AI・機械学習モデル開発委託— 学習データと成果物

1. 学習データの提供と権利

1-1. データの出所と利用許諾

発注者提供データ、公開データセット、受託者収集データのどれを使うか、契約別紙に一覧化します。
第三者データの利用許諾、個人情報の匿名化要件も明記します。

1-2. ラベリング・前処理の分担

ラベル付けを発注者が行うか、受託者に委託するかで工数と納期が変わります。
ラベリング委託を含む場合、件数上限と品質基準を契約に書きます。

1-3. データの返却・削除

委託終了時の学習データ返却・削除、受託者環境への残存禁止を契約に含めます。
削除証明を検収条件の一部に含める設計もあります。

2. 成果物の範囲

2-1. モデルファイルと推論コード

学習済みモデル（pkl・ONNX等）、推論スクリプト、Dockerイメージのどれを納品物とするか契約に書きます。
再現に必要な学習コード・ハイパーパラメータ・乱数シードの提供要否も含めます。

2-2. 精度指標と検収

F1スコア・AUC等の目標値を契約に書く場合、評価データセットの分割方法（ holdout ）も明記します。
目標未達時の再学習回数上限、追加費用条件もセットで定義します。
検収基準の設計は検収基準の決め方も参照してください。

2-3. PoCと本番移行

PoC段階と本番API化は別契約に分け、PoCの検収完了日と本番移行の検収完了日を台帳で別管理します。
PoC成功を前提にした本番契約の起票条件も書面化します。

3. 知的財産・再委託

3-1. モデル・特徴量の帰属

学習済みモデル、特徴量エンジニアリング手法の著作権・利用権を契約で整理します。
オープンソースライブラリの利用条件も納品物説明に含めます。
IP関連は著作権・IP委託の取適法確認も参照してください。

3-2. クラウドGPU・外部API

学習にAWS SageMaker等や外部LLM APIを使う場合、データの送信先と再委託の可否を確認します。
クラウド利用はクラウドインフラ構築委託の機密条項と整合させます。

3-3. 再学習・モデル更新

納品後の再学習・ドリフト対応を保守委託に含めるか、都度発注かを契約で分離します。
含まない場合は別発注として台帳に記録します。

4. 書面・支払・60日ルール

4-1. 記載事項

報酬・納期・成果物・検収条件は記載事項のテンプレートに沿って発注書面に含めます。
適用判定は発注コンプライアンスのチェックリストで確認します。

4-2. 段階払いと受領日

データ準備完了・PoC完了・本番移行など、マイルストーンごとに検収・受領日を記録します。
60日起算は支払60日ルールの起算点から計算します。

4-3. 精度未達時の扱い

契約上の再学習回数を超えても目標未達の場合、追加発注か契約解除かを事前に書面で定めます。
精度未達を理由に報酬を一方的に減額することは、買いたたき禁止の観点で慎重に判断します。

4-4. 評価レポートの位置づけ

精度評価レポート（混同行列・誤分類サンプル一覧）を納品物に含めるか、モデルファイルのみかを契約で決めます。
レポート提出を検収条件に含めると、数値だけでなく分析プロセスの確認ができ、ブラックボックス納品を防げます。
PoC失敗時に「学習は完了したが精度未達」と整理する場合、失敗レポートの提出をもってPoC給付完了とする条項を事前に書いておきます。

5. 実務シナリオ

5-1. データ不足でPoC延期

発注者側のデータ提供が遅れ、PoC開始が1ヶ月ずれたとします。
遅延原因と合意した納期変更を記録に残し、一方的なキャンセル・減額を避けます。

5-2. 追加特徴量の依頼

学習途中で新特徴量の追加が依頼された場合、変更依頼書で工数・納期・報酬への影響を合意してから実施します。

5-3. SaaSへの組み込み

推論APIを自社SaaSに組み込む場合、アプリ開発委託とML委託の責任分界を契約別紙に書きます。
アプリ側の開発整理はSaaS開発委託の段階納品とタイムラインを揃えます。

5-4. 推論APIのSLA

本番推論APIのレスポンス時間・可用性をSLAに含める場合、構築検収と運用SLAは契約を分けます。
APIエンドポイント公開日を構築委託の受領日とし、SLA未達のペナルティは運用契約側で別管理します。
モデル更新（再学習デプロイ）の都度発注も、更新日ごとに受領日を記録し、バージョン番号を台帳に残します。

よくある質問

Q. 精度目標未達で検収拒否できますか

契約の評価方法・データセット・再学習回数に照らして判断します。
拒否理由は客観的指標に限定し、記録に残します。

Q. 学習データの著作権は誰にありますか

提供データの権利は発注者、生成物の権利は契約で定めます。
ラベルデータの権利も合意しておきます。

Q. 生成AIのファインチューニング委託は

ベースモデルの利用規約、学習データの送信先、成果モデルの商用利用可否を契約に書きます。
プロバイダ規約との整合を確認します。

Q. PoCのみで終了する場合

PoC契約の検収条件・納品物（レポート・モデルファイルの要否）を明記します。
PoC完了日を受領日として台帳に記録します。

Q. 海外チームへの再委託は

データの国外持ち出し、再委託の届出を契約・NDAで確認します。
発注者のセキュリティポリシーと矛盾しないか事前に確認します。

まとめ

• 学習データの出所・利用許諾・削除要件を契約別紙に固定する
• モデルファイル・精度指標・評価方法を成果物・検収条件に明記する
• PoCと本番移行を契約・台帳で分離する
• マイルストーンごとに受領日を記録し、60日起算を管理する

6. ML開発委託の発注前チェックリスト

• 学習データの提供主体・権利・削除要件を確認したか
• 納品物（モデル・コード・Docker等）を一覧化したか
• 精度指標・評価データ・再学習上限を契約に書いたか
• PoCと本番の契約分割・検収タイミングを決めたか
• 再委託・クラウドGPU・外部APIのデータ送信先を確認したか
• マイルストーンごとの受領日記録フローを整えたか

精度目標と検収条件が契約と一致しているか、UAT前に確認します。
データ提供遅延の記録が残っているか、納期変更合意と突合してください。
評価レポート版番号とモデルファイルのハッシュ値を台帳備考に残し、再デプロイ時の版混同を防ぎます。
PoC失敗時もレポート提出を給付完了とする条項がある場合、失敗レポート受領日を受領日として記録します。

注意

本記事は取適法・フリーランス新法に関する一般的な情報の整理であり、トリカク（torikaku） の機能説明を含みますが、法的助言ではありません。
個別の契約内容・データ保護・AI規制については専門家にご確認ください。