AIコンサルティングを選ぶとき、提案書の華やかさやデモの速さだけを比べても、導入後に自社が運用できるかは分かりません。タイ・ASEAN拠点で必要なのは、経営課題、データ利用条件、評価セット、運用責任、停止条件、内製移管までを一続きの証拠として受け取れる契約です。本稿では、AI導入支援の候補を4レイヤーで分解し、RFP、100点評価、金額を創作しないTCO表、提案型12週間の受入計画、PoCの出口、契約・撤退条件へ落とす方法を実務順に説明します。
先に結論｜AIコンサルティングは「PoC実施」ではなく証拠を買う
良いAIコンサルティング契約の目的は、PoCを一度動かすことではありません。経営課題を測定可能な業務成果へ変換し、利用可能なデータと権限を確定し、合否を再現できる評価セットを作り、本番時の責任者と停止条件を決め、社内チームが同じ手順を再現できる状態まで証拠を納品させることです。
選定時には、少なくとも次の七点を一つの流れで確認します。
- 解くべき経営課題と、AIを使わない代替案が説明されているか。
- 入力データ、出力、利用目的、保持、持出し、削除、権限が合意されているか。
- デモ用ではない評価セットと合否基準があるか。
- 誤答、停止、エスカレーション、人の承認を含む運用責任があるか。
- PoC後のGO、REWORK、STOPを誰が何の証拠で決めるか。
- プロンプト、設定、コード、評価、ログ、手順書が再現可能な形で渡るか。
- ベンダーを替えるときのデータ返却、消去、引継ぎ、解除条件があるか。
この七点を別々の会議で曖昧にすると、「精度は高かったが業務へ入れられない」「法務確認で止まる」「担当者しか再現できない」「モデル変更後に品質が落ちても分からない」という事態が起きます。RFPから受入まで同じ証拠台帳を使うことが重要です。
AIコンサル会社を4レイヤーに分けて必要範囲を選ぶ
「AIコンサル会社」という名称だけでは、何を納品する会社か判断できません。戦略、業務設計、実装、運用定着の4レイヤーに分解し、自社に不足する部分だけを組み合わせます。
| レイヤー | 主な問い | 必須成果物の例 | 自社側オーナー |
|---|---|---|---|
| STRATEGY | 何の経営成果を狙い、なぜAIなのか | 課題仮説、対象業務、非AI代替、効果式、優先順位 | 事業責任者 |
| WORKFLOW | 人とAIの仕事をどう組み替えるか | As-Is/To-Be、例外、承認、停止、責任分担、教育計画 | 業務責任者 |
| BUILD | データ・モデル・システムをどう実装するか | データ契約、構成図、コード、設定、評価、監視、脅威対策 | IT・データ責任者 |
| ADOPTION | 品質を維持し自社へ移管できるか | 運用手順、変更管理、SLA境界、訓練、引継ぎ、撤退パック | 運用責任者 |
経営会議の構想整理だけならSTRATEGY中心でよい場合があります。既にユースケースとデータ基盤が固まり、社内開発者もいるならBUILDの補強だけで済むこともあります。反対に、現場業務を変える案件でBUILDだけを買うと、画面は動いても承認、例外、教育、日次運用が残ります。四つすべてを同じ会社へ頼む必要はありませんが、レイヤー間の受け渡し責任は一社または自社PMOが明示的に持ちます。
AI導入の相談先4類型は、相談先を整理する前段のガイドです。本稿はその次の段階として、候補会社から何を受け取り、どう合否判定するかに焦点を置きます。
AI導入支援を依頼する前に社内で固定する一枚
RFPをベンダーへ出す前に、社内で「案件定義一枚」を作ります。完璧な要件定義ではなく、提案が同じ問題へ向くための基準線です。
| 項目 | 記入する内容 | 曖昧なままの場合のリスク |
|---|---|---|
| 業務成果 | 時間、品質、損失、リードタイム、能力などの改善対象 | デモの便利さが目的になる |
| 対象ユーザー | 国、拠点、部門、役割、言語、人数 | 教育・権限・UI要件が抜ける |
| 対象判断 | AIが支援する判断と、人が保持する最終判断 | 責任境界が曖昧になる |
| 現行基準線 | 現在値、測定期間、母集団、除外条件 | 効果を比較できない |
| データ区分 | 個人、顧客、機密、知財、輸出・越境の検討対象 | 利用可否が後から覆る |
| 非交渉条件 | 保存先、言語、停止、監査、既存システムなど | 比較不能な提案が集まる |
| 意思決定日 | いつ、誰が、何の証拠で次段階を決めるか | PoCが延長し続ける |
効果測定の考え方は、タイ企業向けAI導入効果測定とつながります。候補テーマが多い場合は、生成AIユースケース優先順位付けで価値、実現性、リスクを先に比較すると、コンサル会社へ丸投げする範囲を減らせます。
RFPは会社紹介ではなく成果物と受入証拠を回答させる
RFPで「豊富な実績」「最新モデル」「伴走支援」を尋ねても、各社が違う尺度で答えるため比較できません。要求を成果物、証拠、責任者、期限、前提条件へ変換します。
成果物一覧を最初から番号で管理する
提案する成果物台帳の例です。項目数は案件に合わせて増減します。
| ID | 成果物 | 最低限含める内容 | 受入証拠 |
|---|---|---|---|
| D01 | 課題・効果定義 | 対象業務、基準線、効果式、非AI代替 | 事業責任者の承認 |
| D02 | データ契約 | 項目、目的、権限、保持、削除、所在、持出し | データ責任者の承認 |
| D03 | To-Be業務 | 通常、例外、承認、停止、再開、エスカレーション | 現場シナリオレビュー |
| D04 | 技術構成 | モデル、検索、連携、認証、ログ、監視、切替 | 構成レビューと再構築記録 |
| D05 | 評価パック | 評価セット、期待値、grader、閾値、回帰結果 | 独立再実行の結果 |
| D06 | リスク・統制台帳 | リスク、影響、統制、残存リスク、オーナー | リスク受容者の署名 |
| D07 | 運用パック | Runbook、障害、変更、SLA境界、月次レビュー | 模擬運用と復旧演習 |
| D08 | 移管・撤退パック | ソース、設定、資産一覧、教育、返却、消去、引継ぎ | 社内再現と消去証跡 |
RFPでは、各IDについて「既製テンプレートの有無」ではなく、いつドラフトを出し、誰が更新し、どの受入試験を通し、契約終了時にどの形式で納品するかを回答させます。成果物の定義が契約書、作業範囲記述書、プロジェクト計画、受入台帳でずれる場合は、優先順位と変更手続きを明記します。
実績はロゴではなく再現条件で聞く
顧客ロゴや件数だけでは、自社案件への適合を判断できません。機密を守れる範囲で、業務の類似性、言語、データ量、既存システム、規制・社内統制、ユーザー教育、停止条件、本番後の期間、ベンダーの実担当範囲を聞きます。デモ担当ではなく、実際に配置されるPM、業務設計者、データ担当、セキュリティ担当、運用移管担当の経歴と稼働率も確認します。
100点スコアで提案を比較し重大欠陥は足切りにする
次の配点と閾値は、比較設計の提案例であり、外部統計や業界標準ではありません。案件の重要度に応じて自社で変更してください。
| 評価レイヤー | 配点例 | 主な評価内容 |
|---|---|---|
| STRATEGY | 25点 | 課題理解、非AI案、効果式、優先順位、意思決定設計 |
| WORKFLOW | 25点 | 現場観察、例外、承認、言語、教育、責任分担 |
| BUILD | 25点 | データ契約、評価、セキュリティ、再現性、連携、監視 |
| ADOPTION | 25点 | 運用、SLA境界、変更管理、内製移管、撤退 |
| 合計 | 100点 | 総合比較 |
提案例として、総合75点以上、かつ各レイヤー60%以上を通過条件にします。ただし、秘密情報の無断持出し、重大な権限分離欠如、評価データの漏えい、停止不能、知財帰属の不合意など、自社がcriticalと定めた条件は点数で相殺させません。一社が80点でもcritical不合格なら保留または失格とします。
採点は少なくとも事業、現場、IT・データ、セキュリティ・プライバシー、調達の複数視点で行い、根拠となる提案書ページや回答IDを記録します。印象点を減らすため、全社に同じシナリオと質問を出し、追加説明で条件を変えた場合は全社へ同じ情報を共有します。
費用比較は金額相場を置かずTCOの空欄を埋めさせる
AIコンサルティング費用は、対象業務、データ準備、連携、モデル利用、品質責任、言語、現地支援、契約条件で大きく変わります。根拠のない「相場」を置くより、同じTCO構造で各社に金額、単位、前提、上限、変動条件を記入させます。
| TCO層 | ベンダー記入欄 | 単位・前提 | 変動要因 | 上限・通知・停止 |
|---|---|---|---|---|
| 初期設計 | 対象業務、拠点、言語 | |||
| データ準備・連携 | データ品質、API、移行 | |||
| モデル・基盤利用 | token、検索、保存、GPU、通信 | |||
| 運用・改善 | 問合せ、評価、変更頻度 | |||
| 教育・移管・撤退 | 人数、教材、現地対応、データ返却 |
初年度と次年度を分け、固定費、従量費、第三者サービス、税、為替、出張、夜間対応を区別します。「月額に含む」の範囲、超過時の単価、利用量を誰が観測するか、予算上限に近づいた通知、モデル単価変更時の扱い、停止しても発生する費用を確認します。TCOは安い会社を選ぶ表ではなく、不確実性を見えるようにする表です。
データ契約と権限をPoC開始前に確定する
データ契約は法務文書だけでなく、実装可能な項目表です。データセットごとに、所有者、利用目的、入力元、機密区分、個人データ該当性、保存場所、越境、保持期間、削除、バックアップ、アクセス役割、ログ、サブプロセッサ、モデル学習への利用、二次利用を記載します。
タイ案件では「AI専用法がある／ない」という一言で判断せず、案件時点のPDPAその他の適用法令、契約、ETDA等の指針、自社の情報セキュリティ・人事・知財統制を個別に確認します。従業員評価、顧客対応、健康・安全、機密製造情報など、利用場面によって確認担当と許容範囲は変わります。法的結論は社内法務または資格を持つ専門家へ確認してください。
ASEANのGenerative AI向け拡張ガイドは、mistakes、factual inaccuracy/disinformation、impersonation、intellectual property、privacy/confidentiality、embedded biasという六つのリスク領域を整理しています。これをチェック欄に写すだけでなく、自社の入力、出力、利用者、被影響者、既存統制へ対応付けます。たとえば事実誤認は、参照元表示、回答不能条件、人の承認、訂正手順、評価セットへ落とします。
ベンダーのデータ条件は製品、契約、エンドポイント、設定により異なります。製品固有例として、OpenAIはAPIデータについて明示的にopt-inしない限りモデル学習へ使用しないこと、既定のabuse monitoring logsを最大30日保持し得ることを説明しています。これはOpenAI API固有の条件であり、他社やすべての構成に一般化できません。候補ごとに最新契約、DPA、保持制御、地域、例外を確認します。
評価セットを先に作りデモから受入試験へ変える
生成AIの品質は、一つの「正解率」だけでは測れません。NIST AI RMFは任意の枠組みとしてGOVERN、MAP、MEASURE、MANAGEを示し、GenAI Profileは生成AIリスクをライフサイクルで扱う助言を提供します。特定企業の法的義務を定めるものではありませんが、評価をモデル単体の精度から、利用文脈、影響、測定、対応へ広げる共通言語になります。
提案例として、評価セットを120件で開始します。件数は外部基準ではなく、対象業務とリスクに合わせて変える前提です。
| ケース区分 | 件数例 | 内容 |
|---|---|---|
| 通常 | 60件 | 頻出する代表入力、言語、帳票、質問 |
| 境界 | 25件 | 欠損、曖昧、長文、混在言語、古い版 |
| 方針・機密 | 20件 | 個人情報、機密、権限外、回答不能、要承認 |
| 攻撃・復旧 | 15件 | prompt injection、誤誘導、外部障害、モデル切替 |
| 合計 | 120件 | 提案例 |
各ケースに入力、期待する性質、許容範囲、禁止事項、根拠、採点方法、critical条件、レビュー者を持たせます。期待値を一文の模範回答に固定できない場合は、「必須項目を含む」「根拠が追跡できる」「機密を出さない」「不確実なら人へ渡す」のようなgraderを組み合わせます。2026年9月8日時点のOpenAI固有の製品例では、現行のDatasetsとgradersで再現可能な評価を構成できます。公式ガイドによると、旧Evals platformは2026年10月31日にread-only、同年11月30日に終了予定のため、新規の評価設計は旧基盤を前提にしません。これはOpenAI製品の例であって採用必須ではなく、表計算、テストコード、他社評価基盤でも版管理と再実行ができれば構いません。
提案ゲート例は、全体の業務受入90%以上、定義済みcritical違反は0件、承認済み基準線からの回帰は2ポイント以内です。これらも提案値です。criticalを平均点に混ぜず、モデル、prompt、検索文書、ルール、graderの版を結果と一緒に保存します。
12週間のAI導入相談を受入計画へ変える
次は12週間の提案例であり、標準期間や成功保証ではありません。既存データ、調達、セキュリティ審査、現場稼働、連携難易度に合わせて変更します。
| 週 | 主な作業 | 週末の証拠ゲート |
|---|---|---|
| 1–2 | BASELINE：課題、現行業務、基準線、非AI案、意思決定者 | D01承認、対象・除外・測定式が固定 |
| 3–4 | DATA：データ契約、権限、サブプロセッサ、構成、脅威 | D02・D04ドラフト、利用禁止条件が明確 |
| 5–6 | EVAL：120件の提案評価セット、grader、critical、基準線 | D05 v1を自社側が再実行可能 |
| 7–9 | PILOT：代表ユーザー、実データ近似、例外、障害、教育 | 日次ログ、問題台帳、変更履歴、業務観察 |
| 10–11 | TRANSFER：Runbook、監視、rollback、月次評価、引継ぎ | 社内担当3名が手順を再現 |
| 12 | DECIDE：残存リスク、TCO、契約、GO/REWORK/STOP | 決裁記録と次段階の範囲・条件 |
社内担当3名という人数も提案例です。特定の一人だけでなく、業務、IT・データ、運用の観点を再現できる体制を意図します。再現試験では、ベンダーが操作するのを見学するだけでなく、社内担当が受領資産から環境を立ち上げ、評価を実行し、失敗を判定し、rollbackし、月次レビュー資料を作ります。
PoC出口をGO・REWORK・STOPの三択で契約する
PoCが長期化する最大の原因は、「うまくいったら本番化」という出口しかないことです。開始前に三つの出口と証拠を合意します。
| 判定 | 条件例 | 次に進む内容 |
|---|---|---|
| GO | 業務・評価・統制・運用・TCOの全ゲートを通過 | 限定本番の範囲、予算、責任、再評価日を承認 |
| REWORK | 価値は見えるが、修正可能な欠陥や未確定が残る | 修正項目、期限、追加費用上限、再試験だけを契約 |
| STOP | critical不合格、価値不足、データ不可、責任不明、TCO不成立 | 利用停止、データ返却・消去、資産受領、学びを記録 |
STOPは失敗ではありません。小さい範囲で不成立を証明し、大きい固定費やリスクを避ける意思決定です。REWORKは無期限延長ではなく、解消すべきID、再試験ケース、責任者、期限、費用上限を限定します。GOでも全社展開とは限らず、対象部門、ユーザー、データ、時間帯を限定し、次の評価日を置きます。
契約で確認する12項目
以下は一般的な実務観点であり、法的助言ではありません。準拠法、取引条件、データ、知財、雇用への影響に応じて、調達・法務・プライバシー・セキュリティ・人事の専門家へ確認してください。
- 成果物一覧：D01〜D08等の形式、版、期限、受入、修正回数。
- 知財と再利用：既存資産、案件固有資産、汎用部品、prompt、コード、評価データの権利。
- データ持出し：保存地域、越境、端末、開発環境、サポート時のアクセス。
- サブプロセッサ：利用先、役割、変更通知、異議、同等義務。
- ログ：取得内容、閲覧者、保持、改変防止、削除、監査提供。
- モデル切替：事前通知、回帰試験、承認、緊急切替、旧版へ戻す条件。
- 秘密情報：入力禁止、マスキング、出力処理、インシデント連絡。
- 再現性：コード、設定、依存関係、prompt、検索文書、評価結果の版管理。
- 引継ぎ：教材、言語、訓練、質疑期間、社内再現試験。
- 解除・撤退：中途解除、データ返却・消去、資産形式、移行支援、費用。
- SLA境界：モデル、クラウド、ネットワーク、自社連携、業務承認の責任分界。
- 変更と受入：範囲変更、追加費用、再試験、黙示受入を避ける手続き。
特にSLAは「AIの回答が正しいこと」と「サービスが応答すること」を分けます。外部モデルの障害、検索基盤、社内ID、ERP、ネットワーク、人の承認のどこで止まったかを観測できなければ、復旧責任を争うだけになります。契約の表現と実際の監視項目を一致させます。
AI活用の伴走支援を内製移管へつなぐ
伴走支援を「会議へ参加し続けること」と定義すると依存が残ります。移管は、社内が次の作業を再現できるかで受け入れます。
- 新しいデータや業務ケースを評価セットへ追加する。
- モデル、prompt、検索文書、ルールの変更前後を比較する。
- critical違反を止め、担当者へエスカレーションする。
- 権限を追加・削除し、ログで確認する。
- 障害時に縮退、停止、rollback、再開を判断する。
- 月次で品質、利用、費用、例外、リスクをレビューする。
- ベンダー変更時に資産を出力し、移行先へ説明する。
ISO/IEC 42001:2023は、AIマネジメントシステムを確立、実施、維持、継続改善するための要求を示します。すべての案件で認証取得が必須という意味ではありませんが、単発PoCではなく、方針、役割、プロセス、統制、改善を組織能力として持つ視点に役立ちます。ISO/IEC 42005:2025が示すAIシステム影響評価の反復可能なプロセスという考え方も、変更時に影響を再確認する設計の参考になります。
タイではETDAのGenerative AI Governance Guidelineが便益、限界、リスク、ガバナンスを整理しており、2026年の「Driving Trust AI Governance」は政府、SME、市民を含む現地文脈を示しています。ただし広報上の方向性を個別案件の法的義務へ読み替えず、最新指針と適用条件を案件ごとに確認します。
月次運用レビューで見る証拠
本番後は「利用者数が増えた」だけで成功としません。月次レビューの例として、次の同じ証拠を事業、現場、IT、リスク担当が見ます。
| 観点 | 証拠 | 判断 |
|---|---|---|
| 価値 | 基準線との差、利用された出力、手戻り、未利用理由 | 継続・対象変更・停止 |
| 品質 | 120件評価の再実行、新規失敗、言語別差、回帰 | prompt・data・model変更 |
| 統制 | critical、機密、権限、例外承認、インシデント | 利用制限・是正・受容 |
| 運用 | 応答、障害、縮退、問い合わせ、担当工数 | SLA・Runbook・教育改善 |
| 費用 | 固定・従量・第三者・社内工数、予算通知 | 上限、構成、契約見直し |
| 移管 | 社内変更件数、ベンダー依存、資産更新状況 | 次の引継ぎ範囲 |
評価セットは固定したままでは不足します。新しい商品、規程、言語、入力形式、失敗を追加しつつ、以前の重要ケースを残して回帰を見ます。変更前後で同じセットを実行し、改善した平均点の裏でcritical違反が増えていないか確認します。
AIコンサルティング選定でよくある失敗
デモの印象を採点する
準備済み入力への回答は実運用の代表ではありません。自社の匿名化ケース、境界、機密、攻撃、障害を含む同一セットで比較します。
PoCの成果物を画面だけにする
画面が残っても、データ契約、評価、ログ、Runbook、ソース、設定がなければ本番化と移管ができません。D01〜D08の受領を支払条件と結びます。
精度を一つの割合で決める
平均90%でも、秘密情報の漏えい、誤った承認、危険な指示が残れば採用できません。通常品質とcritical条件を分離します。
すべてをベンダーに任せる
業務の正解、許容リスク、最終判断は自社に残ります。ベンダーは証拠を作れても、経営責任を代行できません。
本番化か継続検証しか出口がない
STOPと限定REWORKを用意しないとPoCが延長します。解除、返却、消去、学びの記録まで出口に含めます。
現地言語と時差を後回しにする
タイ語UI、現場教育、データの言語混在、夜間障害、ASEAN拠点間の責任を初期要件にします。翻訳されたデモではなく、実際の利用者が例外処理を完了できるかで評価します。
AI導入支援のRFPチェックリスト
発行前
- [ ] 経営課題、非AI代替、基準線、対象、除外を一枚にした。
- [ ] STRATEGY、WORKFLOW、BUILD、ADOPTIONの必要範囲を決めた。
- [ ] D01〜D08等の成果物と受入証拠を番号化した。
- [ ] データ区分、権限、持出し、保持、削除の確認担当を決めた。
- [ ] 100点配点とcritical足切りを自社の提案値として承認した。
- [ ] TCOの空欄表を全候補へ同じ条件で配布した。
提案比較と12週間の提案受入
- [ ] 全候補へ同じシナリオ、質問、追加情報を渡した。
- [ ] 120件の提案評価セットを通常、境界、方針・機密、攻撃・復旧に分けた。
- [ ] 全体90%、critical 0件、回帰2ポイント以内を提案閾値として適否確認した。
- [ ] 週1–2 BASELINE、3–4 DATA、5–6 EVAL、7–9 PILOT、10–11 TRANSFER、12 DECIDEの証拠を定義した。
- [ ] GO、REWORK、STOPの決定者、期限、費用、処理を決めた。
- [ ] 社内担当3名による再現試験を予定した。
契約・本番前
- [ ] 知財、再利用、サブプロセッサ、ログ、モデル切替を確認した。
- [ ] 秘密情報、再現性、引継ぎ、解除・撤退、SLA境界を確認した。
- [ ] 法務、PDPA、プライバシー、セキュリティ、人事を案件別に確認した。
- [ ] 月次の価値、品質、統制、運用、費用、移管レビューを設定した。
- [ ] ベンダー変更時の資産形式、データ返却、消去証跡を合意した。
FAQ｜AIコンサルティングと導入相談
AIコンサルティング会社は何を基準に選べばよいですか？
会社紹介ではなく、STRATEGY、WORKFLOW、BUILD、ADOPTIONのどこを担当し、D01〜D08のような成果物をどの証拠で受け入れられるかを比較します。100点評価は提案例であり、critical条件を点数で相殺しないことが重要です。
生成AIコンサルティングのPoCは何週間必要ですか？
一律の正解はありません。本稿の12週間は、BASELINE、DATA、EVAL、PILOT、TRANSFER、DECIDEを漏らさないための提案例です。既存データと審査の準備状況に応じて短縮・延長し、期間ではなく証拠ゲートで管理します。
AI導入支援の費用相場はどのくらいですか？
案件条件に依存するため、本稿では根拠のない相場を示しません。初期設計、データ・連携、モデル・基盤、運用・改善、教育・移管・撤退の同じTCO表へ、各社が金額、単位、前提、変動、上限を記入する方法を勧めます。
AI導入の相談前にデータを全部整備する必要がありますか？
全部を完成させる必要はありませんが、所有者、利用目的、機密区分、個人データ、保存・越境、権限、保持・削除を確認できる担当者は必要です。サンプルデータだけで本番可否を判断せず、欠損やアクセス制約も評価対象にします。
AI活用の伴走支援はいつ終了できますか？
会議回数ではなく、社内担当が評価、変更、監視、停止、rollback、月次レビュー、資産出力を再現できた時点を移管ゲートにします。本稿の社内担当3名は提案例で、組織規模と役割分担に合わせて変えます。
タイのAI案件ではどの法令や指針を確認すべきですか？
AI専用法の有無だけで結論を出さず、案件時点のPDPAその他の適用法令、契約、ETDA等の指針、社内の情報セキュリティ・知財・人事統制を確認します。具体的な法的判断は資格を持つ専門家へ相談してください。
PoCをSTOPした場合、成果は残りますか？
残せます。課題・効果定義、データ契約、評価セット、失敗結果、リスク台帳、構成、資産、返却・消去証跡を受領すれば、次の内製案や別ベンダー選定に使えます。STOPを契約上の正常な出口にしておくことが条件です。
まとめ｜AIコンサルティングの価値は自社に残る証拠で判断する
AIコンサルティング会社は、デモの巧さではなく、経営課題からデータ契約、評価セット、運用責任、停止条件、内製移管までを再現可能な証拠へ変えられるかで選びます。STRATEGY、WORKFLOW、BUILD、ADOPTIONの4レイヤーで必要範囲を決め、D01〜D08の成果物をRFPと契約へ入れます。100点、75点、各層60%、120件、全体90%、critical 0件、回帰2ポイント、12週間、社内担当3名はすべて提案例です。自社の影響度に合わせて変更し、GO、REWORK、STOPの出口を開始前に合意してください。
TOMAS TECHでは、タイ・ASEAN拠点の業務整理、RFP、評価セット、PoC受入、運用・移管の設計を一緒に検討できます。製品や委託先が未確定の段階、あるいは既存提案の成果物と契約条件を整理したい段階でも、お問い合わせください。
参考情報
- NIST, AI Risk Management Framework: https://www.nist.gov/itl/ai-risk-management-framework
- NIST, Artificial Intelligence Risk Management Framework Generative Artificial Intelligence Profile NIST AI 600-1: https://nvlpubs.nist.gov/nistpubs/ai/NIST.AI.600-1.pdf
- ISO, ISO/IEC 42001:2023: https://www.iso.org/standard/42001
- ISO, ISO 42001 explained: https://www.iso.org/cms/%20render/live/fr/sites/isoorg/home/insights-news/resources/iso-42001-explained-what-it-is.html
- ISO, ISO/IEC 42005:2025 context: https://www.iso.org/cms/live/live/en/sites/isoorg/contents/data/publication/20/04/PUB200420.html
- ASEAN, Expanded ASEAN Guide on AI Governance and Ethics – Generative AI: https://asean.org/wp-content/uploads/2025/01/Expanded-ASEAN-Guide-on-AI-Governance-and-Ethics-Generative-AI.pdf
- ETDA, Generative AI Governance Guideline: https://www.etda.or.th/getattachment/6050a4b7-defd-4dba-8cbc-ff6a444a3d08/20240910_GenerativeAIGovernanceGuideline_Vol1_AIGC.pdf.aspx
- ETDA, Driving Trust AI Governance 2026: https://www.etda.or.th/th/pr-news/aigc_Driving-Trust_AI_Governance.aspx?feed=cb66f430-5546-4dd8-b279-3827e88d154b
- OpenAI, Data controls by endpoint: https://platform.openai.com/docs/models/default-usage-policies-by-endpoint
- OpenAI, Datasets and Evals guide: https://developers.openai.com/api/docs/guides/evals
*本記事は2026年9月8日時点の公開情報に基づく一般的な実務ガイドです。12週間、100点、75点、各層60%、120件、90%、critical 0件、回帰2ポイント、社内担当3名などは提案値であり、外部統計、法的要件、成功保証ではありません。法務、契約、PDPA・プライバシー、情報セキュリティ、知財、人事、税務に関する判断は、案件の条件を踏まえて社内担当者および資格を持つ専門家へ確認してください。*
