やす研究所 AI Lab
戻る

RAG副業の始め方2026|社内文書検索を中小企業に納品する手順

RAG副業の始め方2026|社内文書検索を中小企業に納品する手順

「Claude や ChatGPT を触れる人」はもう希少価値ではなくなりました。それでも単価が落ちにくいニッチが、社内文書を AI に検索させる RAG (検索拡張生成) の受託案件 です。私自身、知人の士業事務所向けに小さな RAG を1本納品してから、この領域は副業として筋がいいと感じています。

この記事では、RAG 副業を始めるための技術スタック・案件の取り方・見積もりの考え方・最初の落とし穴を、私が試した範囲で具体的に書きます。読み終わる頃には、来週から見積書を1通出せる状態になっているはずです。

結論:RAG副業は「業務理解 × 小さく動くデモ」で取れる

先に答えを書きます。RAG 副業で最初の案件を取る最短ルートは、いきなり提案するのではなく、見込み顧客の手元資料を1つ預かって、72時間以内に動くデモを返すことです。

大手 SIer は数百万円のフルスクラッチ案件を狙うので、5〜30万円の小規模 RAG はぽっかり空いています。中小企業の経営者からすると「ChatGPT に社内マニュアルを読ませたいだけ」なのに、相談先がない状態が続いているんです。

そこを個人が、Claude や OpenAI の API + LlamaIndex(または LangChain)+ ベクトル DB という枯れた構成で埋める。これが2026年時点のスイートスポットだと感じています。

なぜ2026年に「RAG×中小企業」が空白地帯なのか

2026年の海外フリーランス相場を見ると、AI Agent や RAG の実装は明確に高単価レイヤーに位置づけられています。米国の市場データでは、RAG 実装は時給150〜250ドル、AI エージェント開発は175〜300ドル帯と紹介されていて、生成AI実装スキルは汎用エンジニアより4〜6割高い水準が続いています。

一方で日本の中小企業側は、社内文書の検索性に明確な不満を抱えています。社員数20〜200名のレンジでは「過去の提案書を探すだけで30分かかる」「マニュアルが SharePoint と Notion と Google Drive に散らばっている」という声が普通にある。ここに、月3万円のサブスクで動く社内 RAG を持ち込むと、刺さりやすい。

私が話を聞いた範囲では、彼らは Microsoft Copilot のような大きな製品より、自社の文書だけを正確に拾ってくれる小さな道具を欲しがっています。むしろ、過剰機能のないシンプルな箱が好まれるんですよね。

RAG副業で使う最小スタック(2026年版)

私が実際に触って、コスパが良かった組み合わせを書きます。フレームワークは流行が早いので、2026年6月時点での選択として読んでください。

推奨構成:LlamaIndex + Claude + Qdrant

コード自体は Claude Code か Cursor に書かせます。骨格は半日で組める。私が士業事務所向けに作ったときは、PDF 30本の取り込み〜検索 UI まで、実働2時間半ほどで MVP が立ち上がりました。

コード例:LlamaIndex で社内 PDF を読む最小構成

from llama_index.core import VectorStoreIndex, SimpleDirectoryReader, Settings
from llama_index.llms.anthropic import Anthropic
from llama_index.embeddings.openai import OpenAIEmbedding

Settings.llm = Anthropic(model="claude-sonnet-4-5")
Settings.embed_model = OpenAIEmbedding(model="text-embedding-3-large")

# 社内文書フォルダを読み込み
documents = SimpleDirectoryReader("./client_docs").load_data()
index = VectorStoreIndex.from_documents(documents)

query_engine = index.as_query_engine(similarity_top_k=5)
response = query_engine.query("昨年度の有給休暇の繰越ルールを教えて")
print(response)
print(response.source_nodes)  # 引用元のチャンクを必ず返す

この30行が動くだけで、デモとしては十分です。重要なのは source_nodes を返すこと。引用元がない RAG は、業務利用ではほぼ採用されません。

案件を取るための3つの動線

営業はクラウドソーシングだけに頼らない方がいい。私が手応えを感じた順に並べます。

1. 既存の取引先・前職の伝手にデモを持ち込む

一番効きました。「社内文書を AI で検索できる仕組み、3日でデモ作れます」と一言伝えるだけで、想像以上に話が進みます。決裁者と距離が近いので、見積もり〜契約までが速い。

初回はあえて5万円前後の小さなスコープに切り、運用に乗せてから月額の保守契約に転がす設計にしています。

2. X(旧Twitter)で実装ログを書き続ける

「Claude で社内ドキュメント RAG を作ってみた」系の実装ツイートを週2本ペースで投稿し、デモ動画を 30秒で添える。これだけで DM 経由の相談が月に数件入る感覚です。

バズらせる必要はなくて、検索で引っかかるキーワード(「社内 RAG」「Notion 検索」など)が本文に含まれていれば十分。地味な定点観測のような投稿の方が、むしろ仕事につながりやすいです。

3. ココナラ・Lancers より、業種特化コミュニティを覗く

士業の研究会、製造業の DX 部会、地方の商工会議所セミナーなど。「AI 詳しい人いない?」という声がそのまま発生している場所です。ここで1件取ると、その業界での横展開が一気に進みます。

見積もりの組み立て方:時間ではなく成果で切る

海外の AI フリーランス指南でも繰り返されているのが、時間単価ではなく成果単価で見積もるという話。AI 補助で実工数が短くなる以上、時間で売ると損をするんですよね。

私の場合、RAG 案件は3階建てで見積もっています。

初期構築だけで終わらせず、必ず月額に乗せる設計にする。これが副業として続けるコツです。1社あたり月3万円でも、3社束ねれば月9万円が安定する。

なお、海外の Upwork や Toptal だと AI/RAG 実装は時給100〜200ドル帯が中心ですが、日本の中小企業相手だとそのまま当てはめると高すぎて通りません。価値ベースの固定金額に翻訳する方が現実的です。

私がハマった3つの落とし穴

試してみてわかった、避けた方がいい罠を書いておきます。

落とし穴1: 文書のクレンジングを甘く見る

RAG の精度は7割が「読み込ませる文書の質」で決まります。スキャン PDF、画像埋め込み Excel、表が崩れた Word ファイル。これらをそのまま投げると、検索結果が壊滅します。

対策として、私は受注時に必ず「文書整備フェーズ」を別見積もりに切り分けるようにしました。最初これを工数に入れずに見積もって、結果として赤字になった経験があります。正直、痛い学習でした。

落とし穴2: 評価基準を決めずに納品する

「精度が良い」をクライアントと共有する基準なしに納品すると、納品後の解釈違いで揉めます。私は今、契約前に20問の評価セットを一緒に作るようにしています。

この20問に対して、人間判断で「十分・要改善・失敗」の3段階を切る。これを合意してから着手すると、検収が驚くほどスムーズに進みます。

落とし穴3: モデル乗り換えコストを軽視する

Claude も GPT も半年で世代が変わります。LLM をベタ書きすると、モデル更新のたびにコードを触ることに。LlamaIndex や LiteLLM のような抽象化レイヤーを必ず1枚挟んで、config.yaml でモデル名を切り替えられる構成にしておくべきです。

これをやっておくと、モデル更新を「保守契約の追加作業」として請求できる名分にもなります。

学習ロードマップ:今日から30日でデモを出す

未経験寄りの方向けに、最短経路を書きます。

1週目: Python 基礎の復習と Claude API の素振り。LlamaIndex のチュートリアルを写経。自分の手元の PDF(請求書でも家電マニュアルでもいい)1つを検索できる状態を作る。

2週目: ベクトル DB を Qdrant か pgvector に切り替え、複数文書に対応。引用元の表示と、簡単な Streamlit UI を載せる。

3週目: 評価セットの設計と精度チューニング。チャンクサイズ、top_k、リランカーの3点を変えながら結果を比較する。

4週目: デモ動画を撮って X と知人に共有。最初の打診を1件もらうところまで。

基礎が怪しい方は、書籍と並行してプログラミングスクールの AI コースを併用する手もあります。私はスクール卒ではないですが、独学で詰まったときは、ピンポイントで解説してくれる教材に1万円払う方が時間効率はいいと考えています。

まとめ:今日からやる3つのアクション

RAG 副業は、生成 AI の流行が一巡した2026年でもまだ単価が落ちていない、貴重なニッチです。最後に、今日から動ける3つを置いておきます。

  1. 手元の PDF を1つ選び、LlamaIndex の Quick Start を写経(所要2時間)
  2. 見込み顧客になりそうな知人を3名リストアップして、来週デモを見せる約束を取る
  3. X に「社内RAG実装ログ」のスレッドを1本投稿し、検索流入の入口を作る

コードを書くことより、業務を理解して評価基準を決められるかが勝敗を分けます。半年後、あなたの月次収益に小さな保守契約が3本並んでいたら、それは大きな前進です。

参考リンク

この記事をシェア:
X で共有 Facebook で共有 Telegram で共有
次の記事
ブラウザ操作AIエージェント比較2026:Claude Cowork・Operator・Comet・Geminiを実機検証