要点（90字）：AIコンサルは戦略系・実装系・内製伴走系の3分類があり、大企業導入では「実装能力・業務理解・撤退条件」の3軸で選ぶ。戦略系のみに頼ると本番化に進まず、実装丸投げは内製化に到達しない。第三の選択肢が、現場常駐型の内製伴走である。
この記事の対象読者
- 大企業でAIコンサルティングの選定を任されている経営層・経営企画
- 既存のAIコンサル契約が成果に繋がっておらず、見直しを検討している意思決定者
- 「戦略は描けても実装で止まる」状態を打開したいDX/AX推進担当
- 内製化と並行できるコンサル契約の構造を探しているCIO・CTO
AIコンサル選定の要点（3行）
- **AIコンサルには3分類（戦略系／実装系／内製伴走系）**があり、提供価値が根本的に違う。「戦略コンサルに実装を期待する」「実装ベンダーに戦略を求める」のいずれもミスマッチを起こす。
- 大企業導入での選定軸は「実装能力／業務理解／撤退条件」の3軸である。とくに撤退条件を最初に決めないと、コンサル依存が永続化する。
- 「戦略のみ」「実装丸投げ」の二者択一を越え、内製化に着地する内製伴走型を選ぶのが、2026年時点の最適解である。Forward Deployed Engineer の発想がそれにあたる。
本記事は「AI内製化の進め方」と「外部FDEを活用する vs 社内で育成する」のうち、特にコンサル選定の側面に絞った実装版にあたる。
AIコンサルティングの3分類
「AIコンサルティング」は一括りで語られがちだが、提供価値の構造が異なる3つに分かれる。
分類1：戦略系コンサルティング
提供価値：経営層に対する戦略立案、業務領域の優先順位付け、投資判断、組織変革プラン。 主な担い手：大手戦略コンサル（BCG、McKinsey、Bain、アクセンチュア戦略部門等）、シンクタンク系。 強み：経営層への説明力、業界横断のベンチマーク、組織変革経験。 弱み：実装まで踏み込まない（または極めて高コストで踏み込む）、PoC以降の運用設計が手薄。
戦略系の納品物は、多くの場合PowerPointの戦略マップと優先業務リストである。戦略マップは何を作るかを示すが、どう実装し・どう運用するかには踏み込まない。
分類2：実装系コンサルティング（SI型）
提供価値：要件定義→設計→実装→納品→保守の一気通貫実装。 主な担い手：大手SI（NTTデータ、富士通、日立、NEC等）、AI実装専業ベンダー。 強み：要件が明確であれば確実に動くものを作る。プロジェクト管理・統制の能力。 弱み：要件変更への柔軟性が低い。納品後の改善は契約変更が必要。ナレッジが社内に残らない。
実装系の典型的な失敗は、要件定義段階で生成AI・エージェントの特性（前提変化への適応、改善ループ）が想定されておらず、本番化後に半年で陳腐化することである。
分類3：内製伴走系（Forward Deployed Engineer型）
提供価値：顧客企業の現場に常駐し、業務理解から始めて、社内エンジニアと机を並べて作る。完成時に運用能力ごと引き渡す。 主な担い手：Palantir（先駆者）、OpenAIのForward Deployed Engineering、一部のAX実装パートナー。 強み：業務に深く食い込む、ナレッジが社内に残る、PoCから本番化まで継続して伴走できる。 弱み：戦略系・SI系より小規模で、選択肢が限られる。経営層への説明力は戦略系コンサルに劣る場合がある。
内製伴走系は、戦略コンサルと実装ベンダーの二者択一ではない第三の選択肢として、2024年以降に注目を集めている（参考：FDEとは？ / Palantir・OpenAI事例）。
タイプ別比較表 — 担い手4タイプの違い
実務では、実装系はさらに「SIer系」と「AIベンチャー系」に分かれる。担い手のタイプ別に、得意領域・成果物・費用感・向くケースを整理すると次の通りである。
| タイプ | 得意領域 | 主な成果物 | 費用感（目安） | 向くケース |
|---|---|---|---|---|
| 戦略系ファーム | 経営戦略・投資判断・組織変革 | 戦略マップ、優先業務リスト、ロードマップ | 高額（一般に月額300〜600万円/人） | 全社AX戦略の策定、経営層の合意形成 |
| SIer系 | 大規模構築・基幹システム連携・PM統制 | 要件定義書、稼働システム、保守契約 | プロジェクト一括（規模依存） | 要件が確定した大規模実装 |
| AIベンチャー | 生成AI・エージェントの先端実装 | PoC、プロトタイプ、特定領域のAI機能 | 一般に戦略系より低め（案件単位） | 技術検証、特定業務への先端AI適用 |
| 実装伴走型（FDE型） | 業務理解×実装×運用移管の一気通貫 | 稼働システム＋運用ドキュメント＋自走できる社内チーム | 準委任＋成果報酬（目安：月額300〜500万円/人、ハイブリッド構成では200〜400万円） | 本番化と内製化を両立させたい大企業 |
費用感はいずれも上級人材のフルタイム稼働を想定した一般的な水準であり、案件規模・期間により大きく変動する。重要なのは、単価ではなく「何が手元に残るか」で比較することだ。戦略系は紙が、SIer系はシステムが、AIベンチャーはPoCが残る。運用能力とナレッジまで社内に残るのは実装伴走型だけである（コスト構造の詳細比較は「FDE vs SES vs SI vs 戦略コンサル」参照）。
大企業導入で問うべき5つの質問
AIコンサル選定では、候補企業に対して次の5つの質問を投げかける。どう答えるかで、提供価値の本質が見える。
質問1：「実装まで担うのか、戦略策定までか」
戦略系は実装に踏み込まないことが多い。実装系は戦略策定が薄いことが多い。どこからどこまでを担うのかを最初に明確に問う。
頼れる回答は「業務理解と戦略策定から、PoC実装、本番化、運用引き渡しまでを一気通貫で担います」。一方、「戦略策定後の実装は、別途実装パートナーをご紹介します」と返ってきたら、責任の境界が曖昧になりやすいサインだ。
質問2：「ナレッジを社内に残す仕組みは何か」
実装系の典型的な弱点が「納品して引き渡す」モデルである。ナレッジが社内に残らないと、運用や改善を自社で回せず、外部依存が長期化する。
良い回答例：「現場常駐型で、貴社のエンジニアと机を並べて作ります。プロセスごとドキュメント化し、運用引き渡し時には貴社チームが完全に運用できる状態にします」 要注意の回答：「成果物（コード・ドキュメント）をしっかり納品します」（成果物だけでは運用能力は引き継げない）
質問3：「撤退条件は最初に決められるか」
長期契約を結ぶと、コンサル依存が永続化するリスクがある。「いつ・どの状態になったら撤退するか」を最初に決められるかを問う。
望ましいのは「6ヶ月でPoC通過、12ヶ月で本番運用が貴社チームに引き渡される、というマイルストーンを契約に明記できます」と踏み込める相手だ。逆に「成果が出るまで継続的に支援します」という回答は、撤退条件がないぶん依存を生みやすい。
質問4：「業務オーナーと直接協働する体制を持てるか」
技術力だけでは業務に食い込めない。業務オーナーと日々協働する体制が組めるかを問う。
良い回答例：「業務オーナー、貴社のエンジニア、弊社のFDEの3者が、週次で同じ部屋で議論する体制を組みます」 要注意の回答：「貴社のプロジェクトマネージャーが窓口となり、要件を取りまとめます」（業務オーナーが直接関わらない体制は失敗する）
質問5：「失敗事例・撤退事例を共有できるか」
成功事例だけを語るコンサルは要注意である。自社の失敗・撤退の事例を率直に共有できるかを問う。
信頼できるのは「過去にXX社では業務範囲を絞り込めず、3ヶ月でプロジェクトを再設計しました。その学びは今の標準プロセスに反映しています」と具体的に語れる相手だ。「弊社の事例はすべて成功しています」という回答は、自社の限界を把握していないか、開示していないかのどちらかを疑ったほうがいい。
選定基準×確認方法の対応表
5つの質問を、選定基準ごとの「何をどう確認するか」に落とし込むと次の表になる。提案書の美しさではなく、検証可能な事実で判断するための道具である。
| 選定基準 | 確認方法 | 危険なサイン |
|---|---|---|
| 実装力 | 本番稼働まで到達した事例を3件以上、業務・技術構成込みで説明してもらう | PoC・デモの事例しか出てこない |
| 業務理解 | 提案前に現場ヒアリングをどの工程で・何時間実施するかを聞く | 資料ベースの提案のみで現場に入らない |
| 内製化支援 | 育成プログラム・並走体制の有無と、引き渡し完了の実績を確認する | 「ドキュメントを納品します」で終わる |
| 撤退条件 | マイルストーンと引き渡し基準を契約書に明記できるかを問う | 「成果が出るまで支援します」と期限を切らない |
| 運用設計 | 権限管理・監査ログ・SLAなど本番運用要件の設計実績を聞く | PoC通過後の話が具体化しない |
| 透明性 | 失敗・撤退事例と、そこから標準プロセスに反映した学びを共有してもらう | 成功事例しか語らない |
| 技術中立性 | 採用フレームワークの標準性（他社への乗り換え可能性）を確認する | 独自フレームワーク前提の提案しか出ない |
この表は、複数候補の比較評価シートとしてそのまま使える。各基準を5段階で採点し、「実装力」「内製化支援」「撤退条件」の3つに重み付けすれば、大企業導入の判断軸（実装能力・業務理解・撤退条件）と整合した選定ができる。
失敗する3つの選定パターン
大企業のAIコンサル選定でよくある失敗を、構造的に整理する。
1. 戦略コンサルに実装を期待する
戦略系コンサルに依頼し、戦略マップは出てきたが、実装ベンダー選定からは別契約になる。結果、実装フェーズで戦略の前提が崩れる、または実装ベンダー間で責任の所在が曖昧になる。
回避策：戦略策定の段階から、実装まで担う体制（または実装パートナーとの密な連携）を確認する。
2. 実装ベンダーに丸投げして、内製化への道筋を欠く
SI型ベンダーに「全部任せる」契約をすると、5年経ってもAI関連業務は完全外注のまま、社内には何の知見も残らない。保守費だけが膨らみ、改善は契約変更が必要になる。
回避策：契約に「○○ヶ月後に運用を内製化する」という条件を明記する。詳細は別記事「AI内製化の進め方」参照。
3. ベンダーロックインの構造に気づかない
特定ベンダーの独自フレームワーク・独自データ形式に依存する設計を受け入れてしまうと、後から他社に乗り換えるコストが膨大になる。ナレッジが社内に残らないことに加え、移行自体の難度も上がる二重のロックインだ。
回避策：オープンな標準（LangGraph、MCP、OpenTelemetry等）を採用するベンダーを選ぶ。フレームワーク選定の詳細は「LangGraph 実装入門」参照。
内製化に着地するコンサル選定の設計
「コンサルに依頼するが、最終的には内製化する」というゴールを最初に持つことが、大企業導入の成功条件である。
契約設計の4要素
1. フェーズ別の役割定義 PoC期、本番化期、運用期それぞれで、コンサルと社内チームの役割比率を契約に明記する。
- PoC期：コンサル70%、社内30%
- 本番化期：コンサル50%、社内50%
- 運用期：コンサル20%、社内80%
時間をかけて社内比率を上げていく構造を、契約初日から明示する。
2. ナレッジ移管のマイルストーン 「3ヶ月後にプロンプト改善を社内が担う」「6ヶ月後にツール定義の更新を社内が担う」「12ヶ月後に全体運用を社内が完結する」のように、ナレッジが社内に移る時期を契約で握る。
3. 共有ドキュメントの仕様 コンサルが作成するドキュメントの形式と粒度を契約に書く。「動くもの」だけでなく「動かし続けられる状態」を残すための仕様である。
4. 撤退時の引き継ぎ条件 契約終了時、または途中解約時に、どの状態で引き継ぐかを定義する。「コードはGitHubに、ドキュメントはNotionに、運用知見は週次会議の議事録に」のように、形式を決めておく。
体制設計の3原則
原則1：現場常駐型を選ぶ オフィスでミーティングするだけでなく、貴社の業務現場に常駐するコンサルを選ぶ。Palantirの Forward Deployed Engineer モデルがこれにあたる。
原則2：業務オーナーが意思決定に同席 コンサルとの会議には、対象業務のオーナーが必ず同席する。「コンサルと情シスだけの会議」は失敗の温床である。
原則3：撤退条件を契約前に合意する いつ撤退できるかを最初に決められるコンサルを選ぶ。撤退基準を先に握っておくことで、コンサル依存が構造的に起きにくくなる。
発注前チェックリスト（10項目）
契約書に判を押す前に、次の10項目を確認する。1つでも「いいえ」があれば、その項目を候補企業と詰め直してから進む。
- □ 本番運用まで到達した事例を3件以上、具体的に提示できるか
- □ 戦略策定から実装・運用引き渡しまでの責任範囲が、契約書で一気通貫になっているか
- □ 提案前に、対象業務の現場ヒアリングが実施されたか（資料だけの提案になっていないか）
- □ ナレッジ移管のマイルストーン（何ヶ月後に何を社内が担うか）が契約に明記されているか
- □ 撤退条件・引き渡し基準（期限と到達状態）が契約前に合意できているか
- □ 業務オーナーが意思決定会議に同席する体制が組まれているか
- □ 権限管理・監査ログ・SLAなど、本番運用の非機能要件が提案に含まれているか
- □ 採用フレームワーク・データ形式がオープンな標準で、他社へ乗り換え可能か
- □ 失敗事例・撤退事例と、その学びの標準プロセスへの反映を開示できたか
- □ フェーズ別の役割比率（PoC期→運用期で社内比率が上がる設計）が契約に書かれているか
このチェックリストは、社内稟議の添付資料としても機能する。「なぜこの会社を選んだのか」を10項目の事実で説明できる状態が、選定プロセスの完了条件である。
よくある質問（FAQ）
Q1. AIコンサルティングの費用相場はどのくらいか？
A. タイプにより大きく異なるが、目安として戦略系ファームは月額300〜600万円/人、実装伴走型（FDE型）は月額300〜500万円/人（ハイブリッド構成では200〜400万円）、SIer系はプロジェクト一括契約が一般的な水準である。ただし単価だけの比較は適切ではなく、追加カスタマイズや運用引き継ぎ失敗による再投資まで含めた18〜24ヶ月の総コストで比較すべきである。単価が安くてもナレッジが社内に残らなければ、外部依存が続くぶん総コストは膨らむ。
Q2. 契約形態は準委任と請負のどちらが良いのか？
A. 業務再設計を伴うAI導入では、要件が走りながら変わるため準委任が基本となる。請負は仕様確定と検収を前提とする構造のため、生成AI・エージェント案件との相性が悪い。準委任に業務KPI連動の成果報酬を組み合わせ、ナレッジ移管のマイルストーンを契約に明記する形が、依存を防ぎつつ利害を一致させる現実解である。
Q3. 契約期間はどのくらいを想定すべきか？
A. 目安として、PoC通過までが3〜6ヶ月、本番化と運用の社内引き渡しまでを含めて6〜12ヶ月が一つの基準である。重要なのは期間の長さより、撤退条件と引き渡し基準を契約前に決めることだ。期限を切らない「成果が出るまで支援します」型の契約は、コンサル依存が永続化しやすい。
Q4. 大手コンサルと中小・ベンチャーのどちらが良いのか？
A. 規模ではなく、自社のゴールとの適合で選ぶべきである。経営層の合意形成や全社戦略の策定が主目的なら大手戦略系の説明力が効き、特定業務への先端AI適用ならベンチャーの技術力が効く。本番化と内製化まで到達したいなら、規模よりも現場常駐体制とナレッジ移管の仕組みを持つかどうかが決定的で、大手か中小かは本質的な判断軸にならない。
Q5. AIコンサルを使わず、自社だけで導入できないのか？
A. 可能であり、社内に十分なAI人材と業務再設計の経験があるなら、外部に頼らない選択は合理的である。ただし多くの大企業では、生成AI・エージェントの実装経験を持つ人材が不足しており、独力ではPoC止まりや技術選定の手戻りが起きやすい。その場合も恒久的な外注ではなく、期限と移管条件を切った伴走契約で立ち上げ、内製化に着地させるのが投資対効果の高い進め方である。
Q6. AIコンサル選定で最も多い失敗パターンは何か？
A. 最も多いのは、戦略コンサルに実装まで期待してしまい、戦略マップが出た後に実装が別契約・別ベンダーとなって前提が崩れるパターンである。次に多いのが、SI型ベンダーへの丸投げで、ナレッジが社内に残らず保守費だけが膨らむパターンだ。いずれも契約前に責任範囲・ナレッジ移管・撤退条件を確認することで構造的に回避できる。
まとめ
- AIコンサルティングは戦略系・実装系・内製伴走系の3分類があり、提供価値の構造が異なる
- 大企業導入での選定軸は「実装能力／業務理解／撤退条件」の3軸であり、5つの質問でコンサルの本質を見極める
- 失敗の3パターン（戦略コンサルに実装期待／実装丸投げで内製化欠落／ベンダーロックイン）は、契約と体制の設計で構造的に潰せる
- 撤退基準を契約前に握っておくことで、コンサル依存は契約設計の段階から防げる
- 内製化に着地する設計を最初に持つことが、AIコンサル選定の成功条件である
FDXのAIコンサルティング・実装支援
FDX株式会社は、戦略系・実装系・内製伴走系の三役を一気通貫で担う実装パートナーです。経営層への戦略立案から、現場常駐型のForward Deployed Engineerによる実装、PoC通過後の本番化、運用の社内引き渡しまでを、一つの契約で並走します。「戦略コンサルに頼んでも実装で止まる」「実装ベンダーに任せても内製化に到達しない」という二者択一を越え、6〜12ヶ月で運用が社内で完結する状態を目指す契約構造が特徴です。
関連記事
- Forward Deployed Engineer（FDE）とは？AI時代の実装パートナーを定義する
- Palantir・OpenAIに見る FDE 実践事例
- 外部FDEを活用する vs 社内で育成する — 経営判断のための5基準
- AI内製化の進め方｜外注依存から脱却する5ステップと判断基準
- 生成AI導入の進め方｜PoC止まりを越える5つのステップ
- AI PoC が失敗する5つの構造的理由と回避策
- 業務効率化AIの選び方｜RPA・生成AI・AIエージェントの使い分け
出典・参考文献
- 経済産業省「DXレポート 2.2」
- 経済産業省「デジタルガバナンス・コード」
- 独立行政法人情報処理推進機構（IPA）「DX白書」
- MIT Sloan Management Review「The state of AI in business 2025」
- Harvard Business Review「Choosing the Right AI Consulting Partner」
- Palantir Technologies「Forward Deployed Engineering」
- McKinsey「The state of AI in 2025」