本文へ移動
hanzochang

AIの内製化支援とは|生成AIを自社で作れるようにするメリット、外注との分け方、頼むときに確かめること

公開

AIの内製化支援は、生成AIを使った業務の仕組みを、社員が自分たちで作り、動かし続けられるようにする手伝いです。外の会社に丸ごと頼む場合との違い、内製化のメリットと難しいところ、どの段階を自社で持ちどこを外に頼むか、支援の会社を選ぶときに確かめることをまとめます。

はじめに

生成AIを業務に取り入れるとき、誰がツールを作り、誰が直すかで迷うことがあります。

  • 外の会社に作ってもらうと早いが、細かい直しのたびに見積もりを取ることになりそう
  • 社員に作らせたいが、AIに詳しい人がいない。教える人もいない
  • ChatGPTやClaude Codeで社員が作ったツールが、いつのまにか業務に欠かせなくなっていて、誰も中身を説明できない

AIの内製化支援は、こうした会社が、生成AIを使った仕組みを自分たちで作り、動かし続けられるようになるための手伝いです。外の人が社員と並んで作業し、少しずつ社員に仕事を移していきます。

AIの内製化と内製化支援の意味

AIの内製化は、生成AIを使った業務の仕組みを、社員が考え、作り、直せる状態にすることを指します。全部を社員が書く必要はありません。何を作るかを決め、出来上がったものの良し悪しを判断し、使いながら直す役を、社内の人が持っている状態です。

内製化支援では、社員が自分たちで判断して直せるようになるまで、外部のエンジニアや支援会社が社員と一緒に作業します。

表
進め方作る人終わったあとに社内に残るもの
外注(丸ごと頼む)外の会社出来上がったツール。直すときはまた外に頼む
社員だけで内製化社員ツールと経験。ただし作った本人しか中身を知らないことが多い
内製化支援を受ける社員と外の会社が一緒にツール、直し方の資料、判断できる社員
表
進め方作る人終わったあとに社内に残るもの
外注(丸ごと頼む)外の会社出来上がったツール。直すときはまた外に頼む
社員だけで内製化社員ツールと経験。ただし作った本人しか中身を知らないことが多い
内製化支援を受ける社員と外の会社が一緒にツール、直し方の資料、判断できる社員

生成AIの内製化が増えている背景

総務省の令和8年版情報通信白書によると、生成AIを「積極的に活用する方針である」か「活用する領域を限定して利用する方針である」と答えた日本の企業は68.9%でした。前の年度の調査では49.7%です。中小企業に限ると58.1%で、総務省は白書で中小企業の伸びが特に大きかったと書いています(総務省の白書)。

一方で、同じ調査で「組織的な取組はない」と答えた企業は27.0%ありました。この割合は米国、ドイツ、中国より目立って高く、中小企業ほど高い傾向でした(白書の該当ページ)。

IPA(情報処理推進機構)の「DX動向2026」でも、生成AIを「導入している」企業は前の年度の22.6%から44.0%に増えました。AIの導入と運用の課題では、次の3つが上位に並んでいます。

表
課題回答した企業の割合
専門人材が不足している50.1%
生成AIの効果やリスクに関する理解が不足している45.8%
適切な利用を管理するためのルールや基準の作成が難しい39.7%
表
課題回答した企業の割合
専門人材が不足している50.1%
生成AIの効果やリスクに関する理解が不足している45.8%
適切な利用を管理するためのルールや基準の作成が難しい39.7%

AnthropicのClaude CodeやOpenAIのCodexは、文章で指示するとプログラムを書き、動かして確かめるところまで進めてくれる道具です(Claude Codeの説明)。IPAの同じ調査でも、AIの用途の1つに「プログラムコードやシステム開発支援」が挙がっています。以前は外の会社に頼んでいた小さな社内ツールを、社員が自分で作れる場面が増えました。社員が作ったツールを誰が保守するかも決める必要があります。

AIを内製化するメリット

内製化のよいところは、業務を一番よく知っている人が、自分で直せることにあります。

表
メリット中身
直すのが速い返信の言い回しを変える、項目を1つ足すといった直しを、その日のうちに社内で済ませられる
業務に合わせやすい現場の細かい例外を知っている社員が作るので、使われないツールになりにくい
費用の見通しが立つ直すたびの見積もりや発注がいらない。かかるのは主に社員の時間とAIの利用料になる
知識が社内に残る社員がAIに向く業務や間違いが起きやすい箇所を把握できる
データを外に出す範囲を決めやすいどのデータをどのAIのサービスに渡すかを、社内で判断して管理できる
表
メリット中身
直すのが速い返信の言い回しを変える、項目を1つ足すといった直しを、その日のうちに社内で済ませられる
業務に合わせやすい現場の細かい例外を知っている社員が作るので、使われないツールになりにくい
費用の見通しが立つ直すたびの見積もりや発注がいらない。かかるのは主に社員の時間とAIの利用料になる
知識が社内に残る社員がAIに向く業務や間違いが起きやすい箇所を把握できる
データを外に出す範囲を決めやすいどのデータをどのAIのサービスに渡すかを、社内で判断して管理できる

AIの内製化が難しいところ

難しさは作り始める前より、作ったあとに出てきます。

表
分野起こりやすいこと
人作れる社員が1人に偏る。その人が異動や退職をすると、誰も直せなくなる
運用AIのサービスの仕様変更や料金の変更で、ある日突然動かなくなる。気づくのが遅れる
セキュリティAPIキーをコードに直接書く、顧客の個人情報をそのままAIに渡すといった事故が、作った本人に気づかれないまま残る
品質AIの回答の誤りを見つける仕組みがなく、間違った見積もりや返信がそのまま外に出る
表
分野起こりやすいこと
人作れる社員が1人に偏る。その人が異動や退職をすると、誰も直せなくなる
運用AIのサービスの仕様変更や料金の変更で、ある日突然動かなくなる。気づくのが遅れる
セキュリティAPIキーをコードに直接書く、顧客の個人情報をそのままAIに渡すといった事故が、作った本人に気づかれないまま残る
品質AIの回答の誤りを見つける仕組みがなく、間違った見積もりや返信がそのまま外に出る

IPAの調査で約4割の企業が課題に挙げた利用のルールや基準づくりは、表の下の2項目にあるセキュリティと品質に関わる悩みです。Claude CodeやCodexは、試しに動くツールを作るまでは早くても、パスワードの扱いや障害への備えまでは頼まないと作ってくれません。

自社で持つ段階と外に頼む段階

内製化を考えるときは、仕事を段階に分け、段階ごとに持ち主を決めると話を進めやすくなります。

図は当社がよく提案する分け方です。会社の人数や、社内にエンジニアがいるかどうかで変わります。

表
段階持ち主理由
業務を知る自社どの作業に時間がかかり、どこで間違いが起きるかは、社員にしかわからない
試作一緒に社員がClaude CodeやCodexで形にし、外の人が設計の筋の悪いところを早めに指摘する
本番の開発外に頼むログイン、権限、データの保管、障害への備えなど、経験がないと抜けやすい部分が多い
運用一緒に障害の対応は外の人が受け持ちつつ、日々の様子を見る役は社員に移していく
改善自社使う人の声を聞いて直す作業は、業務を知る社員が持つと速い
表
段階持ち主理由
業務を知る自社どの作業に時間がかかり、どこで間違いが起きるかは、社員にしかわからない
試作一緒に社員がClaude CodeやCodexで形にし、外の人が設計の筋の悪いところを早めに指摘する
本番の開発外に頼むログイン、権限、データの保管、障害への備えなど、経験がないと抜けやすい部分が多い
運用一緒に障害の対応は外の人が受け持ちつつ、日々の様子を見る役は社員に移していく
改善自社使う人の声を聞いて直す作業は、業務を知る社員が持つと速い

社内にエンジニアがいる会社なら、本番の開発も一緒にやる段階に移せます。逆に、最初の1本は本番の開発から運用まで外に頼み、2本目から社員の受け持ちを増やす進め方もあります。

内製化支援の会社に頼める仕事

表
頼める仕事具体的な中身
業務の整理今の仕事の流れを聞き取り、AIに任せる作業と人が残す作業を分ける
試作の伴走社員がClaude CodeやCodexで作るのを横で見て、詰まったところを一緒に直す
社員が作ったツールの本番化作りかけのコードを読み、権限やデータの扱いを直して、本番で運用できるようにする
運用の仕組みづくり動かなくなったときに気づく仕組みと、誰が何を直すかの決まりを作る
社内の決まりづくりどのデータをAIに渡してよいか、作ったツールを誰が確認するかを文書にする
表
頼める仕事具体的な中身
業務の整理今の仕事の流れを聞き取り、AIに任せる作業と人が残す作業を分ける
試作の伴走社員がClaude CodeやCodexで作るのを横で見て、詰まったところを一緒に直す
社員が作ったツールの本番化作りかけのコードを読み、権限やデータの扱いを直して、本番で運用できるようにする
運用の仕組みづくり動かなくなったときに気づく仕組みと、誰が何を直すかの決まりを作る
社内の決まりづくりどのデータをAIに渡してよいか、作ったツールを誰が確認するかを文書にする

この仕事を受け持つ人として、最近は「AIビルダー」という呼び方が使われ始めています。業務に深く入り込み、AIエージェントを使って仕事の仕組みを作り、現場で使われ続けるところまで責任を持つ人です。言葉の出どころやAIエンジニアとの違いは、AIビルダーとはで説明しています。

内製化支援の相手に向いているのは、作る力だけの人より、業務の聞き取りから運用まで受け持てる人です。AIビルダーが受け持つ範囲は図の5つの段階とほぼ重なります。

内製化支援を頼むときに確かめること

契約前に、支援会社の担当範囲と、支援が終わるまでに社員に引き継ぐ仕事を確かめます。

表
確かめること聞き方の例
社員に何が残るか支援が終わったとき、社員が自分でできるようになっていることは何か
試作のあとの道筋試作がうまくいったら、本番で動かすまでに何が必要で、誰が受け持つか
社員が作ったものを扱えるか社員がClaude CodeやCodexで作ったコードを見てもらえるか
データの扱い業務のデータをどのAIのサービスに渡すのか、その設定を誰が確かめるのか
終わり方支援の量をどう減らしていくか。いつまでに社内に移すか
表
確かめること聞き方の例
社員に何が残るか支援が終わったとき、社員が自分でできるようになっていることは何か
試作のあとの道筋試作がうまくいったら、本番で動かすまでに何が必要で、誰が受け持つか
社員が作ったものを扱えるか社員がClaude CodeやCodexで作ったコードを見てもらえるか
データの扱い業務のデータをどのAIのサービスに渡すのか、その設定を誰が確かめるのか
終わり方支援の量をどう減らしていくか。いつまでに社内に移すか

最後の質問に具体的な答えが返ってこない場合は、形が違うだけの外注になる見込みが高くなります。

内製化で失敗しやすい型

よく見る失敗は2つあり、1つは支援を頼んだつもりが丸投げになり、社内に何も残らない型です。経済産業省は「DXレポート2.1」で、ユーザー企業が委託でコストを下げ、ベンダー企業が低いリスクで安定した仕事を得る関係を、一見よさそうでも双方が必要な能力を身につけられない「低位安定」の関係だと指摘しました(@ITの記事)。打ち合わせに社員が出ず、成果物の説明を受けるだけなら、終わったあとに直せる人は社内にいません。

もう1つは試作で止まる型です。社員がClaude CodeやCodexで作ったツールが、作った人のパソコンの中だけで動き、ほかの人は使えないまま終わります。試作を始める段階で、うまくいったら誰が本番の形に直すのかを決めておくと防げます。

どちらの型も段階ごとの持ち主を決めずに始めたときに起こりやすくなります。自社で持つ段階と外に頼む段階を分けた図と表を、社内で話し合う材料に使ってください。

株式会社hanzochangの内製化支援

株式会社hanzochangは「相談しやすいAIビルダーがいる会社」を掲げています。業務の整理、AIエージェントの開発、Claude CodeやCodexで作ったコードの本番化、使い始めたあとの運用をお手伝いしています。

社員の方が作りかけたツールがある場合は、そのコードを読むところから始められます。どこまで自社で持ち、どこを外に頼むかの線引きからご相談ください。

この記事の株式会社hanzochangについて
少し紹介させてください!

この記事に関連する当社のサービス

業務改善・AI活用支援

転記・集計・資料作成にかかる時間を減らしませんか?

現在の業務と使っているシステムを整理し、AIが役立つ作業から改善します。試作で効果を確かめ、現場で使うアプリの開発・運用まで支援します。

サービスの詳細を見る
Jくんが多様な業務アプリを開発するイラスト。背景に多数のアプリが並ぶ。
  • 業務の整理

    手間のかかる作業と、改善する順番を明確に。

  • 試作・アプリ開発

    実際の手順に合わせて、使える仕組みを開発。

  • 導入・運用支援

    使い方の共有から、導入後の改善まで対応。

業務改善・AI活用について、お気軽にご相談ください。