AIエージェント開発会社の5タイプと選び方【2026年版】段階別の費用感と外注のチェックポイント

「AIエージェントを作れる会社を探しているが、どの会社も『要お見積もり』で、そもそもチャットボットと何が違うのかも社内で説明できない」——2026年に入って、DX推進や情報システムの担当者からこうした相談をよく受けます。経営層からは「AIエージェントで業務を減らせ」と指示が出ているのに、会社のタイプも費用の桁も分からないまま、稟議の期限だけが迫っている。これが多くの現場の実情です。

先にお伝えしたいのは、AIエージェント開発会社は会社名ではなくタイプで選ぶ、ということです。会社はプラットフォーム型・受託開発型(AI専業)・コンサル伴走型・大手SIer型・オフショアのラボ型の5タイプに分かれ、向く案件と費用感がまったく違います。そして選ぶ前に決めるべきことが3つあります。何を作るのか(チャットボット・RAG・エージェントのどれか)、どの段階まで頼むのか(PoC・本番・運用)、試行錯誤を誰が回すのか、です。

この3つを決めずに会社を探すと、チャットボットに名前を変えただけの提案と本物の区別がつかず、PoCで「動くもの」ができたところで止まり、2年目に運用費とAPI利用料で予算が崩れます。逆に、3つを決めてからタイプを絞れば、初回の打ち合わせで費用感と進め方まで詰められます。

本記事では、AIエージェント開発とは何か(チャットボット・RAGとの違い、仕組み、代表的なフレームワーク、典型ユースケース)、開発会社の5タイプと段階別の費用感・外注のチェックポイント、オフショアのラボ型でエージェントを開発する体制と向かない案件、よくある質問の順に解説します。費用は出典と年を付けて示し、公開情報が少ない部分はその旨を正直に書きます。

私は人材業界の出身で、2018年からホーチミンでベトナムオフショア開発の体制づくりに携わり、約100社の相談に乗ってきました。「AIエージェントを作りたい」という相談の多くは、整理するとRAGやチャットボットで足りるものです。この記事を読み終えるころには、自社の案件に本当にエージェントが要るのか、どのタイプの会社に何を聞けばよいかが判断できるはずです。

AIエージェント開発とは——チャットボット・RAGとの違い、仕組み、代表的なフレームワーク、業務での典型ユースケース

会社を探す前に、まず「何を作るのか」を決めます。AIエージェントとは、与えられた目標に向かって外部のツール(検索・データベース・業務システムのAPI・ファイル操作など)を自ら呼び出し、複数の手順を自律的に進めるAIのことです。応答を返すだけのチャットボットや、社内文書を検索して回答するRAGとは、仕組みも費用も運用の手間も違います。この章では違い・仕組み・代表的なフレームワーク・典型ユースケースを整理します。

チャットボット・RAG・AIエージェントの違い(表): 応答の仕組み、ツール実行、自律的な計画、人の介在、評価

本記事では、AIエージェントを「生成AIに、ツールを呼び出す能力を加えたもの」と整理します。私は2018年からホーチミンで約100社の開発体制の相談に乗ってきましたが、「AIエージェントを作りたい」という相談の多くは、要件を整理するとRAGやチャットボットで足りるものでした。逆に、エージェントでなければ成立しないのは「判断した結果を、実際にシステムへ登録したり送信したりする」案件です。

仕組み——「計画→ツール実行→観察→再計画」のループと、人が確認する設計(Human-in-the-loop)、評価

AIエージェントの中身は、LLMを中心にした反復です。利用者の依頼を受けたLLMが手順を計画し、ツール(検索、DB参照、社内APIなど)を実行し、返ってきた結果を観察して次の手順を決める。目標に達するまでこのループを回します。だから開発の中心は、LLMそのものを作ることではなく、どのツールを、どの権限で、どの順に使わせ、どこで人が確認するかを設計することになります。

ここで要注意です。エージェントは「動く」ことと「正しく動く」ことの差が大きく、送信・登録・支払いのような取り消しにくい操作は、人が承認してから実行する設計(Human-in-the-loop)を最初から組み込みます。また、精度は一度で決まりません。評価用のデータを用意し、タスク完了率・誤操作率・トークンコストを測り、プロンプトとツールの定義を直して再評価する。この反復が本番後も続く点が、一般のシステム開発と最も違うところです。

代表的なフレームワーク・基盤(表・公開情報の範囲): LangGraph、OpenAI Agents SDK、Dify、MCP、クラウド各社の基盤

開発会社の提案には、次のような名前が出てきます。公開情報の範囲で整理します。

技術選定で大切なのは、名前ではなく2点です。第一に、既存のクラウドと認証・権限の仕組みに揃えること。第二に、特定のLLMや基盤に縛られない設計(モデルを差し替えられる、ツール定義をMCPなどの標準に寄せる)にしておくことです。ベンダーロックインは、あとから直すほど高くつきます。

業務での典型ユースケース5つ(表): 問い合わせ一次対応、社内ナレッジ検索+申請、営業支援、経理・帳票、開発支援

私が約100社の相談を受けるなかで繰り返し出てくる、典型的なユースケースを5つに整理しました。「エージェントが要るか、RAGで足りるか」の見極めにお使いください。

いずれも「判断のあとに、システムへの操作が続く」点が共通しています。ここまでで、何を作るのかは決められるはずです。次章では、それを誰に頼むのか——開発会社のタイプと費用感、選び方を整理します。

AIエージェント開発会社の5タイプと段階別の費用感、外注のチェックポイント

AIエージェントを扱う会社は、提供形態で5つのタイプに分かれます。当社が約100社の相談を受けるなかで整理した区分で、プラットフォーム型・受託開発型(AI専業)・コンサル伴走型・大手SIer型に、当社が属するオフショアのラボ型を加えたものです。どのタイプに相談するかで、初期費用の桁も、検討にかかる期間も変わります。費用は、公的な統計や業界団体の調査が存在しないため金額の相場は示さず、費用がどう決まるかを整理します。

5タイプの比較表: プラットフォーム型、受託開発型(AI専業)、コンサル伴走型、大手SIer型、オフショアのラボ型——向く案件と注意点

タイプを1つに絞ってから3社程度に相談すると、比較の手間が減ります。「AI専業でないと作れない」と思われがちですが、それが必要なのは独自モデルの研究開発が要る案件で、多くのエージェント開発は既存LLMのAPIと公開フレームワークの組み合わせです。この点は「AI受託開発」の記事でも触れています。

段階別の費用感(表・出典付き): 要件定義、PoC、部門単位の本番、全社・基幹連携、運用とLLM API利用料。人月単価と「公開情報は少なく幅が大きい」という実情

AIエージェント開発の費用は「いくら」ではなく「どの段階まで」で決まります。複数の公開情報を段階ごとに並べました。

AIエージェント開発の費用には、公的な統計も業界団体の調査もありません。各社のサイトに載っている相場表は自社の実績と観察をもとにした独自の集計で、同じ段階でも出典によって2〜3倍の幅が出ます。本記事では原典を確認できない金額は掲載していません。稟議には他社の相場表の数字を書き写すのではなく、「どの段階まで頼むか」を決めたうえで、複数社の見積もりを人月と内訳で比べてください。

費用の大半は人件費です。AIエンジニアの人月単価には公開された一次統計がないため、本記事では相場を示しません。参考までに、当社のベトナム人エンジニアの公開単価は実務3年目安で月額1,500USD(約22.5万円、1USD=150円換算目安)、5年で2,000USD、10年・ブリッジSEで3,000USDです。ここに日本人PMのフロント費用が乗りますが、それでも人件費の差は大きく、この差が「反復を回す回数」の差になります。もう1つ見落としやすいのがLLM API利用料で、利用者数とトークン量に比例して増えます。設計段階で月額を試算しないまま本番に入ると、稼働後に予算が崩れます。これは失敗のもとです。

外注・内製・ハイブリッドの判断——AIエンジニアの採用コスト、設計は社内・実装と評価は外部

「外注するか、内製するか」は、3つの条件で決まります。第一に、社内にLLMやプロンプト設計の経験者がいるか。第二に、短期間で立ち上げる必要があるか。第三に、機密データを社外に出せるか。内製は改善を素早く回せる一方、経験者の採用には時間も人件費もかかり、立ち上がるまでの期間が読みにくくなります。短期で立ち上げる案件では外注のほうが総額を抑えられることが多い、というのが私が相談を受けてきた実感です。

現実的なのはハイブリッドです。業務要件と合格条件の設計は社内が担い、実装・評価・改善は外部の専属チームに任せる。この形なら丸投げにならず、社内にノウハウも残ります。外注先には「設計を社内で持つ前提で、実装と評価を継続的に回せるか」を確認してください。継続的に回すという点では、専属チームを月額で確保するラボ型が候補になります(「ラボ型開発」の記事で契約形態の違いを整理しています)。

外注先を選ぶチェックポイント6つ——PoCで終わらせない合格条件、データとセキュリティ、運用と評価の体制、ベンダーロックイン、LLMの選択肢、成果物の権利

選定の場でよく挙がる項目と、私が相談のたびに必ず確認している項目を、6つに絞りました。

1. PoCで終わらせない合格条件: 「一次回答の精度」「担当者の工数削減率」のように、本番移行を判断する指標と目標値を、自社の業務に合わせて先に合意できるか。PoCの期間にも上限を設けるか
2. データとセキュリティ: データの保管先(リージョン)、入力データがモデルの学習に使われないか、権限管理・監査ログ・プロンプトインジェクション対策をどう実装するか
3. 運用と評価の体制: 本番後の精度監視、プロンプト改善、LLMのモデル更新への追従を、誰が・どの契約で・いくらで続けるか。月次のレビュー会議があるか
4. ベンダーロックイン: 特定のLLMや基盤に依存しない設計か。モデルを差し替えられるか、ツール定義を標準(MCPなど)に寄せているか
5. LLMの選択肢: GPT系・Claude系・Gemini系・OSSモデルを要件で選べる体制か。1社のモデルしか扱えない会社は要注意です
6. 成果物の権利: ソースコード・プロンプト・評価データの権利が発注側に帰属するか。曖昧なままだと乗り換えられなくなる

6つとも、初回の打ち合わせで質問すれば答えが返ってくるものです。答えが曖昧な会社は、どんなに実績を並べていても候補から外す。約100社の相談から得た私の教訓です。

オフショアのラボ型でAIエージェントを開発する体制——当社の位置づけと、向く案件・向かない案件

ここからは、5タイプのうち当社が属する「オフショアのラボ型」について、どんな案件に合い、どんな案件に合わないかを正直にお伝えします。当社はAI専業のコンサルでも大手SIでもありません。ベトナム・ホーチミンの専属チームを月額固定で提供し、日本人PMをフロントに置いて、評価と改善の反復を回す体制です。

なぜラボ型が合うのか——評価→改善→再評価の反復を、月額固定の専属チームで回す

前章までで触れたとおり、AIエージェントの精度は一度で決まりません。評価データで測り、プロンプトとツール定義を直し、再評価する。本番後もモデル更新への追従と改善が続きます。請負契約で仕様を固めて納品する形だと、この反復のたびに追加見積もりと契約が要り、改善が止まりやすいのが実情です。

ラボ型は、専属チームの稼働に月額固定で対価を払う準委任契約なので、優先順位を週次で見直しながら、評価と改善を何度でも回せます。PoCで本番移行の判断が出たあと、同じチームがそのまま本番開発と運用改善に進めるため、引き継ぎで知識が失われません。エージェント開発のように「試行錯誤の回数」が成果を左右する案件ほど、この契約形態が合います。費用の内訳は「ラボ型開発 費用」の記事で詳しく整理しています。

当社の体制(表): AI活用開発体制、LLMを組み込んだAIチャットボットの実績、AWS認定11冠、日本人PMフロント、公開単価、契約

LLMを組み込んだチャットボットの開発では、プロンプトの設計、回答品質の評価、リリース後の改善を日本人PMのレビューのもとで繰り返しました。エージェント開発で加わるのは、ツール実行の権限設計、人が承認する箇所の設計、タスク完了率や誤操作率の評価です。これらは設計レビューの対象として最初から組み込みます。介護記録SaaS「CareViewer」のように、日本語ブリッジSE1名とフルスタックエンジニア2名で週次の優先順位判断を回し、従来の半分以下のコストで継続開発している体制が、当社の基本形です。当社のAI活用開発体制の全体は「オフショア開発 AI」の記事にまとめています。

向く案件・向かない案件——独自モデルの研究開発型、機密データを海外に出せない案件、SaaSで済む案件は当社に向かない

向く案件は3つです。既存LLMのAPIと公開フレームワークを組み合わせて作る業務エージェントやプロダクト組み込み型、PoCのあとも改善を続ける前提の案件、そして日本側に優先順位を判断する担当者がいる案件です。

一方、次の案件は当社より他のタイプが合います。第一に、独自モデルの学習や研究開発が要る案件。これは国内のAI専業(受託開発型)の領域です。第二に、機密データを海外に出せない案件。当社のエンジニアはホーチミンで作業するため、データを国内に留める要件がある場合は、国内の受託開発型や大手SIer型、オンプレミス構成を前提に相談してください。第三に、プラットフォーム型のSaaSで済む案件。標準機能で足りるなら、開発するより設定で使うほうが安く早い。当社でも、相談の内容によっては「この案件はSaaSで十分です」「国内のAI専業が合います」とお伝えしています。

相談時に整理しておくこと4つ

相談を早く具体化するために、次の4つを整理しておいてください。自動化したい業務と、そこで実行させたい操作(送信・登録など)。連携したいシステムとデータの所在(国内に留める要件があるか)。PoCの合格条件と本番移行の判断軸。社内で優先順位を判断する担当者。この4つがあれば、初回の打ち合わせで体制案と概算をお出しできます。あなたの案件は、エージェントでなければ成立しない案件でしょうか。それとも、RAGやSaaSで足りる案件でしょうか。

AIエージェント開発会社に関するよくある質問

AIエージェントの開発会社選びについて、相談の場で繰り返し聞かれる質問を5つにまとめました。社内説明の材料にもお使いください。

Q1. AIエージェントとチャットボットの違いは何ですか?

チャットボットは質問に応答するまで、AIエージェントは外部のツール(検索・DB・業務システムのAPI)を実行して複数の手順を自律的に進めるものです。回答するだけで足りるなら、チャットボットやRAGのほうが安く早く作れます。

Q2. 最低予算はいくらから依頼できますか?

PoCの費用は対象業務の広さと連携するシステムの数で変わり、公開された一次統計がないため本記事では金額の目安を示していません。当社は専属チームを1名から月額で契約でき、日本人PMフロント+2〜3人月で月額約80万円〜(1USD=150円換算の目安)が最小構成です。

Q3. 開発期間はどのくらいかかりますか?

期間は対象業務の数と連携するシステムの数で決まり、公開された一次統計がないため本記事では目安の期間を示していません。当社は最短2週間でチームを立ち上げ、PoCから本番・運用改善まで同じチームで進めます。

Q4. 社内にAI人材がいなくても内製できますか?

設計と合格条件の判断を社内が担い、実装と評価を外部の専属チームに任せるハイブリッドが現実的です。Difyのようなノーコードの基盤で社内の人材を育てながら、外部と併走する会社もあります。

Q5. 機密データの扱いと補助金はどうなりますか?

データの保管先と学習利用の有無は契約前に確認し、国内に留める要件があれば国内の会社かオンプレミス構成を選んでください。補助金は「デジタル化・AI導入補助金2026」(旧IT導入補助金)がAIエージェントの開発・導入を対象とし、上限450万円・補助率1/2以内(中小企業庁「デジタル化・AI導入補助金2026」公募要領。2026年9月21日確認)。要件は年度で変わるため、発注前に公式サイトで確認が必要。

まとめ: 何を作り、どこまで頼み、誰が反復を回すのかを先に決める——会社はタイプで見極め、費用は段階で比べる

AIエージェントは、外部のツールを実行して複数の手順を自律的に進めるAIです。応答するだけならチャットボットやRAGで足り、エージェントが要るのは「判断のあとにシステムへの操作が続く」案件に限られます。仕組みは「計画→ツール実行→観察→再計画」のループで、人が承認する箇所の設計と、タスク完了率・誤操作率・コストの評価を、本番後も繰り返す点が一般のシステム開発と違います。

開発会社はプラットフォーム型・受託開発型(AI専業)・コンサル伴走型・大手SIer型・オフショアのラボ型の5タイプに分かれ、向く案件と費用感が違います。費用は段階で比べてください。費用は要件定義・PoC・部門単位の本番・全社展開・運用の5段階で構造が変わり、公的な統計がないため本記事では金額の相場を示していません。外注先は、PoCで終わらせない合格条件、データとセキュリティ、運用と評価の体制、ベンダーロックイン、LLMの選択肢、成果物の権利の6点で確認してください。費用相場の全体像はAI受託開発とはもあわせてご覧ください。

当社は、AI活用開発体制とLLMを組み込んだAIチャットボットの実績、AWS認定11冠のエンジニア、日本人PMのフロントを備えた月額固定の専属チームで、評価と改善の反復を1か月単位の体制調整で回します。一方、独自モデルの研究開発が要る案件や、機密データを海外に出せない案件は、国内のAI専業や大手SIが合います。契約形態の違いはラボ型開発とはで整理しています。現在の体制と要件をお聞かせいただければ、エージェントが要るかどうかの判断と概算見積もりでお答えします。合わない案件にはその旨も率直にお伝えします。