チャットボット開発｜自社開発と外注・生成AI型の選び方2026

「チャットボットを入れたい」という話が社内で出たとき、最初に決めるべきなのは製品名ではありません。誰が、どこまで作るのかという体制の選択です。チャットボット開発には、既製のSaaSを契約するだけの方式から、ノーコードのAIツールで組み立てる方式、フルスクラッチで作り込む方式、生成AIとRAGを組み合わせて社内文書に答えさせる方式まで幅があり、初期費用は数万円から1,100万円超までひらきます。本記事では、タイ・ASEANに拠点を持つ日系製造業の情シス・DX担当者を想定読者に、自社開発と外注のどちらを選ぶのか、生成AI型にすべきかどうかを、公開データと2026年時点の動向から整理します。

チャットボット開発とは？｜作る主体で決まる4つの実現方式

チャットボット開発という言葉は、実務では4つのまったく異なる作業を指しています。ここが混ざったまま社内稟議に進むと、「開発」と言いながら実態はSaaSの契約更新だったり、逆に「導入」と言いながら数百万円のシステム開発が始まったりします。まず4方式を切り分けます。

方式1｜SaaS型（既製のサービスを契約して設定する）

ベンダーが提供する完成品を契約し、管理画面から回答シナリオと想定質問を登録していく方式です。開発という言葉は使いますが、実際に書くのはコードではなく設定とコンテンツです。

強みは立ち上がりの速さで、契約から数週間で公開できます。弱みは、ベンダーが用意した枠の外に出られないことです。基幹システムから在庫を引いて答える、生産管理システムの実績値を返す、といった自社固有の連携は、標準機能にあるかどうかが天井になります。

方式2｜ノーコード・ローコードAI型（組み立てて作る）

会話フローをGUIで組み立て、必要な部分だけAPIや簡単なスクリプトで外部と繋ぐ方式です。近年はここに生成AIの回答生成を部分的に載せられる製品が増えており、SaaS型とフルスクラッチ型の中間として実務上いちばん選ばれる帯になっています。

自社の担当者が主体で作れるため、内製とも外注とも言い切れない中間形態になりやすいのが特徴です。初期構築だけ外部に頼み、その後の改善は社内で回す、という分担が成立します。

方式3｜フルスクラッチ型（設計から作る）

要件定義から画面、会話エンジン、管理機能、外部連携まで作り込む方式です。自社の業務プロセスに合わせて自由に設計できる代わりに、費用も期間も一桁変わります。

製造業でこの方式が必要になるのは、たとえば工場の設備コードや品番体系に固有の解釈ルールがあり、既製品の検索ロジックでは正解にたどり着けない場合です。逆に言えば、その必然性を説明できないならフルスクラッチを選ぶ理由はありません。

方式4｜生成AI・RAG型（社内文書に答えさせる）

大規模言語モデルに、自社のマニュアル、規程、過去の問い合わせ履歴などを参照させて回答を生成する方式です。RAG（Retrieval-Augmented Generation、検索拡張生成）と呼ばれます。事前にシナリオを書かなくても、文書さえ揃っていれば答え始められるのが最大の違いです。

ただし「文書を入れれば動く」というのは半分だけ正しい表現です。実際には、どの文書を対象にするか、どこまで細かく分割して検索するか、根拠が見つからなかったときに何と答えさせるか、といった設計判断が品質を決めます。この設計工数を見落とすと、見積もりが実態の半分になります。

4方式の位置づけを一覧で整理する

4つの方式を、作る主体・費用帯・向いている用途で並べると次のようになります。

この表で重要なのは費用の桁ではなく、中央の2列、つまり「主に作る人」と「初期費用の帯」の対応関係です。作る主体を決めれば費用帯はほぼ決まり、逆に費用帯から入ると作る主体を選び損ねます。方式そのものの機能比較についてはチャットボット比較｜4方式の選び方で扱っているため、本記事では体制の意思決定に絞って進めます。

自社開発と外注、どちらを選ぶべきか｜4つの判断軸

「内製できるならしたい」という希望は、ほとんどの企業が持っています。問題は、できるかどうかの判定を希望と混ぜてしまうことです。判定は次の4軸で機械的に行います。

判断軸1｜社内にAIとデータ基盤の担い手が実在するか

ここで問うのは「AIに詳しい人がいるか」ではありません。チャットボットが参照する社内文書を、誰が集めて、誰が整形して、誰が更新し続けるかという担当者の実在です。

生成AI型の場合、モデルそのものを作る必要はありません。必要なのは、マニュアルのPDFを回収し、版数の古いものを落とし、表とレイアウトが崩れた文書を機械が読める形に直す作業です。この工程はAIエンジニアではなく、業務を知っている社内の人間にしかできません。逆にこの人を社内に置けないなら、文書の収集と整形まで含めて委託しない限り、外注しても成果は出ません。

判断軸2｜差別化要件の深さ

回答内容が「一般的なFAQ」で足りるのか、「自社にしかない情報」を扱うのかで、答えが変わります。

営業時間、休日、申請書の提出先といった情報は、どの企業でも構造が同じです。ここはSaaSの標準機能で十分で、作り込む価値がありません。一方、自社の設備型式ごとの点検手順、タイ拠点固有の安全ルール、取引先別の納品条件といった情報は、他社の製品に最初から入っていることはありません。差別化が必要な領域だけを作り込むという切り分けが、費用対効果を最も左右します。

判断軸3｜セキュリティとデータ所在の要件

社内文書を外部のクラウドに送ることが許されるかどうかは、情シスが最初に確認すべき点です。日系製造業の場合、図面、原価、顧客名を含む文書は本社ポリシーで国外送信が制限されているケースがあります。

タイ拠点で運用する場合はタイ個人情報保護法（PDPA）の対象範囲も関係します。従業員の問い合わせ履歴に氏名や社員番号が含まれれば個人データとして扱う必要が生じ、保存先と保存期間、削除手続きを設計に織り込むことになります。この要件が厳しいほど、既製SaaSでは要求を満たせず、構成を自社で決められる方式に寄っていきます。

判断軸4｜運用体制（誰が育て続けるか）

チャットボットは公開した瞬間が完成ではなく、そこが起点です。答えられなかった質問の一覧を毎週見て、文書を足すか、回答範囲を変えるかを決める人が要ります。

この役割を置かないまま公開した現場では、3ヶ月ほどで利用者が離れていく例が珍しくありません。「聞いても答えてくれない」という体験が2回続くと、人は使わなくなるからです。運用担当を確保できないなら、運用込みで請け負う外注のほうが、結果的に安くつきます。

2026年の主流は「ハイブリッド」

判断軸を並べると、多くの企業で答えが二者択一にならないことに気づきます。実際、2026年のエンタープライズ導入では、定型的な応答はSaaSを購入し、差別化が必要な業務だけを自社または外注でカスタム構築するハイブリッド型が約7割を占めるという指摘があります。

これは折衷案ではなく合理的な設計です。すべてを作れば費用が跳ね上がり、すべてを買えば差別化できない。買う部分と作る部分の線をどこに引くかが、実質的なチャットボット開発の意思決定になっています。

チャットボット開発の費用相場｜方式で桁が変わる

費用の話に入ります。ここは方式ごとにレンジが大きく異なるため、まとめて「相場は◯万円」と言うこと自体に意味がありません。

ノーコード・AI型の費用レンジ

ノーコードのAIチャットボットを構築する場合の初期費用の目安は次のとおりです。

この帯の開発期間は1ヶ月から2ヶ月、公開後の月額運用費は1万円から5万円が目安とされています。社内の問い合わせ削減を目的とした最初の1本であれば、多くの場合この範囲に収まります。

フルスクラッチ型の費用レンジ

一方、フルスクラッチで開発する場合は次の水準になります。

開発期間は2ヶ月から9ヶ月以上、月額運用費は4万円から20万円です。ノーコード型と比べると、初期費用は帯によって約14倍から20倍、運用費はちょうど4倍の差になります。この差を正当化できる要件があるかどうかが、フルスクラッチを選ぶ唯一の判断基準です。

生成AI・RAG型と、内製した場合の人件費

英語圏の相場を見ると、エンタープライズ向けの生成AI型チャットボットは3万ドルから25万ドル程度、カスタムRAG型は3万ドルから15万ドル程度というレンジが紹介されています。日本円に直すと数百万円から数千万円の帯で、フルスクラッチ型の上位レンジと重なります。

見落とされやすいのは、内製した場合の人件費です。専任チームを組んで内製する場合、人件費だけで年間40万ドルから70万ドルという試算があり、外注に切り替えることで40%から60%のコスト削減余地があるとされています。内製は費用がかからないのではなく、費用が人件費という別の勘定科目に移るだけだという点は、稟議の前に押さえておく必要があります。

投資回収の目安

投資回収の期間についても目安が示されています。基礎的な導入であれば6ヶ月から9ヶ月、エンタープライズ規模の構築では18ヶ月から24ヶ月で回収に至るという整理です。

この差は規模だけでなく、効果の出方の違いでもあります。よくある質問の一次受けは公開直後から問い合わせ件数を減らしますが、基幹システムと連携する構成は、業務プロセスそのものを変えないと効果が出ないためです。回収期間の想定を短く見積もると、半年で「効果が出ていない」という評価が下り、育てる前に止まります。

なお日本国内であれば、IT導入補助金を活用して初期費用の実質3分の2程度を圧縮できるケースがあります。タイ拠点向けの投資は対象外となるのが通常ですが、日本本社側で先行導入して型を作り、その成果物をタイへ展開するという順序であれば、制度を活用できる余地があります。

費用の内訳をどう見るか、月額いくらではなく応答1件あたりでどう捉えるかについてはチャットボット費用｜月額でなく応答1件単位で詳しく整理しています。

生成AI型（RAG）で作る場合に決めるべきこと

生成AI型を選ぶ場合、技術選定の入口で必ず出てくるのが「RAGにするか、ファインチューニングするか」という論点です。

なぜRAGが主流なのか

2026年時点で、エンタープライズにおけるLLM活用の約8割がRAG方式を採っているとされます。理由は3つあります。

第一に、ソースデータを差し替えるだけでよく、モデルの再学習が不要です。マニュアルが改訂されたら、そのファイルを入れ替えれば翌日から新しい内容で答えます。第二に、回答の根拠を元の文書に紐づけられます。製造現場では「なぜそう答えたか」を追えることが、答えの正しさと同じくらい重要です。第三に、モデルを乗り換えやすい構造になります。生成AIのモデルは半年単位で世代交代しており、特定モデルに依存しない構成であることが、そのまま資産の寿命になります。

ファインチューニングとの使い分け

ファインチューニングはモデル自体に自社データを学習させる手法で、ドメイン固有の言い回しや専門用語への精度は高くなります。一方で、開発コストはRAGより40%から80%高くなるとされ、データが更新されるたびに学習をやり直す必要があります。

実運用では、RAGを土台にしつつ、専門用語の解釈など一部だけ軽いファインチューニングを重ねるハイブリッド構成に収束する例が多いと報告されています。最初からファインチューニングを前提に見積もると、コストが上振れしたうえに更新が止まります。

RAG構成で先に決める4つのこと

RAG型の見積もりが会社ごとに大きくぶれるのは、次の4点が決まっていないまま概算を出すためです。

• 対象文書の範囲。どのフォルダの、どの版数までを対象にするか。全社文書を対象にすると、機密区分の整理だけで数ヶ月かかります。
• 文書の前処理レベル。スキャンPDFや画像だけのマニュアルが混ざる場合、テキスト化の工数が別途必要です。製造業の現場文書はここが重くなりがちです。
• 根拠が見つからないときの挙動。答えを作らせるのか、担当者に転送するのか。ここを決めないと、それらしい誤答が出ます。
• 更新の担当と頻度。誰が、どの周期で文書を入れ替えるか。運用設計が抜けたRAGは半年で陳腐化します。

工場の技術文書を対象にしたRAG構築の具体的な進め方と費用の考え方はRAG構築の費用と進め方で扱っています。

タイ・ASEAN拠点でチャットボット開発を進める場合の論点

日本国内向けの記事では触れられない論点が、タイ拠点にはいくつかあります。

現地スタッフのAIリテラシーが急速に変わる

タイ政府は2026年8月19日から事前登録を開始し、8月31日から利用開始という日程で、15歳以上の国民500万人を対象に、ChatGPTやGeminiを含む30種類以上の生成AIサービスを1年間無料で提供する施策を実施しています。予算規模は約16億バーツ、日本円でおよそ77億円です。事前登録は開始後まもなく100万人を超えたと報じられています。

政府が掲げる目的は、デジタル人材の育成と労働生産性の向上、そして現在10.7%とされるAI普及率を2027年中に20%超へ引き上げることです。

この施策が実務に与える影響は明確です。タイ人スタッフの側が、生成AIに質問して答えを得るという操作にすでに慣れている状態で社内チャットボットが公開される、という前提に変わります。これまで日系企業の現場導入で最大の障壁だった「使ってもらえない」という問題の性質が変わり、代わりに「無料で使える汎用AIより不便なら使われない」という新しい基準が生まれます。社内チャットボットの品質基準を、数年前の感覚のまま設定すると見誤ります。

現地の開発リソースをどう見るか

タイ国内には、チャットボット開発を担う事業者が一定数存在します。製造業向けの生成AIチャットボットの実績を持つAdastraのような外資系のデータ・AI企業もあれば、ZWIZ.AIのようにタイ語と英語に対応するタイ発のスタートアップもあります。選択肢がないわけではありません。

ただし日系製造業の場合、判断材料は技術力だけになりません。日本本社の情報システム部門とタイ現地法人の双方と話が通じるか、要件定義の議事録を日本語で残せるか、日本側のセキュリティ審査に耐える回答ができるか。言語と商習慣の橋渡しをどちらが負担するかを契約前に決めておかないと、要件定義の段階で工数が想定の倍になります。開発会社の選定基準と契約・見積の見方についてはAI開発会社の選び方で整理しています。

多言語対応は翻訳ではなく用語統一の問題

タイ拠点のチャットボットは、日本語、タイ語、英語の3言語を想定する場合が多くなります。ここで発生する問題は翻訳精度ではなく、同じ設備や工程を指す言葉が現場で3種類あることです。

たとえば同じ工程を、日本人駐在員は日本語の略語で呼び、タイ人リーダーはタイ語で呼び、システム上のコードは英字という状態が普通に起こります。RAG型は文書中の語で検索するため、この揺れがそのまま検索漏れになります。対策は高性能なモデルを選ぶことではなく、同義語辞書を作って登録することです。この作業は外注できず、現場を知る人が数日かけて作るしかありません。見積もりに入っていなければ、公開後に「答えられない」原因の大半がここになります。

データ所在と本社ポリシー

生成AIの処理をどのリージョンで行うかは、本社の情報セキュリティポリシーとの整合が要ります。日本のデータセンターで処理するのか、シンガポールを含むASEAN内で処理するのか、選択によって応答速度も費用も変わります。この確認を後回しにすると、開発が終わった段階で本社審査に引っかかり、構成をやり直すことになります。着手前に、本社の情報システム部門と処理リージョンの合意を取っておくのが確実です。

開発を依頼する前に整理しておくこと

見積もりの精度は、依頼側がどこまで整理してから相談したかで決まります。以下は、外注する場合も内製する場合も共通して先に決めておく項目です。

想定質問を実データから棚卸しする

まず、過去半年分の問い合わせ記録を集めます。ヘルプデスクのチケット、総務宛のメール、現場リーダーが受けた質問のメモでも構いません。ここから頻度の高い順に並べ、上位30件で全体の何割を占めるかを出します。

実務では、上位30件が全問い合わせの相当な割合を占めるケースが多く見られます。この比率が分かると、最初のスコープは自然に決まります。全部に答えられるボットを作る必要はなく、上位30件に確実に答えられるボットのほうが実利があります。社内問い合わせの棚卸しの具体的な手順は社内問い合わせ自動化でも触れています。

答えさせない範囲を先に決める

チャットボット開発でトラブルになるのは、答えられなかった質問ではなく、答えてはいけない質問に答えてしまったケースです。

給与、人事評価、労務トラブル、安全に直結する作業判断、契約条件の解釈。これらは正解を返せる保証がなく、誤答したときの損害が大きい領域です。あらかじめ対象外と決め、担当者に転送するという設計にしておきます。この線引きを要件定義書に明記しておくと、受入試験の判定基準にもそのまま使えます。

受入基準を数値で置く

「精度が高いこと」という書き方では検収できません。実務では次のような形にします。

この100件のテストセットは、依頼側が作るべきものです。ベンダーに作らせると、答えられる質問だけが並びます。

運用体制と改善のサイクルを決める

公開後の運用を、誰が、どの頻度で行うかを決めます。最低限必要なのは、答えられなかった質問のログを週1回確認し、文書の追加か対象範囲の変更かを判断する担当者です。工数としては週1時間から2時間程度ですが、この時間が確保されているかどうかで、半年後の利用率がまったく違います。

よくある質問

チャットボット開発とは具体的に何を指しますか？

SaaSの設定作業から、ノーコードツールでの組み立て、フルスクラッチのシステム開発、生成AIとRAGを使った構築まで、4種類の作業がこの言葉で呼ばれています。費用は数万円から1,100万円超まで幅があるため、社内で議論する際は「どの方式の話をしているか」を最初に確認してください。

チャットボット開発の費用はいくらかかりますか？

ノーコード・AI型であれば初期5万円から80万円超、月額1万円から5万円が目安です。フルスクラッチ型は初期100万円から1,100万円超、月額4万円から20万円の帯になります。生成AI・RAG型はその中間から上位に位置し、対象文書の量と前処理の重さで大きく変動します。

自社開発と外注のどちらがいいですか？

社内にAIエンジニアがいるかどうかではなく、社内文書を集めて整形し、公開後も更新し続ける担当者がいるかどうかで判断してください。この担当者を確保できるなら内製または一部外注、確保できないなら文書整備と運用まで含めて委託する外注が現実的です。2026年時点では、定型部分を購入し差別化部分だけ作るハイブリッドが約7割を占めています。

生成AI型にすれば、学習させなくても社内の質問に答えられますか？

RAG方式であれば、モデルの再学習なしに社内文書を参照して答えられます。ただし文書が古い、スキャン画像のままテキスト化されていない、同じ設備を指す言葉が現場で複数ある、といった状態では正しく検索できません。モデルの性能ではなく、参照させる文書の状態が回答品質を決めます。

開発期間はどれくらい見ておくべきですか？

ノーコード・AI型で1ヶ月から2ヶ月、フルスクラッチ型で2ヶ月から9ヶ月以上が目安です。ここに、社内文書の収集と整理、想定質問の棚卸し、テストセットの作成といった依頼側の作業期間が加わります。この準備を並行して進められるかどうかが、実際の立ち上がりの速さを決めます。

まとめ

本記事の要点を整理します。

• チャットボット開発は、SaaS型、ノーコード・AI型、フルスクラッチ型、生成AI・RAG型の4方式に分かれ、作る主体を決めれば費用帯もほぼ決まる。
• 自社開発と外注の判断は、AIエンジニアの有無ではなく、社内文書を集めて更新し続ける担当者の実在、差別化要件の深さ、セキュリティ要件、運用体制の4軸で行う。
• 2026年のエンタープライズ導入では、定型部分をSaaSで購入し差別化部分だけカスタム構築するハイブリッド型が約7割を占める。
• 費用はノーコード・AI型で初期5万円から80万円超、月額1万円から5万円。フルスクラッチ型で初期100万円から1,100万円超、月額4万円から20万円。
• 内製した場合の専任チーム人件費は年間40万ドルから70万ドルという試算があり、外注により40%から60%の削減余地があるとされる。内製は費用が消えるのではなく勘定科目が変わるだけである。
• 投資回収の目安は基礎的な導入で6ヶ月から9ヶ月、エンタープライズ規模で18ヶ月から24ヶ月。
• 生成AI型ではRAGが主流で全体の約8割を占め、ファインチューニングは開発コストがRAGより40%から80%高い。実運用ではRAG中心のハイブリッドに収束する例が多い。
• タイでは2026年8月19日に事前登録が始まり、8月31日から15歳以上の国民500万人を対象に30種類以上の生成AIサービスを1年間無料提供する政府施策が始まる。現地スタッフのAIリテラシーが急速に底上げされる。社内チャットボットの品質基準も引き上げが必要になる。
• 依頼前に整理すべきは、上位30件の想定質問、答えさせない範囲、数値化した受入基準、公開後の運用担当の4点である。

チャットボット開発でつまずく企業の多くは、技術の選定を誤ったのではなく、作る主体と運用体制を決めないまま見積もりを取り始めています。方式の選択は、その2つが決まれば自動的に絞り込まれます。

自社がどの方式に該当するのか、どこまでを買ってどこから作るべきかを見極める段階でも構いません。TOMAS TECHはタイ・バンコクを拠点に、日系製造業の社内問い合わせ自動化や生成AI・RAG型システムの要件定義から構築、公開後の運用設計までを現地で支援しています。想定質問の棚卸しや進め方のご相談だけでも承っていますので、検討段階の方はお問い合わせはこちらからお気軽にご連絡ください。

参考情報

• AIチャットボット開発の費用相場 – Walker’s ノーコードAI型とフルスクラッチ型の初期費用・開発期間・月額運用費のレンジ
• AI Chatbot Development Cost – Deliverable エンタープライズ生成AI型の費用レンジと投資回収期間の目安
• AI Chatbot Development, Build vs Buy vs Customize – TekRevol 内製チームの年間人件費試算、外注によるコスト削減率、ハイブリッド型の採用比率
• RAG vs Fine-Tuning 2026 Decision Framework – Winder.AI RAGの採用比率とファインチューニングとの開発コスト差、使い分けの整理
• チャットボットの費用相場ガイド 2026 – デジタルレクラム IT導入補助金を活用した初期費用圧縮の考え方
• タイ政府、生成AIサービスを国民に1年間無料提供 – 日本経済新聞 2026年8月19日事前登録開始・8月31日利用開始、対象30種類以上、予算約16億バーツ、AI普及率の目標
• Chatbot development companies in Thailand – ensun タイ国内でチャットボット開発を手がける事業者の一覧
• Top Chatbot Developers in Thailand – Clutch タイ拠点の開発会社と対応言語に関する情報