AIを入れた後の運用・保守｜精度の劣化・API料金の変更・モデル終了への備えと、保守契約で確認すること
「AIを組み込んだシステムが完成したが、導入後に何をすればよいのかわからない」「開発会社から、使っているAIモデルが終了すると連絡が来た」。AIを使ったシステムは、作って終わりではありません。通常の業務システムよりも、外部の変化の影響を受けやすいという特徴があります。
この記事では、AIを入れた後の運用・保守で起きやすい3つの変化（精度の劣化、API料金の変更、モデルの提供終了）と、それぞれへの備え方を整理します。あわせて、保守契約で決めておくこと、社内でできることと保守会社に任せたほうがよいことも説明します。
- AIを組み込んだシステムは、業務やデータの変化、外部のAIサービスの変更によって、何も触らなくても結果が変わることがあります。
- 主要なAI APIは、古いモデルを順次提供終了します。終了の告知から終了までの期間は提供元やモデルの種類で異なり、試験提供（プレビュー）のモデルは特に短い傾向があります。
- 備えの基本は、評価データで定期的に精度を測ること、利用量と費用を監視すること、モデルを切り替えやすい作りにしておくことの3つです。
- 保守契約では、通常の保守に加えて「精度の確認」「モデル変更への対応」をどこまで含むかを明記しておきます。
目次
AIシステムの運用・保守とは
AIシステムの運用・保守とは、AIを組み込んだシステムを、導入後も業務で使える状態に保つための継続的な作業です。サーバーの監視や障害対応、ソフトウェアの更新といった通常の運用・保守に加えて、AIの出力の正しさを確認し、外部のAIサービスの変更に対応する作業が含まれます。
通常の業務システムは、プログラムを変えなければ動きも変わりません。一方、生成AIを外部のAPI（他社のAIを呼び出す仕組み）で使うシステムでは、AIの部分は外部の会社が提供・管理しているため、提供元の更新や料金改定、モデルの提供終了の影響を直接受けます。また、社内の業務や書類の書式が変われば、同じAIでも結果が変わります。
導入後に起きる3つの変化
いずれも、システムのプログラムに不具合がなくても起きる変化です。そのため、「問題が起きたら直す」だけの保守では間に合わず、定期的に確認して先回りする運用が必要になります。以下、それぞれの備え方を説明します。
精度の劣化への備え
AIの精度は、導入時に確認した数字がずっと続くとは限りません。原因は大きく2つあります。
業務やデータが変わる
たとえば、注文書の読み取りAIなら、新しい取引先が増えて見たことのない書式の注文書が届く。社内文書の検索AI（RAG：社内文書を検索してAIに答えさせる仕組み）なら、規程が改定されたのに古い文書が残っていて、古い内容で答えてしまう。こうした変化は、システムの外で静かに起き、気づいたときには現場で「最近AIの間違いが多い」と言われている、ということになりがちです。
AIモデル側が変わる
提供元がモデルを更新したり、新しいモデルに切り替えたりすると、同じ指示（プロンプト：AIへの指示文）でも出力の傾向が変わることがあります。新しいモデルのほうが全体としては賢くても、自社の業務では特定の項目の読み取りが苦手になる、出力の形式が変わって後続の処理がうまく動かない、といったことは起こり得ます。
備え方
- 評価データを残しておく：導入時に精度を測った「問題と正解のセット」を保管し、定期的に同じデータで測り直します
- 定期的に精度を測る：月に1回、四半期に1回など、業務の重要度に合わせて頻度を決めます
- 現場の誤りの報告を集める：利用者が「AIの誤り」を報告できる仕組みを用意し、報告された例を評価データに加えます
- 人が修正した割合を見る：AIの出力を人が修正した件数の割合が増えていれば、劣化のサインです
- 参照する文書を管理する：RAGでは、古い版の文書を外し、最新の文書が反映されているかを確認します
関連記事RAGの精度が出ない原因と改善策｜社内文書AIのつまずきどころと「探す・答える」の切り分け方・評価方法
API料金の変更への備え
生成AIのAPIは、処理した文字量（トークンと呼ばれる単位）に応じて課金されるのが一般的で、入力と出力で単価が分かれています。料金に影響する要因は、単価の改定だけではありません。
API費用が変わる主な要因
| 要因 | 内容 |
|---|---|
| 単価の改定 | 提供元が料金を変更する。新しいモデルが安くなることも、高性能なモデルが高いこともある |
| 利用量の増加 | 利用者や処理件数が増える。試行のときの想定より大きくなりやすい |
| モデルの切り替え | 同じ文章でも、モデルによって数えられるトークンの量が変わることがある。Anthropicの公式ドキュメントでは、新しい世代のモデルで同じ文章のトークン数が増える旨が案内されている（2026年10月時点） |
| 指示文・参照文書の増加 | プロンプトの改善や、RAGで渡す文書が増えると、1回あたりの入力量が増える |
| 割引の仕組み | まとめて処理する方式（バッチ処理）や、繰り返し使う指示を再利用する仕組み（キャッシュ）で費用を抑えられる場合がある |
- 月ごとの利用額と1件あたりの費用を記録する：件数で割った1件あたりの費用を見ると、増えた理由が利用量なのか単価なのかがわかります
- 利用上限とアラートを設定する：多くのAPIは管理画面で利用額の上限や通知を設定できます。想定外の利用（設定ミスや不正利用）にすぐ気づけます
- モデルを切り替えるときは費用も試算する：精度だけでなく、評価データを流したときの費用も比べます
モデルの提供終了への備え
主要なAI APIの提供元は、新しいモデルを出すたびに、古いモデルを順次「非推奨（deprecated）」にし、一定期間の後に提供を終了します。終了後は、そのモデルを指定した呼び出しは失敗します。2026年10月時点で、各社の公式ドキュメントで公開されている方針の概要は次のとおりです。
主要なAI APIのモデル終了の方針（2026年10月時点の公式ドキュメントより）
| 提供元 | 告知と終了の方針（概要） |
|---|---|
| OpenAI（API） | 一般提供のモデルは終了まで最低6か月、特定用途向けの派生モデルは最低3か月の告知期間。名前に「preview」がつく試験提供のモデルは、2週間程度など大幅に短い。安全上の理由などで早まる場合がある。利用中の顧客にはメールで通知 |
| Anthropic（Claude API） | 一般公開したモデルは、終了の少なくとも60日前に、利用中の顧客へ通知。非推奨になったモデルは動作はするが推奨されず、終了日が設定される。終了後の呼び出しは失敗する |
| Google（Gemini API） | 非推奨の告知はリリースノートで行い、終了予定日は「最も早くて」の日付として一覧に掲載。正確な終了日は事前に通知するとしている |
実際に、2026年にも各社で複数のモデルやAPIの機能が終了しています。早ければ数か月、短いものでは数週間で切り替えが必要になることを前提に、運用を組み立てておく必要があります。
備え方
- 使っているモデルを一覧にするどのシステムの、どの機能が、どの提供元の、どのモデル名を使っているかを記録します。複数の部署が個別にAPIを契約していると、把握が漏れがちです
- 告知を受け取れるようにする提供元からの通知メールが、退職者や個人のアドレスに届いていないかを確認し、共有のアドレスで受け取ります。各社の非推奨の一覧も定期的に確認します
- 本番で試験提供のモデルを使わない業務の中心となる処理には、一般提供のモデルを使います。試験提供のモデルは告知期間が短いためです
- 切り替えやすい作りにするモデル名や指示文をプログラムに直接書き込まず、設定で変えられるようにしておくと、切り替えの作業が小さくなります
- 評価データで比較してから切り替える後継のモデルで精度・出力の形式・費用を確認し、問題がなければ切り替えます。終了日の直前ではなく、告知を受けたら早めに着手します
関連記事サポート終了（EOL）ソフトウェアを使い続けるリスクと対策｜PHP2Shellの事例・棚卸し・延命策・移行計画
保守契約で決めておくこと
AIを組み込んだシステムの保守を外部に委託する場合、通常の保守の項目だけでは、AI特有の作業が対象外になることがあります。契約前に、次の項目が含まれるかを確認します。
AIシステムの保守契約で確認する項目
| 項目 | 確認すること |
|---|---|
| 精度の定期確認 | 頻度、評価データの管理者、結果の報告方法 |
| モデル変更への対応 | 提供終了の告知を受けたときの切り替え作業が、保守の範囲か別見積もりか |
| プロンプト・設定の調整 | 精度が落ちたときの調整を、月に何時間まで保守の範囲で行うか |
| 費用の監視 | API利用額の監視と報告を誰が行うか。APIの契約名義は発注者か保守会社か |
| 障害時の対応 | 外部のAIサービスが止まったときの連絡と、代わりの運用への切り替え |
| 記録の保管 | AIへの入力・出力の記録の保管期間と、個人情報の扱い |
保守費の目安は、一般的な業務システムと同じく、年間で開発費の10〜15％程度が目安になります。これに加えて、APIの利用料は使った分だけかかる費目として、別に予算を取っておくのが一般的です。精度の改善やモデルの切り替えの作業量は、システムの作りや対象業務によって大きく変わるため、保守の範囲に含める作業時間の上限を決めておくと、追加費用の見通しが立てやすくなります。
関連記事システム保守費用の相場は開発費の何％？月額の目安と算出方法・見積もりの根拠、作業項目別の内訳と契約形態をわかりやすく解説
社内でできること、保守会社に任せたほうがよいこと
このケースでうまくいく条件は、モデルの一覧と告知の受け取り先を社内で管理し、切り替えを誰が行うかを契約で決めておくことです。つまずきやすい点は、作った人だけが仕組みを知っている「属人化」の状態です。仮に月300件の請求書を1件4分で手入力に戻すと、月20時間の作業が復旧まで発生する試算になります。
役割分担の目安
| 作業 | 社内でできること | 保守会社に任せたほうがよいこと |
|---|---|---|
| 精度の確認 | 現場の誤りの報告を集める、評価データの正解を更新する | 評価の実行、結果の分析、改善策の実施 |
| 費用の確認 | 請求額の確認、予算との比較 | 利用状況の分析、費用を抑える設定の変更 |
| モデルの管理 | 告知の受け取り先の管理、利用中のサービスの把握 | 後継モデルでの検証と切り替え |
| 文書・データの管理 | 参照する文書の更新、古い文書の削除 | 取り込みの仕組みの改修 |
関連記事AIの内製化はどこまでできるか｜5つの段階で見るノーコードAIの限界と、業者に頼む範囲・社内に残すこと
無料テンプレート集では、保守契約で確認すべき項目をまとめたチェックリストを配布しています。AIを組み込んだシステムでは、この記事で紹介した「精度の定期確認」「モデル変更への対応」の項目を追加して使ってください。
よくある質問
- AIモデルの提供が終了すると、システムはどうなりますか？
- 終了したモデルを指定した呼び出しは失敗するため、そのモデルを使っている機能はエラーになります。終了日までに後継のモデルへ切り替え、事前に精度や出力の形式を確認しておく必要があります。
- 新しいモデルに切り替えれば、精度は必ず上がりますか？
- 必ずではありません。全体としては性能が上がっていても、自社の業務の特定の項目では結果が変わることがあります。切り替え前に、導入時と同じ評価データで精度と出力の形式、費用を比べてから判断します。
- 精度の確認はどのくらいの頻度で行えばよいですか？
- 業務の重要度と変化の多さで決めます。月に1回、四半期に1回などの定期確認に加え、取引先や書式、規程が大きく変わったとき、モデルを切り替えるときには必ず確認するのがおすすめです。
- APIの契約は、自社の名義と保守会社の名義のどちらがよいですか？
- それぞれに利点があります。自社名義なら保守会社を変えても契約を引き継げ、利用額も直接把握できます。保守会社名義なら手続きが簡単ですが、契約終了時の引き継ぎ方法を決めておく必要があります。データの扱いの条件も含めて、契約前に確認しましょう。
まとめ
AIを組み込んだシステムは、業務やデータの変化、APIの料金やモデルの変更によって、システムを触らなくても結果や費用が変わります。評価データで定期的に精度を測り、利用量と費用を監視し、モデルを切り替えやすい作りにしておくことが、導入後も使い続けるための基本です。保守を委託する場合は、精度の確認とモデル変更への対応がどこまで含まれるかを、契約で明確にしておきましょう。
関連記事業務システムのサポート期限カレンダー｜OS・Office・DB・言語の終了日一覧【毎月更新】
参考：OpenAI「Deprecations」（OpenAI API Docs、2026年10月時点）、Anthropic「Model deprecations」（Claude Platform Docs、2026年10月時点）、Anthropic「Pricing」（Claude Platform Docs、2026年10月時点）、Google「Gemini API deprecations」（Google AI for Developers、2026年10月時点）。
この記事に関連するサービス
AI業務改善・AIシステム開発
生成AIなどのAIを、業務の流れや社内のシステムに組み込んで成果が出る形にします。業務の整理、試験導入（PoC）、AIを組み込んだシステムの開発、導入後の運用・改善まで一貫して対応… サービスの詳細を見る
