機械学習開発の案件の取り方は、精度の話より業務課題の言い換えで決まる

2026年5月26日

中西直美

この記事のポイント

✓機械学習開発の案件の取り方で差がつくのは
✓技術力の高さではなく依頼側の業務課題を言い換えられるかどうかです
✓応募後に落ちる典型パターンまで整理します

機械学習開発の案件が取れない、という相談を受けるとき、話を聞いていくとほとんどの人が同じところでつまずいています。提案文の中身が、技術の説明で埋まっているのです。使えるフレームワーク、扱ったモデル、達成した精度。書いてある内容に嘘はありません。それでも通りません。

理由ははっきりしています。依頼側が知りたいのは、あなたが何を使えるかではなく、自分たちの業務のどこが楽になるかだからです。ここを言い換えられる人は、技術力が突出していなくても案件を取ります。逆に、言い換えができない人は、精度の話をどれだけ丁寧に書いても選ばれません。

この記事では、依頼側の困りごとを業務の言葉に翻訳する方法、提案文の組み立て方、見積もりの区切り方、単価の考え方を順に整理します。応募後に落ちる典型パターンと、継続受注につながる納品後の振る舞いにも触れます。

依頼文に書かれた要望は、症状であって課題ではない

まず、依頼側が出してくる募集文の読み方から始めます。実際の募集文は、次のように技術の言葉で書かれていることが多いものです。

ゲームエンジン開発経験を活かし、Gaussian SplattingとGodotを用いた3Dシミュレーション環境の構築や学習データ生成、ノイズ除去AIモデルの作成と修正を担う機械学習開発支援です。製造業向け人物検出の高度化に貢献します。出典: freelance-board.com

この文章には、技術要素が並んでいます。しかし読み解くべきなのは最後の一文です。製造業向けの人物検出を高度化したい。つまり困っているのは、工場や現場で人がどこにいるかを正しく捉えられていないことです。安全管理なのか、作業効率の測定なのか、事故の再発防止なのか。そこが分かれば、提案の書き方が変わります。

募集文に書かれた技術要素は、依頼側が「たぶんこれで解決する」と考えた手段です。手段は変わることがあります。変わらないのは、その手段で解決したかった業務上の困りごとのほうです。ここを読み違えると、技術的には正しいのに刺さらない提案になります。

「精度を上げたい」の裏側にあるもの

もっとも多い依頼が「モデルの精度を上げてほしい」です。この言葉をそのまま受け取ると、精度を何ポイント改善するかという話になります。ところが、依頼側に「精度が上がると、業務はどう変わりますか」と聞くと、答えが出てこないことがあります。

出てこない理由は2つあります。ひとつは、精度が上がっても業務が変わらない設計になっている場合です。予測結果を誰も見ていない、見ても行動が変わらない。この状態では、精度をいくら上げても評価されません。もうひとつは、業務側の担当者と技術側の担当者が別で、募集を出した人が業務の実態を知らない場合です。

どちらの場合も、最初にやるべきは精度の議論ではなく、「この予測を誰が見て、どんな判断をして、その判断が変わると何が変わるのか」の確認です。この確認をしてくる応募者は、それだけで印象に残ります。

業務課題への言い換えの型

言い換えには型があります。「誰の」「どの判断が」「どれだけ楽になるか」の3つを埋めるだけです。

たとえば需要予測の案件なら、「発注担当者の」「毎週の発注量を決める判断が」「勘に頼る部分を減らして、欠品と過剰在庫の両方を減らせる」となります。問い合わせ分類の案件なら、「カスタマーサポート担当者の」「問い合わせをどの部署に回すかという振り分け判断が」「初動の遅れを減らせる」となります。

この3つが埋まると、提案の焦点が定まります。埋まらない場合は、依頼側自身がまだ整理できていないということなので、そこを一緒に整理する提案に切り替えます。むしろ、この整理から入る提案のほうが単価は上がります。作業を請け負う人ではなく、課題を整理できる人として扱われるからです。

言い換えの具体例を業種ごとに見る

抽象的な話だけでは使いにくいので、よくある領域で具体化します。

依頼の書かれ方	裏にある業務課題	提案で触れるべき点
売上予測モデルを作りたい	発注と人員配置の判断を安定させたい	予測を誰がいつ見て何を決めるか
問い合わせを自動分類したい	振り分けの手作業と初動の遅れを減らしたい	誤分類が起きたときの運用手順
画像から不良品を検出したい	検査員の負荷と見逃しを減らしたい	見逃しと過検出のどちらを優先するか
解約しそうな顧客を予測したい	引き止めの施策を打つ相手を絞りたい	打てる施策の数と予測件数の釣り合い
文書を要約したい	読む時間を減らして判断を速くしたい	要約が誤ったときの影響範囲

表の右列を見てください。どれも技術の話ではありません。運用の話です。依頼側の担当者は、モデルができた後の運用を最も心配しています。そこに触れている提案は、技術の説明が短くても選ばれます。

誤りの許容度を先に聞く

言い換えの中でもっとも効くのが、「間違えたときにどうなるか」の確認です。機械学習の予測は必ず外れます。外れたときの影響が大きい業務と、小さい業務では、必要な精度も、運用の設計も、かける工数も変わります。

不良品の見逃しが事故につながる現場なら、見逃しをゼロに近づける代わりに過検出を許容する設計になります。逆に、レコメンドのように外れても実害が小さい業務なら、多少の誤りは許容して、反応の良さを優先します。この違いを最初に確認できる人は、後で揉めません。

提案文をどう組み立てるか

ここからは書き方の話です。提案文はテンプレートで済ませられません。ただし、順番には型があります。

冒頭の3行で業務の言葉に翻訳する

提案文の最初に書くのは、自己紹介でも実績でもありません。相手の困りごとを、こちらの言葉で言い直したものです。「募集文を拝見しました。工場内の人物検出の精度を上げたいという内容ですが、最終的には安全管理の判断を早くすることが目的でしょうか」という書き出しであれば、相手は続きを読みます。

この3行が書けるかどうかは、募集文を読み込んだかどうかで決まります。テンプレートを使い回している応募者はここが書けないので、冒頭を見た時点で差がつきます。

実現できるかではなく、確かめる順番を書く

次に書くのは、実現可能かどうかの断定ではありません。機械学習の案件は、データを見るまで実現可否が分からないのが普通です。断定すると、後で嘘になります。

代わりに書くべきなのは、何をどの順番で確かめるかです。「まずデータの量と欠損の状況を確認します。次に、既存の運用でどの程度の誤りが許容されているかを伺います。この2つが分かった段階で、目標として現実的な水準をご相談します」という形です。

この書き方は、誠実に見えるだけでなく、実際に案件を守ります。安易に「精度90%を実現します」と書いてしまうと、達成できなかったときに報酬の話が揉めます。確かめる順番を提示しておけば、途中で目標を調整する会話が自然にできます。

見積もりはフェーズで区切る

一括で見積もると、依頼側にとってリスクが大きくなります。データを見る前の見積もりは外れやすく、外れたときに双方が損をします。

現実的なのは、フェーズで区切る形です。第1フェーズはデータの確認と実現可能性の判断、第2フェーズは試作、第3フェーズは本実装と運用への組み込み。各フェーズの終わりに継続するかどうかを決められるようにします。依頼側は小さく始められるので発注のハードルが下がり、受け手は不確実な部分を抱え込まずに済みます。

フェーズごとの成果物を明記しておくことも重要です。第1フェーズの成果物が「実現可能性の判断レポート」であると書いてあれば、モデルができていなくても納品として成立します。ここを曖昧にすると、第1フェーズの報酬をめぐって認識が割れます。

単価と相場をどう見るか

案件を取る話の中で、金額の判断は避けて通れません。市場の水準について、次のような整理があります。

明確な最低年数はありませんが、月額60万円以上の案件を安定して獲得するには、Pythonと主要フレームワーク（PyTorch/TensorFlow）の実装経験に加え、クラウドAIの基礎的な操作経験が求められます。実務経験1〜2年でも参画できる案件は存在しますが、独立前に副業で1件以上完遂した実績があると、案件獲得の確度が上がります。KaggleやOSS貢献もポートフォリオを補う材料になります。出典: remogu.jp

ここで注目したいのは、経験年数の話ではありません。月額60万円以上を安定して取るための条件として挙がっているのが、年数ではなく実装経験とクラウドの操作経験、そして1件の完遂実績だという点です。実務1〜2年でも参画できる案件があると書かれているのも、同じ含意です。

つまり、依頼側が見ているのは在籍年数ではなく、最後まで持っていけるかどうかです。完遂した案件が1件あると評価が変わるのは、途中で投げ出さない証明になるからです。副業として小さな案件を1件やり切ることの意味は、収入ではなくここにあります。

金額を先に言うか、後に言うか

見積もりを出すタイミングで迷う人が多いのですが、業務課題の言い換えができている場合は、先に幅で出すほうが話が早く進みます。「フェーズ1は10万円から20万円程度、フェーズ2以降は範囲が固まってからご相談」という形です。

金額を出さずに面談を重ねると、双方の時間が消えます。特に副業として動いている場合、面談だけで週末が埋まるのは避けたい。幅で先に出しておけば、予算が合わない相手とは早い段階で分かれられます。

職種としての水準を確かめておきたい場合は、公的統計をもとにしたソフトウェア作成者の年収・単価相場が基準線になります。業務委託の月額提示と、雇用で働いた場合の年収を比べる際、社会保険料の負担や経費の自己負担を踏まえて考える材料になります。

案件をどこから取るか

取り方の経路は、大きく4つあります。それぞれ性質が違うので、組み合わせるのが現実的です。

求人型のサイトに応募する経路は、案件数が多く、条件が明示されている点が利点です。一方で応募者も多く、書類の段階で埋もれやすい。ここで効くのが、前半で書いた冒頭3行の言い換えです。

エージェント経由の経路は、条件の交渉を代行してもらえる点が利点です。ただし仲介手数料が発生するため、依頼側が払った金額と受け手に届く金額には差が出ます。稼働の安定を優先する時期には合います。

直接取引の経路は、中間の取り分がない分だけ手取りが厚くなります。依頼側から見ても、同じ予算でより多くを頼めます。その代わり、条件の確認や契約書の準備を自分でやる必要があります。

紹介の経路は、成約率が最も高い一方、自分でコントロールできません。ただし、これは結果として生まれるものです。1件を丁寧に納めると、依頼側の担当者が別の部署や知人に話します。紹介を増やしたいなら、営業活動よりも納品後の振る舞いを整えるほうが早い。

AI関連の案件がどんな役割に分かれているかを把握しておくと、どの経路でどの案件を狙うかを決めやすくなります。業務への導入を支援する立場の仕事はAIコンサル・業務活用支援のお仕事に、実装寄りの役割はアプリケーション開発のお仕事に整理があり、自分の提案がどちらに近いかを確認できます。

副業から入る場合の順番

いきなり独立して案件を探すより、副業として1件受けてみるほうがリスクは小さくなります。AI関連の副業について整理した情報も出ており、案件の種類や必要なスキルを事前に確認する材料になります。

AIに関する副業に興味をお持ちの場合は、「AIエンジニアの副業をするには？案件の取り方やスキル、単価相場を解説」の記事も参考にしてください。出典: freelance-hub.jp

副業で受けるなら、最初は期間が短く範囲が狭い案件を選んでください。分析レポート、既存モデルの評価、データの前処理といった、成果物がはっきりしている案件です。範囲が広い案件を最初に受けると、想定外の作業が積み上がって本業に影響が出ます。

初回の面談で使う質問リスト

言い換えの材料は、面談で集めます。行き当たりばったりで聞くと漏れるので、順番を決めておくと安定します。次の表は、初回の面談で確認しておきたい項目です。

聞く順番	質問	この答えで判断できること
1	この予測結果は、誰がいつ見ますか	業務に組み込む余地があるか
2	見た人は、その後どんな行動を取りますか	精度が上がると業務が変わるか
3	今はその判断をどうやっていますか	比較対象となる現状の水準
4	間違えたとき、どんな影響が出ますか	必要な精度と運用設計の方向
5	データはどのくらいの期間、どの粒度でありますか	実現可能性の初期判断
6	ラベルは誰がどうやって付けていますか	精度の上限を決める要因
7	社内に引き継ぐ相手はいますか	納品物の形と文書量
8	いつまでに何があると助かりますか	フェーズの区切り方

この8つを聞くと、提案の骨格ができます。特に6番のラベルの付け方は、精度が伸び悩む原因の多くがここにあるにもかかわらず、依頼側が意識していないことが多い項目です。ここを聞いた時点で、「そこまで見てくれるのか」という反応が返ってくることがあります。

相手が答えられない質問があったときの扱い

8つのうち、いくつかは答えが返ってこないことがあります。それは相手の準備不足ではなく、社内でまだ決まっていないというサインです。ここで「では調べておいてください」と突き放すと、話が止まります。

代わりに、「その部分を整理するところから、第1フェーズとしてご一緒することもできます」と提案してください。整理する工程を仕事として切り出せる人は多くありません。ここを引き受けられると、単なる実装者ではなく相談相手として扱われます。結果として、案件の期間も金額も変わります。

受けないほうがよい案件を見分ける

案件の取り方を考えるとき、取ることばかりに意識が向きますが、受けない判断も同じくらい重要です。合わない案件を1件受けると、数ヶ月が消えます。

避けたほうがよいのは、まず目的が「AIを導入したという実績が欲しい」だけの案件です。業務課題が特定されていないため、何を作っても評価されません。担当者が上から言われて動いているだけの場合、途中で優先度が下がって案件ごと止まることもあります。

次に、データがまだ存在しない案件です。「これから集めます」という段階で開発の契約を結ぶと、データが集まらないまま期間が過ぎます。この場合は、データ収集の設計を第1フェーズとして切り出すのが正解で、いきなりモデル開発を請けるべきではありません。

3つめは、精度の数値だけが契約条件になっている案件です。機械学習の精度はデータの質に大きく左右されるため、受け手の努力だけで到達を保証できません。数値目標を条件にするなら、データの品質についての前提条件も同時に明記する必要があります。

4つめは、窓口の担当者が業務側と技術側の両方を知らない案件です。伝言だけが往復する状態になり、判断が何週間も進みません。面談の段階で、業務側の担当者と直接話せるかどうかを確認してください。

試作で終わらせないための提案

機械学習の案件で最も多い失敗は、試作までは作ったのに業務で使われないまま終わることです。受け手としても、使われなかった案件は実績として語りにくく、次につながりません。

これを避けるには、提案の段階で運用の話を入れておきます。誰がモデルを動かすのか、結果をどこに表示するのか、精度が落ちたときに誰が気づくのか、データの形式が変わったときにどう対応するのか。この4点に触れた提案は、依頼側にとって現実味があります。

運用まで含めると工数は増えますが、金額も上がります。そして何より、使われるものを作ったという実績が残ります。試作を安く受けて終わるより、運用まで含めた提案で1件を取るほうが、その後の展開は明るくなります。

応募後に落ちる典型パターン

書類が通っても、面談で落ちることがあります。よく見るパターンを挙げます。

ひとつめは、質問をしないパターンです。面談で相手の説明を聞くだけで終わると、業務を理解しようとしていないと受け取られます。データの量、既存の運用、誤りの許容度、判断する人。この4つは必ず聞いてください。

ふたつめは、できないことを言わないパターンです。全部できると答えると、かえって不安を持たれます。「この部分は経験がありますが、この部分は未経験なので、キャッチアップの時間を見込みます」と正直に言うほうが信頼されます。相手も、全部できる人が来るとは思っていません。

みっつめは、成果物の定義を曖昧にしたまま進めるパターンです。「精度を上げます」だけで契約すると、どこで完了なのかが決まりません。何を提出したら完了なのかを面談で確認してください。

よっつめは、稼働可能な時間を大きく見せるパターンです。本業がある人が「週30時間動けます」と言うと、実際に始まってから破綻します。稼働の実態は最初から正確に伝えるほうが、長い目で見て得です。

いつつめは、契約条件の確認を後回しにするパターンです。報酬額、支払期日、業務内容、修正対応の範囲。これらは着手前に書面で確認するものです。フリーランスと発注者の取引では、こうした条件の明示が求められる仕組みが整備されています。2026年時点の制度の詳細や適用範囲は変わることがあるため、実際の判断は公正取引委員会などの公的機関の情報を確認し、迷う場合は専門家や公的窓口に相談してください。

継続受注につながるのは納品後の振る舞い

案件を取る話の締めくくりとして、一番効く行動を挙げます。それは、納品後に運用がどうなったかを確認することです。

納品して終わりにする人は多い。しかし依頼側にとって、納品はスタートです。モデルを業務に載せてから、予測が現場で使われているか、担当者が読み方を理解しているか、想定外の入力が来ていないか。こうした問題は納品の後に出ます。

納品から1ヶ月後に「その後、運用はいかがですか」と一言送るだけで、次の相談が来る確率は明確に上がります。相手にとっては、自分たちの業務に関心を持ち続けてくれる相手だからです。そして、その相談は募集を出す前の段階で来ます。競合のいない状態で話が始まるということです。

納品物に「引き継げる形」を残す

継続につながるもうひとつの要素が、引き継げる状態で納めることです。コードだけを渡して去ると、依頼側は動かせなくなり、結局その仕組みは使われなくなります。使われなければ、次の依頼も来ません。

具体的には、データの取得元と前処理の手順、学習の再実行方法、評価の見方、想定される劣化のサインと対処、そして触ってはいけない箇所。この5点を短い文書にまとめて渡します。分量は多くなくて構いません。依頼側の担当者が半年後に読み返して動かせる程度で十分です。

この文書があると、依頼側は安心して次の改修も同じ相手に頼みます。逆に、属人的な状態で納めると、担当者が変わった時点で関係が切れます。引き継ぎ文書は、次の受注のための投資でもあります。

生活面の備えも案件の取り方に影響する

見落とされがちですが、収入が不安定な状態だと、条件の悪い案件を断れなくなります。断れないと単価が下がり、さらに時間が埋まって良い案件を探せなくなる。この悪循環に入る人を何度も見てきました。

フリーランスとして働くなら、健康保険と年金の扱い、収入が途切れたときの備えを先に整えてください。会社員の副業として始める場合は、本業の社会保険に守られている期間に実績を作るのが賢い進め方です。税務の扱いは国税庁の案内で確認できます。生活の土台があると、案件を選ぶ余裕が生まれ、結果として単価も上がります。

運営者として見てきた、取れる人と取れない人の差

フリーランスと在宅ワークの市場を20年見てきた立場から言えば、案件を継続して取れる人は、営業がうまい人ではありません。相手の仕事を理解しようとする人です。

技術力が高い人が案件を取れないのを何度も見てきました。理由は共通していて、依頼側の業務に興味を持っていないのです。使いたい技術が先にあり、それを適用できる案件を探している。依頼側から見ると、自分たちの困りごとに関心のない人に見えます。

逆に、技術の幅が広くない人でも、相手の業務を丁寧に聞いて、できる範囲を正直に示す人には、依頼が続きます。「この人に相談すると、こちらで考える手間が減る」という状態を作れているからです。長く途切れない人ほど、単発の作業を安く速くこなす方向ではなく、この関係づくりに時間を使っています。

金額の構造についても触れておきます。仲介の手数料が乗る取引では、依頼側が払った金額のうち一定割合が中間で消えます。中間マージンが乗らない手数料0%の直接取引なら、依頼側は同じ予算でより多くを頼め、受け手の手元に残る額は厚くなる。金額の大小の話ではなく、同じ仕事で手取りの質が変わるという話です。案件を取る力がついてきたら、この構造も判断に入れてください。

案件の幅を広げたいときは、AI関連の役割がどこまで広がっているかを見ておくと発想が変わります。AI・マーケティング・セキュリティのお仕事には、モデルを作る役割だけでなく、業務への組み込みや運用設計まで含めた整理があります。文書でのやり取りが増える働き方に備えるならビジネス文書検定の範囲を押さえておくと、提案文と報告書の質が安定します。