機械学習エンジニアのフリーランス案件の選び方｜契約前に確かめたいこと

フリーランスの機械学習エンジニアの案件を選ぶときは、報酬や稼働日数に加えて、担う工程、データの状態、評価の基準と検証の終わり方、計算資源と費用、成果物の権利、外部のAIサービスの扱い、本番の運用の責任、契約の形の8点を契約前に確かめておくことが大切です。機械学習の案件は、同じ「モデル開発」の募集でも、この8点の違いで負担と責任が大きく変わります。

特に見落としやすいのは、データがそろっているかと、精度の達成を約束する形になっていないかです。データが届かないまま期間が過ぎたり、届かない精度の責任を問われたりすると、どれだけ働いても状況を動かせません。この記事では、機械学習の案件に固有の確認点を整理します。契約書全般の確認点は業務委託契約書のチェックポイントで解説しています。

機械学習の案件選びで差が出る理由

一般的な開発の案件なら、作る機能と使う技術で仕事の中身がある程度読めます。機械学習の案件は、結果がデータの質と量に左右され、やってみないと分からない部分が残ります。案件票には「AIモデルの開発」「需要予測の高度化」のように抽象的に書かれやすく、参画してから想定との違いに気づくことが少なくありません。

よくあるずれは次のようなものです。

• モデル開発の案件と聞いていたが、実際はデータの収集とラベル付けの整備が中心だった
• データの提供が遅れ、最初の数週間は実験ができなかった
• 検証の終わり方が決まっておらず、「もう少し精度を上げて」が続いた
• 学習に使えるGPUがなく、費用の負担が誰にあるかもあいまいだった
• 本番の監視まで任され、夜間の障害の連絡が届くようになった

こうしたずれは、面談と条件の確認の段階で聞き方を工夫すれば、多くを防げます。

契約前に確かめたい8つの点

1. 担う工程はどこからどこまでか

データの準備・学習・評価・推論の組み込み・運用と監視のうち、どこを担うのかを確かめます。面談では「着任後の最初の1か月で、最も期待されている成果は何か」を聞くと、工程の実態が見えやすくなります。答えが「データの整理」なら前の工程寄り、「推論のAPIの公開」なら組み込みの役割です。工程ごとの働き方は機械学習エンジニアの仕事内容で整理しています。

2. データの状態と、アクセスできる時期

確かめたいのは次の点です。

• 学習に使うデータはすでにあるか、これから集めるのか
• ラベルは付いているか。付いていない場合、誰がどう付けるのか
• データにアクセスできるようになる時期と、権限の申請にかかる時間
• 個人情報や機密の情報が含まれるか。含まれる場合の扱いのルール

データがそろっていない案件を避ける必要はありません。ただ、データの整備も業務に含まれるのかを確かめ、含まれるならその前提で期間と稼働を見積もってもらうことが大切です。

3. 評価の基準と、検証の終わり方

どの指標で、何と比べて、どこまで届けば次に進むのかを確かめます。あわせて、届かなかったときにどうするか（検証の報告で終わるのか、期間を延ばすのか）と、それを決めるのは誰かも聞いておきます。終わり方が決まっていない検証は、期待だけが膨らみやすくなります。

4. 計算資源と、費用の負担

• 学習や推論に使う計算資源（GPUなど）は、どこに、どのくらい用意されているか
• クラウドの利用料は誰の負担で、どのアカウントで使うか
• 費用の上限はあるか。超えそうなときに誰に相談するか

自分のアカウントや私物の機器で学習を回すよう求められた場合は、費用の負担とデータの持ち出しの両面から、事前に取り決めておく必要があります。計算資源の環境とリモートの関係は機械学習エンジニアのリモート案件の記事で解説しています。

5. 成果物の範囲と権利

学習済みのモデル、学習と推論のコード、実験の記録、報告書のうち、何を成果物として渡すのか、その権利を誰が持つのかを確かめます。自分が以前から使っている汎用のコードやライブラリを持ち込む場合は、その扱いも決めておきましょう。オープンソースの学習済みモデルを使う場合は、利用の条件が業務での使い方に合うかも確かめておくと安心です。権利の考え方はフリーランスの著作権の記事で解説しています。

6. 外部のAIサービスとデータの扱い

発注元のデータを外部のAIサービスに入力してよいか、コードの補完などのAIツールを使ってよいかは、会社ごとにルールが違います。使ってよいサービスと、使ってはいけないデータの範囲を、作業を始める前に確かめます。契約の終了時にデータや学習済みのモデルをどう返し、どう消すかも決めておきましょう。考え方はAIツールの利用と業務委託契約の記事と契約終了時のデータの返却の記事をご覧ください。

7. 本番の運用と障害対応の責任

モデルを本番に出したあと、監視や再学習、障害の対応を誰が担うのかを確かめます。

• 監視の仕組みは誰が持ち、異常に気づいたら誰に連絡が来るか
• 夜間や休日の障害の連絡の体制に、自分が入るか
• 稼働時間外に対応したときの精算の扱い

組み込みまでの契約のはずが、なし崩しに運用まで担うことになると、稼働の上限を超えやすくなります。

8. 契約の形と、約束する中身

機械学習の検証やモデル開発は、事前に結果が読めないため、業務を行うことに報酬が支払われる準委任契約で進むことが多くあります。確かめたいのは、契約書や発注の書面の書き方がこの考え方と合っているかです。

• 「精度◯%を達成する」のように、結果を完成の条件にする書き方になっていないか
• 精度が届かなかったこと自体に対する損害賠償の定めがないか
• 精度に連動した報酬を提案された場合、届かなかったときの扱いがどうなっているか

請負の形で受ける場合は、完成に対する責任を負うことになります。役割と契約の形が合っているかを確かめましょう。違いは準委任契約と請負契約の違い、精度に連動した報酬の考え方は機械学習エンジニアの報酬の記事で解説しています。

確かめた内容を書面と照らし合わせる

面談や事前の確認で聞いた内容は、契約の前に書面と照らし合わせます。フリーランス法では、発注する事業者は業務を委託したら直ちに、業務の内容、報酬の額、支払期日などの取引条件を、書面またはメールなどで明示することとされています。報酬は、成果物などを受け取った日から60日以内のできる限り短い期間で定めた支払期日までに支払うこととされ、6か月以上継続して委託している契約を解除したり更新しなかったりするときは、少なくとも30日前までに予告することが求められています（2026年10月時点、公正取引委員会の案内による）。明示される事項の内容はフリーランス法で明示される取引条件をご覧ください。

機械学習の案件では、特に次の点が書面に反映されているかを確かめます。

1. 業務の内容に、担う工程（データの整備、学習、評価、組み込み、運用など）が書かれているか
2. 精度の達成を完成の条件にする書き方になっていないか
3. 成果物の範囲と権利の帰属、持ち込むコードの扱い
4. 計算資源と費用の負担、データの返却と消去
5. 稼働の幅と、超えたときの精算方法、契約期間と更新の時期

面談で聞いておくとよい質問は機械学習エンジニアの面談でよく聞かれる質問と答え方の逆質問の項目でも紹介しています。一般的な逆質問の考え方は面談で聞いておくべき逆質問、近い職種の案件の選び方はデータサイエンティストの案件の選び方やMLOpsエンジニアの案件の選び方もあわせてご覧ください。個別の契約の判断に迷う場合は、弁護士などの専門家にご相談ください。

よくある質問

データがそろっていない案件は避けたほうがよいですか？

避ける必要はありません。データの整備から関わった経験は、次の案件で評価されることもあります。ただし、データの整備が業務に含まれるか、アクセスできる時期はいつか、その前提で期間と稼働が見積もられているかを、参画前に確かめてから受けることをおすすめします。

精度の目標を契約書に書きたいと言われたらどうしますか？

目標として共有すること自体は、進め方をそろえるうえで役に立ちます。問題になりやすいのは、目標を完成の条件や報酬の条件にする書き方です。目標は「目指す値」として扱い、届かなかったときの進め方（報告で終える、期間を延ばすかを協議する）を書面に残す形を相談するとよいでしょう。

報酬の高い案件と、条件のはっきりした案件で迷ったらどうしますか？

一概には言えませんが、機械学習の案件では、データや評価の基準があいまいなまま進むと、手戻りが増えて稼働が膨らみ、時間あたりの報酬が下がることがあります。報酬の額だけでなく、データの状態、検証の終わり方、運用の責任の範囲を合わせて比べるとよいでしょう。