Learning articleAI講座ガイド2026/7/8

AI調達評価担当者の学習ロードマップ

AI調達評価担当者が、提案書、リスク、証跡、検収条件、委託先確認を90日で見られるようにする実務ロードマップです。

AI調達評価担当者が提案書、リスク、証跡、承認ゲート、委託先確認を順番に評価する文字なしの図解 — Image: Image 2.0 one-shot generated editorial image

結論

AI調達評価担当者が最初に学ぶべきことは、モデル名や機能数の比較ではありません。提案されたAIが、どの業務判断を支援し、どのデータを使い、誰が結果を確認し、どの証跡で検収できるかを見分ける力です。生成AI、RAG、AIエージェントの提案では、便利なデモだけを見ると、権限、ログ、評価データ、運用保守、委託先責任が後回しになりがちです。

90日で目指す状態は、AI開発会社やSaaSベンダーの提案を、価格だけでなく、業務適合、リスク管理、証跡、運用条件、契約条件で比較できることです。30日目まではAI調達の基本語彙と評価軸、60日目までは提案比較演習、90日目まではRFP・検収・運用レビューまでつなげます。

30日目までに評価軸を作る

最初の30日は、AIに関する専門用語を深追いするより、提案書を読むための評価軸を固定します。業務要件、データ要件、セキュリティ要件、評価方法、運用保守、契約条件の6つに分けると、提案書の抜け漏れを見つけやすくなります。

たとえば「精度が高い」と書かれていても、どの評価データで測ったのか、現場の誤判定コストを反映しているのか、運用後に再評価する手順があるのかを確認しなければ、調達判断には使えません。「短期間で導入可能」と書かれている場合も、既存システム連携、権限設計、ログ保存、社内教育、問い合わせ対応が範囲に含まれているかを見ます。

評価軸	具体的に見ること	不足している時の質問
業務適合	対象業務、利用者、例外処理	現場の確認作業はどこに残るか
データ	入力データ、品質、権限	学習・評価・運用で使うデータは何か
リスク	誤回答、情報漏えい、差別的影響	どのリスクをどう検知するか
証跡	ログ、評価結果、承認記録	検収時に何を提出するか
契約	再委託、保守、変更対応	仕様変更時の責任分界はどうなるか

60日目までに提案比較を練習する

60日目までは、架空または過去の提案書を使って比較演習をします。点数表を作るだけではなく、提案の前提条件を読み解く練習が重要です。AI開発では、同じ「チャットボット」でも、FAQ検索、社内文書検索、CRM連携、外部ツール実行、有人引き継ぎまで含むかで、必要な設計と費用が変わります。

演習では、良い提案と悪い提案を分ける観点を記録します。たとえば、評価データが未定のまま精度を約束している、ログ保存が曖昧、個人情報の扱いが説明されていない、運用後の改善工数が別見積もりになっている、という点は注意が必要です。評価担当者は、技術的に細部を実装できなくても、調達判断に必要な質問を出せる状態を目指します。

90日目までにRFPと検収へ接続する

90日目までに、提案比較で見つけた論点をRFPと検収条件へ落とします。RFPには「どの機能を作るか」だけでなく、評価データ、検収シナリオ、ログ、権限、保守、改善会議、撤退条件を入れます。検収では、デモ画面を見るだけでなく、誤回答、権限外要求、個人情報を含む入力、障害時の戻し方を試します。

AI調達評価は、単発の購買ではなく、導入後の運用責任を含む仕事です。提案時に見えていないリスクは、導入後に社内の現場、情報システム、法務、監査へ移ります。評価担当者が早い段階で質問を出せるほど、後工程の手戻りを減らせます。

図解で確認するポイント

この記事の画像は、提案候補、AIリスク確認、証跡書類、承認ゲート、調達判断を順番に確認する流れを示しています。提案書の見栄えではなく、発注前に何を証拠として確認するかを視覚的に把握するための図解です。

AllAI内での次の行動

AI開発会社を比較する前に、AI開発会社一覧で対応領域を確認し、提案書の危険サインはAI開発提案書で見るべき危険サインで確認します。社内研修を組む場合はAI講座一覧から調達・ガバナンス系の学習を探します。

FAQ

Q. 技術に詳しくない調達担当でもAI提案を評価できますか? A. 実装の細部まで判断する必要はありません。業務、データ、リスク、証跡、運用、契約の観点で質問できる状態を作ることが重要です。

Q. 提案比較で最も見落としやすい点は何ですか? A. 評価データ、ログ、運用後の改善工数、権限設計、委託先責任です。デモで見えにくい部分ほどRFPに明記します。

Q. AI調達評価は誰と連携すべきですか? A. 利用部門、情報システム、法務、セキュリティ、監査、経理と連携します。特にデータ利用と検収条件は単独で決めない方が安全です。

出典:

経済産業省 AI事業者ガイドライン第1.2版: https://www.meti.go.jp/shingikai/mono_info_service/ai_shakai_jisso/20260331_report.html (確認日: 2026-07-08)
NIST AI Risk Management Framework: https://www.nist.gov/itl/ai-risk-management-framework (確認日: 2026-07-08)
IPA DX動向2025: https://www.ipa.go.jp/digital/chousa/discussion-paper/dx2025_digital_talent_ai_era.html (確認日: 2026-07-08)

AI講座