データサイエンティストが語る、AI開発×内製化の進め方

生成AIの登場で、AIを業務に活用する「AI内製化」のハードルは劇的に下がった一方で、「何から手をつければいいのか」「どう進めれば成果につながるのか」という新たな課題に直面している企業も少なくありません。
2026年10月29日、AI開発・導入支援を手がけるAVILENは、この課題をテーマにしたウェビナー『新時代のAI内製化論』を開催しました。
登壇したのは、生成AI登場以前から多くの企業のAI開発を要件定義から現場導入まで支援してきたデータサイエンティスト2名です。
本稿では、当日語られた「実践知」の要点を、3つの問いで整理して紹介します。
▼登壇者
株式会社AVILEN CEO室 マネージャー 渡邉 雅也
東京理科大学工学部経営工学科卒業。AI関連研修の講師や、AIプロジェクトでの開発に携わる。インフラ設備の不良検知AI、金融機関のファイナンスデータ分析、営業効率化AI、One-to-OneマーケティングへのAI利活用などのプロジェクトの営業、コンサルティング、PMから開発まで携わる。
大学時代はESGデータを用いた最適ポートフォリオについて研究しており、Bloomberg主催コンペティションにて入賞。
株式会社AVILEN D&Aソリューションチーム マネージャー 野口大輝
AI画像処理×業務効率化を中心に、エンジニア兼プロジェクトマネジメントを担当。
大手製造業を中心に、大型建造物の損傷検知AI、電材設計図の自動解析・見積もりシステムなどの要件定義・設計・開発・現場導入など幅広いデリバリ経験を持つ。
※所属・肩書は2026年10月時点のものです。
また、本稿の内容は、公開された調査データではなく、登壇者2名の支援経験にもとづく見解です。
監修者

株式会社AVILENデータサイエンティスト
AI画像処理×業務効率化を中心に、エンジニア兼プロジェクトマネジメントを担当。大手製造業を中心に、大型建造物の損傷検知AI、電材設計図の自動解析・見積もりシステムなどの要件定義・設計・開発・現場導入など幅広いデリバリ経験を持つ。その経験とノウハウをもとに、帳票処理AIエージェント『帳ラク』の立ち上げにも従事。
生成AI登場の以前と以後で、何が変わったか
生成AI以前、AI開発の中心的な課題は「精度をいかに上げるか」でした。
特定の業務に特化したAIを開発し、その精度を高めるために大量のデータを整備し、高度な技術を駆使する必要があったのです。
しかし、生成AIの登場で状況は一変しました。開発の現場に立つ野口は「できることが格段に変わっている」と指摘します。技術的なハードルは大きく下がり、むしろ重要になったのは「何を解くか」という問いを立てる力です。
渡邉によれば、以前はプロジェクトのリソースの7割を技術的な精度向上にかけていたものが、今では逆転したといいます。
空いた7割は、「本当にそのAIは必要なのか」「根本的な解決につながるのか」といった、解くべき課題を見極めるための議論に使えるようになりました。
観点 | 生成AI・AIエージェント以前 | 生成AI・AIエージェント以後 |
|---|---|---|
課題 | 技術力の内製化(モデルの学習・チューニング) | 技術はAIが解決するため、現場が問いを立てることが重要になるが、立てられない |
目的 | 精度を上げる | AI施策の効果を出す(自動化、データドリブンな意思決定) |
必要人材 | AI周辺技術に対し、深い数学的・技術的知見を持つエンジニア | とりあえず試したいマインドを持つ現場担当者 |
支援の中身 | 「どう解くか」の技術的支援 | 「何を解くか」の意思決定支援 |
誰でもAIを使えるようになったからこそ、現場から寄せられるアイデアは玉石混交になります。渡邉が支援したある企業では、全社からアイデアを募ったところ、「それは生成AIじゃなくてもいいのでは」というものが大量に集まりました。既存の仕組みをつなげば済む案も少なくありません。
野口も「何でもできるからこそ、無駄になる施策もいっぱい打ててしまう」と警戒します。
かつてはモデルの精度を上げること自体が大変で、一つ施策を打てば深く入らざるをえず、前段の整理が自然と強制されていましたが、今はその歯止めがありません。
一つひとつのアイデアを丁寧に見極める重要性が、むしろ増しているのです。
この変化は、求められるAI開発に携わる人材像にも影響を与えています。
かつては数学的・技術的な知見を持つ専門家が中心でしたが、今、現場で活躍しているのは「現場の課題を知っていて、とりあえずAIを触ってみたい担当者」だと2人は語ります。
例えば、営業一筋で「見積もりのここがボトルネックになっている」と現場のペインを熟知している人材が、AI活用のキーパーソンになるケースが増えています。
技術の習得そのものに大きな投資が必要だった時代の姿は、AVILENが2022年に公開した大塚商会様の事例によく表れています。
同社ではAI・IoTサポート課の技術チーム10名がE資格講座を同時に受講し、全員が合格しました。当時の課長は、技術は外部研修で習得できる一方で「その技術・知識がビジネス的な発想に中々つながっていないことが課題」だと語っています。
いま必要なのは、まさにこの課題の側を最初から持っている人材と言えます。
📖 関連記事|【大塚商会×AVILEN】AIソリューション開発を推進するためのE資格取得
進め方で、どこに差がつくか
技術的な差がつきにくくなった今、AI内製化の成否を分けるのは、まさしく「進め方」です。
ウェビナーでは、うまくいかないプロジェクトに共通する点として、次のような例が挙げられました。
- 通常業務との兼務で担当者が疲弊してしまう
- DX推進室・CoEを設置しただけで満足してしまう
- マネジメント層の理解がないまま、現場の育成から着手してしまう
- 業務全体を俯瞰しないまま、ツール開発から始めてしまう
- ツール利用の申請に何週間もかかり、試すことすらできない

この裏返しが、そのまま成功条件になります。2人が最も強調したのは「専任の担当者を置く」こと。
渡邉いわく、自走できた担当者は例外なく十分なリソースを確保していました。目安は「せめて半分。1割では何もできない」。
手元の業務で手一杯のままでは、定例のたびに「進んでいない」と報告するしかありません。

そして、その専任担当者は「現場に非常に近い人」であるべきだと2人は主張します。現場の課題に「怒りに近いようなもの」を感じている人こそ、強いモチベーションでプロジェクトを推進できるからです。技術に詳しい若手と、現場を知り尽くしたベテランがチームを組めれば、理想的な推進体制と言えるでしょう。
また、経営層・マネジメント層の役割も極めて重要です。現場担当者が「これを試してみたい」と思っても、セキュリティなどを理由に止められると、せっかくのモチベーションが削がれてしまいます。野口はこれを「モチベーションの旬が過ぎてしまう」と表現しました。
渡邉は、慎重すぎる運用がかえってリスクを高めると指摘します。個人情報や重要情報を入れずにできることは数多くあるにもかかわらず、そうした環境で試せるかと聞くと「ないんです」と返ってくる。野口も、本当に漏洩してはならない情報を選別したうえで、「一定のリスクを許容してクイックに試せる環境」を整えることが、組織全体の推進力を高めるうえで欠かせないと述べました。
では、どう着手するか
では、具体的に何から始めればよいのか。この問いに対する2人の答えはシンプルで、「まず、触ってみること」でした。
特に、単にチャットで対話するだけでなく、社内チャットやカレンダーといった他のツールと連携できるAIエージェントを体験することが重要だと指摘します。チャットだけでは、出力をコピーして別の場所に貼り、また別のチャットに移る、という往復が残り、「人がデータとデータをつないでいく作業がボトルネック」になってしまうからです。
たとえば「この打ち合わせのタスクだけ、チャットに投げておいて」と指示するだけで、AIが議事録を要約し、タスクを抽出して投稿まで済ませてくれる。
渡邉は自身の経験として、かつては懐疑的だったAIによるコーディングも、実際に使ってみて初めてその効果を実感したと語ります。
こうした体験を一度でもすると、他社の華々しい事例が、単なる絵空事ではなく、自社の課題を解決するリアルな選択肢として捉えられるようになります。
この実体験の有無が、3年後、5年後のビジョンを心から信じられるかどうかの分かれ目になる、というのが2人の見立てです。
そして、最初から大きな本丸を狙う必要はないと2人は口を揃えます。
野口は「本丸がどこにあるかは、やってみないと分からない」と指摘。大風呂敷を広げて要件定義を固めると、期待値が上がり、金額もリソースも膨らみます。
まずは週報作成の自動化など、取り組みやすい業務からスモールに始め、小さな成功を積み重ねていくことが大切です。
その過程で人が育ち、本当に注力すべき「本丸」が見えてきます。

実際、AVILENの支援事例でも、総合電機メーカーの週報作成を自動化したケースでは工数を80%削減しました。
計画対比形式で出力されるため、PMは進捗の乖離やリスクを一目で把握できます。
📖 関連記事|【AI変革事例_製造業界】週報作成工数を80%削減するAIエージェントで進捗の可視化を実現
IT・通信業の社内資料レビューにAIレビュアーを導入したケースでは、差し戻しを70%以上削減しています。いずれも「本丸」ではない定型業務ですが、そこで浮いた人員が重要な業務に集中していく起点になります。
📖 関連記事|【AI変革事例_IT・通信業界】AIレビュアー導入で資料の差し戻しを70%以上削減し稟議プロセスを効率化
ただし、進め方には注意が要ります。野口が挙げた失敗が、ウォーターフォール型で最初に全部を定義してしまうやり方です。
作り途中なのに期待値だけが先に上がり、「全然だめじゃないか」と現場から評価されてしまう。「順番に期待値調整をしながら巻き込んでいく」ことが必要です。
そして、見えてきた本丸とは、自社の強みをさらに加速させる領域です。渡邉が注意を促したのは、縮小傾向にある事業を「人手をかけたくないから」と自動化するケース。
事業自体を畳めば、そのシステムは使われなくなります。そうではなく、「見積もりスピードが受注につながっている」という強みがあるなら、そのスピードをさらに上げるためにAIを導入する。そうすることで、AIは単なるコスト削減ツールではなく、企業価値そのものを高めるエンジンになり得る、と語られました。
最後に、どこまで行けば内製化が「完了」と言えるのか。渡邉の判断軸は、業務とAIの両方を知ったうえで、企画から導入まで通して進められるかどうかです。「自走できるという人が、一定、支援が終わるタイミング」。
登壇資料では、この状態がさらに3段階で整理されています。

AVILENが支援した不動産業界の事例では、社内にAI開発の経験者がいない新設チームが精度の壁に直面していました。
受託開発ではなく伴走型のOJTを選び、評価方法の指導で仮説検証サイクルを定着させた結果、3ヶ月で自律的に推進できる状態になっています。
内製化とは、外部パートナーを切ることではなく、自社で判断できる領域を広げ、外部に頼るべきところを自社で選べるようになることなのです。
📖 関連記事|【AI変革事例_不動産業界】土地価格予測AIの精度向上と開発チームの自走化支援
まとめ|新時代のAI内製化を成功させるために
今回のウェビナーで2人が繰り返し強調した要点は、次の3つです。
- 前提の変化を理解する:重要なのは技術力よりも「問いを立てる力」
- 進め方をデザインする:現場の課題意識を持つ「人」を専任で置き、試せる環境を整える
- 小さく、速く始める:まずは触ってみて、スモールな成功から本丸を見つけ出す
野口はこれを「前提は変わった。ただし、本質は変わっていない」とまとめ、渡邉は「むしろ、より重要性が増した」と付け加えました。
「何を解くべきか」を考える重要性は以前から変わらず、変わったのは、それを考えるためのリソースが手に入ったことと、考える主体が技術者から現場に移ったことです。
とはいえ、経営層と現場の意識がずれていたり、推進役となる人材が見つからなかったりと、社内だけで進めるのが難しいケースも多いでしょう。
AVILENは技術的な支援はもちろん、経営と現場の橋渡し役として、内製化に向けた組織づくりを伴走支援しています。ご興味があれば、ぜひお声がけいただけると幸いです。
📖 関連記事|AI内製化の成功事例11選|「外注し続ける組織」から「自走する組織」へ変えた企業は何をしたか
記事の筆者

株式会社AVILEN
マーケティングチームリーダー/シニアマーケター / マーケター
マスコミ業界で編集・広告営業に従事後、ブレインパッドにマーケターとして参画。2020年、DX・データ活用をテーマとするオウンドメディア「DOORS -BrainPad DX Media-」を編集長として立ち上げ、メディアの成長を牽引。2022年にグループマネージャーに昇進。2025年7月よりAVILENに参画し、マーケティング戦略の立案からコンテンツ企画・制作、施策実行やAIエージェントを活用したマーケティング推進を統括。




