アノテーション会社の選び方 代行・外注の費用相場と比較ポイント、依頼の流れを解説

「AI開発を進めたいが、学習データを作るアノテーションに人手が割けない」「アノテーション会社が多すぎて、どこに依頼すればよいかわからない」と悩む担当者は少なくありません。アノテーションはAIの精度を左右する重要な工程ですが、作業量が膨大なうえ品質管理も必要なため、専門の会社に依頼する企業が増えています。

この記事では、アノテーション会社（代行・外注先）の種類、依頼するメリットとデメリット、費用相場、比較ポイント、依頼の流れまでを、公的機関のデータも交えて整理しました。まずは、この記事の要点を表で確認してください。

確認したいポイント	結論	詳細
アノテーションは会社に依頼すべき？	量が多く品質が必要なら外注が合理的	作業者教育・品質管理・進捗管理まで任せられ、エンジニアはモデル開発に集中できるため
アノテーション会社の費用相場は？	データ種類と難易度で大きく変わる	画像の矩形は1個数円〜数十円、音声書き起こしは1分数百円〜が目安。管理費や品質保証費が別途加わる
会社選びで比較するポイントは？	品質管理・セキュリティ・仕様設計力が要	対応データと業界実績、品質保証の方法、作業環境、ツールと納品形式、費用の内訳、トライアル可否を確認
失敗しないための依頼の進め方は？	仕様書を整え小ロットで試してから本発注	判断基準を実例付きで文書化し、トライアルで品質と対応を確認。AI開発全体を見据えて相談先を選ぶ

この記事でわかること

• アノテーションの役割と、会社に依頼する企業が増えている背景
• 国内専門会社・オフショア型・クラウドソーシング型など、依頼先の種類と特徴
• アノテーション代行の料金体系と、データ種類別の費用相場
• 品質管理・セキュリティ・仕様設計力など、会社を比較する7つのポイント
• 依頼から納品までの流れと、失敗しないための注意点

アノテーションとは何か、なぜ会社に依頼するのか

アノテーションとは、画像・テキスト・音声などの生データに対して、AIが学習できるように「これは何か」を示すタグや情報を付与する作業のことです。ここでは、アノテーションがAI開発でどのような役割を担うのか、主な種類、そして専門の会社に依頼する企業が増えている背景を整理します。

アノテーションはAIの精度を左右する工程

AI、特に機械学習モデルは、正解のラベルが付いた「教師データ」をもとにパターンを学習します。たとえば画像から不良品を検出するAIを作る場合、大量の画像に対して「どこに」「どのような」不良があるかを人が印付けし、そのデータをAIに学習させる必要があります。

このとき、ラベルの付け方にばらつきや誤りがあると、AIは誤ったパターンを学習してしまい、どれだけ高度なアルゴリズムを使っても精度は上がりません。アノテーションの品質がそのままAIの精度に直結するため、AI開発において軽視できない工程といえます。

アノテーションの主な種類

アノテーションは、扱うデータの種類によって作業内容が大きく異なります。代表的なものは次のとおりです。

• 画像・動画：物体を矩形で囲むバウンディングボックス、輪郭をなぞるポリゴン、画素単位で塗り分けるセグメンテーション、関節や特徴点を打つキーポイント
• テキスト：文章の分類、人名や地名などを抽出する固有表現抽出、感情や意図のラベル付け、文書間の関係付け
• 音声：発話内容の書き起こし、話者の識別、感情や雑音のラベル付け
• 3D点群：LiDARなどで取得した点群データへの物体ラベル付け（自動運転やロボティクス向け）
• 生成AI向け：モデルの回答に対する評価や順位付け、指示文と模範回答のペア作成

近年は生成AIの普及により、モデルの出力を人が評価し、フィードバックするタイプのアノテーションの需要も増えています。自社が必要とするデータの種類によって、依頼すべき会社が変わることを押さえておきましょう。

企業のAI活用が広がり、学習データの需要が増えている

総務省の令和7年版情報通信白書によると、日本企業で生成AIを業務に利用している割合は55.2％にのぼり、活用方針を定めている企業も約半数に達しています。AIが一部の先進企業だけの取り組みではなくなるなかで、自社の業務や製品に合わせたAIを開発するために、独自の学習データを整備する必要性が高まっています。

（出典：総務省「令和7年版情報通信白書」企業におけるAI利用の現状 https://www.soumu.go.jp/johotsusintokei/whitepaper/ja/r07/html/nd112220.html）

汎用的なAIモデルをそのまま使うだけでは、自社特有の判定基準や専門用語に対応できないケースが多くあります。自社の課題に合ったAIを作るには、自社のデータに対する質の高いアノテーションが欠かせないため、この工程を専門会社に委託する動きが広がっています。

内製と外注の違い

アノテーションを自社で行う場合、作業者の確保と教育、作業手順書の整備、品質チェック、進捗管理といった業務がすべて社内に発生します。数百件程度の小規模なデータであれば内製で対応できることもありますが、数万件規模になると、エンジニアやデータサイエンティストが本来の開発業務に集中できなくなります。

一方、アノテーション会社に依頼すれば、作業者の教育や品質管理までを一括で任せられ、社内に残る作業は「仕様を決めること」と「納品物を確認すること」に近づきます。データの量・難易度・納期・機密性を踏まえて、内製と外注を使い分けることが現実的な進め方です。

アノテーション会社（依頼先）の種類と特徴

アノテーションを依頼できる会社は、作業を担う人材の所在や提供形態によって、いくつかのタイプに分かれます。それぞれ費用・品質・セキュリティの特性が異なるため、自社のプロジェクトに合ったタイプを見極めることが会社選びの出発点になります。

国内専門会社（オンサイト・セキュリティ重視型）

国内に作業拠点を持ち、専属の作業者がアノテーションを行うタイプです。日本語のニュアンスを扱うテキストデータや、業界固有の判定基準が必要な案件、個人情報や機密データを含む案件に強みがあります。

入退室管理された作業室や端末制御など、物理的なセキュリティ環境を整えている会社が多く、機密性が高いデータや、判断に専門知識が必要なデータに向いています。その分、単価は他のタイプより高くなる傾向があります。

オフショア型（海外拠点活用型）

ベトナムやフィリピンなど海外の拠点で作業を行い、日本人のプロジェクトマネージャーが管理するタイプです。人件費の差を生かして単価を抑えられるため、画像のバウンディングボックスなど、言語に依存しない大量の作業に向いています。

一方で、日本語テキストの細かなニュアンスや、日本国内の慣習に基づく判断が必要な作業には注意が必要です。言語の壁がなく、判定基準が明確な大量データを安価に処理したい場合に力を発揮するタイプといえます。

クラウドソーシング型

不特定多数の作業者にインターネット経由で作業を割り振るタイプです。作業者の数を柔軟に増やせるため、短期間で大量のデータを処理したいときや、費用を最小限に抑えたいときに選ばれます。

ただし、作業者のスキルにばらつきがあり、品質管理は依頼側の負担になりやすい点がデメリットです。判断基準が単純で、誤りがあっても後工程で吸収できる作業に限定して使うのが安全です。機密データの取り扱いにも注意が必要です。

ツール・プラットフォーム提供型

アノテーション作業を効率化するツールを提供し、作業自体は依頼側が行う、または作業者の手配とツールをセットで提供するタイプです。AIによる自動ラベル付け（プレアノテーション）機能を備えたツールも増えており、作業時間を大幅に短縮できる場合があります。

内製を前提としつつ効率を高めたい企業や、継続的にアノテーションを行う企業に向いています。ツールの使いやすさと、自社のデータ形式やモデル開発環境との連携を確認して選びましょう。

AI開発会社が一体で請け負う型

AIモデルの開発を行う会社が、その前工程としてアノテーションも一括で請け負うタイプです。データの設計からモデル開発、精度検証、運用までを同じ会社が担うため、「どのようなデータをどれだけ用意すればモデルの精度が上がるか」という観点から仕様を決められます。

アノテーションだけを切り出して依頼する場合と比べ、AI開発全体を見据えたデータ設計ができる点が大きな特徴です。これからAI開発を始める企業や、社内にAIエンジニアがいない企業にとっては、相談から一貫して任せられる依頼先として選択肢になります。

【無料資料のご案内】 アノテーションからAIモデル開発・運用までを一貫して支援するサービスの内容や、依頼できる範囲をまとめた資料を無料でご用意しています。まずは概要を確認したい方は、以下から資料をご請求ください。 ▶ 資料請求はこちら（https://nextscale.co.jp/service-document/）

アノテーションを会社に依頼するメリットとデメリット

アノテーションの外注には多くのメリットがある一方で、事前に把握しておくべき注意点もあります。ここでは依頼を検討する際に判断材料となる、代表的なメリットとデメリットを整理します。

メリット1：品質管理の体制をそのまま活用できる

専門会社は、作業者の教育、複数人によるチェック、作業者間の一致率の測定など、品質を安定させるための仕組みをすでに持っています。自社でゼロから品質管理の体制を作る場合と比べ、立ち上げにかかる時間と手間を大きく減らせます。

また、経験豊富な会社であれば、仕様書の曖昧な箇所を事前に指摘してくれることもあります。作業を始める前に判断基準を整理できることは、後の手戻りを防ぐうえで大きなメリットです。

メリット2：大量のデータを短期間で処理できる

アノテーション会社は、案件の規模に応じて作業者を柔軟に増減できます。数万件のデータを数週間で処理するといった、社内では対応が難しい規模とスピードの要求にも応えられます。

AI開発では、データが揃わないことがプロジェクト全体の遅延につながることが少なくありません。学習データを計画どおりに確保できることは、開発スケジュールを守るうえで重要な価値になります。

メリット3：エンジニアが本来の開発業務に集中できる

アノテーションを内製すると、データサイエンティストやAIエンジニアが作業の管理や検品に時間を取られがちです。外注によってこれらの負担を減らせば、限られた専門人材をモデルの設計や精度改善に振り向けられます。

特に中小企業やAI部門の立ち上げ期では、専門人材の数が限られています。人件費の高い専門人材の時間を、付加価値の高い業務に使えることは、費用面でも合理的な判断になります。

デメリット1：費用が発生し、仕様の伝達に手間がかかる

当然ながら外注には費用がかかり、データ量が多いほど総額は大きくなります。また、自社が求める判定基準を正確に伝えるための仕様書やサンプルの準備は、依頼側の作業として残ります。

仕様の伝達が不十分だと、意図と異なるデータが納品され、修正に追加の費用と時間がかかります。仕様書の作成と、最初のすり合わせに時間をかけることが、結果的に総費用を抑えることにつながります。

デメリット2：機密情報や個人情報の取り扱いに注意が必要

アノテーション対象のデータには、顧客情報や社内の機密情報が含まれることがあります。外部に渡す以上、情報漏えいのリスクはゼロにはならず、会社のセキュリティ体制を十分に確認しなければなりません。

必要に応じてデータを匿名化・マスキングしてから渡す、秘密保持契約を締結する、作業環境を限定するといった対策が求められます。データの機密性に応じて、依頼先のタイプと契約条件を選ぶことが重要です。

アノテーション代行の費用相場

アノテーションの費用は、データの種類・難易度・量・納期・求める品質水準によって大きく変わります。ここでは料金体系の種類、データ種類別の単価の目安、費用を左右する要因、費用を抑える方法を解説します。なお、金額は一般的な目安であり、会社や案件によって変動します。

主な料金体系

アノテーション代行の料金体系は、大きく次の3つに分かれます。

• 件数単価型：画像1枚、ラベル1個、テキスト1件など、作業単位ごとに単価を設定する方式。作業内容が明確な案件に多い
• 時間単価型：作業者1人あたりの時間単価で計算する方式。判断に時間がかかる案件や、仕様が変動しやすい案件に多い
• プロジェクト一括型：仕様設計から納品までを一式で見積もる方式。管理費や品質保証費が含まれることが多い

同じ案件でも、どの料金体系で見積もるかによって総額の見え方が変わります。単価だけでなく、管理費・品質保証費・ツール利用費などの内訳を含めた総額で比較することが大切です。

データ種類別の単価の目安

データの種類ごとの単価の目安は次のとおりです。難易度や品質要件によって上下するため、幅を持って捉えてください。

• 画像のバウンディングボックス：1個あたり数円〜数十円程度
• 画像のポリゴン・セグメンテーション：1枚あたり数十円〜数百円程度（対象物の数や細かさで変動）
• テキストの分類・ラベル付け：1件あたり数円〜数十円程度
• 固有表現抽出や関係付けなど高度なテキスト処理：1件あたり数十円〜数百円程度
• 音声の書き起こし：音声1分あたり数百円〜1,000円程度
• 3D点群：1フレームあたり数百円〜数千円程度

たとえば、1枚あたり平均5個の物体にバウンディングボックスを付ける画像1万枚の案件であれば、単価10円と仮定すると作業費は約50万円になり、これに管理費や品質保証費が加わります。必要なデータ量と単価から概算し、複数社の見積もりと比較すると相場感をつかみやすくなります。

費用を左右する要因

同じデータ種類でも、次のような要因で費用は大きく変わります。

• 難易度：対象物が小さい、境界が曖昧、専門知識が必要な判断を含む場合は高くなる
• データ量：量が多いほど単価は下がる傾向があるが、総額は増える
• 納期：短納期の場合は作業者の増員が必要になり、割増になることがある
• 品質保証の水準：ダブルチェックやトリプルチェックなど、検品回数が増えるほど費用は上がる
• 作業拠点：国内オンサイト作業はオフショアより単価が高い
• 仕様の明確さ：仕様が曖昧で作業中に判断が頻繁に発生する案件は、時間単価型で費用が膨らみやすい

品質要件と納期を明確にしたうえで見積もりを依頼することで、各社の提示額を同じ条件で比較できるようになります。

費用を抑える方法

費用を抑えるには、まず仕様書とサンプルを事前に整えて、作業中の判断や手戻りを減らすことが基本です。加えて、AIによる自動ラベル付けを活用して人の作業を修正中心にする、データを難易度別に分けて単純な作業はオフショアや自動化に回すといった方法があります。

また、最初から全量を依頼するのではなく、小ロットで試して仕様の精度を上げてから本発注する進め方も有効です。すべてを高単価の作業で賄うのではなく、データの性質に応じて作業方法を組み合わせることが、品質を保ちながら総額を抑える考え方です。

アノテーションを含むAIシステム全体の開発費用や、開発会社の選び方については、AI受託開発の費用相場と開発会社の選び方の記事で詳しく解説しています。

【無料相談のご案内】 「自社のデータでどれくらいの費用がかかるのか」「どの依頼先のタイプが合うのか」といった具体的なご相談は、無料の相談予約からお気軽にお問い合わせください。 ▶ 相談予約はこちら（https://nextscale.co.jp/consultation/）

アノテーション会社の選び方・比較ポイント

アノテーション会社を比較する際は、単価の安さだけで判断すると、品質の低いデータが納品されてAIの精度が出ない、修正で結局高くつく、といった事態になりかねません。ここでは、会社選びで確認しておきたい7つのポイントを解説します。

対応できるデータの種類と業界実績

会社によって得意なデータの種類は異なります。画像は得意でも3D点群には対応していない、テキストは対応できても日本語ネイティブによる評価はできない、といった違いが実際にあります。まずは自社のデータがどの種類に当たるかを確認し、対応実績のある会社に絞りましょう。

あわせて、医療・製造・自動運転・小売など、自社の業界での実績があるかも重要です。業界特有の用語や判定基準を理解している会社であれば、仕様のすり合わせが早く進み、品質も安定しやすくなります。

品質管理の体制

品質管理の方法は会社によって差があります。作業者の教育プログラム、複数人によるチェック体制、作業者間の一致率の測定、納品前の検品プロセスなどを具体的に確認しましょう。

また、品質の基準を数値で示せるかも確認ポイントです。「正解率○％以上を保証する」「一致率が基準を下回った場合は再作業する」といった取り決めができる会社は、品質に対する責任が明確です。品質をどのように測り、どう担保するのかを説明できるかが見極めの基準になります。

セキュリティと情報管理

機密データを扱う場合は、ISMS（ISO27001）やプライバシーマークなどの認証の有無に加えて、実際の作業環境まで確認が必要です。作業室への入退室管理、端末の持ち出し制限、外部記憶媒体の使用禁止、データの暗号化といった運用面の対策を具体的に聞いておきましょう。

オフショアやクラウドソーシングを活用する会社では、海外や個人の作業者にデータが渡ることになります。データの機密性に応じて、どこで誰が作業するのかを明確にできる会社を選ぶことが、情報漏えいリスクを抑えるうえで欠かせません。

仕様設計を支援してくれるか

アノテーションの品質は、作業そのものより仕様書の出来で決まることが多くあります。「この場合は対象に含めるのか」「隠れている部分はどう扱うのか」といった判断基準を、依頼前にどれだけ詰められるかが重要です。

経験豊富な会社は、過去の案件をもとに仕様の抜けを指摘し、判断基準の整理を手伝ってくれます。作業を受けるだけでなく、仕様の設計段階から関わってくれる会社であれば、手戻りが減り、結果的に費用と期間を抑えられます。

使用ツールと納品形式

アノテーションに使うツールと、納品されるデータの形式を確認しておきましょう。自社のモデル開発環境で扱いやすい形式で納品されなければ、変換の手間が発生します。

また、AIによる自動ラベル付け機能を備えたツールを使っている会社であれば、作業効率が高く、費用や納期の面で有利になることがあります。納品データをそのまま学習に使えるかという視点で、形式と品質を事前に確認しておくと安心です。

費用の内訳が明確か

見積もりを比較する際は、作業単価、プロジェクト管理費、品質保証費、ツール利用費などの内訳を確認します。総額が安く見えても、追加作業や修正の費用が別途かかる場合もあります。

仕様変更が発生した場合の料金の扱いや、修正対応の範囲についても事前に取り決めておきましょう。何にいくらかかるのかを説明できる会社は、進行中のトラブルも少ない傾向があります。

小ロットやトライアルに対応できるか

本発注の前に、数百件程度の小ロットで試作を依頼できるかを確認しましょう。実際の納品物を見ることで、品質・コミュニケーションのしやすさ・納期の正確さを事前に判断できます。

トライアルの段階で仕様の曖昧な箇所が明らかになることも多く、本発注時の品質向上につながります。小さく試してから本格的に依頼できる会社を選ぶことが、失敗のリスクを下げる現実的な方法です。

アノテーション会社への依頼の流れ

アノテーションの依頼は、会社を選んで発注すれば終わりではありません。目的の整理から納品後の活用までを一連の流れとして捉えることで、データの品質とAI開発全体の進行が大きく変わります。ここでは、一般的な5つのステップを紹介します。

ステップ1：目的とデータの要件を整理する

まず、どのようなAIを作るのか、そのためにどのようなデータがどれくらい必要なのかを整理します。AIに判定させたい対象、必要な精度、学習に使うデータの量、納期といった要件を明確にしておくと、会社への相談がスムーズになります。

この段階でAI開発の全体像が固まっていない場合は、アノテーションだけでなくモデル開発まで相談できる会社に声をかけるのも一つの方法です。「何のためのデータか」を先に決めることが、無駄のない依頼の出発点です。

ステップ2：会社に相談し、仕様をすり合わせる

候補の会社に要件を伝え、サンプルデータをもとに仕様を具体化していきます。判定基準、ラベルの定義、対象外とするケース、納品形式などを、作業手順書（アノテーションガイドライン）として文書にまとめます。

ここで曖昧な部分を残すと、作業中の判断のばらつきにつながります。迷いやすいケースの実例を集め、判断基準を文書と画像・サンプルで示すことが、品質を安定させる最も効果的な対策です。

ステップ3：トライアルで品質を確認する

本発注の前に、小ロットで試作を依頼します。納品されたデータを確認し、判定基準の解釈にずれがないか、品質は要求水準を満たしているかを検証します。必要に応じて仕様書を修正し、再度すり合わせを行います。

トライアルは、会社の対応スピードや質問への回答の的確さを見る機会でもあります。データの品質と、やり取りのしやすさの両方を確認したうえで、本発注に進みましょう。

ステップ4：本作業と検収

本作業では、進捗の共有方法と、途中で仕様の疑問が出た場合の連絡方法を決めておきます。作業の初期段階で一部を先行納品してもらい、品質を確認してから残りを進める方法も有効です。

納品後は、サンプリングによる検品や、実際にモデルを学習させた結果で品質を確認します。検収の基準を事前に合意しておくことで、納品後の認識のずれを防げます。

ステップ5：モデル学習と追加データの検討

納品されたデータでAIを学習させ、精度を評価します。精度が不足している場合は、どのようなデータが不足しているのかを分析し、追加のアノテーションを検討します。

AI開発は一度で完成するものではなく、データを追加しながら精度を高めていくことが一般的です。継続的に依頼できる関係を築ける会社を選んでおくと、2回目以降の依頼が効率的に進みます。

アノテーションの依頼で失敗しないための注意点

アノテーションの外注で起こりやすい失敗は、会社の技術力よりも、依頼側の準備や会社の選び方に原因があることがほとんどです。ここでは、依頼前に押さえておきたい4つの注意点を解説します。

仕様書を曖昧なままにしない

最も多い失敗は、判定基準の曖昧さによる品質のばらつきです。「大きい」「明らかな」といった主観的な表現は、作業者によって解釈が変わります。数値や具体例で判断基準を示し、迷いやすいケースは実例を添えて説明しましょう。

仕様書は作業開始後も更新するものと考え、作業中に出た質問と回答を追記していく運用が有効です。仕様書を育てる意識を持つことで、作業が進むほど品質が安定していきます。

単価の安さだけで選ばない

単価が安い会社を選んだ結果、品質の低いデータが納品され、社内での修正やAIの精度不足で結局高くついた、というケースは珍しくありません。AIの精度はデータの品質に直結するため、品質管理体制を確認せずに単価だけで判断するのは危険です。

「単価×件数」ではなく、「使えるデータを必要な品質で揃えるための総費用」で考えることが、失敗を避ける基本です。難易度の低い作業は安価な方法を使い、重要なデータは品質重視の会社に依頼する、といった使い分けも検討しましょう。

機密データの取り扱いを事前に決める

顧客情報や社内の機密情報を含むデータを扱う場合は、秘密保持契約の締結、データの匿名化、作業環境の限定など、情報管理の条件を契約前に決めておきます。データを渡した後に条件を変えることは難しいため、事前の確認が重要です。

特にクラウドソーシングや海外拠点を使う会社に依頼する場合は、どこで誰がデータを扱うのかを明確にし、自社の情報管理規程に照らして問題がないかを必ず確認しましょう。

AI開発全体を見据えて依頼する

アノテーションは、それ自体が目的ではなく、精度の高いAIを作るための手段です。どのようなデータをどれだけ用意すれば目標の精度に到達できるかは、モデルの設計と切り離して考えられません。

アノテーションだけを切り出して依頼すると、モデル開発の段階で「必要なデータが足りない」「ラベルの粒度が合わない」といった問題が起こることがあります。データ設計からモデル開発、運用までを見通せる相談先を持っておくことが、AI開発を効率よく進めるための近道です。

AI開発や生成AIの活用に関する進め方については、NextScaleのコラム一覧でも関連記事を公開しています。

【無料相談のご案内】 アノテーションの依頼から、AIモデルの開発・運用までを一貫して相談したい方は、以下から無料の相談予約をご利用ください。自社の課題と保有データに合わせた進め方をご提案します。 ▶ 相談予約はこちら（https://nextscale.co.jp/consultation/）

まとめ

アノテーションは、AIの精度を左右する重要な工程であり、データの量や難易度によっては専門会社に依頼する方が品質・スピード・コストの面で合理的です。依頼先には国内専門会社、オフショア型、クラウドソーシング型、ツール提供型、AI開発会社一体型といったタイプがあり、データの機密性や難易度によって適した会社は変わります。

費用はデータの種類・難易度・量・納期・品質要件によって大きく変動するため、単価だけでなく内訳を含めた総額で比較することが大切です。対応データと業界実績、品質管理体制、セキュリティ、仕様設計の支援力、ツールと納品形式、費用の透明性、トライアルの可否の7つの視点で会社を見極めましょう。

そして、仕様書を丁寧に作り、小ロットで試してから本発注する進め方が、失敗を避ける基本です。アノテーションだけでなくAI開発全体を見据えて相談先を選び、自社の課題解決につながるAIづくりを進めてください。