"对定制AI开发或RAG（企业内部数据活用AI）很感兴趣，但不清楚费用，迟迟无法迈出第一步"——有这种烦恼的中小企业经营者并不少见。AI开发的费用因需求不同而差异悬殊，轻信某一笼统数字往往会导致预算规划出现偏差。本文整理了费用明细与决定因素、价格参考的思路、我司月费方案、以及从PoC到正式上线的推进方法。请以此为参考，先掌握有哪些费用项目，再找到适合贵公司的推进方式。
定制生成式AI开发与RAG是什么
市售的SaaS型AI是按固定功能、按月收费的服务。相比之下，定制AI开发是根据贵公司自身的业务流程、数据和IT环境，量身设计并构建包含AI在内的系统。
其中近年受到格外关注的是RAG（检索增强生成，Retrieval-Augmented Generation）。RAG的原理是将公司内部文档、操作手册、过往案例、产品数据库等预先准备为"参考信息"，让AI在生成回答时参照这些信息。其特点在于能够准确回答通用生成式AI无法处理的"企业内部特有问题"，常见应用场景包括：内部FAQ自动化、销售支持、咨询对应效率化等。
开发费用由什么决定（费用明细）
定制AI・RAG的开发费用，大体上由以下各阶段的工作量叠加构成。各阶段的工作量随规模和需求不同而变化，因此整体费用也会相应浮动。
| 阶段 | 主要内容 | 影响费用的要因 |
|---|---|---|
| 需求定义 | 梳理要解决的问题、业务范围、所需功能，确定采用何种AI模型的方针 | 业务的复杂程度、相关人员数量 |
| 数据整理・预处理 | 将现有内部文档・数据转换、清洗为AI易于参照的格式 | 数据量、格式多样性、数据质量 |
| 开发・实施 | AI模型配置、RAG流水线构建、与现有系统的API对接、UI开发 | 需对接的系统数量、UI要求、定制范围 |
| 测试・调整 | 精度评估、幻觉（错误信息）检查、业务用户验证 | 目标精度水准、修改轮次 |
| 运营・维护 | 正式环境维护、数据更新、模型版本管理、故障应对 | 更新频率、支持范围、SLA要求 |
影响费用的主要因素归纳为4点：①数据量与质量・②与现有系统的对接范围・③目标精度与业务数量・④运营维护的范围。先针对某项具体业务开展PoC（概念验证），有助于控制费用的不确定性风险。
价格参考的思路
AI开发・RAG市场主要有两种方式：买断型（个别定制开发）和月费订阅型。
月费订阅型：开发、运营、改善、支持均包含在月费中的方式。初始投入门槛低，易于小规模起步，也便于持续开展PDCA循环。
我司（MRI株式会社）的费用方案
为帮助中小企业能够轻松地以小规模起步导入定制AI・RAG，我司提供月费制方案。Starter・Standard方案初始费用为零（Enterprise为个别报价）。
| 方案名称 | 月费（不含税） | 适用场景参考 |
|---|---|---|
| Starter（基础版） | ¥98,000／月 | 针对1〜2项特定业务的AI化・RAG试验导入等，希望先小规模起步的情况 |
| Standard（标准版） | ¥198,000／月 | 向多项业务拓展・正式运营・需持续精度改善的情况 |
| Enterprise（企业版） | 个别报价 | 大规模数据・多系统对接・高安全性要求等情况 |
开发周期参考与从PoC到正式上线的推进方法
AI开发・RAG的周期因需求而异，但通常认为先从PoC（概念验证）开始、确认效果后再推进正式开发的方式，在风险管控和费用管理两方面都更为稳妥。
| 阶段 | 周期参考 | 内容 |
|---|---|---|
| PoC（概念验证） | 数周以上 （因规模・数据准备情况而异） | 针对特定业务构建原型，验证精度、效果和对业务的适配性 |
| 正式开发 | 数月以上 （因需求复杂程度而异） | 基于PoC的经验，面向正式环境进行设计・构建・测试・上线 |
| 运营・改善阶段 | 持续进行 | 持续开展数据更新・精度改善・业务范围扩展等 |
小规模起步确认投资回报后再推进正式上线，从预算管理角度也行之有效。在PoC阶段即可判断"是否推进正式化・是否调整方案・是否转向其他业务"，有助于降低大规模投入后出现偏差的风险。
活用补助金可降低自费负担
根据条件不同，定制AI・RAG的开发费用有可能适用日本国家或地方政府的补助金・支援制度。通过活用补助金，有可能在降低自费负担的同时推进导入。2026年可利用的补助金详情，请参阅以下相关文章。
→ 【2026年版】在千叶的中小企业可用于AI导入的补助金汇总｜最高1亿日元・附申请流程
避免失败的要点
① 不要一开始就大规模开发
一开始就试图构建全公司规模・多业务覆盖的系统，往往会导致需求膨胀，费用和周期容易超出预算。建议先聚焦于1〜2项效果易于量化的业务开展PoC，用数字验证投资回报后再扩大规模，这样更为稳妥。
② 不要低估数据整理的工作量
RAG的精度在很大程度上取决于"提供给AI参考的数据质量"。若企业内部文档格式混乱、包含过时信息或尚未分类整理，仅数据整理环节就可能消耗超出预期的工时。在PoC前先进行数据盘点，可大幅提高估算精度。
③ 明确目标与KPI
仅凭"想引入AI"的动机，上线后无法衡量效果。提前设定"希望将某项业务所需时间缩短多少"等量化目标，可为开发过程中的决策提供清晰依据。
④ 将运营・维护成本纳入预算
AI・RAG的正式上线并非终点，数据更新・精度改善・模型版本管理等持续运营不可或缺。选择月费订阅型时，请事先确认运营费用是否已包含在内。
相关文章：
※ 本文的费用・周期均为一般参考目标，实际费用・周期因客户需求・业务内容・数据状况不同而存在较大差异。文中所列方案价格（Starter ¥98,000/月・Standard ¥198,000/月・Enterprise个别报价・Starter/Standard初始费用为零）为2026年6月时点的价格（金额为不含税）。对于外部市场价格，我们未对无出处信息进行断定性陈述。补助金的适用资格・获批与否取决于需求条件及审查结果，本公司不保证补助金的获批。