AIを使った開発フロー、顧客にどこまで説明する?
「AIも使っています」と言う前に、少し迷う
「これ、どこまで言った方が安心なんだろう…」
提案や面談で、AIを使った開発フローについて聞かれた時、少し言葉に詰まることはありませんか? 隠したいわけではない。むしろ、効率よく進められることは伝えたい。でも、言い方を間違えると「じゃあ品質は大丈夫ですか」「うちの情報をAIに入れるんですか」と、不安の方が先に立ってしまう。
どの工程でAIを使い、何を入力せず、どこを人が確認するか。その順で説明すると、相手の質問にも答えやすくなります。
顧客には、AIを使用する工程、入力しない情報、人による確認方法、問題発生時の対応範囲を説明します。AIの利用有無だけでなく、具体的な運用ルールを共有することが重要です。
この記事では、AIを使った開発フローを、秘密情報、品質確認、レビュー責任、提案時の言い方に分けて整理します。AIを誇る話ではなく、相手が安心して任せられる説明順の話です。
顧客が聞きたいのは、ツール名より「境界線」
AIの話になると、ついツール名やモデル名から説明したくなります。「このAIを使います」「コード生成にこのツールを使っています」と言う方が、技術的には具体的に聞こえるからです。
ツール名やモデル名だけでは、顧客情報の取り扱い、成果物の品質確認、不具合発生時の対応方法は分かりません。使用するツールの説明とあわせて、これらの運用ルールも共有します。
まずは、入力する情報の線を引く
最初に説明したいのは、AIに何を入力し、何を入力しないかです。ここが曖昧なまま「AIを使います」と言うと、顧客は自分たちの仕様書、顧客データ、契約情報、未公開の事業計画まで外部サービスへ入るのではないかと想像します。
実際には、AIを使う場面にも段階があります。一般的な技術調査、実装方針の比較、テスト観点の洗い出しのように、機密情報を入れずに使える場面もあります。一方で、本番データ、個人情報、認証情報、未公開の業務ルール、契約条件をそのまま外部AIに入れるのは避けるべき場面です。
AI事業者ガイドラインは、AI活用に伴うリスクをライフサイクル全体で認識し、必要な対策を自主的に実行する考え方を示しています。個人の受託案件でも、AIに入力できる情報と入力できない情報を事前に整理しておきます。顧客固有の情報を扱う場合は、利用するAIサービスや入力条件について合意を得る必要があります。
次に、使う工程と使わない工程を分ける
次に説明したいのは、どの工程でAIを使うかです。AI活用を一枚で語ると、「全部AI任せなのかな」と受け取られやすくなります。そうではなく、初稿、比較案、観点出し、コード補助、ドキュメント整理など、使う場所を分けて話す方が伝わります。
たとえば、「実装のたたき台やテスト観点の洗い出しにはAIを使います。ただし、要件判断、既存仕様との照合、セキュリティ影響、最終レビューは人間が見ます」と言う。これだけで、AIを使うこと自体より、コントロールの所在が見えます。
OWASP の LLM Top 10 for 2025 では、プロンプトインジェクション、機密情報の漏えい、不十分な出力検証、過剰な自律性などがLLMアプリケーションのリスクとして整理されています。開発支援としてAIを使う場合も、同じ発想で「出力をそのまま信用しない」「権限や実行範囲を広げすぎない」ことを説明できると、技術者としての見方が伝わります。
「速くできます」だけだと、不安が残る
AIを使うメリットとして、スピードは確かに分かりやすいです。調査が早い、初稿が早い、比較案が早い。相手にとっても魅力があります。
でも、速さだけを前面に出すと、品質の説明が抜けます。「早いのは分かりました。では、その結果は誰が確認するんですか?」という問いが残る。ここを先回りして説明できると、AI活用はかなり受け入れられやすくなります。
AI出力は、成果物ではなく「材料」として扱う
実務では、AIが出したものをそのまま成果物にするより、材料として扱う方が安全です。調査メモなら、一次情報へ戻す。コードなら、既存設計、テスト、認可、エラー処理、保守性を見る。提案文なら、誇張表現や事実関係を確認する。
NIST の AI RMF Generative AI Profile は、生成AIのリスクを設計、開発、運用などの段階で管理するための資料です。そこでは、生成AI固有または増幅されるリスクを把握し、目的や優先度に合わせて管理する視点が示されています。AI生成物を納品する前に、既存仕様との整合性、セキュリティ、テスト結果、事実関係をどのように確認するかを説明します。
顧客へは、こう言うと伝わりやすいです。
- AIは、初稿・比較案・観点出しに使います
- 顧客情報や本番データは、許可なく入力しません
- 生成された内容は、既存仕様、セキュリティ、テスト観点で人間が確認します
- 最終的な提出物は、担当者がレビューしたものとして扱います
これは長い規約ではありません。面談や提案書に入れるなら、数行で十分です。大事なのは、「AIを使います」の後に、相手が心配する順番で答えることです。
レビュー責任を曖昧にしない
AIを使う開発で一番揉めやすいのは、うまくいった時ではなく、問題が出た時です。「AIが出したから仕方ない」という言い方は、顧客から見るとかなり不安です。仕事として受ける以上、AIを使ったかどうかとは別に、確認して渡す責任は残ります。
もちろん、すべてのリスクを一人で背負うという意味ではありません。仕様未確定の部分、顧客側の判断が必要な部分、追加調査が必要な部分は、きちんと分けて戻す必要があります。ただし、AI出力を採用するかどうかの判断を、AIのせいにしないことは大切です。
METR の 2025年の実験では、経験あるオープンソース開発者がAIを使った時、体感では速くなったと思っていた一方で、実測では遅くなったケースが報告されました。この結果をそのまま全現場へ当てはめる必要はありません。ただ、「速く感じる」と「実際に品質を保って届けられる」は別の問いです。顧客説明でも、ここを混ぜない方が信頼されます。
提案時は、安心材料から順番に出す
AI活用を説明する時、全部を細かく話す必要はありません。むしろ、最初から長い説明にすると、相手はどこを見ればいいか分からなくなります。必要なのは、相手の不安に近い順番で短く出すことです。
おすすめは、4つの順番です。入力しない情報。使う工程。人間が確認する観点。判断が必要な場合の戻し方。この順で話すと、AIの便利さより先に、安心材料が伝わります。
「隠す」でも「誇る」でもなく、運用として話す
AIを使っていることを隠すと、後から分かった時に不信感が出ます。一方で、AI活用を過剰に誇ると、相手は「便利そうだけど、うちの業務をちゃんと見てくれるのかな」と感じます。
ちょうどよいのは、運用として話すことです。
開発の初稿作成や観点整理にはAIを使います。ただし、顧客固有の機密情報や本番データは許可なく入力しません。出力内容は、既存仕様・セキュリティ・テスト観点を人間が確認してから提出します。
このくらいで十分な場面は多いです。相手が詳しく知りたい場合は、そこから利用ツール、データ保持設定、社内ルール、レビュー手順へ進めばいい。最初から全部を説明しようとしなくて構いません。
判断が必要な場所は、先に戻すと言う
顧客説明で抜けやすいのが、「判断が必要な場合は戻します」という一文です。AIを使うと、何でも勝手に進められるように見えます。でも実際には、業務判断、契約判断、公開範囲、個人情報の扱い、価格や責任範囲の線引きは、勝手に決めてはいけません。
顧客の承認が必要な判断を事前に明示しておけば、作業中の確認漏れや認識のずれを防ぎやすくなります。
- 顧客固有の業務判断が必要な場合は、仮置きせず確認します
- 契約や権利に関わる判断は、技術判断として処理しません
- 本番影響がある変更は、AI出力の有無に関係なくレビュー対象にします
- 不確かな情報は、出典確認または顧客確認を挟みます
顧客確認が必要な事項を明確にすることで、受託側が判断できる範囲と、承認を得てから進める範囲を区別できます。
小さな案件ほど、説明テンプレを持っておく
AI利用の説明は、大企業のAIポリシーだけの話ではありません。むしろ、個人受託、業務委託、副業、小さな改善案件ほど効きます。契約書や運用ルールが細かく整っていない分、最初の説明がそのまま信頼になります。
毎回ゼロから考えると重いので、自分用の短いテンプレを持っておくと楽です。提案書、見積り、初回面談、作業開始時に使える形で十分です。
まずは4行だけでいい
たとえば、最初はこの4行で足ります。
- AIは、調査、初稿作成、比較案、テスト観点の洗い出しに使うことがあります
- 顧客固有の機密情報、本番データ、認証情報は、許可なくAIへ入力しません
- AI出力はそのまま納品せず、既存仕様、品質、セキュリティ、事実関係を確認します
- 業務判断、契約判断、公開可否などは、必要に応じて顧客確認を挟みます
この4項目を提案書や打ち合わせ記録に残しておけば、顧客とAIの利用条件を確認できます。作業開始後も、合意した範囲を参照しながら判断できます。
記録に残すと、価格にもつながる
この説明は、単なる安心材料だけではありません。価格や役割の説明にもつながります。AIを使って初稿を早く出すだけなら、時短として見られます。でも、情報管理、レビュー観点、判断の戻し方まで含めているなら、それは進行設計や品質保証の一部です。
週報や納品メモにも、少し残しておくとよいです。「AIで生成した案をもとに、既存仕様との齟齬、権限、エラー時の動き、テスト観点を確認しました」と書くだけで、裏側の仕事が見えます。AI利用を説明できる人は、単に速い人ではなく、安心して任せられる進め方を設計できる人です。
AIを使うかどうかを、過剰に特別扱いする必要はありません。ただ、相手の情報と成果物を預かる以上、使い方の線引きは言葉にした方がいい。そこまで含めて説明できると、AI活用は不安ではなく、信頼を作る材料になります。
最後に
AIを使った開発フローを顧客に説明する時、完璧なAIポリシーを作る必要はありません。最初から法務文書のように固くしなくても大丈夫です。
ただ、「AIも使えます」「早くできます」だけでは、相手の不安は残ります。顧客が知りたいのは、どの情報を入れないか、どの工程で使うか、誰が確認するか、勝手に決めない場所はどこかです。
まずは次の提案や面談で、4行だけ足してみてください。入力しない情報、使う工程、人間レビュー、顧客確認が必要な判断。この4つがあるだけで、AI活用の見え方はかなり変わります。
AIを使用する場合は、入力しない情報、利用する工程、人による確認方法、顧客承認が必要な事項を提案時に説明します。合意した内容を記録し、開発中の判断や納品前の確認にも活用します。
参考にした情報
AI利用と信頼度の調査
Stack Overflow の 2025 Developer Survey では、回答者の84%が開発プロセスでAIツールを使っている、または近く使う予定だとされています。一方で、AI出力の正確性については、信頼する回答より不信を持つ回答の方が多い結果でした。つまり、AI利用は広がっているのに、「AIが出したから安心」とは見られていません。
- Stack Overflow「2025 Developer Survey: Artificial intelligence」(2025年版、2026年7月6日確認)
- Google Cloud / DORA「State of AI-assisted Software Development 2025」(2025年版、2026年7月6日確認)
- NIST「AI Risk Management Framework」(2023年1月26日公開、2026年7月6日確認)
- NIST「AI RMF Generative AI Profile」(2024年7月公開、2026年7月6日確認)
- OWASP「Top 10 for LLM Applications 2025」(2025年版、2026年7月6日確認)
- 総務省・経済産業省「AI事業者ガイドライン(第1.0版)」(2024年4月19日公開、2026年7月6日確認)
- METR「Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity」(2025年7月10日公開、2026年2月24日更新、2026年7月6日確認)