ベンダー選定 - RFP
製造業のAIベンダー選定とRFP:評価基準とPoCの作り方
要点
ERPと連携するAIのベンダー選定では、デモの見栄えよりも、データの流れ、権限の扱い、精度の測定方法、導入後の運用体制を確認することが重要です。自社の質問で評価するPoCを設計し、事前に合格基準を決めておきます。
生成AIの提案は増えていますが、製造業のERPや生産管理システムと連携させる案件では、デモで見栄えのよい回答が出ても、実データで同じ精度が出るとは限りません。選定で失敗する原因の多くは、評価基準があいまいなまま、デモの印象で決めてしまうことです。
RFPを書く目的は、ベンダーを絞るだけではありません。自社が何を解決したいのか、どのデータを使うのか、何をもって成功とするのかを、社内で言語化することにも価値があります。以下では、実務で使える項目を整理します。
RFPに書くべき内容
まず、対象業務とユースケースを具体的に書きます。「AIで業務を効率化したい」ではなく、「購買担当が仕入先別の納期遅延を日本語で問い合わせたい」「品質保証が不適合のロット追跡を速くしたい」のように、誰が何をするかを示します。
次に、対象システム(ERPの製品名とバージョン、MES、ファイルサーバーなど)、利用者数、データ量、提供形態の希望(オンプレミス、国内のプライベートクラウドなど)、納期と予算の目安を書きます。
- 対象業務と、利用者の役割
- 接続するシステムとバージョン、データ量
- データの機密区分と、社外に出せない情報
- 提供形態の要件(オンプレミス、国内クラウドなど)
- 成功の判断基準と、PoCの期間
評価基準:デモより確認すべきこと
第一にデータの流れです。どのデータが、どこに送られ、どこに保存されるのか。外部の生成AI APIを使う場合、学習への利用や、ログの保存、第三者への提供の有無を契約で確認します。
第二に権限と監査です。ERPのロールを継承するか、質問と回答のログが残るか、書き込みがある場合に人の承認を挟めるか。第三に、精度の測定方法です。ベンダーが用意した質問ではなく、自社の質問で評価できるかを確認します。
PoCの設計:自社の質問で、合格基準を先に決める
PoCでは、現場の担当者が実際に調べている質問を30〜50個集め、正解を用意します。評価は、答えが正しいか、根拠のクエリや文書が示されているか、誤った場合に気づけるかの三点で行います。
合格基準は事前に決めます。たとえば、正答率がどの水準なら本格導入に進み、どの水準なら見送るかです。PoCの途中で基準を動かすと、判断が曖昧になります。データの整備が必要なら、その作業の分担と期間も明確にします。
セキュリティ、法令、契約で確認する項目
個人情報保護法、営業秘密の管理、取引先との秘密保持契約、業界ごとの要求(防衛関連のサイバーセキュリティ基準、自動車や半導体の取引先の要求など)を整理します。経済産業省などが公表しているAI事業者向けのガイドラインも、社内のルール作りの参考になります。
ベンダーが提示する認証や準拠状況は、証明書や報告書で確認します。実績や導入先の説明は、公開できる範囲と根拠を確認し、確認できないものは評価に入れないのが安全です。
導入後の運用と、費用の見方
導入後は、モデルの更新、ERPのバージョンアップへの追従、質問への回答精度の監視、データ辞書の保守が継続して発生します。誰が担当するのか、ベンダーと自社の分担を契約で明確にしておきます。
費用はライセンスだけでなく、GPUなどのインフラ、データ整備の工数、運用の人件費を含めて見ます。小規模に始めて効果を測り、拡大を判断する段階的な進め方が、投資の失敗を減らします。
よくある質問
RFPとRFIはどう使い分けますか。
RFIは情報収集の段階で、候補の絞り込みに使います。RFPは要件を示して提案と見積もりを求める段階です。AIは製品の変化が速いため、まず簡易なRFIで候補を絞り、PoCを含めたRFPに進む方法が現実的です。
PoCの期間はどのくらいが適切ですか。
対象範囲によりますが、数週間から数か月が一般的です。短期間で、現場の質問による精度評価と、データの課題の洗い出しを行うのが目的です。
外部の生成AI APIを使う提案は避けるべきですか。
一概には言えません。扱うデータの機密度と、契約上の保証(学習への不使用、保存期間、所在地)によります。社外に出せないデータを扱う業務では、社内で動かす構成を検討します。
ベンダーの導入実績はどう評価すればよいですか。
公開できる範囲で、対象業務、規模、運用期間を確認します。確認できない実績は評価に含めず、PoCでの実測を重視するのが安全です。
AIを使わないほうがよい場合はありますか。
あります。定型の帳票やBIで足りる質問、ERPの標準機能で足りる用途、データの整備が先に必要な場合です。RFPの段階で、AI以外の選択肢も比較対象にしてください。
関連ガイド
生産スケジューラ(APS)とAI:ERPデータを使った計画業務の支援
生産スケジューラ(APS)と生産管理・ERPのデータにAIを組み合わせ、納期回答や計画の見直しを支援する方法。オンプレミスで社内完結する構成を解説します。
品質保証 (8D / 是正処置)品質保証(8D・是正処置)とERPデータ:AIで原因調査と報告書作成を速くする
8D報告書や是正処置の作成を、ERPの不適合・ロット・工程実績データとAIで支援する方法。IATF 16949やAS9100の記録対応、オンプレミス運用を解説します。
ERP (自然言語での問い合わせ)ERPデータに日本語で問い合わせる:帳票やSQLに頼らない仕組みと注意点
ERPのデータを日本語の質問で検索・集計する仕組みと、権限・監査・オンプレミス運用の考え方。SQLや帳票に頼らず現場が答えを得る方法を解説します。
Microsoft Dynamics 365Microsoft Dynamics 365と生成AI:Copilotで足りる範囲と、社内モデルが必要な範囲
Dynamics 365 Finance・Supply Chain・Business CentralとCopilot、Azure OpenAI、社内モデルの使い分けを解説。日本の製造業向けに、データの置き場所も整理します。
SAP ERP 6.0(ECC)/ SAP S/4HANASAP 2027年問題とAI:移行を急ぐ前に、社内の知識を読めるようにする
SAP ERP 6.0の保守終了(2027年問題)に向け、アドオン棚卸しや移行判断に生成AIをどう使うか。データを社外に出さない構成と注意点を解説。
ERP全般(オンプレミス生成AI)オンプレミス生成AIをERPにつなぐ:データを社内に置いたまま使う方法
ERPのデータを社外に出さずに生成AIを使うには。ローカルLLM、RAG、権限連携、承認フローまで、情報システム部門向けに構成と注意点を整理。