エンジニア副業の「納品」「保守」工程はAIの効きが大きい領域です。この記事では、納品前チェック・検収対応・引き継ぎ資料作成・保守フェーズの障害対応の4工程で、副業ワークフローに組み込むためのAI活用手順を解説します。特に継続案件の時給を上げる視点で整理します。
本記事の位置づけ
本記事に登場する月額料金・実作業時間・実質時給・可処分時間・継続保守案件数などの数字は、いずれも当サイトの独自の見立てによる例示であり、公的な業界標準や統計に基づくものではありません。実際の効果は案件の性質・発注者の質問頻度・障害の発生頻度により幅があるため、目安としてお読みください。
編集長コメント： 副業の時給は「制作の速さ」より「保守フェーズの効率」で決まります。月額固定の保守案件で作業時間が膨らむと時給が下がり、値上げも通しにくくなります。AIをうまく組み込めば、保守の実作業時間を体感で明確に短縮でき、実質時給が上がる傾向があります。副業案件評価メディアの視点で整理します。
この記事で判断できること
- 納品・保守4工程それぞれで、どのAIツールをどう使い分けるかが分かる
- 継続案件の時給を上げるためのAI活用パターンが分かる
- AIに任せて事故る判断ポイント（本番対応・障害対応の意思決定）が分かる
対象：副業で1件以上納品経験があり、継続保守案件を持っているまたは狙っている会社員エンジニア。
納品・保守4工程とAIの使い分け
| 工程 | AIの適性 | 主な使用シーン | 使わない場面 |
|---|---|---|---|
| 1. 納品前チェック | ★★★★ | セルフレビュー、README生成 | 契約書との照合 |
| 2. 検収対応 | ★★★ | 検収質問への回答文ドラフト | 修正可否の最終判断 |
| 3. 引き継ぎ資料作成 | ★★★★★ | 運用手順書・トラブルシューティング集の生成 | 発注者環境固有の記述 |
| 4. 保守フェーズの障害対応 | ★★★★ | ログ解析、原因推定、対応案生成 | 本番反映の意思決定 |
基本原則： 出力を人間が最終確認するプロセスにはAIを積極的に使う。本番反映・障害の切り分け判断・発注者への回答は人間が行う。
工程1：納品前チェック（AIの得意領域）
AIに任せていいこと
- コードのセルフレビュー
- README・ドキュメントの生成
- 動作確認手順書の作成
プロンプト例（納品前セルフレビュー）
以下は副業案件の納品予定物です。発注者に納品する前のセルフレビューを依頼します。
【対象コード / 成果物一覧】
（対象ファイル or ファイル一覧をここに貼り付け）
【契約の納品基準】
- 動作環境：（例：Windows 10 / Windows 11、Excel 2019以降）
- 納品物：ソースコード + 動作手順書 + テスト結果
- 検収基準：発注者環境で仕様書通りに動作すること
【レビュー観点】
1. 契約の納品基準を満たすかチェック（項目ごとに◯／✕）
2. 発注者側で運用する際の詰まりポイント（3つまで）
3. README/動作手順書に含めるべき項目（10項目）
4. テスト結果の整理形式の提案
5. 納品時に発注者に伝えるべき「制約事項」の洗い出し（3つまで）詰まりやすいポイント
- 契約書との照合はAIに任せない：契約書の解釈は人間が行う。AIは契約書の内容を理解できても、「これで十分か」の最終判断は人間の責任
- 納品物の形式ミス：発注者環境の想定違い（例：Windows想定なのにMac用シェルスクリプトを納品）はAIが気付きにくい
工程2：検収対応（AIの補助領域）
AIに任せていいこと
- 検収時の質問文の理解・論点整理
- 発注者からの追加要望の判定支援（範囲内 or 範囲外）
- 回答文のドラフト生成
プロンプト例（検収質問への回答文ドラフト）
以下は副業案件の検収中に発注者から受け取った質問です。
契約書と照らして、範囲内か範囲外かを判定し、回答文のドラフトを作成してください。
【契約書の作業範囲】
- （契約書の作業範囲項目をここに貼り付け）
【納品済み成果物】
- （成果物概要をここに貼り付け）
【発注者からの質問】
（質問文をここに貼り付け）
【出力】
1. 質問の論点整理（1〜3行）
2. 範囲内 / 範囲外 / どちらとも取れる の判定
3. 判定の根拠（契約書のどの条項か）
4. 回答文のドラフト（300字程度）
5. もし範囲外の場合、別見積の提案文ドラフト
【トーン】
発注者との継続関係を維持しつつ、範囲外は明確に伝える。AIに任せてはいけないこと
- 範囲内／範囲外の最終判断：AIは契約書の解釈を出せるが、発注者との過去のやり取り・信頼関係・今後の継続意向まで踏まえた判断は人間が行う
- 修正可否の最終判断：修正を無料で対応するか有料で対応するかは、案件全体の状況（単価を下げる失敗の失敗5参照）を踏まえて人間が決める
- 回答文の最終送信：AI生成の回答文は他人行儀になりがち。自分の言い回しに調整してから送る
検収対応でAIが見落とすポイント
- 発注者の口調の変化（不満の兆候）
- 「この対応で継続するか判断される」等の暗黙のシグナル
- 契約書に書かれていない業界慣習（例：無料修正1回は暗黙の期待）
工程3：引き継ぎ資料作成（AIの得意領域）
AIに任せていいこと
- 運用手順書の生成
- トラブルシューティング集の作成
- FAQ形式のドキュメント整備
プロンプト例（引き継ぎ資料生成）
以下の副業案件の納品後、発注者側で運用してもらう予定です。
引き継ぎ資料を生成してください。
【納品物】
（成果物概要とファイル構成をここに貼り付け）
【発注者の想定運用者】
- 技術レベル：（例：非エンジニア。実行環境は構築済み）
- 使用頻度：（例：週1回のバッチ実行）
- OS：Windows 10
【生成希望ドキュメント】
1. 運用手順書（起動・停止・データ更新の手順）
2. トラブルシューティング集（想定される10ケース、症状・原因・対応）
3. FAQ（想定される質問10問と回答）
4. データバックアップ手順
5. 依頼元への連絡が必要になる基準（例：エラーコード◯◯以上）
【出力形式】
Markdown形式。運用者が上から順に読めば分かる構成。引き継ぎ資料の質が保守フェーズの時給を決める
- 引き継ぎ資料が薄い → 発注者から質問が頻発 → 保守工数が膨らむ → 時給が下がる
- 引き継ぎ資料が充実 → 発注者が自力で解決 → 保守工数が減る → 時給が上がる
継続保守案件を狙う場合、納品時の引き継ぎ資料に時間をかけることが費用対効果の高い投資になりやすいです。AIで生成した資料が保守フェーズの質問頻度を下げ、月次の実作業時間の削減につながる傾向があります（削減量は発注者側の技術レベル・案件の性質により幅があります）。
AIに任せてはいけないこと
- 発注者環境固有の記述：発注者のサーバ構成・ネットワーク構成・アカウント権限等は、AIは知らない。ここは人間が発注者から情報を得て記載
- セキュリティ関連の運用手順：認証情報の扱い・アクセス権限の設定はAI提案を鵜呑みにせず、専門家（発注者側のインフラ担当）に確認
工程4：保守フェーズの障害対応（AIの得意領域）
AIに任せていいこと
- ログ解析・エラーメッセージの意味推定
- 障害の原因推定（複数仮説の生成）
- 対応案の生成（複数選択肢）
プロンプト例（障害対応の初動）
以下は運用中のシステムで発生した障害情報です。原因推定と対応案を出してください。
【システム概要】
（システム構成の概要をここに貼り付け）
【障害の発生状況】
- 発生時刻：
- 症状：
- エラーログ：（該当ログをここに貼り付け）
- 発生条件の再現性：（毎回 / 断続的 / 特定条件のみ）
【出力】
1. 想定される原因（3〜5つ、可能性が高い順）
2. 各原因の切り分け方法（1つずつ）
3. 対応案（3つ、それぞれ影響範囲と作業時間を推定）
4. 応急対応と根本対応の切り分け
5. 発注者への連絡内容（初動報告のドラフト）
【トーン】
副業案件の障害対応。24時間対応契約ではない前提で、
翌営業日対応でも許容される内容の応急対応を優先。障害対応でAIが役立つ理由
- 副業では本業と違い、障害対応の経験値が積みにくい
- AIは大量のエラーパターン知識を持つ
- ログ解析・エラー原因の推定は、AIが特に強い領域
AIに任せてはいけないこと
- 本番反映の意思決定：修正コードを本番に反映するタイミング・ロールバック可否は人間が判断
- 発注者への連絡タイミング：障害発生を発注者にいつ伝えるか、どこまで伝えるかは人間が判断
- 障害の切り分け（人的要因の判定）：発注者側の操作ミスか、システムのバグかの判定は、発注者との会話が必要
- 契約外の対応判断：「24時間対応じゃないから翌営業日でOK」等の判断はAIに任せない（受けて後悔した副業案件の条件の兆候6参照）
副業での障害対応の原則
- 契約書の対応範囲を最優先：24時間対応契約でない場合、営業時間外の対応は別料金
- 応急対応と根本対応を分ける：応急対応で発注者側の業務を止めない、根本対応は営業時間内に実施
- 報告文書化：障害発生・対応内容・再発防止策を文書化して発注者に共有
継続保守案件でAI活用が時給を上げる仕組み
以下は、月額固定契約の保守案件でAI活用の有無が実質時給にどう効くかを示す計算例です。月額料金・対応時間・作業時間はいずれも当サイトの独自の例示であり、実際の契約条件・発注者の質問頻度・障害の発生頻度により幅があります。
例A：AIなしで運用する月額保守案件
- 月額契約：（契約金額）× 月あたり対応時間の目安
- 実作業時間：引き継ぎ資料が薄い／質問対応が多い／障害対応が非効率だと、契約対応時間を超えて膨らみやすい
- 実質時給：契約金額 ÷ 実作業時間で下がる
例B：AI活用で運用する月額保守案件
- 月額契約：同条件
- 実作業時間：引き継ぎ資料が充実／質問はAIで即応／障害切り分けが速いと、契約対応時間内に収まりやすい
- 実質時給：契約金額 ÷ 実作業時間で上がる
AI活用による作業時間の削減分は、可処分時間として本業や別案件に振り分けられる可能性があります。継続保守を複数社持つ設計にすると、副業月収の底上げにつながりやすい基盤になります。ただし具体的な社数・時給・月収の変化は案件の性質により幅が大きいため、自分の案件で試算することを推奨します。
継続保守案件でのAI活用チェックリスト
- [ ] 引き継ぎ資料をAIで生成し、質問頻度を下げる
- [ ] よくある質問はFAQ化してAIで整理
- [ ] 月次レポート（バックアップ状況・更新履歴）をAIで生成
- [ ] 障害対応時の初動はAIに切り分けさせる
- [ ] 発注者への月次報告文書はAIでドラフト作成
AI活用の全体ルール（保守案件向け）
ルール1：本番データはAIに入力しない
- ログの個人情報部分は匿名化してから入力
- DBダンプ・APIキー・認証情報はAIに入力しない
- 発注者情報を含むファイルはAIに投げる前に確認
ルール2：契約書の範囲判定はAIに任せない
- AIは契約書の解釈を出せるが、最終判断は人間の責任
- 判断に迷うケースは発注者に相談する
ルール3：本番反映は人間が判断
- AIが「この修正で解決」と言っても、本番反映のタイミングは人間が決める
- ロールバック手順を確認してから反映
ルール4：AI活用の効果を数値で追う
- 月ごとの実作業時間を記録し、AI活用効果を測定
- 効果が出ていれば継続、出ていなければ別のワークフローに変更
案件探し・制作工程でのAI活用
- 案件探し工程：AIを使った副業案件の探し方
- 制作工程：AIで副業案件の制作を効率化する
関連コンテンツ
- 判定基準：6軸評価の意味と★の付け方
- スタートガイド：エンジニア副業の探し方 / 単価交渉ガイド
- スキル別ガイド：Python / WordPress / JavaScript/React
- 失敗談：受けて後悔した副業案件の条件 / 単価を下げる副業案件の6失敗
- ランキング：継続収入になる副業案件 Top5 / AI時代に残る副業案件 Top5
よくある質問
Q. 継続保守案件でAI活用が禁止されている場合はどうすればいいですか？
A. 発注者との契約でAI利用が禁止されている場合、AIを使わずに保守してください。ただし多くの契約は「AI利用不可」を明示しておらず、実務ではAI利用を通知した上で使う方針を提案するのが一般的です。契約更新時に「AI利用可」の条項を追加交渉するのも選択肢です。
Q. 障害対応でAI提案を採用して失敗した場合、責任は誰にありますか？
A. 契約上、納品物と保守対応の責任は副業者側にあります。「AIが提案した」で免責されません。AI提案は「参考情報」として扱い、最終判断は自分で行ってください。
Q. 引き継ぎ資料をAIで生成すると、発注者に「手抜き」と思われませんか？
A. 発注者側は資料の生成方法より、資料の質を評価します。AIで生成しても、発注者環境固有の記述を人間が補い、実際の運用者が使える品質になっていれば問題ありません。むしろ資料が薄い方が「手抜き」と評価されます。
更新履歴
- 初回公開日：（GSC接続後・司令塔判断待ち）
- 最終更新日：2026-08-25（草案作成）
- 評価変更：初版
※本記事のコンテンツ作成におけるAIの使い方については、AI利用方針をご覧ください。
