社内AIアシスタント構築の費用相場と内製・外注の分岐点

社内AIアシスタントは初期50〜500万・月額5〜50万が現実的な相場感。ユーザー数と社内データ量が閾値を超えたら内製、それ未満なら外注または SaaS 型が合理的です。

「情シスに『AI アシスタントを検討してほしい』と役員から降ってきたが、社内には比較材料がなく、ベンダーに問い合わせても100万から1,000万まで返ってくる」——最初の相見積もりの段階で稟議書が止まる、というのが現場で最も多い光景です。人事や総務にも「就業規則や規程を AI に聞けたら助かる」という声はある一方、「そもそもいくらが妥当か」の物差しが社内に存在せず、費用対効果の議論が始められない。この記事はまさにその「相場を知らないから前に進めない」を解くために書きました。

「社内の問い合わせ対応を AI で自動化したいが、いくらかかるのか一次情報がなく稟議が書けない」——情シスの現場で最も多い相談です。

ベンダー見積もりは100万円〜1,000万円まで開き、SaaS 型は数千円/人から始められる。

この差はどこから来るのか、そして自社はどの選択肢に乗るべきなのか。

この記事では相場の構造・費用の内訳・内製/外注/SaaS の分岐点を、実務で使える判断軸として整理します。

費用相場の全体像：3つの型で桁が変わる

社内AIアシスタントの費用は「SaaS 型 / 構築型（RAG） / エージェント型」の3タイプに分けて考えると桁を外しません。同じ「AI アシスタント」という言葉でも初期費用は5倍以上、月額は10倍以上開きます。

まず費用感を粗く掴むために、実際にベンダー見積もりや公開価格で確認できる範囲の相場を型別に整理します。

数字は 2026 年時点で入手できた一次情報（ベンダー公開価格・IPA 調査・公表事例）から中央値を推定した目安値です。

個別要件で上下しますが、稟議書の初稿を書く際の粗い枠として利用してください。

3つのタイプは排他的ではなく、多くの企業は SaaS 型で入り、社内文書が増えたら構築型に拡張し、成果が出た業務からエージェント型に踏み込む、という段階的な移行を辿ります。

最初から「業務自動化まで一気に」を狙うと、要件が固まらないまま構築型に投資して塩漬けになるケースが増えるため、段階を守るのが結果的に安上がりです。

自社がどの型から始めるべきか判断に迷ったら、中小企業向け AI 導入の初期費用と相場感 の判断フローを一度見比べてから、この記事に戻ってきていただくと桁感がより明確になります。

費用の内訳を分解する：なぜベンダー見積もりが大きく違うのか

見積もりの差は「LLM 利用料」ではなく「データ整備」と「業務要件定義」で生まれます。純粋な API コストは月額全体の15〜25%程度で、残り75%以上は人件費起因です。

同じ「社内 RAG 構築」でも A 社の見積もりが150万、B 社が480万、というのは日常です。

原因は LLM 使用量の見積もり幅ではなく、初期構築に含まれる工程の粒度差にあります。

実際に見積書の内訳を分解すると、費用は下記5要素で構成されており、この配分でベンダー選定の目線が決まります。

• LLM 利用料（API/従量）：全体の15〜25%。GPT-4o / Claude Sonnet レベルで月2〜8万円が多い
• データ整備・前処理：初期の30〜40%。社内文書のクレンジング・PDF/紙資料の OCR・アクセス権整理
• 要件定義・PoC 設計：初期の15〜25%。ユースケース確定・撤退基準・KPI 設計
• アプリ実装・UI 開発：初期の15〜25%。Slack/Teams 連携・回答フォーマット調整
• 保守・改善運用：月額の30〜50%。定期評価・プロンプト改修・データ再学習

**この中で最も削減余地が大きいのは「データ整備」**です。

全社の10万文書を一括投入するプランを、まず1部門2,000文書に絞るだけで初期費用が3分の1になった事例は少なくありません。

逆にここを甘く見積もった案件は、公開後の回答品質が上がらず、月次の改善費が想定の倍に膨らみます。

詳細な内訳と削減ポイントは RAG構築の費用相場と内訳｜社内データ検索AIにいくらかかるか でさらに分解しているので、見積もり比較の際は併読してください。

変動要因：ユーザー数・データ量・要求精度で費用が動く

費用を決める3変数はユーザー数・社内データ量・要求精度。この3つのうちどれかが「重い」条件だと、他が軽くても初期費用は2〜3倍に跳ねます。

見積もりを取る前に、自社がどの変数に「重い」条件を持っているかを整理しておくと、ベンダーとの会話の解像度が上がります。

3つの変数のうちどれか1つでも重い条件があると、他が軽くても初期費用は基本形の2〜3倍になるのが実務感覚です。

稟議前に必ず自社の値を書き出しておいてください。

ユーザー数の閾値：50名以下は SaaS 型で十分、50〜300名は SaaS＋構築型の併用、300名超は構築型が現実的なコスト効率になります。

SaaS 型の月額は人数比例のため、300名を超えると月額80万円級になり、構築型の月額30万円級と逆転します。

社内データ量の閾値：文書数1万件・容量10GB を超えるとベクトル DB のインデックス構築・維持コストが跳ね、初期費用が2倍以上になります。

よくある勘違いが「社内 Wiki を全部入れれば良くなる」ですが、実際は「回答に使う可能性がある文書」を1,000〜3,000件に絞ったほうが精度・コストともに有利です。

要求精度の閾値：「参考回答でよい」なら市販の SaaS 型で 70〜80% の満足度を目指せますが、「業務判断に耐える精度」を求めると評価データ整備・回答監査プロセス・エラー分析ループの構築が必要になり、初期費用は300万円級から始まります。

目指す精度と業務の失敗許容度をセットで議論するのが第一歩です。

自社の運用開始後の月額感を先に掴んでおきたい方は AI導入の月額運用コストの内訳と相場｜初期費用だけで判断しない で運用コスト側の分解も見ておくと、TCO 判断がぶれにくくなります。

ここまでは「費用をどう見積もり、どう削るか」という効率化の視点で整理してきました。ただ実際に稟議まで通す局面では、それだけでは足りない。「この投資で自社の意思決定がどう速くなるのか」「情報が一元化された結果、どの部門の判断品質が上がるのか」——効率の話から、経営の情報流通と判断速度の話へ、問いを一段上げる必要が出てきます。社内AIアシスタントを単なる問い合わせ削減ツールではなく「社内の暗黙知を掘り起こして意思決定に流し込むインフラ」として位置づけ直せると、投資額の議論が「いくら安く済むか」から「どこに投じれば経営が動くか」に変わります。

内製 vs 外注 vs SaaS の分岐点：TCO で選ぶ

3年間の TCO で比較すると、ユーザー数100〜300名で内製と外注が拮抗し、300名超では内製優位に傾きます。ただしエンジニア採用・離職リスクを含めると 200名未満は外注/SaaS の合理性が高くなります。

分岐点を判断する際に最も見落とされやすいのが「エンジニア工数の隠れコスト」です。

内製で組む場合、AI エンジニア1名の年収は700〜1,200万円、加えて MLOps 環境の維持・LLM プロバイダの契約管理・社内問い合わせ対応が必要になります。

3年で見ると内製のほうが数字上は安くても、担当者の離職・異動が起きた瞬間に運用が止まるリスクを併せて評価する必要があります。

以下は「300名利用・中規模データ量・中程度精度要求」というよくある中小企業の条件で、3年間の総コスト（TCO）を比較した目安です。

試算前提はベンダー公開価格・給与相場・IPA 調査から中央値を採用した仮定値で、個別条件で必ず上下します。

数字だけを見ると SaaS 型が圧倒的ですが、社内固有のワークフロー自動化まで踏み込むと SaaS の柔軟性は限界があり、外注または内製に移らざるを得ないケースが増えます。

**「業務を大きく変える意思がなければ SaaS」「業務そのものを再設計するなら外注または内製」**という切り分けが実務的です。

ベンダー選定に進む前に 中小企業のAI開発ベンダー選定基準7項目｜相見積もり前に押さえる視点 の判断軸を通しておくと、見積もり比較がブレません。

費用を抑える実務手順：3ヶ月で判断できる進め方

全社導入の前に「1部門・1ユースケース・撤退基準明文化」で3ヶ月 PoC を回すのが最も費用対効果が高い進め方です。この段階を飛ばすと、初期数百万の投資が塩漬けになる確率が上がります。

社内AIアシスタントで最も失敗しやすいのは「全社一斉導入」を目指してしまうことです。

次の3ステップを守ると、投資リスクを桁単位で下げられます。

1. 1部門・1ユースケースに絞る（1ヶ月・費用〜30万）：情シスへの内線問い合わせ／営業への商品仕様質問／人事への就業規則問い合わせ、のように「同じ質問が繰り返される業務」を1つ選ぶ。全社データではなく、その業務に必要な文書だけを RAG に入れる。
2. SaaS 型 or 最小構築で3ヶ月 PoC（費用50〜150万）：ChatGPT Enterprise または Copilot に社内文書を限定接続し、正解率・時短効果・利用率の3指標で測る。撤退基準（例：3ヶ月後に正解率70%未満なら中止）を必ず先に決める。
3. 成果が出た業務だけを本格構築に展開（費用150〜500万）：PoC で正解率が閾値を超えた業務のみ、専用の構築型/エージェント型に投資する。他の業務は SaaS 型のまま運用する。

補助金を活用する場合、IT導入補助金 2026 は通常枠で最大450万円、複数社連携枠で最大3,000万円までの支援が想定されます（採択枠・上限は公募回により変動、詳細は事務局の公募要領を確認してください）。

「導入して終わり」ではなく KPI 設計と業務改革ストーリーを含めて申請することが採択率を上げるポイントです。

「自社のどの業務が PoC に向くか判断できない」「見積もりを取る前に費用感の妥当性を第三者にチェックしてほしい」——このような入り口の整理で迷っている方は、初月無料の経営AI診断（通常30万円相当）で貴社の業務現状の可視化と、社内AIアシスタント導入における具体的な改善提案をご一緒に整理します。

稟議書の初稿レビューまで対応可能です。

まとめ：まずは相場感を持ち、次に閾値で選ぶ

社内AIアシスタントの費用は「SaaS 型（月数万〜）／構築型 RAG（初期50〜300万）／エージェント型（初期150〜1,000万）」の3タイプで桁が変わり、費用の75%以上は LLM API ではなくデータ整備と業務要件定義に紐づく人件費です。

ユーザー数100〜300名・データ1万件が内製/外注/SaaS の主要な分岐点で、迷ったら1部門・1ユースケースの3ヶ月 PoC から始めるのが最もリスクが低い進め方になります。

自社のケースに落とし込むために、まずは「対象部門・対象業務・現状の問い合わせ件数」を1枚に書き出してみてください。

この1枚があるだけで、ベンダー見積もりの粒度が変わり、稟議の説得力も跳ね上がります。

関連記事

• 中小企業向け AI 導入の初期費用と相場感 — 関連: AI導入コスト全体像
• RAG構築の費用相場と内訳｜社内データ検索AIにいくらかかるか — 関連: 社内 RAG の内訳
• AI導入の月額運用コストの内訳と相場｜初期費用だけで判断しない — 関連: 運用コスト分解
• 中小企業のAI開発ベンダー選定基準7項目｜相見積もり前に押さえる視点 — 関連: 外注時の判断軸
• 社内データをAIに渡すときの線引き｜何を渡してよいか・管理の基本 — 関連: 社内データ活用の前提整理