機械学習開発の単価相場が案件ごとに開く理由｜前処理の担当範囲を見極める

2026年3月19日

中西直美

この記事のポイント

✓機械学習開発の単価相場は案件によって何倍もの差が生まれます
✓その大きな要因である前処理の担当範囲について
✓フリーランスの心と体の健康を見てきた立場から整理して解説します

「同じ機械学習の仕事なのに、案件によって報酬が全然違う」というご相談、本当に多いんです。大丈夫。この違いには、ちゃんとした理由があります。今日は、機械学習開発の単価相場がなぜ案件ごとに何倍も開くのか、その大きな要因である「前処理の担当範囲」を中心に、できるだけ分かりやすくお話ししていきます。

機械学習開発の単価相場をめぐる現状

機械学習開発の費用について検索すると、数百万円から数千万円という開発会社向けの価格帯が目に飛び込んできて、面食らってしまう方も少なくありません。企業がまとまったシステムとして機械学習基盤を発注する場合、小規模なプロジェクトでも数百万円、中規模から大規模になると数千万円から1億円を超える予算が動くこともあります。

この記事の三行まとめ。機械学習の開発費用は、小規模300万円〜1,000万円、中規模1,000万円〜4,000万円、大規模4,000万円〜1億円以上が一般的な目安です。機械学習の開発費用は、モデル開発だけでなく、データ整備、システム連携、クラウド利用料、MLOps、保守改善まで含める範囲で大きく変わります。機械学習の開発は、PoCから段階的に進め、既存データや既存システムを活用しながら無駄な工数を抑えることが費用削減につながります。出典: note.com

ただ、これは企業がプロジェクト全体を発注する際の費用感であって、フリーランスが個人で受注する案件の単価とは別の話です。フリーランス向けの案件では、プロジェクト全体ではなく特定の工程だけを切り出して発注されることが多く、その工程がどこにあたるかによって、報酬水準が大きく変わってきます。この「工程による差」が、皆さんが感じている単価のばらつきの正体です。

なぜ単価が案件ごとに何倍も開くのか

機械学習開発というと一つの技術のように思われがちですが、実際には複数の工程が積み重なって一つのプロジェクトが完成します。データの収集、前処理、モデルの設計、学習、評価、システムへの組み込み、運用保守。この一連の流れの中で、フリーランスがどの工程を担当するかによって、求められるスキルレベルと単価が大きく変わってきます。

特に大きな分かれ目になるのが「前処理」の担当範囲です。前処理とは、集めた生データを機械学習モデルが学習しやすい形に整える作業を指します。欠損値の補完、外れ値の除去、テキストデータの正規化、カテゴリ変数の数値化など、地味に見えて非常に手間のかかる工程です。

小規模な機械学習開発では、過去データを使ったPoC、簡易モデル、簡易ダッシュボードに絞ることで、300万円〜1,000万円程度が目安になります。出典: note.com

この前処理の工程がどこまで発注者側で用意されているか、あるいは受注者がゼロから設計する必要があるかによって、同じ「機械学習開発」という言葉でも、実際の作業負荷と単価は何倍も変わってきます。

前処理の担当範囲による単価の違い

ここでは、前処理の担当範囲を3つのパターンに分けて、それぞれの単価感の違いを整理します。

パターン1: 前処理済みデータを渡されるケース

発注者側であらかじめ整形されたデータセットが用意されており、受注者はモデルの構築や調整のみを担当するパターンです。前処理の負荷がない分、作業範囲が明確で、比較的短期間で成果物を納品しやすい特徴があります。単価は案件の複雑さによりますが、時給換算で3,000円から5,000円程度が一つの目安になることが多いです。

パターン2: 生データから前処理まで一貫して担当するケース

発注者から渡されるのは未整形の生データのみで、前処理からモデル構築まで一貫して担当するパターンです。データの中身を理解し、どんな欠損や偏りがあるかを分析したうえで、適切な前処理方針を自分で設計する必要があります。作業範囲が大幅に広がるため、単価も上がる傾向にあり、時給換算で5,000円から1万円程度、案件によってはそれ以上になることもあります。

パターン3: データ収集の設計から関わるケース

そもそもどんなデータを、どこから、どうやって集めるべきかという上流設計から担当するパターンです。ビジネス課題の理解、データソースの選定、収集方法の設計まで含むため、機械学習の技術力に加えて、業務理解力やコンサルティング的な視点も求められます。この層の案件は単価のばらつきが大きく、月額契約で数十万円規模になることもあります。

自分が応募しようとしている案件が、この3パターンのどこに当てはまるのかを見極めることが、単価の妥当性を判断する第一歩になります。

前処理が単価を左右する理由

なぜ前処理の担当範囲がここまで単価に影響するのでしょうか。理由は、前処理という工程が「地味だが専門性が高い」という特殊な性質を持っているからです。

前処理の質は、その後のモデルの精度に直結します。どれだけ高度なアルゴリズムを使っても、元になるデータの質が低ければ、期待した精度は出ません。逆に言えば、前処理を丁寧に行うことで、シンプルなモデルでも十分な精度を出せることがあります。この重要性の高さに対して、前処理の作業自体は「地味な作業」というイメージを持たれがちで、過小評価されやすいという構造上のギャップがあります。

発注者側から見ると、モデルの構築や学習結果は目に見える成果物として認識しやすい一方、前処理はその手前の準備段階として軽視されがちです。しかし実務経験を積んだ人ほど、前処理にかかった時間がプロジェクト全体の工数の半分以上を占めることも珍しくないと実感しています。この体感と発注者側の認識のズレこそが、単価が過小評価される最大の要因だと言えます。

もう一つ付け加えると、前処理には「正解が一つではない」という難しさもあります。同じデータセットであっても、目的とするモデルの種類やビジネス上の優先順位によって、最適な前処理の方針は変わってきます。この判断を誤ると、後工程のモデル構築がどれだけ優れていても、実務で使える精度に届かないという事態を招きます。だからこそ、前処理を任せられる人材には、単純な作業スキル以上の判断力が求められ、それが単価の差として表れているのです。

また、前処理には業界特有のドメイン知識が必要になる場面が多くあります。例えば医療データの前処理と、Eコマースの購買データの前処理では、注意すべき欠損の意味や外れ値の扱い方がまったく異なります。この専門性が、案件によって単価が大きく開く要因の一つになっています。

契約形態によっても単価は変わる

前処理の担当範囲に加えて、契約形態の違いも単価に影響を与える要素です。機械学習開発の案件では、大きく分けて「準委任契約」「請負契約」「成果報酬型契約」の3つの形態が見られます。

準委任契約は、決められた時間・工数に対して報酬が支払われる契約形態です。時給や月額での契約が一般的で、作業量に応じて報酬が確定するため、見積もりが立てやすいという特徴があります。前処理のように作業量の予測が難しい工程では、この契約形態が採用されやすい傾向にあります。

請負契約は、成果物の完成に対して報酬が支払われる契約形態です。前処理からモデル構築までを一括で請け負う場合、この形態が使われることが多く、想定より作業が長引いても報酬額が変わらないというリスクを受注者側が負うことになります。契約前に、想定作業時間を十分に見積もったうえで報酬額に納得できるかを確認することが重要です。

成果報酬型契約は、モデルの精度など特定の指標を達成した場合に追加報酬が発生する契約形態です。挑戦的で魅力的に見える一方、精度の基準設定が曖昧なまま契約すると、達成しても報酬が支払われないというトラブルにつながりかねません。基準値と評価方法を契約書に明記してもらうことを強くおすすめします。

開発工程ごとの費用感をさらに詳しく見る

300万〜800万円のPoCは、事業として成立するかを検証するための環境です。運用自動化や高度な権限管理が簡略化されることがあるため、本番利用を前提にする場合は追加開発を見込む必要があります。800万〜2,000万円のMVPは、限定したユーザーが実際に使い、効果と課題を把握する段階です。出典: ripla.co.jp

この引用は企業がプロジェクト全体を発注する際の費用感を示したものですが、フリーランスとして案件を受注する際にも参考になる視点があります。それは、プロジェクトの段階（PoCなのか、MVPなのか、本番運用なのか）によって、求められる作業の質と量が大きく変わるという点です。

PoC（概念実証）段階の案件は、事業として成立するかどうかを検証する初期フェーズであり、比較的小規模なデータセットでの試作が中心になります。前処理の範囲も限定的で、短期間で結果を出すことが求められます。一方、MVP（実用最小限の製品）段階になると、実際のユーザーが使うことを前提にするため、前処理の精度や網羅性がより厳しく求められ、作業負荷も増加します。本番運用段階に入ると、継続的なデータ更新への対応や、モデルの精度劣化を監視する運用保守の視点も必要になり、単発の前処理作業とは異なるスキルセットが求められます。

自分が担当する案件がプロジェクトのどの段階に位置しているかを把握しておくと、求められる作業の質と、それに見合う単価感を判断しやすくなります。段階が上がるほど、前処理に求められる網羅性や再現性のレベルも上がっていくため、案件の段階を意識するだけで、単価の妥当性を判断する精度が上がります。

単価が不自然に安い案件に潜む意図

単価相場を把握しておくと、逆に「なぜこの案件はこんなに安いのか」という視点でも案件を見られるようになります。前処理を含む作業範囲であるにもかかわらず、極端に低い単価が提示されている場合、いくつかの背景が考えられます。

一つは、発注者自身が機械学習開発の工程を正しく理解しておらず、前処理にかかる工数を過小評価しているケースです。この場合、契約前に作業範囲と想定工数を丁寧に説明することで、単価の見直しに応じてもらえる可能性があります。もう一つは、意図的に低単価で発注し、実際の作業範囲を契約後になし崩し的に広げていこうとするケースです。こちらは契約書の内容を厳密に確認し、範囲外の作業には応じない姿勢を明確にしておく必要があります。

安い単価そのものが悪いわけではありませんが、「なぜこの単価なのか」を発注者に確認する習慣を持つことで、不当な条件での契約を避けやすくなります。

単価交渉で確認すべきポイント

案件に応募する際、単価だけを見て判断するのではなく、その単価が「どこまでの作業を含んでいるか」を必ず確認する習慣をつけてください。これ、本当に大事なポイントです。

まず、前処理の工程が発注範囲に含まれているかどうかを確認します。含まれている場合、生データの状態（欠損の量、フォーマットの統一度など）についても事前にヒアリングしておくと、想定外の工数増加を防げます。次に、前処理にかかる想定時間を自分なりに見積もり、提示された単価が見合っているかを判断します。データの状態が悪いほど前処理にかかる時間は長くなるため、「時給換算で見たときに現実的な水準か」を意識してください。

さらに、前処理の途中で仕様変更や追加要望が発生した場合の対応についても、契約前に確認しておくことをおすすめします。「言われた通りに前処理したのに、後から別の形式を求められた」という追加作業が無償で積み重なっていくケースは、フリーランスの間でよく聞かれる悩みの一つです。

発注者が費用を抑えようとする理由を理解する

フリーランス側の視点だけでなく、発注者側がなぜ費用を抑えようとするのかを理解しておくと、単価交渉の際に建設的な話し合いがしやすくなります。

機械学習開発は、実際にモデルを作ってみるまで、どれだけの精度が出るか、どれだけの工数がかかるかが見えにくいという特性があります。そのため発注者側も、最初から大きな予算を投じることに慎重になりがちです。まずは小規模なPoCで実現可能性を検証し、手応えを感じてから本格的な予算を投じるという段階的なアプローチを取る発注者が多いのは、こうした不確実性への対応でもあります。

この構造を理解していると、「なぜ最初の案件は単価が低めなのか」という疑問にも納得しやすくなります。同時に、PoC段階で高い成果を出せば、その後の本格開発フェーズでより良い条件を提示してもらえる可能性も高まります。単発の単価だけでなく、案件の先にある関係性の発展も視野に入れて交渉することが、長期的な収入の安定につながります。

実際の案件イメージで見る前処理作業の流れ

具体的に前処理を担当する案件がどのように進むのか、一例を紹介します。あるEコマース企業から、購買データを使った需要予測モデルの前処理を依頼されたケースを想定します。

まず、発注者から提供される生データを確認し、欠損値がどの項目にどの程度含まれているかを調査します。次に、季節性や特売日といった業務知識を踏まえながら、外れ値をどう扱うべきかを判断します。単純に外れ値として除去してしまうと、特売日の急激な売上増加という重要なパターンを見逃してしまう可能性があるため、業務背景を理解したうえでの判断が求められます。

続いて、カテゴリ変数（商品カテゴリや地域など)を数値データに変換する処理を行い、最終的に学習用のデータセットとして整形します。この一連の作業には、単純な機械的処理だけでなく、「このデータの背景に何があるのか」を考える視点が欠かせません。だからこそ、前処理は単価に見合う専門性を持った工程だと言えるのです。

案件選びで疲弊しないための考え方

私はフリーランス向けのメンタルヘルスケアを提供する中で、「思ったより作業量が多くて疲れ切ってしまった」というご相談を数多くお聞きしてきました。単価の見た目だけで案件を選んでしまうと、実際の作業負荷とのギャップに気づいたときには、すでに心身の負担が大きくなっていることがあります。

大丈夫。あなたは一人じゃありません。同じような悩みを抱える方は、実はとても多いんです。単価交渉は「お金の話」であると同時に、「自分の心身の健康を守るための話」でもあります。安すぎる単価で無理を重ねると、心身のバランスを崩してしまうリスクが高まります。適正な単価で、無理のない範囲の作業量を見極めることは、フリーランスとして長く働き続けるために欠かせない自己防衛の視点です。

私自身、フリーランスとして独立した当初、案件の作業範囲を十分に確認しないまま契約してしまい、想定以上の作業量に追われて疲弊した経験があります。そこから、契約前に作業範囲を細かく確認する習慣を徹底するようになりました。この経験から学んだのは、単価の数字だけを見て一喜一憂するのではなく、「その単価で、どこまでの作業を、どれくらいの時間で終えられるか」を冷静に見積もることの大切さです。

心身の負担と単価のバランスを取るセルフチェック

フリーランスとして案件を続けていく中で、単価の妥当性だけでなく、自分の心身の状態にも目を向ける習慣を持ってください。ここでは、私がカウンセリングの現場で実際にお伝えしているセルフチェックの視点をいくつか紹介します。

一つ目は、作業時間と休息時間のバランスです。前処理のように地味で集中力を要する作業は、想像以上に精神的な疲労を蓄積させます。「気づいたら休憩を取らずに何時間も作業していた」という状態が続いている場合、単価の高さに関わらず、一度作業ペースを見直すサインです。

二つ目は、案件に対する不安や焦りの度合いです。「この単価では割に合わないかもしれない」と感じながらも、断れずに引き受けてしまう案件が続いている場合、単価交渉のスキルだけでなく、自分の限界を伝える練習が必要かもしれません。断ることに罪悪感を抱く方は少なくありませんが、無理な案件を引き受け続けることは、長期的には自分にとっても発注者にとってもプラスになりません。

三つ目は、孤独感の有無です。フリーランスになって、急に人と話さなくなったという相談は本当に多いんです。会社員のときは、良くも悪くも毎日誰かと会話がありましたよね。それがフリーランスになると、朝から晩まで一人きりで作業に向き合う時間が増えます。これは特別なことではなく、在宅フリーランスの多くが経験することです。同業者とのつながりを意識的に作る、定期的に外に出る時間を確保するなど、孤立を防ぐ工夫を単価交渉と同じくらい大切にしてください。

適正な単価で働くことは、単にお金の問題ではなく、心身の健康を守りながら長く仕事を続けるための土台になります。

単価相場を調べる際の参考データ

自分が応募しようとしている案件の単価が適正かどうかを判断するために、周辺職種の相場データを参考にする方法もあります。ソフトウェア作成者の年収・単価相場では、機械学習開発に近いエンジニア職種の相場感を確認できます。また、データの整形やレポート作成といった周辺業務を兼ねる場合は、著述家，記者，編集者の年収・単価相場も参考になる場合があります。

案件を探す際は、AIコンサル・業務活用支援のお仕事やAI・マーケティング・セキュリティのお仕事のように、業務内容ごとに整理された求人ページを確認すると、前処理の担当範囲が明記されている案件を見つけやすくなります。技術実装により深く関わりたい場合は、アプリケーション開発のお仕事も選択肢に入ります。

前処理を軽視する発注者への向き合い方

案件によっては、発注者側が前処理の重要性を十分に理解しておらず、「データを渡すからすぐにモデルを作ってほしい」という無理のある依頼をしてくることがあります。こうした場面での向き合い方も整理しておきます。

まず大切なのは、感情的に反発するのではなく、前処理がなぜ必要なのかを分かりやすく説明することです。「このデータのままモデルを作ると、こういう理由で精度が出ません」と具体的に伝えることで、発注者の理解が深まり、適切な工数と単価での契約に見直してもらえる可能性が高まります。専門用語を使うより、「土台がしっかりしていないと、良い建物は建たない」といった身近な例えを使うと、発注者にとっても納得しやすくなります。

説明を尽くしても理解が得られない場合、その発注者との契約自体を見直す判断も必要になります。前処理の重要性を理解しない発注者との取引を続けると、今後も同様の無理な依頼が繰り返される可能性が高く、長期的には心身の負担が積み重なっていきます。すべての案件を無理に受ける必要はなく、自分の専門性を正しく評価してくれる発注者を選んでいく視点も、単価相場を守るうえで欠かせません。

こうしたやり取りを重ねるうちに、単価交渉そのものが「駆け引き」ではなく「お互いの理解をすり合わせるコミュニケーション」だと感じられるようになっていきます。相手を言い負かすのではなく、なぜその単価が必要なのかを丁寧に共有する姿勢が、結果的に長く続く信頼関係を築く土台になります。

20年の在宅ワーク市場を見てきた視点からの観察

フリーランス・在宅ワーク市場を長く見てきた立場から言えば、単価だけを見て案件を選ぶ方より、作業範囲を丁寧に確認したうえで契約する方のほうが、結果的に長く安定して仕事を続けられている印象があります。長く続く人ほど、単発の作業をこなすことよりも「この人になら次も安心して任せられる」という関係づくりに時間を使っています。

また、中間マージンが乗らない直接取引の仕組みは、同じ発注予算であっても受け手により多くの報酬が残るという、質的な違いを生みます。仲介手数料が引かれない分、前処理という手間のかかる工程にも正当な対価が支払われやすくなる。この構造は、地味だが専門性の高い前処理の価値を、より適切に評価する土壌にもつながっていると感じています。手数料0%という仕組みは、金額の大きさだけでなく、手取りの厚さという質の違いとして、受け手の生活に直接影響します。

前処理スキルを高めることが単価アップにつながる

最後に、前処理という工程そのものを自分の強みに変えていく視点についてお伝えします。前処理は地味な作業と思われがちですが、専門性が高く、正しく身につければ案件全体を任される立場に近づける工程でもあります。

欠損値の扱い方一つとっても、単純に削除するのか、平均値で補完するのか、それとも予測モデルを使って補完するのかによって、その後の分析結果が大きく変わります。こうした判断力を養うためには、実際のデータセットを使って試行錯誤を重ねる経験が何よりの学習になります。オンライン上に公開されている練習用データセットを使って、自分なりに前処理の手順を整理してみることから始めてみてください。

前処理を丁寧にこなせるという実績を積み重ねることで、次第に「前処理から任せられる人材」としての信頼が得られ、単価パターン2、パターン3の案件にステップアップしていく道が開けます。焦らず、一つひとつの案件で経験を積み重ねていくことが、結果的に単価アップへの最短ルートになります。

学習の進め方としては、公開されているオープンデータセットを使い、自分なりに欠損値の処理方法や外れ値の扱い方を変えながら、モデルの精度がどう変化するかを実験してみることをおすすめします。座学で理論を学ぶだけでなく、実際に手を動かして「このデータにはこの処理が効果的だった」という経験を積み重ねることで、前処理の判断力は着実に磨かれていきます。この積み重ねこそが、次の案件での単価交渉における何よりの説得材料になります。

スキルの棚卸しで自分の適正単価を知る

自分がどのパターンの案件に対応できるのか、定期的に棚卸しをしておくことも、単価交渉を有利に進めるうえで役立ちます。前処理の経験がどの程度あるか、どんな業界のデータを扱ってきたか、どんなツールやライブラリを使いこなせるかを書き出してみてください。

経験を書き出してみると、自分では当たり前だと思っていたスキルが、実は市場で評価される専門性だったと気づくことがあります。例えば、特定の業界（医療、金融、製造など)のデータを扱った経験は、その業界特有のドメイン知識として高く評価される場合があります。逆に、まだ経験の浅い工程については、無理に高単価を狙わず、実績を積むことを優先する判断も大切です。

定期的な棚卸しを習慣化することで、案件ごとの単価交渉に一貫した根拠を持てるようになり、感覚だけに頼らない、納得感のある単価設定ができるようになります。

長期的な視点で単価の推移を捉える

単価は一つの案件だけで決まるものではなく、キャリア全体を通じて緩やかに上昇していくものだと捉えることも大切です。最初は前処理済みデータを扱う案件からスタートし、経験を積むにつれて生データからの一貫作業、さらには上流のデータ設計まで担当できるようになれば、単価も段階的に上がっていきます。

焦って一気に高単価を狙うのではなく、今の自分のスキルレベルに見合った案件を確実にこなしながら、少しずつステップアップしていく姿勢が、結果的に無理のない形で単価を上げていく最も確実な方法です。目先の金額だけでなく、半年後、1年後にどんな案件を担当できるようになっていたいかという長期的な視点を持って、案件選びをしていただければと思います。

あなたのペースで大丈夫です。無理なく、着実に、経験を積み重ねていきましょう。