RAG構築を外注する費用相場｜内訳と依頼前に確認すべき3つのこと

過去の提案書、マニュアル、議事録、契約書――社内には大量の文書が蓄積されているのに、必要なときに見つからない。担当者に聞く、フォルダを掘る、結局本人しか場所を知らない。この「探す時間」と「属人化」は、多くの会社が見過ごしたまま放置しているコストです。

この課題の解決策として近年注目されているのが、RAG（検索拡張生成。社内の文書やデータをAIが検索し、その内容をもとに回答を組み立てる仕組み）です。ChatGPTのような汎用の生成AIと違い、自社の文書を根拠にして回答するため、社内特有の情報（過去の契約条件、製品仕様、社内規程など）にも対応できます。

ただし「RAGを外注したらいくらかかるのか」は、相場情報が少なく判断しづらいテーマです。この記事では費用感の考え方と、依頼前に確認しておくべきポイントを整理します。

なぜ普通のAIチャットではダメなのか

汎用の生成AIは、学習していない社内情報については答えられないか、もっともらしい嘘（ハルシネーション。AIが事実に基づかない回答をもっともらしく生成してしまう現象）を返すことがあります。社内文書を検索対象にしたRAGは、根拠となる文書を提示しながら回答するため、業務での実用性・信頼性が大きく変わります。

そもそも作らずに済むか｜既製ツールとの分岐点

外注の見積もりを取る前に確認したいのが、既存環境に付属する機能で足りないかどうかです。社内文書がグループウェア（Microsoft 365・Google Workspace等）にまとまっている会社では、そこに付属する検索・要約の機能で目的を満たせる場合があります。

• 既製ツールで足りやすいケース：文書がクラウドのドライブ1か所にまとまっている／形式がOffice文書とPDF中心／求める精度は「あたりを付けられれば十分」／権限は既存のフォルダ権限をそのまま使いたい
• 個別構築が必要になりやすいケース：基幹システムや専用DBの中のデータも検索対象にしたい／スキャン画像や図表を含む文書が中心／回答に出典と数値の正確さが強く求められる（契約条件・製品仕様・価格表など）／取引先ごとに見せてよい情報が違う

順番としては、既製ツールで2〜4週間試し、どの質問に答えられて、どの質問で外したかを記録します。その記録がそのまま、個別構築を依頼するときの要件定義になります。何もない状態で相談するより、見積もりの精度が上がり、費用も下がります。

RAG導入の費用は「どこまでの規模・精度を求めるか」で大きく変わるため、一概に「〇〇円」とは言えません。ただし目安として、検証段階（PoC・少量の文書での動作確認）は数十万円規模、本番運用に耐える設計・実装・保守までを含めると100万円台後半〜数百万円規模になるケースが一般的です。この幅の広さこそが「依頼してみないと分からない」不安の正体です。

費用が変動する主な要因は次の3つです。

• 対象文書の量と種類 — PDF・Excel・Word・スキャン画像など、形式が混在するほど前処理（データを扱いやすい形に整える作業）の手間が増えます
• 精度要件 — 「だいたい合っていればいい」のか「契約書の数値を1件も間違えられない」業務なのかで、設計・検証の工数が変わります
• 既存システムとの連携有無 — 社内の文書管理システムや業務システムとつなぎ込む場合、追加の実装が必要になります

注意したいのは、費用の中心が「AI」ではなくデータ前処理にあることです。見積書で前処理の工数が薄い、あるいは項目自体がない場合は、自社側で文書を整える作業が想定されているか、精度が出ないまま納品される可能性があります。

自社でやろうとして詰まりやすいポイント

「ツールを導入すればすぐ使える」と思われがちですが、実際にはその手前のデータ整備（バラバラな形式の文書を、AIが検索しやすい状態に整理・構造化する作業）が最も工数を占めます。ここを省略すると、検索結果の精度が低く「結局使われないシステム」になってしまうケースが少なくありません。

また、精度のチューニング（検索結果の質を継続的に調整する作業）や、社外に出せない機密文書の扱い方の設計も専門性が必要な領域です。情シス担当者が本業と兼務しながら手探りで進めると、半年経っても本番運用に至らない、という相談は珍しくありません。

見落とすと事故になる「権限」の設計

RAGで最も深刻な失敗は、精度ではなく権限です。全社の文書をまとめて検索対象にすると、本来は見えないはずの人事情報や役員資料の内容が、回答文の中に現れてしまうことがあります。元の文書を開けなくても、回答に含まれれば漏洩です。

• 既存のアクセス権限を検索側にも反映させる：フォルダやファイルの権限を、検索時に利用者ごとの絞り込み条件として使う設計が必要です。実装の難度はここで大きく変わるため、見積もり時に必ず伝えます。
• 対象範囲を分けて始める：全社一括ではなく、まず「全社員が見てよい文書（規程・マニュアル・FAQ）」に限定して始めると、権限設計の難所を回避したまま効果を確認できます。
• 退職者・異動の反映を運用に組み込む：権限が変わったときに検索側へ反映されるまでの時間差を、どこまで許容するかを決めます。
• 出典を必ず表示する：回答に文書名とリンクを添える設計にしておくと、誤りに気づけるだけでなく、見えてはいけない文書が混ざったときにも即座に検知できます。

精度はどう測って、どこで合格とするか

「精度が高い」という言葉は、測り方を決めない限り意味を持ちません。検収でもめないために、次の手順を契約前に決めておきます。

• ① 評価用の質問セットを作る：現場が実際に聞く質問を30〜50件集め、正しい回答と根拠文書をセットで用意します。この作業は発注側にしかできません。
• ② 合格ラインを決める：「正解の文書を参照できた割合」と「回答内容が事実として正しい割合」を分けて測ります。用途によりますが、社内問い合わせの一次対応なら8割前後が実務的な線です。
• ③ 外した質問の扱いを決める：答えられない質問には「分からない」と返し、担当者へ引き継ぐ設計にします。無理に答えさせる設計が、信頼を失う最大の原因です。
• ④ 運用後の再測定を決める：文書が増えると精度は変わります。四半期に一度、同じ質問セットで測り直す運用にしておきます。

この質問セットは、外注先を比較する材料にもなります。同じ30問を各社に投げて、どの程度の精度と説明が返ってくるかを見れば、提案書の言葉より確かな判断ができます。

外注先を選ぶときに確認すべきこと

• 自社のデータ形式（PDF・Excelなど）への対応実績があるか
• 「精度が出なかった場合」の改善プロセスを持っているか
• 導入後の保守・運用体制（誰が面倒を見続けるか）まで含めた見積もりか

初期構築費だけを見て安さで選ぶと、運用フェーズで追加費用がかさむことがあります。見積もりは「構築費」と「保守・運用費」を分けて確認するのが安全です。

RAG導入の進め方と費用の目安

RAG導入の進め方は、大きく4つのフェーズに分かれます。まず現状の文書量・形式・機密度を把握し、どこまでの精度を求めるかを設計する現状把握フェーズ（2〜3週間程度）。次に、少量の文書で検索精度を確かめるPoC（概念実証）フェーズ。ここで見込みが立ってから、実際の業務フローに組み込む実装フェーズへ進みます。導入後は、新しい文書の追加と検索精度の維持を続ける運用・保守フェーズです。フェーズごとに契約を分けておくと、PoCの結果次第で止める判断がしやすくなります。

PoCで想定した検索精度が出なかった場合に、対象文書の範囲を絞り込んで再検証するか、その時点で見送るかを判断できるのもPoCを挟む利点です。いきなり本実装に進むより、判断のやり直しがきく分だけ投資リスクを抑えられます。

陥りやすい失敗パターン3つ

RAG導入の検討段階でつまずきやすい失敗パターンも押さえておくと、外注先選びや進め方の判断がぶれにくくなります。

• データ整備を省いてツール導入だけで終わる — 検索対象の文書がバラバラな形式のまま放り込まれ、検索結果の精度が上がらず「結局使われないシステム」になるケースです。前処理の工数を見積もりに含めているかを確認します
• 精度検証をせず一気に全社展開してしまう — 少量の文書でうまく動いた実演をもとに、確認を省いて全社展開し、現場で誤回答が多発して信頼を失うケースです。対象範囲を広げる前に一定期間の並行運用で精度を確かめる工程を挟みます
• 文書更新の運用を決めずに放置する — 導入後に新しい文書が追加・改訂されても反映する仕組みや担当者を決めておらず、検索結果が古い情報のまま使われ続けるケースです。誰がいつ文書を反映するかを運用フェーズで取り決めておく必要があります

RAGの外注費用は、対象文書の量・精度要件・既存システム連携の有無で大きく変わります。重要なのは、価格の安さよりも「自社の文書の状態に対応できるか」「導入後も精度を維持できる体制か」を見極めることです。

見積りを比較する際は、金額の総額だけでなく「どのフェーズ（PoC・実装・保守）まで含むか」「内訳が項目立てされているか」も確認すると判断しやすくなります。生成AI開発全体でのフェーズ別費用の考え方や、金額が案件ごとに大きく違う理由は生成AI開発の費用相場｜PoC・実装・保守の内訳と見積書の読み方で整理しています。

RAGの具体的な活用先の一つが、情シス・総務・人事に届く社内からの問い合わせ対応です。定型的な問い合わせをAIが一次対応し、対応が難しい案件のみ担当者へ引き継ぐ設計にすることで、問い合わせ対応の工数を圧縮できます。進め方は社内ヘルプデスクのAI自動化｜構築方法・答えさせる範囲・費用で整理しています。