AI開発の要件定義書サンプル｜通常開発との3つの違いとチェックリスト

AI開発の要件定義が通常のシステム開発と異なる3つのポイント

AI開発を外部に発注する際、通常のシステム開発の要件定義書をそのまま流用する企業が少なくありません。以下の3つの違いを理解しておくことで、ベンダーとの認識齟齬を防げます。

違い①：精度要件の定義が必要になる

通常のシステム開発は「正しく動くか否か」の二択ですが、AI は「どの程度正しいか」を数値で定義しなければなりません。

よくある失敗は「精度99％以上」と書いてしまうことです。AI の精度は95％から99％に引き上げるだけでコストが数倍に膨らみます。正しくは業務の許容誤差をベースに定義します。たとえば画像検品 AI なら「過検出率5％以内、見逃し率1％以内」のように用途ごとに記載してください。

違い②：学習データ・入力データの要件を明記する

AI はデータの質がアウトプットの質を直接左右します。特に重要なのが「データ準備の責任分界」です。発注者とベンダーのどちらがデータを用意するかを、事前に合意しておく必要があります。合意がないまま進めると、中盤で「データが足りない」「形式が違う」というトラブルが発生します。

以下の項目を要件定義書に盛り込みましょう。

違い③：ハルシネーション対策と倫理要件を盛り込む

生成 AI を組み込むシステムでは、ハルシネーション（事実と異なる出力）への対策を要件として定義することが必須です。

要件書には、RAG（検索拡張生成）の参照元制限とファクトチェック機能の実装要否を記載します。あわせて、禁止出力（差別的表現・競合製品の推奨など）の定義も盛り込みましょう。

EU AI法は、禁止規定が2025年2月、透明性義務などの主要規定が2026年8月に施行されています。なお高リスク AI義務は、Digital Omnibus合意により2027年12月へ延期されました。

こうした動向を踏まえ、高リスク AI ではリスク管理体制や透明性要件の記載も求められます。国内でも総務省・経済産業省の「AI事業者ガイドライン」への準拠を要件に含めておくと、ベンダー選定時の判断材料になります。

AI開発の要件定義書に必要な6つの記載項目（サンプル付き）

以下の6項目を押さえることで、AI開発に必要な要件を網羅できます。各項目にサンプル文を付けますので、自社の状況に合わせて編集してください。

①ビジネス要件（目的・KPI・業務フロー）

②精度要件（評価指標・許容誤差・ベンチマーク）

③データ要件（量・形式・前処理・権利）

残りの④セキュリティ要件、⑤倫理要件、⑥運用保守要件も同様のフォーマットで記載します。特に運用保守では、モデルの再学習サイクルと精度劣化の検知方法を事前に定義しておくことが重要です。

PoC・本番の2段階を前提にしたフェーズ設計の書き方

AI開発は PoC（概念実証）から始めるのが一般的ですが、要件定義が曖昧だと「PoC地獄」に陥ります。要件定義書の段階で2段階を明確に分けましょう。

PoC フェーズの要件定義で決めるべきこと

最も重要なのは Go/No-Go 基準（PoC通過条件）の事前合意です。「精度が実用レベルに達した」という曖昧な基準ではなく、「テストデータ500件でF1スコア0.80以上」のように定量的に定めます。

PoC の期間は1〜2か月、予算は100万〜500万円が目安です。この段階で本番と同等の要件を求めるのはコスト的に非現実的なため、対象範囲を限定して検証することがポイントです。

本番フェーズで追加すべき要件（運用・保守・再学習）

PoC で検証できない要件として、運用保守があります。モデルの精度は時間とともに劣化するため、再学習のサイクルと費用を要件として定義しておく必要があります。

AI システムの月額保守費は、システム規模により50万〜200万円程度かかるケースが一般的です。再学習が発生する場合はさらに追加費用が発生するため、頻度や概算費用をあらかじめベンダーと合意しておきましょう。契約形態も、PoC は準委任、本番構築は請負というケースが一般的です。

発注前に使える AI開発要件定義チェックリスト

以下のチェックリストをコピーしてベンダーへの発注前に確認してください。相見積もりの際にこのリストをベンダーに渡し、各項目への回答を求めると比較がしやすくなります。

チェックリスト全項目

ベンダー選定時の活用方法

このチェックリストを各ベンダーに共有し、項目ごとに回答を求めます。比較ポイントは3つです。

回答が曖昧なベンダーは、プロジェクト中に認識齟齬が発生するリスクが高いと判断できます。

よくある質問（FAQ）

まとめ

AI開発の要件定義書は、通常のシステム開発の要件定義に「精度要件」「データ要件」「ハルシネーション対策」「倫理要件」を追加した構成になります。

その際、精度要件は単に「99％以上」とするのではなく、業務の許容誤差をベースに定量的に定義することが重要です。また、プロジェクトはPoCと本番の2段階でフェーズを分け、事前にGo/No-Go基準を合意しておく必要があります。

本記事のチェックリストを活用し、まずは自社のAI開発プロジェクトの要件を棚卸しすることから始めてみてください。