TECHNOLOGY ／ AI活用・業界別のAI活用
中小IT企業の生成AI活用 開発工数が減った分を何で請求するか、契約と評価を先に決める
公開 2026.11.06
IT企業の生成AI活用は、もう入れるかどうかの話ではありません。情報通信業はAIの導入が約7割、コード生成での利用は76.3％で全業種の最高です。それでも売上や利益が向上した企業は3.9％。売り物が人の時間である会社が、何を根拠に請求し、AI生成物の権利と責任を契約でどう分けるかを一次情報で整理します。
他業種の経営者がAIに期待するのは「社内の時間が浮くこと」です。浮いた時間は別の仕事に回せばよく、売上は減りません。ところがIT企業では、その時間自体を顧客に売っています。工数が減れば、同じ仕事の請求額も減ります。
- 情報通信業はAIを「導入している」が約7割に達しています。用途別でも「プログラムコードやシステム開発支援」は情報通信業が76.3％と他業種を大きく上回っています。入れるかどうかはもう論点ではありません（出典：IPA「DX動向2026」26・33頁）
- それでもAI導入の効果は「業務が効率化したり迅速化した」が91.6％なのに対し、「売上や利益が向上した」は3.9％です（同35頁）。効率化は起きていて、売上に変わっていません
- 情報サービス産業の売上は、SIサービス46.3％とソフトウェア開発14.7％を合わせた約61％が受託型です。自社のソフトプロダクト4.7％とクラウド関連3.3％は、合わせて8.0％にとどまります（出典：JISA「2025年版 情報サービス産業基本統計調査」図表2-18）
本稿は、生成AIを「どのツールを入れるか」ではなく「売り方・契約・評価をどう変えるか」という順番で組み立て直します。前半で自社のどこが圧縮されるかと値段の決め直しを、後半でAI生成物の権利と責任、法令上の立場、エンジニアの評価、投資の上限とやめる基準を扱います。業務の選び方と社内ルールそのものは中小企業の生成AI活用と生成AIの社内ガイドラインの作り方が扱っているので、本稿はIT企業固有の論点に絞ります。
最初に結論：社長が決めるのは5つだけ
ツールの比較は後回しで構いません。先に決めるのは、自社のどこが人の時間で売られているか、減った工数を何に充てるか、AI生成物の権利と責任を顧客とどう分けるか、エンジニアを何で評価するか、年間いくらまでかの5つです。この5つが決まっていれば、ツールは入れ替えが利きます。
まず見るべき判断表｜中小IT企業の生成AI活用で先に決める5つ
| 決めること | 判断の基準 | 決まっていないときに起きること |
|---|---|---|
| ①自社のどこが圧縮されるか | 売上を客先常駐・受託開発・自社サービスに割り、それぞれで実装・テスト・ドキュメントが占める割合を出しているか | 全社一律で「3割速くなった」と言い、どの契約の利益が減ったのか分からないまま期末を迎える |
| ②減った工数を何に充てるか | 値下げ・増産・単価維持のどれを取るかを、契約の種類ごとに決めているか | 顧客から先に「AIで速くなったでしょう」と言われ、値下げだけが既成事実になる |
| ③権利と責任をどう分けるか | AI生成物に著作権が生じない場合があること、第三者の著作権侵害は「知らなかった」でも成立しうることを、契約条項に織り込んでいるか | 著作権譲渡条項を結んだのに、譲渡する対象が存在しない部分が残る。侵害の責任だけが受託側に寄る |
| ④エンジニアを何で評価するか | 書いた量ではなく、仕様を決めた量・出力を検収した量で評価する基準に替えているか | 速い人ほど評価が下がる。先に辞めるのは替えのきかない人から |
| ⑤年間いくらまでか | 削減できる時間ではなく、取り直した単価と増えた受注で上限を出しているか | 席数課金が人数分積み上がり、効果を判定できないまま固定費になる |
図：本誌が整理したものです。各項目の根拠は本文の該当する章で示します。
この順番には理由があります。①と②は自社の決算書だけで決められますが、③と④は相手（顧客・社員）がいるので、決めてから効くまでに時間がかかります。⑤は①〜④が決まらないと上限を出せません。
❌ 「まずAIコーディングツールを全員分契約して、どれだけ速くなるか測ってみよう」 ⭕ 「先に、客先常駐・受託開発・自社サービスの売上構成比と、実装工程が占める割合を出す。速くなって困る契約がどれかを特定してから入れる」
❌ 「生産性が上がったぶん、顧客にも還元して値下げすれば関係が続く」 ⭕ 「還元するなら、値下げではなく納期短縮で返す。保守範囲を広げて返す場合は、AIで作った範囲ほど保守が重くなることを織り込んで原価を見る。単価を一度下げると、次の案件の基準になる」
IT企業はもう「入れるかどうか」の段階にない
全業種でAIの導入が進んでいますが、情報通信業の進み方は別格です。導入率も、コード生成という用途も、突出しています。だから本稿は「導入のすすめ」を書きません。すでに入っている前提で、何が決まっていないかだけを扱います。
IPAが2026年に公表した「DX動向2026」は、日本標準産業分類の19業種（製造業・非製造業。「公務」を除く）の企業の経営層またはICT関連事業部門を対象に、1,799社から有効回答を得た調査です（実査は株式会社NTTデータ経営研究所）。ここで情報通信業の位置がはっきり出ています。
| 指標 | 全体 | 情報通信業 | 出所 |
|---|---|---|---|
| AIを導入または試験利用 | 58.0％ | — | DX動向2026 24頁 |
| AIを「導入している」 | — | 約7割（「特に情報通信業において」と記載） | 同26頁 |
| 用途「プログラムコードやシステム開発支援」 | — | 76.3％（他業種を大きく上回る） | 同33頁 |
| 生成AIを「導入している」（経年） | 2024年度22.6％ → 2025年度44.0％ | — | 同28頁 |
| 生成AIを使っている部署「ITシステム」 | 71.9％（部署別で最も高い） | — | 同30頁 |
IPAは情報通信業の導入率の高さについて「これはプログラムコード生成やシステム開発支援での利活用が進んでいることが反映されていると考えられる」としています（同26頁）。
ところが、組織としての使い方を見ると様子が変わります。生成AIの利用状況は「個人で業務利用している」が63.3％で最も高く、「個人や部署で試験利用している」が44.8％。一方、「部署の業務プロセスに組み込まれている」は11.9％、「全社的なサービスに組み込まれている」は18.6％にとどまり、IPAは「生成AIの利活用は個人利用・試験利用が中心で、組織的・戦略的な利活用に至っている企業はまだ少ない状況にある」と結論づけています（同29頁）。
図：本誌が、IPA「DX動向2026」26・29・33頁の数値をもとに整理したものです。
この2つを並べると、IT企業で起きていることが見えます。エンジニアは個人の判断でAIを使って速く書いているが、会社としての見積・契約・評価はその前提で作り替えられていない。生産性だけが現場で先に変わり、売り方は変わっていない状態です。
なお、ここで挙げた数値は本稿が一次資料で確認できたものに限っています。コード生成ツールの活用率や工程別の削減率について、より具体的な数字を示している記事もありますが、確認の結果については後述します。
効率化が売上側に出る会社と、利益側に出る会社がある
効率化が利益になるのは、浮いた時間を売っていない会社です。IT企業の売上の約6割は人を投入して受託する形で立っており、売上に対する人件費と外注費の比率も高い水準にあります。だから工数の圧縮は、原価だけでなく請求の根拠そのものに触れます。
JISA（一般社団法人情報サービス産業協会）の「2025年版 情報サービス産業基本統計調査」は、同協会の正会員468社を対象に実施され、300社から有効回答を得たものです（有効回答率64.1％。2024年4月1日から2025年3月31日までに終了した事業年度の単独決算）。業務別の売上高構成は次のとおりです。
| 業務 | 売上高（百万円） | 構成比（総売上を100とした割合） |
|---|---|---|
| （情報サービス 計） | 10,013,183 | 93.8％ |
| SIサービス | 4,942,319 | 46.3％ |
| ソフトウェア開発 | 1,565,235 | 14.7％ |
| ITアウトソーシング | 1,113,228 | 10.4％ |
| その他の情報サービス | 979,076 | 9.2％ |
| 情報処理サービス | 564,025 | 5.3％ |
| ソフトプロダクト開発・販売 | 502,332 | 4.7％ |
| クラウド関連サービス | 346,968 | 3.3％ |
| ハードウェア販売 | 528,969 | 5.0％ |
| その他 | 127,334 | 1.2％ |
| 合計 | 10,669,487 | 100.0％ |
SIサービスとソフトウェア開発を合わせた約61％が、人を投入して受託する形の売上です。これに対し、作ったものを繰り返し売る側（ソフトプロダクト開発・販売4.7％、クラウド関連サービス3.3％）は合わせて8.0％にとどまります。
原価の側も同じ調査に出ています。売上高人件費率は加重平均27.34％・中央値37.50％、売上高外注費率は加重平均33.54％・中央値29.01％です（図表2-30・2-32）。加重平均で足すと売上の約61％、中央値どうしを足すと約67％が人の時間に対する支払いという水準です。
この調査の読み方の注意
JISA正会員企業を対象とした調査であり、回答300社には中堅・大手が多く含まれます。従業員数十人規模の会社の構成比がそのまま同じとは限りません。また、人件費率と外注費率の中央値は別々の分布の代表値なので、足した約67％は1社の実態ではなく目安です（加重平均どうしの合計は約61％）。同報告書は業務別の構成比を「情報サービスの売上を100とした割合」と「総売上を100とした割合」の2通りで示していますが、本稿は合計が100％になる後者で統一しています。自社の構成比は、この表の形式をまねて自社の決算書から出してください。本稿が示しているのは「どの区分で割るか」であって、自社の数値ではありません。
図：本誌が、JISA「2025年版 情報サービス産業基本統計調査」図表2-18・2-30・2-32 の数値をもとに整理したものです。
ここから、他業種とIT企業で結論が割れる理由が説明できます。製造業や小売業がAIで事務時間を削ると、売上はそのままで原価だけが下がります。IT企業が実装時間を削ると、原価（外注費・残業代）は下がる一方、正社員の人件費はすぐには下がりません。そのうえで請求額が動くかどうかは、契約の形で分かれます。
- 時間精算型（準委任・客先常駐、一部のITアウトソーシング）では、稼働が減った分だけその場で請求額が減ります
- 請負型（一括請負のSI・受託開発）では、契約期間中の請求額は変わりません。圧縮は次の見積での工数・単価の見直し要求として、遅れて出てきます
この統計から言えること・言えないこと
JISAの業務別区分は契約形態別の区分ではありません。SIサービス・ソフトウェア開発・ITアウトソーシングのいずれにも、請負の案件と時間精算の案件が混ざっています。したがって上の約61％は「人を投入して受託する売上の規模」を示すだけで、請求額が稼働時間に連動している売上の比率（時間精算比率）は示しません。自社の時間精算比率は、この統計からではなく、主要顧客ごとの契約形態を数えて出してください。次章はそのための区分です。
IPAの調査で「業務が効率化したり迅速化した」が91.6％に対し「売上や利益が向上した」が3.9％という開きが出ているのは、全業種の集計値です。ただ、売り物が人の時間である業種では、時間精算型は請求が減る方向に、請負型は次回見積で削られる方向に力が働くため、この開きは放っておくと縮まりません。
事業モデルごとに、圧縮が当たる場所が違う
同じ「IT企業」でも、客先常駐・受託開発・自社サービスで、工数の圧縮が売上に出るか利益に出るかが逆になります。自社の売上構成比を出さないかぎり、打ち手は決まりません。
| 事業モデル | 請求の根拠 | 工数が減ると | 先に効く打ち手 | 注意すること |
|---|---|---|---|---|
| 客先常駐（準委任・時間精算） | 稼働した時間 | 請求が直接減る。1人月は1人月のまま、単価の見直し要求が来る | 精算幅の見直しより、担当する工程を上流へ動かす交渉。レビュー・設計・AI出力の検収を役務に含める | 常駐先が自社でAIを導入した場合、要員数の見直しが先に来る |
| 受託開発（請負・一括） | 完成した成果物 | 請求は変わらず、原価が下がる。最も利益が出やすい | 見積の根拠を人月から機能単位・リスク単位へ移す。短縮した納期を値引きではなく条件に換える | 契約不適合責任と第三者権利の保証は受託側に残る。AI生成物の検収体制が追いつかないと、浮いた利益が手戻りで消える |
| 自社サービス（ライセンス・月額） | 提供した機能・利用量 | 原価だけが下がる。他業種と同じ構造になる | 浮いた開発力を機能追加・サポート品質へ回す | 市場が小さいうちは固定費を吸収できない。受託との人員配分を先に決める |
自社がどこにいるかは、決算書の売上区分と、主要顧客ごとの契約形態を並べれば1時間で出ます。請負（一括）の比率が高い会社ほど、生成AIは短期的に利益を増やします。時間精算の比率が高い会社ほど、何もしなければ減収に向かいます。
図：本誌が整理したものです。契約形態ごとの請求の根拠は民法上の請負・準委任の区別に沿っています。
事業モデルごとの売り物の違いと、それが会社の値段にどう効くかはIT企業のM&Aで扱っています。本稿は売らずに続ける場合の話に絞ります。なお、業界全体で見ると利益の伸びは会社の規模ではなく工程で分かれており、その実態はIT企業の利益1.8倍で倒産も最多で東京商工リサーチの集計をもとに扱っています。
値段をどう決め直すか 工数が減ったときに何を請求するか
人月見積をやめる必要はありません。やるべきなのは、見積の内訳のうち「AIで短くなった工程」と「短くならない工程」を分けて示し、短くならない工程の比重を上げることです。顧客は総額ではなく内訳を見ています。
値付けを決め直すときの選択肢は、実質3つしかありません。
- 値下げする（同じ仕事を安く受ける）。短期的に受注は守れますが、一度下げた単価は次の案件の基準になります
- 増産する（同じ単価で件数を増やす）。実装が速くなっても、要件定義・レビュー・検収は人の時間のままなので、件数には上限があります
- 単価を維持し、内訳を替える（請求の根拠を工程から成果・責任へ移す）。交渉は必要ですが、単価の基準を自社で持ち続けられます
3を選ぶときに使えるのが、何が短くならないかを具体的に示すことです。現時点で短縮の効きにくい工程は、少なくとも次のものです。
| 工程 | 短くなりにくい理由 |
|---|---|
| 要件の確定と業務の読み替え | 顧客の業務知識と意思決定に依存し、入力として与えるものが揃わない |
| 出力の検収と責任の引き受け | 納品物の正しさを保証するのは事業者であり、保証の作業は委譲できない |
| 第三者の権利が侵害されていないかの確認 | 後述のとおり、生成AIを使った場合でも「知らなかった」が免責にならない場面がある |
| 運用・保守の引き受け | AIで生成した範囲が広いほど、作った本人が中身を説明できない部分が増える |
4つ目は意見ではありません。総務省・経済産業省の「AI事業者ガイドライン（第1.2版）」は、別添（付属資料）の「別添5.AI利用者向け」の注記で、生成AIで作ったコードについて次のように記しています。
生成AI を用いて生成したプログラムコードにセキュリティ上の脆弱性等が含まれていた場合、情報の改ざんや漏洩等につながる恐れがあるほか、誤った/非効率なコードが生成された場合、パフォーマンスの低下や事故等につながる懸念がある。また、生成したコードが他者の知的財産権等を侵害する可能性に留意が必要である。さらにコード生成AI の利用においては、作成者の意図やコード構造の把握が難しくなり、保守・更新が困難になる可能性もある。そのため、ノーコード生成ツールも含め、社内ノウハウを如何に蓄積するかが重要である。
脆弱性、知的財産権の侵害、そして作成者の意図やコード構造の把握が難しくなることによる保守・更新の困難——いずれも、受託側が納品後に引き受ける側の話です（出典：総務省・経済産業省「AI事業者ガイドライン（第1.2版）別添（付属資料）」令和8年3月31日、別添5.AI利用者向け 注128）。
❌ 「AIで実装が速くなったので、見積の人月を一律2割減らして出す」 ⭕ 「実装の人月は実態に合わせて減らし、要件定義・レビュー・検収・保守の人月は据え置く。内訳を分けて出し、総額の減り方を顧客と確認する」
他記事で見かける単価・工数の数字について
本稿が比較の対象とした3本のうち1本は、工程別の単価や工数削減率を具体的な数字で示しています。本稿はそれらを採用していません。帰属先として書かれている資料を当たった結果、確認できなかったためです。同じ数値は他の記事やSNSでも引用されているため、確認の結果を開示しておきます。
| よく見る数値 | 帰属先として書かれている資料 | 本誌の確認結果（2026年11月6日） |
|---|---|---|
| AIコード生成ツール活用率18.4％→71.9％ | JISA「情報サービス産業基本統計調査2026年速報」 | 最新の公表版は2025年版（2024年度決算）で、2024年版・2025年版のいずれにも生成AIの設問はない。なお71.9％はIPA「DX動向2026」の生成AI利用部署「ITシステム」の回答率と一致する |
| 実装工程34.8％→18.3％、実装工数41％削減 | IPA「ソフトウェア開発データ白書2026」 | 同名の2026年版を確認できなかった |
| 上流125万円→158万円、実装86万円→79万円 | 「エンジニアフォースLab」 | 発信主体を特定できなかった |
比較の対象とした3本は本稿末尾の出典欄に挙げています。検索順位は本稿の執筆環境から実測できなかったため、上位相当として選定したものであり、確定した順位ではありません。自社の単価を決めるときは、他社記事の相場ではなく、自社の直近3件の見積と実績工数を並べるほうが確かです。なお、単価を決め直したあとに残るのは「請求した代金がいつ入るか」の問題です。入金までの日数と、そこに法律が置いている上限は中小IT企業の資金調達と資金繰りで扱っています。
AI生成コードを納品するときに、契約で決める4つ
受託開発でAIを使うと、納品物に「著作権が発生していない部分」が混ざる可能性があります。同時に、第三者の著作権の侵害は「知らなかった」でも成立しうる場面があります（賠償と刑事罰は故意・過失次第ですが、差止めは避けられません）。権利が薄く、責任は重いという非対称が起きるので、契約で先に分けておきます。
ここで根拠にするのは、文化審議会著作権分科会法制度小委員会が令和6年3月15日に公表した「AIと著作権に関する考え方について」です。同資料は、それ自体が法的な拘束力を持つものではなく、判例の蓄積がない中で解釈にあたっての一定の考え方を示したものだと明記しています（同2〜3頁）。そのうえで、受託開発に直接効く整理が2つあります。
①AI生成物に著作権が生じるとは限らない
著作権法上、「著作物」は「思想又は感情を創作的に表現したものであつて、文芸、学術、美術又は音楽の範囲に属するもの」と定義されており、AIは法的な人格を持たないため「創作する者」には該当しません。AI生成物が著作物に当たる場合も、著作者になるのはそのAIを利用して著作物を創作した人です（同39頁）。
では、どういうときに著作物性が認められるのか。同資料は、個別具体的な事例に応じて「単なる労力にとどまらず、創作的寄与があるといえるものがどの程度積み重なっているか等を総合的に考慮して判断される」としたうえで、考慮要素として次の3つを挙げています（同39〜40頁）。
| 考慮要素 | 示されている考え方 |
|---|---|
| ①指示・入力（プロンプト等）の分量・内容 | 創作的表現といえるものを具体的に示す詳細な指示は、創作的寄与があると評価される可能性を高める。他方、長大な指示であっても、創作的表現に至らないアイデアを示すにとどまる指示は創作的寄与の判断に影響しない |
| ②生成の試行回数 | 試行回数が多いこと自体は創作的寄与の判断に影響しない。ただし①と組み合わせ、生成物を確認し指示を修正しつつ試行を繰り返す場合には、著作物性が認められることも考えられる |
| ③複数の生成物からの選択 | 単なる選択行為自体は創作的寄与の判断に影響しない。ただし、通常創作性があると考えられる行為であっても、その要素として選択行為があるものもあるため、そうした行為との関係は考慮する必要があるとされている |
あわせて、「人間が、AI生成物に、創作的表現といえる加筆・修正を加えた部分については、通常、著作物性が認められる」が、「それ以外の部分についての著作物性には影響しない」とされています（同40頁）。
実務に落とすと、こうなります。「本件成果物の著作権は乙から甲へ譲渡する」とだけ書いた契約は、著作権が発生していない部分については空振りになりえます。著作物性がないもの自体に保護がまったく及ばないわけではなく、同資料は「その複製や利用が、営業上の利益を侵害するといえるような場合には、民法上の不法行為として損害賠償請求が認められ得る」としていますが（同40頁）、これは譲渡条項とは別の話です。顧客が「自社だけが使える」状態を求めているなら、著作権の譲渡だけでなく、第三者への提供禁止や独占的利用についての債権的な取り決めを別に置く必要があります。
②第三者の著作物を「知らなかった」では済まない場合がある
もう一つが依拠性です。前提として、著作権侵害が成立するには、既存の著作物との類似性と依拠性の両方が必要です（同32頁）。同資料は、このうち依拠性について、生成AIを使った場合を3つに分けて整理しています（同33〜35頁）。
| 場合 | 示されている考え方 |
|---|---|
| ①既存の著作物（その表現内容）を認識しており、生成AIを利用して当該著作物の創作的表現を有するものを生成させた | 依拠性が認められ、AI利用者による著作権侵害が成立すると考えられる |
| ②認識していなかったが、その生成AIの開発・学習段階で当該著作物を学習していた | 客観的にアクセスがあったと認められることから、類似した生成物が生成された場合は通常、依拠性があったと推認され、著作権侵害になりうる |
| ③認識しておらず、学習用データにも含まれない | 類似した生成物が生成されても、偶然の一致に過ぎないものとして依拠性は認められず、著作権侵害は成立しないと考えられる |
②には例外も示されています。学習に用いた著作物の創作的表現が生成・利用段階で出力されない状態が技術的に担保されていると法的に評価できる場合には、依拠性がないと判断されることもありうる、というものです。ただし、それを基礎づける事情を主張するのはAI利用者の側だとされています（同34頁）。
つまり、エンジニアが既存のコードを見たことがなくても、使ったモデルがそれを学習していれば、依拠性は推認されうる立場に置かれます。受託開発では、納品物の第三者権利についての保証を求められるのが通例ですから、この負担はそのまま受託側に乗ります。
ただし、侵害が成立したときに何を受けるかは、故意・過失の有無で分かれます。同資料は、差止請求は故意・過失を問わず可能である一方、損害賠償請求には故意または過失が、刑事罰には故意が必要だとしたうえで、「AI利用者が侵害の行為に係る著作物等を認識していなかったなどの事情により、著作権侵害についての故意又は過失が認められない場合においては、著作権侵害が認められたとしても、受け得る措置は、差止請求に留まり、刑事罰や損害賠償請求の対象となることはないと考えられる」としています。もっとも、その場合でも「不当利得返還請求として、著作物の使用料相当額として合理的に認められる額等の不当利得の返還が認められることがあり得る」とも示しています（同35頁）。
ここが契約条項の設計に効きます。知らずに使った場合でも侵害の成立自体と差止めは避けられない一方、賠償額が無制限に膨らむ話ではありません。受託側にとって実際に重いのは、差止めを受けたあとの作り直しと再納品の費用です。賠償の上限額だけでなく、この費用を誰が持つかを契約に書いておきます。
契約に入れる4項目
AIを使って開発するときに、顧客との契約で決める4つ
| 項目 | 決めること | 決めていないと |
|---|---|---|
| ①AI利用の可否と範囲 | 成果物の作成に生成AIを使ってよいか、どの工程まで使ってよいかを明示する | 顧客の社内規程で禁止されていたことが納品後に判明し、やり直しになる |
| ②入力してよい情報 | 顧客から受領した仕様書・設計書・データを、どのサービスなら入力してよいか。学習に使われない設定であることの確認方法 | 秘密保持義務違反になる。再委託の承諾の範囲を超える場合もある |
| ③権利の帰属と、独占して使える状態の作り方 | 著作権の譲渡に加え、著作物性が認められない部分についての取り決め（第三者への提供の禁止、独占的利用の保証の有無） | 譲渡条項が空振りする部分が残り、顧客が期待した独占が成立しない |
| ④第三者権利の侵害が起きたときの責任分担 | 保証の範囲、賠償の上限額、差止めを受けたときの作り直し・再納品の費用を誰が持つか、顧客が指定したツール・モデルを使った場合の扱い | 「知らなかった」でも避けられない差止めと、その後の作り直しの負担を、受託側が無条件で引き受ける |
図：本誌が、文化審議会著作権分科会法制度小委員会「AIと著作権に関する考え方について」33〜35頁・39〜40頁の整理をもとに作成したものです。同資料自体に法的拘束力はありません。
自社の中で「何を入れてよいか」を決める作業そのものは生成AIの社内ガイドラインの作り方、顧客との契約書の読み方の順番は契約書のチェックポイントが扱っています。
自社はどの立場か AI事業者ガイドラインの3区分と、法律が求めていること
受託開発会社は、AIを使って作るときと、AIを組み込んだものを納めるときで、ガイドライン上の立場が変わります。しかも同じ会社が複数を兼ねることが明記されています。自社がどれに当たるかは、契約ごとに確かめます。
総務省と経済産業省は、2026年3月31日に「AI事業者ガイドライン（第1.2版）」を公表しています。同ガイドラインは、AIの事業活動を担う主体を3つに大別し、それぞれ次のとおり定義しています。
| 主体 | 定義（同ガイドライン本編より） |
|---|---|
| AI開発者（AI Developer） | AIシステムを開発する事業者（AIを研究開発する事業者を含む） |
| AI提供者（AI Provider） | AIシステムをアプリケーション、製品、既存のシステム、ビジネスプロセス等に組み込んだサービスとしてAI利用者、場合によっては業務外利用者に提供する事業者 |
| AI利用者（AI Business User） | 事業活動において、AIシステム又はAIサービスを利用する事業者 |
重要なのは次の一文です。同ガイドラインは「これらの主体は事業者（又は各者内の部門）を想定しており、AIの活用方法によっては同一の事業者がAI開発者、AI提供者又はAI利用者の複数を兼ねる場合もある」と明記しています。
中小IT企業に当てはめると、こう整理できます。
| 自社がしていること | 当たりうる立場 |
|---|---|
| 開発の生産性を上げるために、社内でコーディング支援を使う | AI利用者 |
| 顧客に納めるシステムに、外部のAIサービスを組み込んで提供する | AI提供者（同時にAI利用者でもありうる） |
| 顧客のためにモデルの学習・事後学習まで請け負う | AI開発者 |
この区別は、顧客に対して何を説明する立場にあるかを変えます。なお同ガイドラインは「本ガイドラインを参考の一つとしながら、AI活用に取り組む全ての事業者が自主的に具体的な取組を推進することが重要となる」としており、遵守を強制するものではありません。
法律の側も見ておきます。人工知能関連技術の研究開発及び活用の推進に関する法律（令和7年法律第53号）は令和7年6月4日に公布され、附則第1条により、第3章（人工知能基本計画）・第4章（人工知能戦略本部）等を除いて公布の日から施行されています。第3章・第4章は「公布の日から起算して三月を超えない範囲内において政令で定める日」からの施行とされ、その後に施行済みです。中小IT企業に効くのは、公布日から施行されている次の3条です。
| 条 | 内容 |
|---|---|
| 第7条（活用事業者の責務） | 「人工知能関連技術を活用した製品又はサービスの開発又は提供をしようとする者その他の人工知能関連技術を事業活動において活用しようとする者」を活用事業者と定義し、自ら積極的な活用に努めるとともに、国・地方公共団体が実施する施策に協力しなければならないとする |
| 第13条（適正性の確保） | 国は、研究開発及び活用の適正な実施を図るため、国際的な規範の趣旨に即した指針の整備その他の必要な施策を講ずる |
| 第16条（調査研究等） | 国は、不正な目的又は不適切な方法による活用に伴って国民の権利利益の侵害が生じた事案の分析等を行い、その結果に基づいて活用事業者その他の者に対する指導、助言、情報の提供その他の必要な措置を講ずる |
AIを使って開発するIT企業は、第7条の「活用事業者」にそのまま当たります。もっとも、この法律の条文には罰則の規定が置かれていません（本誌がe-Gov法令検索で全文を確認した時点で、「罰則」「懲役」「過料」のいずれの語も条文中にありません）。義務の内容は努力と協力であり、国の側の施策は指針の整備と、事案があったときの指導・助言・情報提供という構成です。
図：本誌が、総務省・経済産業省「AI事業者ガイドライン（第1.2版）」の主体の定義をもとに整理したものです。当てはめの例は本誌によるもので、同ガイドラインに記載されているものではありません。
ここで押さえておきたいのは、罰則がないことと、取引で求められないことは別だという点です。IPAの調査では、AIに関するポリシーやガイドラインについて「社内ガイドラインやルールは全社的なものを定めている」が32.5％、「AIポリシーを定め、社内に周知している」が28.8％である一方、「どちらも定めていない」が16.7％。「AIポリシーを定め、社外に公表している」は3.7％にとどまります（DX動向2026 38頁）。AI独自のリスクマネジメントを実施しているのは14.2％です（同39頁）。顧客側がこれを整え始めれば、発注の条件として受託側にも降りてきます。
エンジニアの役割と評価 効果が出ている会社が先にやっていること
AIで効果が出ている会社とそうでない会社の差は、ツールではありません。国の調査では、「どの業務が無くなるか」「どの業務の中身が変わるか」を先に把握しているかどうかに、はっきりした差が出ています。
IPAは、AIの影響を踏まえた人材育成・確保への着手状況を、AI導入効果の高低別に集計しています（DX動向2026 64〜65頁）。
| 取組項目 | AI導入効果「高」の企業で「着手している」 | 効果「低」の企業で「着手している」 |
|---|---|---|
| 効率化・自動化が見込まれる既存業務の把握 | 37.6％ | 23.8％ |
| 内容が変わる業務の把握 | 22.4％ | 10.6％ |
| 人材に必要なスキルの把握 | 21.5％ | 12.0％ |
全体で見ると、着手はまだ進んでいません。「効率化・自動化が見込まれる既存業務の把握」で「着手している」が19.0％と相対的に高いものの、他の項目は1割に満たず、ほとんどの項目で「検討の予定はない」と回答した企業が3割以上を占めています（同64頁）。
IPAはこの結果について「AIによる効果が高いと実感している企業ほど業務変化や必要スキルの把握といった先を見据えた人材育成・確保に取組んでいる」としています（同65頁）。ここから読めるのは、順番がツール選定ではなく棚卸しだということです。
人材の不足感そのものも続いています。DXを推進する人材の「量」の確保は「やや不足」「大幅に不足」の合計が85.5％、「質」は88.8％。DX推進に必要なスキルを「把握できていない」は52.8％です（同54・56・60頁）。評価基準については「基準はない」が76.1％でした（同58頁）。
評価軸を替えないと、速い人から辞める
実装が速くなった会社で起きやすいのが、評価の矛盾です。担当したコード量や担当工程の数で評価していると、AIを使いこなして短時間で終わらせた人ほど、見かけの成果が小さくなります。
| 替える前（書いた量） | 替えた後（決めた量・引き受けた量） |
|---|---|
| 担当したコード行数・機能数 | 仕様を顧客と確定させた件数 |
| 担当した工程の数 | AI出力を検収し、品質に責任を持った範囲 |
| 残業を含む稼働時間 | 手戻りの発生率、顧客からの差し戻し件数 |
| 新しいツールを使ったかどうか | 生成した範囲を後から説明・保守できる状態にしているか |
4行目は、前述したAI事業者ガイドライン別添5の注記（作成者の意図やコード構造の把握が難しくなり、保守・更新が困難になる可能性があるため、社内ノウハウの蓄積が重要）と対応します。短期の速さだけを評価すると、誰も中身を説明できないコードが増え、保守フェーズで原価が跳ね返ります。
❌ 「AIを使えるエンジニアに手当を付けて、使用率を評価項目にする」 ⭕ 「使用率は測らない。仕様を確定させた件数と、出力を検収して差し戻しが起きなかった割合を見る。AIを使うかどうかは手段として本人に任せる」
図：本誌が、IPA「DX動向2026」64〜65頁の数値と、評価軸の置き換え案を組み合わせて整理したものです。置き換え案は本誌によるものです。
どういう人を採るかは中小企業のエンジニア採用で扱っています。本稿はいまいる人の役割と評価の話です。
投資の上限は「削減時間×単価」では出ない
上限は「削減できた時間×時間単価」では出しません。その計算は、売り物が時間でない会社の式です。IT企業では、取り直した単価と増えた受注、減った手戻りで出します。
席数課金のツールは、人数分だけ積み上がって固定費になります。判定できる形にしてから広げます。
| 置き換えるもの | 使わないほうがよい式 | 使う式 |
|---|---|---|
| 受託開発（請負） | 削減時間×時間単価 | 同じ契約金額で下がった実績原価の差額（手戻り分を差し引く） |
| 客先常駐 | 削減時間×時間単価 | 上流工程へ移した要員の単価差×人数×月数 |
| 自社サービス | 削減時間×時間単価 | リリースできた機能数の増加と、それに紐づく解約率・新規契約の変化 |
やめる基準も、入れるときに決めておきます。IPAの調査では、AI導入・運用上の課題として「専門人材が不足している」が50.1％、「生成AIの効果やリスクに関する理解が不足している」が45.8％、「適切な利用を管理するためのルールや基準の作成が難しい」が39.7％と並んでいます（DX動向2026 37頁）。3つとも、ツールを増やしても解決しない種類の課題です。
NEXT ACTION / 次にやること
最初の90日でやること
- 第1〜2週：売上を客先常駐・受託開発・自社サービスに割り、それぞれの直近3件について見積工数と実績工数を並べる。どの契約で工数が減っているかを特定する
- 第3〜4週：減っている契約について、値下げ・増産・単価維持のどれを取るかを決める。維持を選ぶなら、見積の内訳を実装と「短くならない工程」に分ける書式を作る
- 第5〜8週：顧客との契約書を4項目（AI利用の可否と範囲／入力してよい情報／権利の帰属と独占の作り方／第三者権利侵害の責任分担）で点検する。新規契約から順に反映する
- 第9〜12週：評価基準を、書いた量から決めた量・引き受けた量へ置き換える案を作り、期の切り替えに合わせて適用する。あわせて年間の上限額と、やめる基準を決める
図：本誌が整理したものです。期間は目安で、契約の件数や更新時期によって前後します。
浮いた時間の行き先の決め方と、年間予算の出し方の一般形は中小企業の生成AI活用が扱っています。本稿はIT企業で式が変わる部分だけを示しました。
5問で確認する 自社の準備度
SELF CHECK / 無料・登録不要
5問で確認する｜中小IT企業の生成AI活用の準備度
いまの自社にいちばん近い選択肢を選んでください。回答はこの端末の中だけで処理され、送信・保存されません。
※一般的な検討項目を整理するための編集部独自の目安です。成果や適法性を判定・保証するものではありません。
まとめ
情報通信業は、AIの導入率でも、コード生成という用途でも、他業種より先を行っています。入れるかどうかはもう論点ではありません。それでも全体でAI導入の効果は「業務が効率化したり迅速化した」が91.6％に対し、「売上や利益が向上した」は3.9％です。
この開きがIT企業で特に埋まりにくいのは、売り物が人の時間だからです。情報サービス産業の売上は約61％が受託型で、売上高人件費率と売上高外注費率を加重平均どうしで足すと約61％に達します。工数が減れば、時間精算型ではその場で請求が減り、請負型では次の見積で削られます。一方で正社員の人件費はすぐには下がりません。
だから経営者が決めるのは、ツールではなく次の5つです。自社のどこが圧縮されるか（売上構成比と工程別の実績工数）、減った分を値下げ・増産・単価維持のどれに充てるか、AI生成物の権利と第三者侵害の責任を顧客とどう分けるか、エンジニアを書いた量ではなく決めた量で評価する形に替えるか、年間いくらまで出してどこでやめるか。
国の調査が示しているのは、AIで効果が出ている会社ほど「どの業務が無くなるか」「どの業務の中身が変わるか」を先に把握しているという事実です。棚卸しが先で、ツールは後です。まずは、売上の3区分と直近3件の工程別実績工数という、自社の決算書と見積書だけで出せる2つから始めてください。
よくある質問
Q顧客から「AIを使っているなら安くなるはずだ」と言われたら、どう答えればよいですか。
見積の内訳を、実装と「短くならない工程」に分けて示すのが先です。要件の確定、出力の検収と責任の引き受け、第三者権利の確認、運用・保守は、現時点で短縮が効きにくい工程です。そのうえで、還元するなら値下げではなく納期短縮で返すほうが、次の案件の単価基準を下げずに済みます。保守範囲の拡大で返す場合は、AIで作った範囲ほど保守が重くなる点を見込んでおいてください。単価を一度下げると、それが次の交渉の出発点になります。
Q成果物にAIを使ったことを、顧客に伝える義務はありますか。
法律上の一般的な開示義務を定めた規定は確認できていません。ただし、顧客の社内規程で生成AIの利用が制限されている場合があり、契約で明示していなければ納品後に問題になります。義務の有無とは別に、契約または発注書で可否と範囲を先に決めておくことをおすすめします。AI事業者ガイドラインも、透明性を共通の指針の一つに挙げています。
QAIが書いたコードの著作権は、誰のものになりますか。
まず、著作権が発生しているかどうかが先の問題になります。文化庁の「AIと著作権に関する考え方について」は、AIは法的な人格を持たないため著作者にはなれず、AI生成物が著作物に当たる場合の著作者はそのAIを利用して創作した人だとしています。著作物性は、指示・入力の分量と内容、試行回数、複数の生成物からの選択を総合的に考慮して判断され、アイデアにとどまる指示や単なる選択だけでは創作的寄与と評価されません。人が創作的表現といえる加筆・修正を加えた部分には、通常、著作物性が認められます。この資料自体に法的拘束力はなく、最終的には個別の事案に応じた司法判断によります。
Qエンジニアが既存のコードを見ていなければ、著作権侵害にはなりませんか。
なるとは限りませんが、「見ていない」だけでは足りません。同資料は、AI利用者が既存の著作物を認識していなかった場合でも、その生成AIの開発・学習段階で当該著作物を学習していたときは、客観的にアクセスがあったと認められることから、類似した生成物が生成された場合は通常、依拠性があったと推認され、著作権侵害になりうるとしています。学習した著作物の創作的表現が出力されない状態が技術的に担保されていると評価できる場合には依拠性が否定されることもありうるとされていますが、それを基礎づける事情を主張するのは利用者の側です。なお、学習もされていなかった場合は、偶然の一致に過ぎないものとして依拠性は認められないとされています。
受け得る措置は、故意・過失の有無で分かれます。認識していなかったなどの事情で故意・過失が認められない場合、受け得る措置は差止請求に留まり、刑事罰や損害賠償請求の対象にはならないとされています。ただし使用料相当額の不当利得返還が認められることはあり得ます（いずれも同35頁）。
QAI推進法に違反すると罰則はありますか。
人工知能関連技術の研究開発及び活用の推進に関する法律（令和7年法律第53号）の条文には、罰則の規定が置かれていません。活用事業者に対しては、自ら積極的に活用に努めるとともに国・地方公共団体の施策に協力しなければならないとする第7条があり、国の側は第13条で指針を整備し、第16条で権利利益の侵害事案を分析して活用事業者等に指導・助言・情報提供を行う構成です。罰則がないことと、取引先から求められないことは別です。発注側が社内のAIポリシーを整え始めれば、受託側にも条件として降りてきます。
Q小規模で受託だけをやっています。自社サービスに移るべきですか。
本稿はそれを勧める立場を取りません。情報サービス産業の売上構成で、ソフトプロダクト開発・販売は4.7％、クラウド関連サービスは3.3％にとどまります。移った先は、受託より小さい市場です。受託の請負（一括）は、工数が圧縮されても請求額が変わらないため、短期的には最も利益が出やすい形でもあります。移るかどうかより先に、見積の内訳と契約条項を直すほうが、同じ労力で効きます。
Qツールは何を選べばよいですか。
本稿では特定の製品を推奨しません。選ぶ前に決めることが2つあります。顧客から受領した情報を入力してよいか（学習に使われない設定か、契約上どう扱われるか）と、席数課金が人数分積み上がったときに効果を判定できる式を持っているかです。この2つが決まっていれば、製品は入れ替えが利きます。選定の手順そのものは中小企業の生成AI活用で扱っています。
出典・調査の対象範囲
- 独立行政法人情報処理推進機構（IPA）「DX動向2026」 — AI導入または試験利用58.0％（24頁）、情報通信業のAI「導入している」が約7割（26頁）、生成AI「導入している」2024年度22.6％→2025年度44.0％（28頁）、組織での利用状況＝個人で業務利用63.3％・個人や部署で試験利用44.8％・部署の業務プロセスに組み込まれている11.9％・全社的なサービスに組み込まれている18.6％（29頁）、生成AI利用部署「ITシステム」71.9％（30頁）、用途「プログラムコードやシステム開発支援」情報通信業76.3％（33頁）、AI導入効果＝業務効率化・迅速化91.6％／企画提案等の品質や速さ48.9％／残業時間の削減29.2％／顧客満足度4.5％／売上や利益3.9％（35頁）、AI導入・運用上の課題＝専門人材不足50.1％・効果やリスクの理解不足45.8％・ルールや基準の作成が難しい39.7％（37頁）、AIポリシー・ガイドライン整備状況（38頁）、AI独自のリスクマネジメント実施14.2％（39頁）、DX推進人材の「量」85.5％・「質」88.8％の不足（54・56頁）、評価基準「基準はない」76.1％（58頁）、必要スキル「把握できていない」52.8％（60頁）、AIの影響を踏まえた人材育成・確保への着手状況と効果別の差（64〜65頁）の出所。調査は「企業等におけるDX推進状況等調査分析」（2025年度調査）で、日本標準産業分類の19業種（製造業、非製造業。「公務」を除く）の企業の経営層またはICT関連事業部門を対象に、1,799社から有効回答を得たもの。実査は株式会社NTTデータ経営研究所。海外企業への調査は実施されていません。業種別・規模別の数値のうち、本文で引用したものは報告書の本文に記載のある値に限っています（図表のグラフ内にのみ示された内訳は引用していません）
- 一般社団法人情報サービス産業協会（JISA）「2025年版 情報サービス産業基本統計調査」（令和8年4月） — 業務別売上高構成（図表2-18。合計10,669,487百万円、情報サービス計93.8％、SIサービス46.3％、ソフトウェア開発14.7％、ITアウトソーシング10.4％、その他の情報サービス9.2％、情報処理サービス5.3％、ソフトプロダクト開発・販売4.7％、クラウド関連サービス3.3％、ハードウェア販売5.0％、その他1.2％）、売上高人件費率（図表2-30。加重平均27.34％・中央値37.50％）、売上高外注費率（図表2-32。加重平均33.54％・中央値29.01％）の出所。対象はJISA正会員企業468社（団体会員を除く）で、有効回答は300社・有効回答率64.1％。2024年4月1日から2025年3月31日までに終了した事業年度の単独決算の数値です。中小企業を母集団とした統計ではありません。同報告書の図表2-18は業務別の割合を「情報サービスの売上を100とした割合」と「総売上を100とした割合」の2通りで示していますが、本稿は合計が100.0％になる後者で統一しています（図表2-17の構成図も後者）。本稿が確認した範囲では、2024年版・2025年版のいずれにも生成AIに関する設問はありません。
- 文化審議会著作権分科会法制度小委員会「AIと著作権に関する考え方について」（令和6年3月15日） — 侵害には類似性と依拠性の両方が必要であること（32頁）、依拠性の3類型（33〜35頁）、侵害に対する措置が故意・過失の有無で分かれること＝差止請求は故意・過失を問わず可能、損害賠償には故意または過失、刑事罰には故意が必要であり、故意・過失が認められない場合に受け得る措置は差止請求に留まるが使用料相当額の不当利得返還はあり得ること（35頁）、AI生成物の著作物性と考慮要素①指示・入力の分量／内容②生成の試行回数③複数の生成物からの選択、および人が加えた創作的表現といえる加筆・修正の扱い（39〜40頁）、著作物性がないものについての不法行為による損害賠償（40頁。最判平成23年12月8日民集65巻9号3275頁を引用）の出所。同資料は冒頭で「本考え方自体が法的な拘束力を有するものではなく」、著作権法の解釈は「本来、個別具体的な事案に応じた司法判断によるべきもの」と明記しています（2〜3頁）。
- 総務省・経済産業省「AI事業者ガイドライン（第1.2版）」（令和8年3月31日） — AI開発者・AI提供者・AI利用者の定義、同一の事業者が複数を兼ねる場合があること、全ての事業者が自主的に具体的な取組を推進することが重要であるとする記述の出所。法令ではなくガイドラインであり、遵守を強制するものではありません。Living Document として適宜更新されるため、実際の判断は最新版で確認してください
- 総務省・経済産業省「AI事業者ガイドライン（第1.2版）別添（付属資料）」（令和8年3月31日） — 「別添5.AI利用者向け」の注128（生成AIで生成したプログラムコードのセキュリティ上の脆弱性、他者の知的財産権等を侵害する可能性、作成者の意図やコード構造の把握が難しくなることによる保守・更新の困難、社内ノウハウの蓄積の重要性）の出所。本文に引用符で示した一節は同注の原文です
- 人工知能関連技術の研究開発及び活用の推進に関する法律（令和7年法律第53号。e-Gov法令検索で全文を確認、確認日2026年11月6日） — 第7条（活用事業者の責務。定義と「協力しなければならない」の文言）、第13条（適正性の確保。国際的な規範の趣旨に即した指針の整備）、第16条（調査研究等。侵害事案の分析と活用事業者その他の者に対する指導・助言・情報の提供）、附則第1条（公布の日から施行。ただし第3章・第4章並びに附則第3条・第4条は公布の日から起算して3月を超えない範囲内において政令で定める日から施行）の出所。公布は令和7年6月4日。罰則がないことは、本誌が条文全文に対して「罰則」「懲役」「過料」の語を機械的に検索し、いずれも該当がないことを確認したものです
- 競合比較の対象（2026年11月6日に内容を確認） — 対策KW「IT企業 生成AI 開発 活用」で上位相当として選び、1本ずつ開いて要素を比較した3本です。SES案件の小物化とは？AI時代の人月モデル限界（Arpable）、【2026Q3】SES/SIer業界の変化：AI時代の受託開発はどう変わるか（ConStep）、AIでエンジニアの仕事はなくなるのか｜SES経営×AI導入PMが語る2026年の現実（Heyday株式会社）。検索順位は本稿の執筆環境から実測できなかったため、上位相当として選定したものであり、確定した順位ではありません。開発会社の一覧・送客ページと、発注側向けの費用相場記事は、記事として比較できない／読者が異なるため対象から外しています。3本とも、AI生成物の著作権と第三者侵害の責任、顧客との契約条項、AI関連の法令・ガイドライン上の立場には触れていませんでした
裏取りできず、本稿で扱わなかったこと。工程別の人月単価（上流・実装の相場と、その変化幅）は、帰属先として示されている調査を特定できなかったため記載していません。AIコーディングによる実装工数の削減率、開発工程に占める実装の割合とその変化、AIコード生成ツールの企業別活用率、情報サービス業の市場規模の前年比も同様です。そのため本稿は「どの工程が何％縮むか」「上流と下流の単価差がいくらか」には答えていません。短縮が効きにくい工程を挙げるという、裏側からの整理にとどめています。AIを使えるエンジニアの単価プレミアムの幅、SES案件の平均期間・人数の変化、ソフトウェア業の倒産件数の最新値も、公表元を確認できた範囲に限って扱う方針から、本稿では記載していません。生成AIの利用を成果物に開示する一般的な法律上の義務の有無についても、根拠となる規定を確認できなかったため「確認できていない」とだけ書いています。
※売上を客先常駐・受託開発・自社サービスの3つに割る区分、事業モデル別に圧縮が当たる場所を整理した表、評価軸の置き換え案、投資上限の計算式、最初の90日の段取りは、いずれも公表された区分ではなく編集部が整理したものです。JISAの業務別区分は契約形態別の区分ではないため、同調査から自社の時間精算比率を読み取ることはできません。法令・ガイドライン・制度の内容は変わることがあるため、実際の判断は必ずe-Gov法令検索、総務省・経済産業省およびIPA・文化庁の最新の案内で確認してください。
