株式会社renue
AI導入・DXの悩みをプロに相談してみませんか？
AIやDXに関する悩みがありましたら、お気軽にrenueの無料相談をご利用ください。 renueのAI支援実績、コンサルティングの方針や進め方をご紹介します。
AI RFP(提案依頼書)とは｜AIベンダーに「正しい提案」を出させる設計図
AI RFP(Request for Proposal / 提案依頼書)は、生成AI・機械学習・AIエージェント等のソリューションをベンダーに発注する際に、発注側が要件・評価基準・契約条件を明示してベンダーから提案を募るための文書です。通常のシステム開発RFPと似ていますが、AI領域では「精度の不確実性」「学習データの扱い」「モデルベンダー依存」「ハルシネーション・倫理リスク」など固有の論点が多く、一般的なRFPテンプレートのままでは失敗します。
本記事ではAI RFPに特有の10セクション、生成AI固有の記載事項、ベンダー比較の落とし穴、そしてrenue独自視点として「AI RFP作成の6原則」を解説します。AIベンダー選定全体の比較軸はAI内製化 vs 外注 完全ガイド2026、ROI計算はAI ROI完全ガイド、コスト試算はAIコンサルティング費用相場も参照してください。
AI RFPが通常のシステム開発RFPと違う6つの論点
- (1) 精度の不確実性：AIは100%正解を保証できない。期待精度・許容誤り率・代替運用フローを明記する必要あり
- (2) 学習データとライセンス：誰のデータを使い、誰が所有し、派生モデルの権利は誰に帰属するか
- (3) モデル更新サイクル：ベンダーLLMの更新で品質が変動する前提で契約を設計
- (4) ハルシネーション・倫理リスク：誤情報・偏見・PII漏洩が発生した場合の責任分界
- (5) 継続学習と運用費用：一度納品して終わりではなく、継続改善・再学習の費用モデル
- (6) 評価方法と合格基準：何を数値的に評価して合否を判定するか(LLM-as-a-Judge、Golden Set、人手評価の組み合わせ)
AI RFPの標準構成10セクション
- 会社概要・前提情報：事業内容、プロジェクト背景、現状のAI活用状況
- 目的・ゴール：定性目的(業務効率化など)+定量KPI(時間削減/精度/ROI)
- スコープ：対象業務、対象データ、初期フェーズ/本番展開の範囲
- 機能要件：実装すべき機能、入出力、連携システム、UX要件
- 非機能要件：精度・レイテンシ・可用性・スケーラビリティ・セキュリティ
- AI固有要件：モデル種別、学習データ、評価指標、ガードレール、監査
- データ・権利・ライセンス：データ提供範囲、IP帰属、モデル権利、派生物
- 運用・SLA・保守：SLA、インシデント対応、継続学習、モデル更新
- プロジェクト体制・スケジュール：マイルストーン、納期、体制図、コミュニケーション
- 評価基準・契約条件:比較軸、スコア配分、予算、支払条件、秘密保持、損害賠償
AI固有要件セクションに必ず書くべき12項目
- 想定モデル：OpenAI GPT系/Anthropic Claude系/Google Gemini系/OSS(Llama/Qwen)等、用途要件を記載
- モデルロックイン制約：単一ベンダー依存の可否、マルチLLM対応の要否
- 学習データ:提供データの種類・量・品質、前処理責任
- プロンプト・RAG・ファインチューニングの使い分け方針：初期アプローチの指定
- 期待精度:タスク別の数値目標(例: Faithfulness>85%、応答時間<3秒)
- 評価方法:Golden Setの規模、LLM-as-a-Judge採用可否、人手評価の位置付け
- ハルシネーション対策:ガードレール・引用必須化・信頼度表示等
- PII・機密情報の扱い：匿名化、ローカル推論要件、監査ログ
- 継続改善プロセス:本番ログからのGolden Set追加、プロンプト/モデル更新
- Observability要件:トレース収集、コスト監視、異常検知
- モデル更新耐性:ベンダー側モデル更新時の回帰テスト体制
- Exit条件：ベンダー切替・内製化移行時の資産引き継ぎ
評価基準の設計｜スコアリングマトリクス
| 評価軸 | 配点例 | 評価内容 |
|---|---|---|
| AI/ML技術力 | 25 | モデル選定、プロンプト/RAG/FT設計、評価設計の妥当性 |
| 要件適合度 | 20 | 機能/非機能要件の充足度 |
| 運用・保守体制 | 15 | SLA、継続改善、Observability、モデル更新対応 |
| コスト | 15 | 初期費用・運用費用・トークンコスト予測 |
| セキュリティ・ガバナンス | 10 | PII対策、監査、コンプライアンス |
| 実績・事例 | 10 | 類似案件の成果、顧客数、レファレンス |
| 体制・プロマネ | 5 | チーム構成、キーパーソン、コミュニケーション |
配点は業種・プロジェクト特性で調整します。「コスト」を過大評価しないことが最大のコツ。AI案件でコスト重視選定すると品質が破綻するケースが多発します。
ベンダー比較の落とし穴8選
- 提案デモに惑わされる：チェリーピックされたデモは実運用品質と乖離する
- 公開ベンチマークを鵜呑み：自データで再評価しない
- モデル固定の提案：特定LLMに縛られるとモデル進化の恩恵を得られない
- 運用費の見落とし：初期費用が安くても月次トークン費が膨らむ
- SLAに精度を盛り込まない：精度劣化しても契約上は問題なしになる
- 継続改善がない一括納品：納品後に劣化を放置
- データ権利が不明瞭:学習データ・派生モデルの権利関係が曖昧
- Exit条件なし：内製化移行時にブラックボックスで引き継げない
RFP応答フェーズのAI活用(2026)
2026年現在、RFP応答側のベンダーも生成AIを活用するのが一般的になっています。調査によると早期導入者はRFP応答時間を30〜40%削減し、提案チームの2/3以上が生成AIをワークフローに組み込んでいるとされています。Agentic AI型のRFPツール(Inventive/Arphie/Steerlab等)は自動ドラフト生成で手動の10倍速、コンテキスト認識精度90〜95%を実現し、汎用ChatGPT単独使用のチームと比べて2.3倍の応答精度・40%速い締切達成が報告されています。
発注側の示唆: 「提案書がよく書けている」だけでベンダーの実力を判断してはいけません。AI自動生成の時代は、提案書の見栄えは平準化します。プレゼン・デモ・PoCの3点で実力を見抜く必要があります。
AI RFP作成のワークフロー
- 社内ヒアリング:業務担当・情報システム・法務・経営層の要件を整理
- 目的・KPI定義:定量目標と測定方法を決定
- スコープ策定:初期フェーズ/本番展開の範囲確定
- 技術要件ドラフト:AI固有12項目を網羅
- 評価基準策定:スコアリングマトリクス作成
- レビュー:法務・情報システム・経営の3点レビュー
- ベンダーへの配布:5〜8社程度の候補に送付
- QA期間:ベンダー質問に対する回答と全社共有
- 提案受領と評価:スコアリングマトリクスで定量評価
- PoC・最終選定:2〜3社に絞ってPoCで実力検証
renueの視点｜AI RFP作成の6原則
renueは広告代理AIエージェント・AI PMOエージェント・Drawing Agent・SEO記事生成エージェント等のAIエージェント事業を複数運用しており、同時にAI案件の発注・受注の両面で多数のRFPに関わっています。AI RFP作成の6原則を紹介します。
(1) 精度はSLAに数値で書く:「高精度を目指す」ではなく「Faithfulness ≥ 85%(Golden Set 200問、3回実行の平均)」のように測定方法まで定義します。これがないと納品後の品質責任が曖昧になります(RAG評価ガイド)。
(2) モデルロックインを避ける:単一LLMに固定するRFPは、ベンダー側のモデル更新・価格改定に振り回されます。マルチLLM対応(LiteLLM等のゲートウェイ)を要件に含めます。
(3) 運用フェーズのコストを必ず試算:初期開発費だけでなく、月次のトークン費・運用人件費・継続改善費を合算した3年TCOで比較します。生成AIは運用費の方が大きくなるのが普通です。
(4) 継続改善プロセスを契約に組み込む:「納品したら終わり」の一括請負ではなく、Golden Set追加・プロンプト/モデル更新・回帰テストのループを運用契約に含めます(AgentOpsガイド)。
(5) PoCで実力を見る:提案書の見栄えで判断せず、必ず自データ・自ユースケースでのPoCを実施します。2〜3社を走らせて定量比較するのが鉄則です。
(6) Exit条件を最初から設計:ベンダー切替・内製化・他社統合時の資産引き継ぎ(プロンプト・Golden Set・ログ・学習データ)を契約に明記します。これがないとブラックボックスから抜け出せません。
よくある質問（FAQ）
Q1. RFPとRFIの違いは何ですか？
RFI(情報提供依頼書)は市場調査段階で広く情報を集める文書、RFP(提案依頼書)は具体的な提案を募る文書です。AI案件では大規模な場合RFIから始め、候補を絞ってRFPに進むのが一般的です。
Q2. どれくらいのページ数が適切ですか？
プロジェクト規模によりますが、中規模AI案件で30〜60ページが目安です。過度に詳細にするとベンダーの創意工夫を阻害し、薄すぎると比較不能になります。
Q3. 何社に送付すべきですか？
5〜8社が実務の標準です。少なすぎると競争原理が働かず、多すぎると評価工数が爆発します。
Q4. ベンダーが生成AIでRFP応答を作っている場合どう見抜きますか？
見抜くよりもPoCで実力を測る方が確実です。2026年は提案書の品質は平準化するため、書面だけでの選定は危険です。
Q5. renueはAI RFP作成を支援していますか？
はい。AI案件の発注支援として、要件定義・RFP作成・ベンダー評価・PoC設計まで一貫して支援しています。AI事業の受注側経験から発注側の盲点にも詳しいため、お気軽にご相談ください。
関連記事
- AI内製化 vs 外注 完全ガイド2026
- AI ROI完全ガイド2026
- AIコンサルティング費用相場 2026年版
- AI MVPの作り方完全ガイド2026
- AgentOps完全ガイド2026
- LLM API徹底比較2026
- LiteLLM完全ガイド2026
- RAG評価完全ガイド2026
AI RFP作成・ベンダー評価のご相談はrenueへ
renueは複数のAIエージェント事業を自社運用するAIエージェント開発企業として、AI案件の発注支援(要件定義/RFP作成/ベンダー評価/PoC設計)から受注・内製化まで一気通貫で支援しています。AIベンダー選定でお困りの方はお気軽にご相談ください。
本記事の参考情報
- Asana: RFP(提案依頼書)とは？意味や書き方をわかりやすく解説 2026年版
- 営業ラボ: RFP書き方サンプル
- 日立システムズ: 失敗しないRFPの書き方
- Works HI: RFPの書き方・作成手順・記載項目
- NOVEL: 生成AIでRFP回答を効率化
- Inventive: Implementing AI in the RFP Process 2026
- Thalamus: 12 RFP Trends 2026 Generative AI Automation
- XenonStack: Agentic AI in RFP Process
- SteerLab: RFP in 2026 AI Tools Best Practices