PoC 費用の相場と内訳【2026年版】期間・体制・本番移行の判断

はじめに

PoCを外部に依頼しようとすると、最初に「いくら用意すればよいのか」で手が止まります。同じPoCでも、画面を試作して業務に合うかを見るだけなのか、AIの精度をデータで検証するのかで、必要な工程も体制も大きく変わるためです。

PoCの費用は、検証範囲と成功基準を先に決めるほど見積もりの幅が狭まります。反対に、目的が曖昧なまま依頼すると、見積もりが会社ごとにばらつき、比較もできません。PoCが終わっても「本番に進むべきか」を判断できず、追加の検証費用だけが増えることもあります。

本記事では、PoC単体にかかる費用の相場と内訳、費用が変わる要因、見積もり前に決めておく評価指標と中止条件、期間と体制の目安、本番移行の判断基準を整理します。AI開発のPoCを中心に扱いますが、内訳はAI以外の業務システムのPoCにも使えるように、一般的な項目とAI固有の項目を分けています。

なお、本開発や運用保守まで含めたAI導入全体の費用は、別記事で詳しく解説しています。本記事はPoCの予算と判断材料をそろえたい担当者向けに、見積もり依頼の前に読んでおくと役立つ内容に絞っています。読み終えた時点で、自社のPoCをどの価格帯で考えればよいかと、見積もり依頼に何を添えればよいかが分かります。

PoC 費用の相場と内訳

公開されている各社の解説では、小規模な検証で100万円前後から、独自のAIモデルを含む検証では1,000万円を超える幅があります。

公開情報	対象	費用の目安（税抜の記載なし・各社表記どおり）
Sun*	一般的なPoC（外注）	計画フェーズ100〜120万円程度、実証フェーズの開発200〜360万円程度
TWOSTONE&Sons	一般的なPoC（外部依頼）	計画フェーズ100〜240万円程度、実行フェーズ100〜240万円程度
swooo	小規模アプリでの検証	100万〜300万円（生成AI等の高度技術は1,000万円以上の場合あり）
FIXIT	従来型のAI・機械学習PoC	500〜1,500万円

当社では、既存のAIサービスやAPIを使い、画面とデータベースを試作して業務に合うかを確かめるPoCを想定し、次の目安で予算の相談を受けています。独自モデルの学習を含む場合は、上の公開情報のとおり別の価格帯になります。

PoCタイプ	費用目安（税抜）	向いている検証
簡易PoC	30万〜80万円	要約、分類、回答案作成
業務PoC	80万〜200万円	FAQ検索、社内ナレッジ活用
本番前PoC	150万〜300万円	権限、ログ、外部連携、運用検証
独自モデルを含むPoC	500万円以上（公開相場を参考）	画像認識、需要予測など学習が必要な検証

工程別の内訳（一般項目とAI固有項目）

見積もりは総額ではなく、企画、データ準備、実装、評価、報告の5工程に分けて比べると、どこに費用が乗っているかが見えます。

工程	どのPoCにも共通する一般項目	AI PoCで追加になる項目
企画・要件整理	目的、対象業務、成功基準、スケジュールの整理	使うAIモデルやAPIの選定、精度目標の設定
データ準備	テスト用のマスタや業務データの用意	学習・参照データの収集、匿名化、ラベル付け、前処理
モデル／画面実装	画面、データベース、簡易な連携の試作	プロンプト設計、RAG構成、モデルの試作・調整
評価	操作テスト、利用者アンケート、処理時間の計測	正答率やハルシネーションの評価、評価データの作成、API利用量の計測
報告	結果レポート、本番移行の提案資料	本番想定件数でのAPI費用試算、精度改善の見通し

企画・要件整理にかかる費用の考え方は、要件定義の費用相場と内訳で詳しく解説しています。AI PoCではデータ準備の比重が大きく、FIXITの解説では従来型AI開発のPoCで内訳の6〜7割がデータの収集やアノテーションに集中するとされています。ChatGPTなどの生成AIのAPIを使う検証ではこの比率は下がりますが、評価用データの作成は省けません。

費用が変わる要因

同じ目的のPoCでも、次の6つの条件で見積もりは大きく変わります。依頼前に自社の状況を書き出しておくと、提示額の違いを比べやすくなります。

要因	費用が上がる状態	費用を抑えやすい状態
データ品質	紙や画像が中心で、表記ゆれや欠損が多い	CSVなどで整理済み、匿名化の方針も決まっている
連携先	基幹システムや複数SaaSとの双方向連携が必要	CSV取り込みや手動アップロードで検証できる
評価回数	精度改善と再評価を何度も繰り返す	評価の回数と合格ラインを事前に固定する
セキュリティ	個人情報や機密情報を扱い、監査ログが必要	匿名化データやサンプルデータで検証できる
検証環境	本番と同等の環境やオンプレミスでの構築が必要	クラウドや既存SaaSの検証環境を使える
専門家体制	データサイエンティストや業界の専門家が常時必要	業務担当者と開発者で判断できる範囲に絞る

専門家体制は、検証する技術の新しさにも左右されます。AIエージェントのように変化が速い領域を試す場合は、AIの今後の動向も踏まえ、今回のPoCでどこまでを確かめるかを決めておくと、専門家の稼働を必要な範囲に絞れます。

見積もり前に決める評価指標と中止条件

PoCの見積もりを依頼する前に決めるべきことは、使うツールではありません。成功基準、本番移行条件、予算上限、期間上限の4つを先に決めると、PoCの範囲と費用が固まります。

成功基準を決める: 正答率、処理時間、修正率など、何を満たせば「使える」と判断するかを数値で決めます
本番移行条件を決める: 成功基準に加え、運用担当、API費用の許容額、社内のセキュリティ基準など、本番に進むための条件を決めます
予算上限を決める: 追加の評価や改善を含めて、PoCに使える金額の上限を決めます
期間上限を決める: 上限に達したら結果が途中でも判断する期限を決めます。これが中止条件になります

McKinseyは、AIの価値を技術性能だけでなく、ユーザーの採用、業務の変化、財務への影響までつなげて測る必要があると説明しています（出典: McKinsey）。PoCでも技術指標と業務指標をセットで決めておきます。

決める項目	具体例	決めない場合のリスク
対象業務	問い合わせ分類、見積作成、議事録要約	範囲が広がりすぎる
成功基準	正答率85%以上、処理時間30%削減	主観評価で終わる
データ範囲	過去FAQ、商談メモ、匿名化CSV	本番データに近づかない
確認責任者	業務責任者、DX担当、開発責任者	誰もGo/No-Goを判断できない
予算上限・期間上限	追加評価を含めて上限を設定、8週間で判断	改善が続き費用が膨らむ

期間と体制の目安

AI PoCの期間は、対象業務の複雑さで変わります。文章分類や要約のような軽い検証なら2〜4週間、社内データ検索やAIチャットボットなら4〜8週間、既存システムとの連携やワークフローへの組み込みまで含む場合は2〜3か月を見ておくと現実的です。

PoCタイプ	期間目安	主な体制
簡易PoC	2〜4週間	業務責任者、開発担当
業務PoC	4〜8週間	業務責任者、現場担当、開発担当
本番前PoC	2〜3か月	上記に加え、セキュリティ確認者

体制は、業務責任者、現場担当、開発担当、セキュリティ確認者の4役を置き、業務の判断と技術の判断を分けるのが理想です。また、PoC中の利用ログ、修正履歴、現場のコメントは記録に残してください。本番移行の稟議では、感想よりも検証記録が判断材料になります。

費用を無駄にする失敗要因と回避策

AI PoCの失敗で多いのは、技術不足より設計不足です。特に生成AIでは、平均的な精度だけで判断すると危険です。ハルシネーション、例外ケース、セキュリティ、ログ、権限、本番データの扱いまで確認します。総務省・経済産業省のAI事業者ガイドライン（第1.2版、2026年3月31日公表）では、AI活用のガバナンスに加えてチェックリストやワークシートも公開されています。

失敗要因	起きる問題	回避策
成功基準が曖昧	結果を見ても判断できない	開始前にKPIと合格ラインを決める
データが本番と違う	本番で精度が落ちる	匿名化した実データで検証する
現場確認がない	使われないAIになる	業務担当者をPoCに入れる
コスト未試算	本番化後にAPI費用が膨らむ	本番想定の月間件数で費用を試算する
運用責任者がいない	障害時に止まる	監視・改善担当を決める

💡 ポイント: PoCで見るべきなのは、デモの完成度ではなく、本番で破綻しそうな条件です。

当社なら小さく検証できる範囲

当社では、ノーコード開発ツールのBubbleとAIのAPIを組み合わせ、PoCに必要な画面、データベース、権限、ログをまとめて試作する支援ができます。ただし、ノーコードがすべてのPoCに向くわけではありません。

区分	具体例
ノーコードで試せるケース	問い合わせの回答案作成、社内文書の検索、議事録や日報の要約、申請内容の分類など、既存のAI APIを業務画面に組み込む検証
ノーコードで試せるケース	担当者がAIの出力を確認・修正する画面や、利用ログを残す仕組みを含めた業務フローの検証
適さないケース	画像認識や需要予測など、独自モデルの学習や大量データの前処理が中心になる検証
適さないケース	ミリ秒単位の応答性能や、大規模な同時アクセスの検証が目的の場合
適さないケース	社外にデータを出せず、閉じた環境でのモデル運用が必須の場合

たとえば問い合わせ対応を効率化したい場合、問い合わせフォーム、FAQデータベース、回答案の生成、担当者の確認画面だけを試作する構成が考えられます。AIの回答をそのまま顧客に出さず、担当者が確認して送るため、リスクを抑えながら回答精度、修正率、作成時間を記録できます。同様の仕組みは当社でも相談でき、AIを使った業務システムの考え方は生成AI×ノーコードで進む業務システム開発でも解説しています。

適さないケースに当たる場合は、無理にノーコードで進めず、AIモデル開発に強い体制と組み合わせる方法を一緒に検討します。

本番移行可否を判断する評価指標

PoCの最後は、Go／Conditional Go／No-Goで判断します。Goは本番移行へ進む、Conditional Goは改善条件付きで追加検証、No-Goは中止またはユースケースの見直しです。AWS Prescriptive Guidanceでも、PoCの終わりには事前に決めた成功指標に基づいて、継続・方向転換・中止を判断するよう説明されています。

オーストラリア政府のAI PoCからスケールへのガイダンスでは、PoC、パイロット、本番の段階ごとに評価の観点が異なると整理されています。PoCで本番と同じ完成度は求めませんが、本番化に必要な課題は明確にしておきます。

評価軸	PoCで見る指標	Goの目安
技術性能	正答率、応答速度、エラー率	合格ラインを満たす
業務効果	処理時間、修正率、利用者満足度	業務KPIが改善する
コスト	API費用、保守工数、改善費	削減効果を下回る
運用	監視担当、障害時対応、改善サイクル	担当者が決まっている
ガバナンス	データ範囲、ログ、権限、監査	社内基準を満たす

本番移行は、精度だけでなく業務効果、コスト、運用、ガバナンスを含めて判断します。Goと判断した後の本開発や運用保守の費用は、AI開発の費用相場（PoC・本開発・運用の内訳）やAI導入・AIエージェントの費用相場を参考に、PoCとは別の予算として見積もってください。

よくある質問

Q. PoCの結果がNo-Goだった場合、費用は無駄になりますか？

A. 本番開発に大きな予算を使う前に、進めるべきでないと分かったこと自体が成果です。検証記録は別のユースケースを検討する材料にもなります。

Q. PoCの見積もりを依頼するときは何を渡せばよいですか？

A. 対象業務、成功基準、使えるデータのサンプル、予算上限、期間上限をまとめた資料を渡すと、比較しやすい見積もりが集まります。

Q. PoCで作ったプロトタイプは本番でも使えますか？

A. 業務フローや画面の設計は本番に生かせますが、権限、ログ、障害対応などは本番用に作り直すことが多いです。どこまで再利用するかは、PoCの開始前に開発会社と決めておきます。

まとめ

PoCの費用は、公開されている相場を見ると小規模な検証で100万円前後から、独自モデルを含む検証では1,000万円を超えるまで幅があります。幅が出る理由は、検証範囲、データの状態、連携先、評価回数、セキュリティ、専門家体制の違いです。見積もりを比べるときは総額ではなく、企画、データ準備、実装、評価、報告の工程ごとに確認し、AI PoCではデータ準備と評価の費用がどこまで含まれているかを見てください。

見積もりの前には、成功基準、本番移行条件、予算上限、期間上限の4つを決めておきます。上限を決めておけば、改善が続いて費用が膨らむことを防げます。この4つを資料にまとめて見積もり依頼に添えると、開発会社から検証範囲を絞った提案が集まり、比較もしやすくなります。PoCの最後はGo／Conditional Go／No-Goで判断し、Goの場合は本開発と運用保守を別の予算として見積もります。No-Goになった場合も、本番開発の前に判断できたこと自体が予算を守る成果になるため、検証記録は丁寧に残しておきましょう。

PoCの予算は、検証したい範囲を絞るほど適正に見積もれます。当社では、PoCの対象業務と成功基準の整理から、ノーコードでの試作、評価指標の設計、本番移行を見据えた業務システム開発まで相談を受けています。何を合格基準にすべきか迷っている段階でも、対象業務と使えるデータを伺ったうえで、ノーコードで検証できる範囲かどうかを一緒に確認します。