AI人材は育てるか・採るか・外注か｜内製と外部活用の調達判断と体制設計

結論

AI人材は、役割単位で「育てる・採る・外注する」を分けるのが結論です。自社の業務を理解して課題を決める人、入力データと許容リスクを判断する人、成果を受け入れる人まで外部へ任せると、社内に意思決定能力が残りません。一方で、モデル評価、システム実装、セキュリティ検証などの高度専門領域を最初からすべて内製すると、採用待ちで着手が遅れます。

最初に社内へ置くべきなのは、大人数のAI専門部署ではありません。経営から権限を受け、対象業務、データ、効果指標、利用停止条件を決められる責任者です。その責任者を中心に、反復する業務知識は育成、年間を通じて必要な高度職は採用、一時的な専門性と立ち上げ速度は外注で補います。

AI人材不足を「採用だけ」で解けない理由

IPAの「DX動向2025」を基にした分析では、日本企業の85.1%がDX推進人材について「大幅に不足」または「やや不足」と回答しています（IPA「AI時代のデジタル人材育成」、2026年8月20日確認）。不足が広い市場で、必要な役割をすべて中途採用だけで埋める計画は、採用期間と人件費の両面で不確実性が高くなります。

同時に、「AI人材」という一つの職種があるわけでもありません。IPAのデジタルスキル標準ver.2.0は、DX推進人材をビジネスアーキテクト、デザイナー、データサイエンティスト、データマネジメント、ソフトウェアエンジニア、サイバーセキュリティの6類型で整理しています（IPA「デジタルスキル標準」、2026年8月20日確認）。事業課題を決める役割と、モデルやデータ基盤を実装する役割では、確保方法が違って当然です。

したがって、最初の問いは「AI人材を何人採るか」ではなく、「どの意思決定と実務を社内に残すか」です。

外注しても社内に残す4つの責任

外部パートナーを使う場合でも、次の4つは社内責任者が持ちます。

1. 課題定義：どの顧客・従業員の、どの業務上の問題を解くかを決めます。
2. データ利用判断：入力してよい情報、保存期間、アクセス権、再利用の可否を決めます。
3. 成果受入れ：精度だけでなく、業務時間、例外処理、利用者の行動まで含めて完了を判定します。
4. リスク受容：誤回答、情報漏えい、権利侵害、停止時の代替手段について、許容範囲と停止条件を決めます。

経済産業省・総務省の「AI事業者ガイドライン第1.2版」は、AIの開発・提供・利用に関わる主体が、それぞれの役割に応じてAIガバナンスを構築する考え方を示しています（経済産業省「AI事業者ガイドライン第1.2版」、2026年8月20日確認）。ベンダーに作業を委ねても、利用者である企業の説明・監督・判断まで移るわけではありません。

AI人材調達の4つの判断軸

育成・採用・外注を決めるときは、各役割を次の4軸で評価します。

4軸は点数を足して機械的に結論を出すためのものではありません。たとえば需要が短期でも、競争優位と機密性が極めて高ければ、社内責任者を置いたうえで限定的に外部支援を使います。反対に、継続需要があっても市場標準の監視作業なら、マネージドサービスのほうが合理的な場合があります。

育成を選ぶ条件

育成が向くのは、既存社員が持つ業務知識を土台に、AI活用の判断と実装方法を追加すれば役割を担える場合です。営業、製造、人事、法務などの業務文脈は、外部採用者が短期間で獲得しにくい資産です。

次の条件が多いほど、育成を優先します。

• 対象業務の例外や顧客事情を理解することが成果を左右します。
• AI活用後も業務手順を継続的に改善します。
• 現場部門との調整や利用定着が主要な仕事になります。
• 高度なモデル開発より、既存AIの安全な適用が中心です。
• 3〜6か月の実務課題を通じて到達度を確認できます。

育成は研修受講で完了しません。「自部門の1業務を選ぶ」「入力ルールを作る」「試作品を現場で使う」「効果と失敗例を報告する」までを成果物にします。役割別の到達点を先に決める方法は、AI人材育成の計画とスキルマップで詳しく整理しています。

採用を選ぶ条件

採用が向くのは、長期にわたり社内で独立した専門判断が必要で、既存社員の育成だけでは期限に間に合わない場合です。特に、全社のAIプロダクト責任者、データ基盤の設計責任者、AIセキュリティの責任者などは、継続需要と意思決定権が明確なら常勤採用の候補になります。

採用前には、求人票より先に次を確定します。

• 入社後90日で決めてもらう意思決定は何か。
• 自ら実装するのか、外部ベンダーを評価・管理するのか。
• 予算、データ、ツール選定についてどこまで権限を持つか。
• 成果指標は採用人数ではなく、何件の業務実装やリスク低減で測るか。
• 退職・欠員時に判断を止めないため、誰へ知識を移すか。

「生成AIに詳しい人」という募集では、経営が必要とする役割と候補者の専門性が一致しません。ビジネスアーキテクト、データ、実装、セキュリティなど、担う判断を職務として記述します。

外注を選ぶ条件

外注が向くのは、短期間だけ必要な高度専門性、第三者性が必要な評価、着手速度を優先する立ち上げです。具体的には、初期アーキテクチャ設計、セキュリティ診断、モデル評価方法の設計、データ基盤移行、専門研修などが候補になります。

ただし、発注仕様を最初から固定しすぎると、AI活用の仮説検証と相性が悪くなります。IPAのアジャイル開発外部委託モデル契約は、ユーザー企業とベンダー企業が緊密に協働し、検証結果を基に改善する進め方を前提にしています（IPA「アジャイル開発外部委託モデル契約」、2026年8月20日確認）。発注後に待つ体制ではなく、社内の業務責任者が定例レビューへ参加する体制が必要です。

個人データを扱う業務では、委託先の安全管理措置を事前に確認し、契約で取扱状況を把握できるようにし、必要に応じて監査することが求められます（個人情報保護委員会「個人情報保護法ガイドライン通則編」、2026年8月20日確認）。再委託先、利用するAIサービス、データ保存先まで確認対象に含めます。

内製と外部活用を組み合わせる3つの体制

体制1｜立ち上げ型

社内のAI責任者1名と業務担当者2〜3名に、外部の実装・セキュリティ専門家を組み合わせます。外部が試作品と評価方法を作り、社内は対象業務、データ、合格条件を決めます。最初の1業務を8〜12週間で検証したい企業に向きます。

体制2｜伴走移管型

社内推進者と外部専門家が同じ案件を担当し、設計、実装、運用手順を段階的に移管します。外部支援の終了条件を「契約期間の終了」ではなく、「社内担当者が単独で改善サイクルを1回回せること」に置きます。複数部門へ横展開する前に、内製能力を作りたい企業に向きます。

体制3｜内製コア・専門外部型

AIプロダクト責任者、業務設計、データ管理を社内に置き、高度なモデル開発、セキュリティ診断、法務確認などを必要時に外部へ依頼します。AI活用が継続業務になり、案件の優先順位を自社で管理できる企業に向きます。

費用は年収と委託費ではなく総保有コストで比べる

育成、採用、外注の費用は、同じ期間と成果物で比較します。採用年収と月額委託費だけを並べると、立ち上がり期間や社内工数が抜けます。

12か月の総保有コスト ＝ 採用・契約費 ＋ 育成費 ＋ ツール費 ＋ 社内関与工数 ＋ 引き継ぎ・再作業費

比較表には、次の項目を入れます。

費用の安さではなく、12か月後に「自社で優先順位を決められるか」「次の案件を前より速く進められるか」まで含めて判断します。

外注契約で決める8項目

経済産業省は、生成AIの普及を踏まえた「AIの利用・開発に関する契約チェックリスト」を公開しています（経済産業省「リアルデータの共有・利活用」、2026年8月20日確認）。実際の契約では、少なくとも次の8項目を事業・法務・情報セキュリティで確認します。

1. 利用するモデル、クラウド、外部サービスと変更時の通知方法。
2. 入力データ、生成物、ログの利用目的と保存期間。
3. 入力データを学習・品質改善へ二次利用するか。
4. 再委託先と国外保管・国外アクセスの有無。
5. 成果物、プロンプト、評価データ、ソースコードの利用権限。
6. 精度、可用性、セキュリティ事故時の責任分担。
7. 検収基準、評価データ、再作業の条件。
8. 契約終了時のデータ返却・消去と社内への引き継ぎ物。

契約書の文言は案件と法的評価で変わるため、上記は条項案ではなく確認項目です。個人情報、機密情報、規制業務を扱う場合は、法務・専門家を含めて個別に確認します。

90日で調達方針を決める手順

1〜2週目｜役割と責任を分解する

対象業務を一つ選び、課題定義、データ管理、実装、評価、運用、リスク管理に分けます。それぞれについて、現在担当できる人、必要な稼働時間、不足スキルを書き出します。

3〜4週目｜4つの判断軸で仮置きする

各役割を競争優位、改善頻度、データ・リスク、需要継続性で評価し、育成・採用・外注の仮説を置きます。この時点では人数を確定せず、90日で検証する役割を決めます。

5〜8週目｜混成チームで1業務を実装する

社内責任者、現場担当者、外部専門家または採用候補者で試作品を作ります。週次で業務時間、例外件数、修正理由、リスク事象を記録します。外部の成果物を社内担当者が説明できるかも確認します。

9〜12週目｜恒常体制へ移す

毎週必要な役割は育成・採用へ、四半期や年1回だけ必要な専門性は外注へ振り分けます。採用する場合は実証中に明らかになった意思決定と成果物を求人票へ反映します。外注を続ける場合は、引き継ぎ物とレビュー頻度を契約更新条件にします。

完了条件は、組織図ができることではありません。次のAI案件について、社内責任者が優先順位、担当、予算、外部依頼範囲を決められる状態です。

よくある失敗

• 全社員研修だけで専門人材も育つと考える：リテラシー教育と、実装・評価を担う役割の育成を分けます。
• 有名企業出身者を採れば体制ができると考える：権限、対象業務、成果指標が曖昧なら、経験者でも判断できません。
• PoCを丸ごと外注する：社内が評価データと合格条件を持たないため、本番移行を判断できません。
• 外注費削減を内製化の唯一のKPIにする：意思決定速度、改善回数、再利用できる成果物も測ります。
• 一人の推進者へ集中させる：業務、データ、技術、リスクの判断を複数の役割へ分け、記録を残します。

法人AI研修で支援できること

法人AI研修では、全社員を同じ水準へ揃えるのではなく、経営・推進者・実務担当者などの役割と対象業務に合わせて到達点を設計します。研修内で自社業務の課題を扱い、成果物を作り、研修後の定着と横展開までを支援できます。

外部支援から社内推進へ移す場合は、社内担当者が課題設定、入力ルール、評価、改善を自ら回せることを完了条件にします。伴走支援から内製へ移る具体的な工程は、AI研修後の伴走支援と内製化も参照してください。

あわせて読みたい

AI人材育成の計画とスキルマップ｜誰をどこまで育てるか中長期で設計する

あわせて読みたい

AI研修後の伴走支援と内製化｜支援範囲と推進者の育て方

よくある質問