデミア出自の機械学習技術をベースに、ビジネスにジャストフィットする形でAIを個別開発するという説明です。

マルチエージェントの技術基盤を保有している

エージェント同士が協調して複雑なタスクを自律的に実行するマルチエージェント構成の技術基盤を持っています。プロトタイプ開発と短期間サイクルでの検証、柔軟な仕様変更を想定したアジャイル開発が可能とされています。

独自メソッドの「ソリューションデザイン」は、AI開発のノウハウとビジネスコンサルティングを融合させ、グランドデザインの設計から提案、実行までを一気通貫で扱う考え方です。

業務フローと組織体制の再設計まで踏み込む

AIの開発をゴールとせず、業務フローの見直しや組織体制の再設計を含むビジネスプロセスの再構築まで伴走するとしています。PoC段階で頓挫するプロジェクトが目立つなか、同社はプロジェクト継続率が70%を超えると公表しています。

この数値は同社が公表する値であり、第三者による検証値ではありません。商談では、何をもって継続と定義しているかを確認すると比較しやすくなります。

上場企業で、専門組織を置いている

同社は上場企業で、公式サイトにIR情報が掲載されています。組織としてエージェントトランスフォーメーション部を置いており、AIエージェント領域を専門に扱う体制があります。

編集部としては、新規事業や既存事業の抜本的な変革を伴うテーマで、業務設計から任せたい企業に向く構成だと考えています。

株式会社ABEJA｜ミッションクリティカル業務に絞る

対象領域を、止まると業務が回らない基幹業務に絞り込んでいます。同社は「ABEJA Platform」を基盤に、顧客企業の基幹業務のプロセスを変革するプラットフォーム事業を展開すると説明しています。

Human in the Loopを前提に置いている

同社が提唱するHuman in the Loopは、必要なポイントで人が判断や意思決定を補いながらAIモデルを構築していく仕組みです。運用ノウハウやデータが未熟な初期段階では人が主に意思決定を担い、段階が進むにつれて人とAIの関与度を変化させるという設計です。

PoCで止まるプロジェクトが多い理由を、精度が上がらないことと継続投資の障壁に求めた上で、初期段階からAIを業務プロセスで運用できる形を取っています。人の判断を組み込む前提が設計思想として明示されている点は、承認設計を重視する企業にとって判断材料になります。

3工程をワンストップで提供する

Consulting、Customization、Operationの3工程をワンストップで提供し、初期設計から運用定着までを支援します。上流工程から本番実装前のシミュレーションまでを扱う構成です。

自社プラットフォーム上での構築が前提になる

公式の表現は、ABEJA Platformの開発・導入・運用を行うプラットフォーム事業です。白紙からのスクラッチ受託を主業として掲げているわけではありません。

同社は2012年の創業で、2023年に東証グロース市場へ上場しています。導入は300社以上と公表していますが、これは同社の公表値です。NEDOのGENIACにLLM開発事業案が採択されており、富士ソフトとはABEJA Platform上のAIエージェントを活用したソフトウェア開発手法の共同開発を進めています。

株式会社EQUES｜規制産業と伴走型技術開発

公式の会社概要は、事業内容を「伴走型技術開発」と「製薬AI事業」の2つと記載しています。汎用のAIエージェント受託というより、規制の厳しい産業に軸足を置いた構成です。

製薬品質保証の領域に主力SaaSを持つ

医薬品製造の品質保証に関わる文書業務を対象に、「QAIシリーズ」を提供しています。文書をAIで自動生成する「QAI Generator」では、逸脱報告書、品質情報報告書、年次照査の自動生成機能が追加されています。品質保証業務に特化したAIチェックツール「QAI Checker」も提供しています。

規制文書を扱う領域で製品化まで到達している点は、同じ制約を持つ業界の企業にとって参考になります。 監査対応や記録の残し方に厳しい要件がある業務では、経験の有無が設計に影響します。

東大松尾・岩澤研究室発のスタートアップ

2022年2月の設立で、代表取締役は岸尚希氏、取締役は助田一晟氏です。本社は東京都文京区本郷にあります。

札幌にオフィスを開設しており、企業向け生成AI・AIエージェント開発、製薬・ヘルスケア向けAIソリューション、エネルギー・インフラ・原子力分野向けAI開発、自治体・公共機関のDX支援を掲げています。

汎用の受託先として選ぶ場合は範囲を確認する

編集部としては、製薬、エネルギー、公共のように規制や記録の要件が重い業務であれば有力な候補になると考えています。一方、一般的な業務自動化を依頼したい場合は、対応範囲と体制を商談で確認してください。設立から日が浅い会社であるため、体制規模の確認は特に必要です。

株式会社Ridge-i｜専門解析を伴う領域に強い

「衛星画像や設備画像の解析を含む仕組みを作りたい」という場面で候補に挙がります。同社は自社を「AI SOLUTION COMPANY」と定義し、大規模言語モデルを含む生成AI、画像解析、数理最適化のソリューションを提供しています。

支援範囲は戦略策定から運用改善まで

戦略策定、要件定義、研究開発、運用改善までをトータルで支援し、現場定着の支援、MLOps、共同での事業開発までを一貫して扱うとしています。狙った効果を実現するまで伴走するという表現が使われています。

衛星データ解析と専門領域の実績がある

人工衛星データのAI解析を特色として持ち、内閣府主催の宇宙開発利用大賞を3回連続で受賞しています。JAXAから受託した土砂崩れ解析、NHKアートと共同開発した白黒映像の自動カラー化、海洋研究開発機構と高知大学との地域気候特化型LLMなどが公表されています。

また複数の専門解析AIを統合する生成AI基盤「Zeus」を提供しており、オンプレミスからクラウドまでの環境に対応します。防災や安全保障の領域で技術が使われていることも公式に記載されています。

AIエージェント専業ではない点を踏まえる

中核は画像解析、衛星データ解析、数理最適化です。事務系の業務自動化を主目的とする場合、他の候補と比較したほうが適合しやすいと考えられます。本社は東京都千代田区大手町、2023年4月に東証グロース市場へ上場しています。

株式会社PKSHA Technology｜対話と営業の領域を共同開発

組織の作りが他社と異なり、2025年7月にカンパニー制を執行しています。提供形態も2つに分かれ、金融・製造・教育など業界に最適化した「AIソリューション」と、汎用性の高い「AI SaaS」を並行して展開しています。

PKSHA AI Agentsを基盤に領域を広げている

「PKSHA AI Agents」は、AIが自律的に業務を遂行するサービス群です。従来のチャットボットやボイスボットにAIエージェントとしての機能を順次追加し、人事や営業の領域へも導入を広げています。

対象領域は、ナレッジマネジメント、タスク管理、営業、採用、コンタクトセンターです。営業向けには「PKSHA AI Agents for Sales」があります。

共同開発の事例が具体的に公表されている

シノケングループとは、生成AIアバターを搭載した「セールスAIエージェント」を共同開発し、2026年1月9日から提供を開始しています。グループ会社のSapeetとエクストーンも参加した案件で、不動産投資営業における顧客対応を24時間体制で支援する仕組みです。開発着手から半年で稼働したことも公表されています。

また三井不動産リアルティへ「PKSHA AIヘルプデスク」を導入し、月間3,000件の社内問い合わせ業務を扱った事例も公表されています。共同開発の期間と対象業務まで具体的に読み取れる事例は、実績を評価しやすい材料になります。

自社プロダクトを土台にした共同開発になる

白紙からのスクラッチ受託ではなく、PKSHA AI Agentsで培った技術とノウハウを活用する形が基本です。本社は東京都文京区本郷、代表取締役は上野山勝也氏です。

編集部としては、顧客接点や社内ヘルプデスクのように用途が定まっている業務であれば、基盤があることで立ち上がりが速くなると考えています。

費用が公開されない理由と、比較するための質問

12社すべての公式サイトを確認しましたが、費用目安を公開している会社は1社もありませんでした。 これは各社が情報を出し渋っているからではなく、AIエージェント開発の費用が案件条件によって桁単位で変わるためです。相場表を探すより、比較できる形で見積もりを取る方法を用意したほうが早く進みます。

費用が案件ごとに変わる4つの要因

要因	費用への影響
連携するシステムの数と種類	基幹システムや閉域網が絡むと、調査と接続設計の工数が増える
権限・承認・監査の要件	最小権限やログ保存の設計が加わり、要件定義の工程が伸びる
モデルとクラウドの利用量	運用開始後に継続発生する。開発費とは別枠で見積もる必要がある
納品物の範囲	ソースコードのみか、プロンプトと評価データまで含むかで金額が変わる

※ 自社の条件に照らして、どの要因が重いかを先に把握してください。

表のうち、見落とされやすいのは3番目です。開発費の見積もりだけを比較して契約すると、運用段階のモデル利用料が想定外の固定費として乗ってきます。

PoC価格と本番総額を切り離して考える

＋3分割で見積もりを取る利点

• どの工程に費用が偏っているか分かる
• PoCで中止した場合の損失を事前に把握できる
• 運用段階の固定費を予算計画へ織り込める
• 各社の金額差が条件差か単価差か判別できる

−一括見積もりで進める場合のリスク

• PoCの安さで会社を選んでしまう
• 本番実装の追加費用が後から判明する
• モデル利用料が想定外の固定費として乗る
• 工数超過時の判断ルールが決まらないまま着手する

金額を比較可能にする5つの質問

各社へ同じ質問を送ると、金額の差が条件の差なのか単価の差なのか判別できます。

5番目は金額そのものではありませんが、実務では最も効きます。追加工数の判断ルールが決まっていない案件は、予算超過の原因になります。

費用が公開されている情報を使うときの注意

比較メディアには「AIエージェント開発の相場は◯◯万円から」といった金額が掲載されています。本記事ではこうした金額を掲載していません。12社の公式情報で確認できなかったためです。

編集部としては、相場の数字を予算の根拠に使わないことをおすすめします。連携先の数、権限要件、運用体制のどれか一つが変わるだけで金額が変わるため、自社条件で取った見積もり以外に判断材料はありません。

AIエージェント開発会社を選ぶ10項目

会社の規模やAI領域での知名度は、この用途では判断材料になりません。確認すべきは、業務を設計できるか、本番まで運べるか、開発後に自社で回せるかの3点に集約されます。次の10項目を商談前のチェックリストとして使ってください。

目的を数値化できるかで初回商談の質が決まる

上の10項目のうち、最初の商談で差が出るのは1番目です。「業務の手間を減らしたい」という相談に対して、どの業務のどの工程を、何分から何分へ、何件処理する前提で改善するのかを一緒に定義できる会社と、機能提案から入る会社に分かれます。

数値化を発注側だけの宿題にする会社は、PoCの評価段階でも基準を持ちません。結果として、動いたかどうかだけで成否を判断することになります。

PoCの中止基準を先に決められるかを見る

3番目の項目は、成功基準より中止基準のほうが重要です。中止基準がないPoCは、成果が出ないまま延長されます。

編集部としては、商談の段階で「どの数値に届かなければ本番へ進めないと判断するか」を会社側から提示できるかどうかを、判断材料に含めることをおすすめします。

納品物の範囲は開発後の自由度を決める

8番目の項目は、契約後に交渉しても変わりにくい領域です。ソースコードだけを納品する会社、プロンプトと評価データまで含める会社、運用ドキュメントまで整える会社があります。

評価データが引き継げないと、モデルを変更したときに品質が維持できているかを自社で検証できません。内製化を視野に入れる場合、ここが実質的な条件になります。

開発実績の確認方法

実績の判断は、件数やロゴの数では行いません。自社と近い制約のもとで、本番まで到達したかどうかを読み取る作業です。

ロゴ一覧と事例記事は別のものとして読む

公式サイトに並ぶ企業ロゴは、取引の存在を示すもので、AIエージェント開発の実績を示すものとは限りません。研修、コンサルティング、別領域の開発が含まれている場合があります。

またチャットボットの導入とAIエージェントの開発は、必要な設計がまったく違います。事例を読むときは、自律的に複数工程を実行する仕組みだったのか、応答を返す仕組みだったのかを区別してください。

事例から読み取る6項目

事例記事から読み取りたい情報は6つあります。自社に当てはめられる事例かどうかは、成果の大きさではなく前提条件の近さで決まります。

確認項目	判断の観点
業種と業務	自社と近い制約（規制、承認フロー、データの機密度）があるか
開始時の状態	ゼロからの構築か、既存システムへの追加か
使用データ	社内文書、基幹データ、外部APIのどれを扱ったか
PoC期間と本番移行	検証で終わっているか、本番稼働まで到達したか
評価指標	精度、工数削減、CVなど、何で成否を測ったか
発注側の作業範囲	自社側にどれだけの工数が発生したか

※ 自社の条件で判断列を上書きしてお使いください。

表のうち、もっとも見落とされるのは最後の項目です。事例に書かれた成果が、発注側の大きな工数投入によって成立している場合があります。自社に同じ体制を用意できるかを確認してください。

匿名事例の扱いを決めておく

守秘義務により社名を出せない事例は珍しくありません。匿名であること自体は問題ではなく、条件が具体的に語られているかどうかで判断します。

業種、規模、扱ったデータ、期間、移行の有無が説明できる匿名事例は判断材料になります。逆に、社名が出ていても条件が書かれていない事例からは、自社への適用可能性を読み取れません。

商談で確認する15の質問

各社へ同じ質問を送ると、回答の差がそのまま比較材料になります。質問は3つのグループに分けて設計しています。

FEATURES

質問の3グループ

1

設計と検証

目的の定義、PoCの基準、技術選定、システム連携

2

体制と実績

実作業者、再委託、類似実績、本番移行の経験

3

費用と契約

費用の内訳、納品物、責任分界、内製化支援

設計と検証を確認する7問

体制と実績を確認する2問

再委託の有無は、品質と情報管理の両方に関わります。契約相手と実作業者が異なる場合、秘密保持の範囲と品質責任の所在を契約書で確認してください。

費用と契約を確認する6問

回答の扱い方

商談での口頭回答は、そのままでは根拠になりません。提案書、見積書、契約書のいずれかへ反映されているかを確認してください。

また、開発手段の選定を会社側へ丸投げしないでください。目的と禁止事項は発注側が決める領域です。ここを委ねると、提案の妥当性を評価する基準を自社が持てなくなります。

候補会社を選ぶ5ステップ

候補を絞る作業は、会社を調べる前から始まります。順序を守ると、相見積もりの比較可能性が上がります。

1

業務・KPI・禁止操作を整理する

STEP1

対象業務、達成したい数値、そしてAIエージェントに実行させない操作を先に決めます。禁止操作の例は、本番データの削除、外部へのメール送信、決済、契約変更です。ここを決めずに相談すると、提案の安全性を評価できません。

2

SaaS・自作・受託開発を比較する

STEP2

同じ要件を、完成済みサービスの導入、自社構築、受託開発の3通りで検討します。受託開発が必要だと確認できてから会社探しに進んでください。

3

得意領域から候補を3〜5社へ絞る

STEP3

生成AI特化、大手SI、特定基盤への強み、業務設計からの支援など、会社のタイプは分かれます。自社の制約（閉域網、基幹連携、規制業種など）に対応できるタイプから絞ってください。

4

同一RFPでPoC・本開発・運用費を取る

STEP4

全社へ同じ内容の依頼書を送ります。会社ごとに要件の説明が変わると、見積もりの差が条件の差なのか単価の差なのか分からなくなります。

5

実績・体制・契約・内製化で1社を決める

STEP5

金額だけで決めません。本番移行の実績、実作業者の体制、納品物の範囲、内製化支援の内容を並べて判断します。

RFPへ入れる12項目

同一条件で見積もりを取るには、依頼書の内容を揃える必要があります。

このうち禁止操作と納品物は、記載を省くと後から交渉が難しくなります。禁止操作が書かれていない提案は、権限設計の前提が会社ごとに変わってしまいます。

契約前に確認する権利・セキュリティ・運用

契約書の確認範囲は、通常のシステム開発より広くなります。モデル、プロンプト、評価データという成果物が加わり、AIエージェントが実際の操作を行うためです。

ソースコード・プロンプト・評価データの権利

成果物の権利は3つに分けて確認します。ソースコードの著作権と利用範囲、プロンプトの権利、評価データセットの帰属です。

プロンプトと評価データは、契約書の成果物一覧から漏れやすい項目です。この2つがないと、モデルを変更したときに品質を検証できません。

第三者モデル・OSS・データのライセンス

開発物に組み込まれるモデル、OSSライブラリ、学習や評価に使ったデータには、それぞれの提供元のライセンスが適用されます。納品物の商用利用が、経路上のすべてのライセンスで許諾されているかを確認してください。

入力データの保存・学習利用・削除

業務データがどこに保存され、どれだけの期間残り、モデルの学習に使われるかどうかを確認します。削除請求の手続きも含めて、データ処理契約の締結可否を確認してください。

SSO・RBAC・最小権限・監査ログ

統制機能は、開発の後から追加すると設計のやり直しになります。要件定義の段階で、シングルサインオン、ロールベースのアクセス制御、最小権限の原則、監査ログの保存期間を決めてください。

本番操作の承認・停止・ロールバック

再委託・秘密保持・個人情報

再委託が入る場合、秘密保持義務が再委託先まで及ぶかを確認します。個人情報を扱う場合は、委託先の監督義務の範囲も契約で明確にしてください。

モデル変更・サービス終了・引き継ぎ

使用しているモデルが提供終了になる場合、開発会社との契約が終了する場合の2つを想定します。引き継ぎに必要な資料の範囲と、移行支援の条件を契約前に決めておいてください。

編集部としては、この章の7項目のうち、権利と納品物の2つを最優先で確認することをおすすめします。他の項目は運用開始後にも調整できますが、権利の設計は契約後にほぼ変更できません。

よくある質問

外注の検討過程でつまずきやすい点を、8つの質問にまとめました。各社の対応範囲と費用は個別の商談でご確認ください。

FAQ

AIエージェント開発会社に関するよくある質問

Q.AIエージェント開発の費用はいくらですか？−

A.

PoC、本開発、運用でそれぞれ費用の構造が違うため、一律の相場では判断できません。PoCは範囲を限定した検証なので比較的小さく収まりますが、本番実装では既存システムとの連携、権限設計、監視の仕組みが加わります。さらに運用段階ではモデルの利用料とクラウド費が継続的に発生します。見積もりは必ず3つに分けて提示を依頼してください。

Q.開発期間は何か月ですか？+

Q.SaaS導入と受託開発はどちらがよいですか？+

Q.自社でAIエージェントを作れますか？+

Q.何社から見積もりを取るべきですか？+

Q.PoCだけ依頼できますか？+

Q.開発後に内製化できますか？+

Q.完成済みのサービスはどこで比較できますか？+

得意領域・本番実装・内製化で開発会社を選ぶ

AIエージェント開発の外注は、技術力のある会社を探す作業ではありません。自社の業務を設計でき、本番まで運び、開発後に自社で回せる状態を作れる会社を選ぶ作業です。会社を調べ始める前に、対象業務、達成したい数値、実行させない操作の3点を決めてください。ここが決まっていれば、どの会社と話しても評価の軸がぶれません。

次に取るべき行動は1つです。この記事の15の質問とRFPの12項目を1枚にまとめ、候補3社へ同じ条件で送ってください。 回答の差が、そのまま各社の得意領域と体制の差として見えてきます。

自社で作る方法を先に検討したい場合、無料ツールで有効性を確かめたい場合は、それぞれ無料のAIエージェント比較記事と自律型AIエージェントツールの比較記事が参考になります。