PoCとは
PoC(Proof of Concept)は、新規の技術や仕組みを本格的に開発する前に、自社の業務とデータで期待した機能を発揮できるかを小規模に確認する検証です。日本語では概念実証と訳します。構築するものは本番のシステムではなく、確認したい一点が分かる最小限の仕組みに限定します。新規の技術や製品を採用する前の検証に広範に利用します。
工場を想定すると新規の工作機械を導入する前の試し削りに相当します。自社の材料と図面で切削してみて、求める精度を達成できるかを確認します。量産ラインの設計や作業手順の整備はその後に行います。
なぜ必要か
AIやデータ活用の開発では、開発してみるまで結果の分からない部分が存在します。予測の精度は自社が保有するデータの量と質で左右され、契約の時点では約束できません。それでも通常のシステム開発と同じく全体の仕様を確定して一括で発注すると、期待した精度に達しないと分かるのは完成した後になります。そうなれば費用はまるごと無駄になります。
PoCはこの不確かさを本開発の前に小さな費用で確認します。経済産業省は、AIの開発を事前の見立て、PoC、開発、運用中の追加学習の4段階に区分しています[1]。段階ごとに次の段階へ移行するかを当事者で確認する進め方です。PoC段階の目的は、自社が保有するデータで利用者が要求する精度の予測の仕組みを構築できるかの確認です。

経済産業省は、PoCについて本開発とは別の導入検証契約を締結し、構築した仕組みや提供したデータを誰がどこまで利用できるかを段階ごとに定める形を示しています[1:1]。これを定めずに開始すると、本開発を別の会社へ依頼するときにPoCの成果を継承できないことがあります。段階ごとの目的、成果物、締結する契約は、経済産業省の概要資料の1枚に集約されています[2]。
プロトタイプ・MVPとの違い
PoCは、画面や操作を確認するための試作品であるプロトタイプや、MVP(Minimum Viable Product)とは確認する対象が異なります。
| 言葉 | 確認すること | 主な相手 |
|---|---|---|
| PoC | 技術的に実現できるか、目標とする精度や性能が得られるか | 開発チームと発注側の責任者 |
| プロトタイプ | 画面や操作の流れが利用できるか、要件に不足がないか | 利用者や業務担当者 |
| MVP | 実際の顧客が費用や時間を投入する価値があると判断するか | 市場の顧客 |
MVPは最小の労力で顧客について最大の学びを得られる最小限の製品を指します。PoCで技術的にできると分かっても、顧客に利用されるかはMVPで別に確認する必要があります。
効果
- 本開発の前に、技術的に実現できない案を少ない費用で除外できる
- 自社のデータで得られる精度や処理時間が分かり、本開発の見積もりと計画の精度が向上する
- データの欠損や形式のばらつきなど、本開発で問題になる点を早期に発見できる
- 結果を数値で提示できるため、社内で本開発の予算承認を得る材料になる
コストとリスク
- PoCの費用と期間は成功しても本開発の費用と期間とは別にかかる
- PoCの仕組みを本番用に再構築する費用が別にかかる
- 本番のデータ連携、運用の担い手、利用部門への展開の費用は、PoCの段階ではまだ判明しない
- 業務部門の担当者がデータの準備や評価に時間を要する。日経クロステックは、不慣れな作業が継続して業務部門が疲弊する状態をPoC疲れとして言及している[3]
- 自社のデータを開発会社や外部のサービスに提供する。個人情報を含むか、提供したデータが相手の学習に利用されないかを契約で確認しておく
- 検証の範囲を広げすぎるとPoCが実質的に本開発の前倒しになり、打ち切りの判断がしにくくなる
PoC止まりが発生する理由
PoCで良い結果が得られても本番導入に達しない状態を、PoC止まりと呼びます。調査会社IDCがLenovoと共同で行い2025年に公表した調査では、企業が開始したAIのPoCのうち本番に移行するのは33件に4件の割合でした[4]。理由として、投資対効果の不明確さ、AIに利用できる状態のデータの不足、社内の専門人材の不足が列挙されています[4:1]。

次のような状態のPoCは、技術の検証が成功しても本番導入に到達しにくくなります。
- 何が分かれば成功かを定めずに開始し、結果を確認してから評価の基準を定める
- 本番へ移行したときの予算と、本番の運用を担う部署が確定していない
- PoCの件数そのものが成果として評価され、本番化を決定する人がいない。本番化の段取りがないままPoCを反復すると、費用と業務部門の負担だけが積み上がり、新規の技術そのものへの不信が社内に残存する
- PoCで使用したデータが手作業で整備したもので、本番のデータでは同じ結果が得られない
- PoCの仕組みをそのまま本番に流用する。検証の迅速性を優先して障害時の動き、セキュリティ、利用者の増加への備えを省略しているため、後から改修する手間が技術的負債として積み上がる
精度が目標に未達だった場合
逆の読み違いもあります。期待した精度が得られなかったPoCでも、技術そのものは活用できる場合があります。原因がデータの量や整え方にある場合です。中止する前に、データを追加すれば目標の精度に到達する見込みがあるかを開発会社に確認します。
AI・データの利用に関する契約ガイドライン(経済産業省、2018年6月) ↩︎ ↩︎
AI・データの利用に関する契約ガイドラインの概要(経済産業省 情報経済課、2021年1月)。公正取引委員会 競争政策研究センターの会議資料。段階ごとの表はp.28 ↩︎
AIやIoT導入前に“PoC疲れ”、ICTに疎い現場に配慮を(日経クロステック、2019年3月) ↩︎
88% of AI pilots fail to reach production — but that’s not all on IT(CIO.com、2025年3月) ↩︎ ↩︎
同じ分野の用語
開発手法・プロセスの用語をすべて見るお問い合わせ・ご相談
システム開発、データ活用、プロダクトづくりのことならお気軽にご相談ください。要件が固まる前の整理や、お見積もりだけのご依頼も承ります。






