オフショアAI開発の人月単価｜国別相場と発注の注意点

オフショアAI開発の見積もりは、国名だけで見ても答えが出ません。
プログラマーの人月単価は6カ国平均で約34万円、最安のミャンマー約27.5万円から中国約58.3万円まで2倍以上の開きがあり、2026年はインドが-29.6%、フィリピンが-13.5%、ベトナムが+1.8%と動きも分かれています。
国内でAIエンジニアを採用すれば年収800万円以上が相場になりやすく、チームを組むだけでも負担は重いからこそ、額面単価と実質総額を切り分けて考える必要があります。

年間200名規模のエンジニアマッチングに携わる中で、見積書の人月単価だけで発注先を決め、後から隠れコストと手戻りで国内発注と変わらない総額になったケースを何度も見てきました。
管理工数や出張、コミュニケーション、修正対応が重なると20〜40%の上乗せが起き、削減効果は20〜30%程度まで目減りしますし、円安が進めば損益分岐点も動きます。

この記事では、どの国がいくらかだけでなく、PG・SE・BrSE・PMの単価マトリクス、AI案件に乗る上乗せ分、隠れコストと為替を含めた実質コスト、ラボ型と受託型の契約構造まで一気通貫で整理します。
要件定義の精度、ブリッジSE、QC/QA、進捗管理が崩れれば安さはすぐ崩れますし、ラボ型での指揮命令は偽装請負リスクにもつながるので、安物買いの銭失いを避ける視点で読み進めてください。

発注の失敗は単価ではなく体制で起きるので、表面の安さより、誰が要件を詰め、誰がレビューし、誰が進捗を握るかを先に確認しましょう。
そこまで見れば、オフショアはおすすめできますし、比較の仕方そのものが変わります。
数字だけに飛びつかず、実質コストで判断してみてください。

オフショアAI開発の人月単価相場と全体像

オフショアAI開発の人月単価は、国の安さだけでは決まりません。
実際には職種の重さ、案件の難度、そしてブリッジSEとPMにどれだけ工数が乗るかで総額が動きます。
最初に目的別の当たりを押さえておくと、見積もりの見誤りをかなり減らせます。

目的別おすすめ国の早見表

コスト最優先なら、フィリピン・タイ・インドネシアが候補になります。
日本語コミュニケーションを重視するならベトナムが扱いやすく、大規模・高難度の案件ならインドと中国が軸になります。
AI特化は「通常開発＋上乗せ」が前提で、技術実績のある国を選ぶ考え方が合っています。

人材マッチングの実務では、発注前にプログラマー単価だけを並べる担当者が少なくありません。
けれども、実際の総額を押し上げるのは、要件の翻訳、進捗管理、コードレビュー、品質確認を担うブリッジSEとPMです。
国の安さだけを見て発注すると、後から体制コストで差し戻されやすくなります。

国別×職種別の人月単価マトリクス

6カ国のプログラマー平均は約34万円です。
最安はミャンマーの約27.5万円、最高は中国の約58.3万円で、2倍以上の開きがあります。
ここから見えてくるのは、国名だけで単価を決める見方がずれていることです。
実務では、職種が上がるほど国差より役割差のほうが効きやすく、PMやブリッジSEの比率が高いほど見積もりは一段上がります。

実務の現場でも、最初はプログラマー単価だけを比較していた案件が、要件詰めの段階でブリッジSEとPMの工数が膨らみ、総額が逆転することがあります。
安いメンバーを集めるより、要件定義をきちんと回せる体制のほうが、結果的に手戻りを抑えやすいからです。
発注側は「誰が何を担うか」を先に固めてみてください。

AI・機械学習案件は通常開発に上乗せされる

AI・機械学習案件は、業務システムの通常開発と同じ単価では組めません。
AI人材は世界的に不足しており、優秀層は現地企業に吸収されやすく、採用市場そのものが争奪戦になっています。
そのため、シニア級で約45万円前後が目安になり、高度スキル案件ではさらに加算されます。

現場では「普通の開発と同じ単価でできると思っていた」と驚かれる相談が頻繁にあります。
けれども、AIは要件が固まりにくく、試作と検証を何度も回す前提になりやすいので、通常開発より設計負荷が高くなります。
ラボ型で専属チームを組み、アジャイルで進めるほうが噛み合いやすいでしょう。
額面の人月単価だけでなく、後段で扱う隠れコストと為替を乗せた実質コストで再評価してみてください。

国別の単価レンジと特徴を比較する

国別の単価は、安さだけで比べると判断を誤りやすいです。
2026年は円安や現地通貨安で見え方が動き、同じ国でも役割次第で実質コストが大きく変わります。
ここでは各国を「単価レンジ→強み→弱み→向いている案件」の同じ物差しで並べ、額面と体制コストを分けて見ます。

ベトナム：日本語コミュニケーションと安定性

ベトナムは月額25〜40万円帯で、プログラマー約42万円という目安があり、日本語対応エンジニアの層が厚い点が強みです。
前年比+1.8%と急騰しにくく、単価の読みやすさもあります。
弱みは円安局面で削減効果が縮みやすいことで、現地任せにすると管理工数や手戻りが増えやすい構図です。
日本語ブリッジSEを厚く置いた案件では会話のロスが減り、同じ『ベトナム発注』でも総コストが変わります。
中規模の継続開発や、要件の揺れを吸収しながら回す案件に向いています。

中国・インド：技術力と大規模対応

中国は月額35〜55万円で、技術力が高く大規模対応に強い国です。
中国のプログラマー約58.3万円、ブリッジSE約68万円、PM約84万円という水準を見ると、役割が上がるほど単価も上がりますが、そのぶん一気に作り切る力があります。
インドは月額30〜60万円で大規模・高難度に強く、ブリッジSE約71万円のように上位職の単価は高めです。
ただし2026年は前年比-29.6%で、ルピー安とAI案件増が従来型開発単価に下方圧力をかけています。
英語ベースで要件を詰められる体制なら、難度の高い案件や短期集中の立ち上げにおすすめです。
人月単価は高く見えても、総額では割安になるケースがあります。

フィリピン・タイ・インドネシア・ミャンマー：低単価帯の選択肢

フィリピンは月額21〜30万円で前年比-13.5%、タイは27〜37万円、インドネシアは24〜32万円、ミャンマーは約27.5万円と、低単価帯の選択肢が並びます。
最安はミャンマーの約27.5万円、主要6カ国平均は約34万円で、国による差はすでに大きいです。
ただし低単価ほど、技術層の厚さ、日本語対応、品質ばらつきへの注意が要ります。
管理工数・コミュニケーション・出張・手戻りの隠れコストが額面に20〜40%上乗せされる前提で見ると、安さだけでは判断できません。
小さく試すなら選びやすく、ただし長期の基盤開発では体制づくりを先に詰めるべきでしょう。
前年の相場表をそのまま当てるのではなく、2026年の為替と役割単価で見直してみてください。

表示単価に隠れた『実質コスト』を見抜く

見積書に書かれた人月単価は、あくまで入口の数字です。
実際の支出はそれだけで終わらず、発注側の管理工数、要件すり合わせや翻訳にかかるコミュニケーションコスト、現地出張、仕様乖離による再開発、品質手戻りが重なります。
現場で「人月単価が半額だから、総額も半額になる」と期待した案件ほど、削減効果が想定の半分以下に落ちる場面を何度も見てきました。

額面単価に乗ってこない隠れコストの正体

見積書の額面は低く見えても、案件を前に進めるには別のコストが必ず発生します。
たとえば、仕様の前提をそろえるための会議や資料整備、言葉のズレを埋める調整、レビューの往復、品質確認の再実施です。
オフショアでは時差や文化差も加わるため、単価差で見えた利益が、管理工数と手戻りで削られていきます。
隠れコストを合算すると、額面に20〜40%の上乗せが発生しうるため、実質的なコスト削減効果は20〜30%程度に収まることが多い、という見方のほうが現実的です。

円安と人件費上昇で縮む損益分岐点

為替は、この実質コストを直接押し上げます。
1ドル145円程度なら、10人月規模でもオフショアが有利になりやすいですが、1ドル175円まで円安が進むと、20人月未満ではメリットがほぼ消えます。
進行中の長期案件で為替が急変すると、契約当初は成立していたはずの採算が、月を追うごとに上振れしていくため、発注計画の見直しを迫られることになります。
つまり、単価表だけではなく、案件規模と為替の掛け算で損益分岐点を見なければなりません。

国内開発との比較で『出すべきか』を判断する

国内でAIエンジニアを採用する場合、年収800万円以上が相場になりやすく、そこに採用活動やチーム構築のコストが乗ります。
したがって、国内採用 vs オフショアは、額面の月額単価ではなく、実質総額で並べて比較する必要があります。
判断軸は、案件規模、為替、自社の管理体制の3変数です。
管理体制が弱いなら隠れコストは膨らみやすく、規模が小さい案件ほど円安の影響も受けやすいので、次に見る契約形態の設計が採算を左右することになります。

契約形態の選び方：ラボ型と受託型

契約形態の選び方は、単に費用の安さを比べる話ではありません。
受託型は成果物の完成責任を買う契約で、ラボ型は一定期間の業務遂行にチームを確保する契約です。
ここを外すと、見積もりの仕方も、仕様変更への対応も、責任の持ち方もずれてしまいます。

受託型（請負）：要件確定案件で成果物を買う

受託型は日本の請負契約にあたり、契約で定めた仕事を完成させて納品する責任を負います。
要件と仕様が固まっているほど管理しやすく、ウォーターフォール型のように工程を前から順に固める開発と相性がいい契約です。
費用もプロジェクト単位で見積もりやすく、発注側は総額を把握しやすいので、予算管理を締めやすくなります。

ただし、要件が曖昧なまま進めると、変更のたびに追加見積もりと再交渉が発生します。
以前、AI案件を受託型で進めた際に、仕様が固まらず、モデルの評価軸や画面要件が変わるたびに調整が必要になったことがありました。
結果として契約の前提が崩れ、途中からラボ型へ切り替えたほうが早い、という判断に至ったのです。

ラボ型（準委任）：チームを確保して試行錯誤する

ラボ型は準委任契約にあたり、一定期間オフショア側に専属チームを確保して業務の遂行を委ねる形です。
成果物完成ではなく、日々の開発や改善を継続して回すことに価値があります。
短サイクルで仕様をブラッシュアップするアジャイル開発と噛み合いやすく、月額固定で同じメンバーを維持しやすい点が強みです。

実務上は、立ち上げ時に学習コストがかかっても、半年以上同一チームを固定すると状況が変わります。
最初に吸収した業務知識や実装の癖が蓄積されるため、二度目以降の説明が減り、実質単価が下がっていく感覚を持ちやすいでしょう。
単月の数字だけを見ると割高に見えても、継続前提ではおすすめしやすい契約です。

AI開発に向く契約形態の選び方

AI開発はPoCやモデル改善のように、走らせながら要件が動く案件が多いので、ラボ型＋アジャイルが噛み合いやすいです。
試作で見えた課題を次のスプリントで直す前提なら、固定仕様を先に固めるより、業務遂行に対価を払うほうが無理がありません。
ラボ型は月額固定、受託型はプロジェクト固定という費用構造の違いも、その判断を後押しします。

ただし、組み込みや定型開発のように要件が固まっている案件では、受託型のほうがコストを締めやすいです。
大切なのは、安さだけで選ぶことではなく、誰が完成責任を持つのかを先に決めることです。
成果物完成を発注側が求めるなら受託型、試行錯誤を前提に進めるならラボ型。
おすすめは、その線引きを契約前に言葉でなく条件で固定することです。

発注で失敗しないための注意点

発注で失敗しないかどうかは、単価よりも体制と運用で決まります。
要件定義と仕様書が曖昧なまま進むと、翻訳の過程で指示が別物に変わり、納品時に丸ごと作り直しになることがあります。
だからこそ、ブリッジSEを軸に認識ズレを早めに潰し、QC/QAと進捗確認の仕組みを先に組み込んでおく流れが有効です。

要件定義とブリッジSEで認識ズレを潰す

オフショアの失敗は、安さそのものよりも、要件定義と仕様書の精度不足で起きやすいです。
日本語の一文にある曖昧な主語や省略が、英語ベースのやり取りを経るうちに別の意味へ変わり、現地では「その指示どおり」と受け取られてしまうからです。
実際、要件定義書の一文が曖昧だったために、現地で全く別の実装に化けて納品され、丸ごと作り直しになった案件は少なくありません。
ここで効くのがブリッジSEです。
仕様の翻訳役にとどめず、設計意図まで含めて伝え、コードレビューで実装のズレを早期に見つける役割を持たせると、手戻りを前倒しで止めやすくなります。

品質管理と進捗管理の仕組みを契約に組み込む

委託先によってはQC/QAの意識が低く、仕様書通りに作る前提が弱いことがあります。
だから品質基準とテスト基準は、口頭で済ませず契約や仕様に明記しておくべきです。
どこまでを合格とするか、レビュー観点をどう置くか、修正回数をどこで切るかまで定義しておくと、納期遅延と仕様乖離を早期に発見できます。
進捗管理も同じで、月次だけでは遅いです。
週次で確認した案件では問題の芽を小さく摘めましたが、月次にした案件では発覚が遅れて手戻り量が一気に増えました。
おすすめは、週次で成果物の確認点を固定し、必要ならその場で小さく直していく運びです。

安さ優先・指揮命令の落とし穴を避ける

人件費の安さだけを追うと、技術力不足の人材を掴むリスクがあります。
安物買いの判断は、初期単価よりも最終的な修正工数と納期への影響で見たほうがいいでしょう。
スキル確認、短期トライアル、初期は小規模で検証する手順を踏めば、実力と相性を見極めやすくなります。
ラボ型（準委任）では、発注者が現地メンバーへ直接指揮命令を出すと偽装請負と見なされるリスクがあるため、指示はブリッジSEや現地PM経由にしましょう。
現場の距離が遠いほど、指示系統を一本化する設計が効きます。
おすすめです。

コストを抑えつつ品質を守る進め方

段階発注は、最初から本開発を任せるのではなく、小規模PoCで品質とコミュニケーション、ブリッジSEとの相性を見てから広げる進め方です。
いきなり大きく発注して手戻りが積み上がると、削減したはずの人月が検証コストで消えます。
まずは3カ月ほどで切り、合う相手だけを本番に伸ばす流れが、総コストと安定度の両方を整えやすいでしょう。

段階発注とラボ型で実質単価を下げる

小さく始める利点は、失敗時の損失を限定できるだけではありません。
初期のやり取りで相手の報告粒度、レビューの速さ、仕様変更への反応が見えるため、あとから契約を広げる判断がしやすくなります。
逆に、最初から大規模に走ると、相性が悪くても途中で切り替えにくく、同じ学習コストをもう一度払うことになるのです。

ラボ型で同一チームを固定すると、この学習コストは次回以降ほぼ再発しません。
誰がどの判断をしたかが残り、業務知識も実装の癖も蓄積するので、見かけの単価が同じでも実質単価は下がっていきます。
短期で発注先を変えるほど立ち上げが何度も発生し、安さを狙ったはずが高くつく逆説を避けましょう。

ドキュメント・評価基準を発注側が握る

コストを抑えたいなら、作業を丸投げするより、判断基準を先に固定したほうが早いです。
仕様書、テスト基準、評価基準を発注側が持てば、現地での解釈違いが減り、確認の往復も短くなります。
特にAI案件では、データ整備と評価指標を発注側が用意しておくと、現地の試行錯誤が空回りしにくくなります。

実際、評価基準とデータを先に整えた案件では、同じオフショア先でも手戻りが目に見えて減りました。
何を良しとするかが曖昧なままだと、実装者は正しそうな案を何度も試すしかありません。
そこで発注側が土台を作ると、オフショアは実装に集中でき、品質のぶれも小さくなります。
おすすめです。

為替・規模で発注タイミングを見極める

20人月未満の小規模・短期案件は、為替の動きでメリットが消えやすい領域です。
国別の人月単価だけを見て決めると、為替差で想定より高くつき、移管や調整の固定費まで効いてきます。
だからこそ、案件規模が小さいほど「今やるか」「国内寄せにするか」「どの国のどの職種を組み合わせるか」を先に見極めるべきです。

おすすめは、国内のブリッジSE・PMで設計と管理を固め、実装はオフショアに寄せる組み合わせです。
規模が小さいうちはこの分担で品質を守り、規模が伸びたらラボ型で同一チームを維持する。
発注タイミングは為替だけでなく、案件の山とチーム固定の効果も含めて判断しましょう。
冒頭の早見表に立ち返れば、迷いは減ります。