生成AIのシステム統合：デモ後の実装を任せるAI開発会社の選び方

生成AI統合エージェンシーは、会議で評価されたモデルを平日の業務で動くシステムに変える層を担います。デモの後に必要になる権限設計、評価セット、レビュー体制など、発注前に確認すべき論点を整理します。

隣のノートPCで言語モデルのデモが動くなか、ホワイトボード上でデータパイプラインをたどるエンジニア

本ディレクトリでは、60社が生成AIを提供サービスとして掲げています。統合（インテグレーション）業務を挙げているのは133社です。両方を挙げているのは22社で、この3つの数字の開きが、多くの生成AIプロジェクトが完成したように見えてから実際に誰かが使えるようになるまで数か月かかる理由を説明しています。

生成AI統合エージェンシーが売っているのは、誰もデモで見せない部分です。モデルを動かすこと自体は、すでに簡単な方の半分になりました。力のあるチームなら、それなりの文章を書く、文書から質問に答える、通話内容を要約するといった仕組みを立ち上げ、2週間以内に経営層の前で動かすところまで持っていけます。難しいのは残りの半分、つまりその同じ仕組みを、デモに出席しておらず、手順書も読まず、システムが自信たっぷりに誤った答えを返した瞬間にサポート窓口へ問い合わせてくる400人の従業員に引き渡すために、事前に成立させておかなければならないすべてです。

60社のうち、重複は22社

このディレクトリの件数は、統計値というより市場のシグナルとして読んでください。生成AIの仕事と統合の仕事が別の専門分野として掲載されているのは、多くの会社にとって実際に別の仕事だからです。コンテンツ生成のパイプラインを構築するスタジオは、ライター、プロンプトエンジニア、デザイナーを抱えています。システムを統合する会社が抱えているのは、キュー、IDプロバイダー、データベース移行、そして失敗時にステータスコード200を返すレガシーAPI特有の苦労に何年も付き合ってきた人材です。両者は別の人件費です。

両方のラベルを掲げている会社は22社あり、そのうち一部は2つめを願望として掲げています。買い手にとっての実際的な帰結は、見事なPoCを作った会社が本番導入まで運べる会社であることは多くなく、しかもそれを営業段階で自ら申し出ることはほとんどないという点です。生成AI統合エージェンシーは後者であり、掲載情報にある「統合」という語は実際の意味を担っています。2つの専門分野が別に掲載されている様子は、生成AIカテゴリーとAI統合カテゴリーを開き、それぞれに現れる会社を見比べれば確認できます。

デモはきれいに書き出したデータで動いていた

生成AIのパイロットは、ほぼ例外なく整えられたサンプルに対して作られます。誰かが数千件の文書をフォルダーにまとめ、書式に問題のあるものを取り除き、残ったものをインデックス化します。そうしてできたシステムは質問にうまく答えます。答えられる文書を選び、その文書について質問しているからです。

本番環境には、それ以外の文書があります。わずかに違う名前で二重に保存された契約書、2011年にスキャンされたファクス、本当の情報がセルD14のコメントに入っている表計算ファイル、そして3月に別のメールで差し替えられ、そのメールを誰もインデックス化していない規程文書です。権限もあります。サンプルのフォルダーには権限設定がありませんでしたが、本番のシステムは、オハイオ州の業務委託先が本来開くはずのないディレクトリから給与査定を取り出せる状態にしてはいけません。

統合の仕事は、この2つの現実をすり合わせる場所であり、そのすり合わせが予算の大半を占めます。同じ構図は本サイトのどの提供カテゴリーにも現れます。だからこそ、カスタムAIという言葉で実際に何を買っているのかという問いは、最初の請求書が届いた後ではなく、その前に片づけておく価値があります。

3週目に現れる4つの不具合

不具合は、表にできる程度に予測可能です。それぞれに標準的な技術的解決策があり、それに触れていない提案書は、実際の利用者を抱えたこの種のシステムを運用した経験のある人間が書いたものではありません。

壊れるところ	利用者から見える状態	提案書が明示すべきこと
プロバイダーが利用できない	自社ではなくベンダー側で障害が起きている時間帯に、読み込み表示が回り、そのあと空白のパネルが出る	キャッシュ応答の経路、バックオフ付きのリトライ方針、そして縮退状態の明示
答えが自信たっぷりに誤っている	顧客に差し替え済みの規程が案内され、顧客がそれに従って動く	出典文書まで遡れる引用、確信度のしきい値、担当者を定めたレビューキュー
検索が権限の境界を越える	監査か苦情が来るまで、何も起きない	事後のフィルタリングではなく、検索の実行時に自社のIDプロバイダーに対して適用されるアクセス制御
プロバイダーがモデルを変更する	自社側のデプロイがないまま、出力品質が一晩で変わる	自社が所有し定期的に実行する評価セットと、差し替えられる程度に薄いプロバイダー抽象化層

買い手が一貫して過小評価するのは4行目です。生成AIのシステムは、こちらに断りなく変わる依存先を抱えています。これは、調達プロセスが前提としてきた従来型のソフトウェアには当てはまらない性質です。NIST AI Risk Management Frameworkは継続的な測定を任意の追加項目ではなく中核機能として扱っており、この捉え方は的を射ています。再測定できないシステムは、保守できないシステムです。

評価セットは誰のものか

この質問を最初の打ち合わせで投げ、返ってくる答えの形をよく聞いてください。

評価セットとは、自社の業務から取った実際の入力と、業務を理解した人間が受け入れる出力を対にして集めたものです。200件あれば実用になります。プロンプトの変更、新しい検索方式、プロバイダーの更新が、システムを良くしたのか悪くしたのかを教えてくれる唯一の計測器であり、同時に構築に最も時間のかかる資産でもあります。業務知識を持つ誰かが腰を据えて、許容できる答えを書き起こす必要があるからです。

この資産は、ベンダーのアカウントに置いたままになることが最も多いものでもあります。モデルの重みは思われているほど重要ではありません。プロバイダーはいずれ非推奨にして置き換えてしまいます。残るのは評価セットであり、それを自社側に持ち続ける会社は、乗り換えると測定作業をゼロからやり直さなければならない相手です。所有権を平易な言葉で契約書に書き込み、保管場所と、どの形式で書き出せるのかも併せて定めてください。

確信度の低いAI応答がフラグ付きで人間の承認待ちに並んでいるレビュー用ダッシュボード

提案書が答えておくべきこと

次の5つです。どれか1つでも欠けている提案書は、システムではなくパイロットのための提案書です。

障害時の経路。プロバイダーが停止しているとき、検索が関連する結果を返さないとき、モデルの確信度がしきい値を下回ったときに、利用者に何が見えるのか。1つではなく、3つの別々の答えが必要です。
権限モデル。ある利用者が何を取り出せるかをどのID基盤が決めるのか、そしてその判定は文書がモデルに届く前に行われるのか、答えが生成された後に行われるのか。説明が立つのは前者だけです。
レビューキュー。フラグの付いた出力を誰がどの頻度で読み、傾向が見えたときに何を変える権限を持つのか。担当者の決まっていないキューは、ただのログファイルです。
測定計画。評価セットをどう構築し、許容できる答えを誰が書き、どの頻度で実行し、スコアが落ちたときに何が起きるのか。
撤退時の条件。来月に契約が終わったとして自社に何が残るのか、そして自社のチームだけで運用と変更ができるのか。

この5つは、会社を選別するふるいとしても働きます。5つすべてに歯切れよく答える会社は、過去に実際にやっています。1つめに答えて残りをフェーズ2として扱う会社は、デモをやったことがあるだけです。生成AI統合エージェンシーなら、促されなくても5つすべてを満たせるはずです。どちらも正当な事業であり、価格帯も違います。この区別は、統合を担う会社が実際に納品するものの解説でより詳しく扱っています。

生成AI統合エージェンシーへの発注の組み立て方

多くの買い手にとって現実的なのは、すべてをこなす1社を探すのをやめ、どちらの半分を買っているのかを明確にすることです。実務で持ちこたえる型は3つあります。

1社に両方を任せる。その会社が両方のスキルセットを本当に抱えている場合には成立しますが、重複掲載が22社という数字は、それが少数派であることを示しています。パイロットを作った技術者ではなく、本番導入を担当した技術者と話させてほしいと頼んで確かめてください。
構築はスタジオ、統合は自社チーム。プラットフォームエンジニアが社内にいるなら妥当な選択です。スタジオ側には文書化されたインターフェース契約が必要で、自社チームは最後にリポジトリを渡されるのではなく、初週から同じ場にいる必要があります。
統合会社が主導し、専門会社を再委託する。監査に耐えなければならないシステムで、最も失敗が少ない型です。成果に責任を負う会社が、自社の技術スタックを理解している会社になるからです。

どの型を選ぶにしても、上の5つの答えを、お金が動く前に作業範囲記述書へ書き込んでください。MIT Sloan Management Reviewで公表されてきた調査は、AIから価値を得ている企業とまだパイロットに留まっている企業を分けるのは、モデルの性能ではなく組織とプロセスの要因だと一貫して示してきました。上の5つは、いずれもプロセスについての質問です。

営業資料を読み比べるのではなく、自社のブリーフに照らして会社を比較したい場合は、マッチングページにプロジェクトの内容を書いてください。各社が掲げるサービスと対応地域をもとに、ディレクトリが近い掲載を順位付けします。この種の仕事を手がけていて自社が掲載されていない場合は、掲載を追加してください。統合を手がけているなら、その語を明記してください。買い手はまさにその語で絞り込んでいます。

出典

生成AIおよびAI統合カテゴリーの掲載社数は、2026年10月5日に本ディレクトリ自身のデータベースから読み出したものです。カテゴリーごとの合計はディレクトリで確認できます。
NIST AI Risk Management Framework。運用中のAIシステムの継続的な測定とガバナンスについて。
OWASP Top 10 for Large Language Model Applications。検索と権限境界に関するリスクについて。
MIT Sloan Management Review。導入済みのAIとパイロット段階のAIを分ける組織的な要因について。
Stanford HAI AI Index。普及状況とモデルのリリース頻度に関する背景として。