機械学習エンジニアの副業で、業務委託の打ち合わせに出たときのことです。依頼主から「精度の目標は高めでお願いします」と言われ、学習データを見る前から数字を約束できるのかと、返事に詰まりました。そこで相手が続けます。「いま困っているのは、毎週の再学習と、推論APIが止まることなんです」。精度の結果を背負うのか、動かし続けることを受けるのかで、同じ機械学習の副業でも責任の置き場所は大きく変わります。機械学習の副業は、精度を背負う仕事か、動かし続ける仕事かで分けます。

1. 機械学習の副業が重く見える理由

精度という言葉が一つの責任に見えてしまう

本業で学習基盤や推論の運用に関わっていると、副業の相談を受けても、まず頭に浮かぶのは「精度が出なかったらどうなるのか」という不安です。モデルの精度は、学習データの質や量、問いの立て方に左右されます。副業の限られた時間で、相手のデータを見ないうちから結果を約束するのは、たしかに難しい話です。

ただし、機械学習の仕事は、精度に責任を持つ工程だけでできているわけではありません。モデルを作る工程と、できたモデルを動かし続ける工程では、日々の作業も、失敗したときの影響も違います。この二つが「機械学習の仕事」の一語にまとめられるために、副業の相談が重く見えてしまうと考えます。以下は書き手の見立てです。

精度を背負う仕事と動かし続ける仕事の分け方

そこで、仕事を二つに分けて考えてみます。精度を背負う仕事は、データの収集や前処理、モデルの学習と検証のように、結果の良し悪しがモデルの性能に直結する工程です。動かし続ける仕事は、推論APIの運用、モニタリング、再学習の仕組みの保守、デプロイの自動化のように、できあがったものを止めずに回す工程です。

図の作成：Remogu編集部。仕事の分け方についての見立てを整理したもので、統計データではありません

この分け方は、副業の依頼を受けるときの最初の質問に使えます。「精度の目標」が先に出てきたら、モデルを作る側の仕事を期待されているのかもしれません。「止まること」「再学習」が先に出てくるなら、動かし続ける側の話です。次の節では、この二つの区分に近い考え方が、公的なガイドラインにどう書かれているかを確かめます。

2. AI事業者ガイドラインが分ける3つの主体

開発者・提供者・利用者という区分

総務省と経済産業省のAI事業者ガイドライン（第1.2版）は、2026年3月31日に公表されました。この本編は、AIに関わる対象者を「AI開発者」「AI提供者」「AI利用者」の3つに大別しています。これらは事業者、または各者の中の部門を想定した区分で、活用の方法によっては、同一の事業者が複数を兼ねる場合もあるとされています¹。

ここで押さえておきたいのは、この区分が事業者を想定していることです。副業で業務委託を受ける個人の立場を、ガイドラインが定めているわけではありません。「副業の人はAI提供者にあたる」といった読み方はできませんので、この記事でも、区分を直接あてはめることはしません。

主体ごとに定められた役割

AI開発者の役割は、データ収集（購入を含む）、前処理、AIモデルの学習及び検証を通して、AIモデルやそのシステム基盤、入出力機能等を含むAIシステムを構築することと定義されています¹。学習基盤の構築も、この定義の範囲に入ります。AI提供者の役割は、AIシステムの検証、他システムとの連携の実装、AIシステム・サービスの提供、そして正常稼働のためのAI利用者側の運用サポート、またはAIサービスの運用自体です¹。

主体	ガイドラインが定める役割
AI開発者	データ収集（購入を含む）・前処理・AIモデルの学習及び検証を通して、AIモデルやそのシステム基盤、入出力機能等を含むAIシステムを構築する
AI提供者	AIシステムの検証、他システムとの連携の実装、AIシステム・サービスの提供、AI利用者側の運用サポート又はAIサービスの運用自体
AI利用者	AIシステム・サービスを利用する事業者

これを副業にそのまま移すことはできません。ただし、書き手の見立てとして、役割の区分を「引き受ける仕事の範囲を考える物差し」にはできます。モデルを作る工程が中心なのか、運用や他システムとの連携が中心なのか。依頼内容を、この物差しに当ててみると、精度の話がどこまで自分の仕事に入るのかが見えやすくなります。

とはいえ、AI提供者の役割に運用サポートが含まれているからといって、運用を請け負う副業がAI提供者に当たるとは言えません。運用サポートの対象はAI利用者側であり、定義はあくまで事業者の役割を述べたものです。資格や要件の根拠として使うのではなく、依頼の中身を分けて考えるための整理として借りるのが、この記事の使い方です。

3. 推論をAPIで出すときの役割の分かれ方

別添が示すAPIの場合の整理

機械学習エンジニアの副業で多いのは、モデルの推論をAPIとして出す場面ではないでしょうか。別添（付属資料）は、AIモデルをAPIとして設計・提供する場合について、AI開発者は主にAPI入出力仕様の定義を担い、AI提供者はそのAPIを実運用環境に組み込み、認証・公開・運用管理を行うと整理しています²。

これは、APIとして出す場合のガイドライン上の整理です。すべての案件が、この形に分かれるわけではありません。発注元が両方を一つの事業者の中で担う場合もあり、同じ依頼でも役割の切り方は変わります。この整理は、依頼内容を分けて眺めるための手がかりとして使います。

出典：総務省・経済産業省「AI事業者ガイドライン（第1.2版）別添（付属資料）」（2026年3月31日）の整理をもとに作成²

副業で受けやすいのは運用管理の側

書き手の見立てでは、本業を持ちながら受ける副業は、運用管理の側の仕事と相性がよいと考えます。入出力仕様の定義は、モデルの中身や相手のデータの理解が前提になりやすく、依頼主との往復も重くなります。実運用環境への組み込みや公開後の運用は、手順や記録のかたちで区切りやすい仕事です。

そのため、打ち合わせでは「APIの入出力の仕様は誰が決めるのか」と、「公開後の運用は誰が見るのか」を分けて尋ねるのが近道です。主体区分と説明責任の詳細は、生成AI・RAG案件の記事に譲ります。次は、精度の扱いを契約でどう決めておくかを見ていきます。

4. 精度の保証を契約で決める項目

実践例の契約書に書かれていた内容

精度の扱いについて、別添の実践例が一つの手がかりを示しています。他社が開発したAIシステムでサービスを提供するAI提供者の例で、モデル契約書を参考にした契約書が紹介されています。その契約書では、学習済みモデルのAI開発者は、仕事の完成又は成果の性能・品質等の保証は行わない一方、一定以上の注意水準をもって業務を行わなければならないことになっています²。

これは、ある企業の実践例で紹介された契約書の内容です。法律やガイドラインが「精度を保証しなくてよい」と定めているわけではなく、推奨しているわけでもありません。ほかの契約に一般化して「断れる」と読むのは誤りです。保証をしない代わりに、一定以上の注意水準で業務を行うという両面がセットになっている点を、そのまま受け取ります。

項目	実践例の契約書の内容
仕事の完成又は成果の性能・品質等	保証は行わない
業務の進め方	一定以上の注意水準をもって行う

精度の目標を受ける前に話し合う

ここから先は書き手の見立てです。実践例のように決められた条件がある契約でも、自分が受ける副業の契約が同じとは限りません。だからこそ、精度の目標値と、目標に届かなかったときの扱いを、受ける前に話し合っておくのが現実的です。打ち合わせで数字を言われたら、その数字が目標なのか、約束なのかを、契約の言葉で確かめます。

たとえば、目標値は設けるが、届かなかったときの扱いは別に協議する、という決め方もあります。業務の進め方として何を行うかを書き出しておけば、一定以上の注意水準で行ったことを後から示しやすくなります。結果ではなく、行う作業のかたちで合意しておくと、精度の話と作業の話が混ざりません。

では、動かし続ける仕事を受けるときは、何を区切りにすればよいのでしょうか。次の節では、運用中の記録に注目して考えます。

5. 運用の仕事を記録と区切りで受ける

運用中の記録が示す観点

別添のAI開発者向けの部分は、ファインチューニングで確認する観点の一つとして、データドリフトや性能変化への対応を挙げています。そのために、運用中もAIモデルの状態・入力・出力のモニタリング結果を記録し、必要に応じて品質維持のための措置を検討する、という内容です²。

ただし、これはAI開発者向けの観点で、運用を担う人の義務として書かれたものではありません。「再学習を行う」という判断も、この資料には書かれていません。書かれているのは、結果を記録することと、品質維持の措置を検討することまでです。

記録をつける役目と措置を決める役目

以下は書き手の見立てです。運用の仕事は、記録をつける作業と、記録を見て措置を決める作業に分けて考えられます。記録をつける側は、状態・入力・出力の結果を、決めた形で残す役目です。措置を決める側は、その記録から、品質を保つために何をするかを判断する役目です。

図の作成：Remogu編集部。別添の観点をもとに、運用の仕事の区切り方を書き手が整理したもので、統計データではありません²

副業では、この二つを誰が持つのかを、受ける前に分けておくと話が早く進みます。たとえば、記録の整理と報告までを引き受け、措置の判断は依頼主の側に残す決め方があります。措置の検討まで任されるなら、その判断に使える記録の範囲を、先に取り決めておきます。

区切りが付くと、連絡の時間帯も決めやすくなります。記録を整える作業は、平日の夜や土日にまとめて進められます。一方で、止まったらすぐ対応する当番のような役目は、本業の時間と重なる可能性があるため、引き受ける範囲に入れるかどうかを最初に話し合います。運用の中身そのものは、機械学習の案件は運用が中心になるの記事で整理しています。

運用の区切りが決まったら、次に決めたいのは、仕事で触れる学習データの扱いです。

6. 学習データの扱いを受ける前に決める項目

著作権法30条の4の位置づけ

別添は脚注で、日本では学習・開発段階について、著作権法30条の4にもとづく著作物の利用の考え方があることに触れています²。条件や詳細は、文化審議会著作権分科会法制度小委員会の資料を参照する位置づけです。この記事では、条文の詳しい読み方には入りません。

押さえておきたいのは、30条の4が条件つきの規定だという点です。情報解析などで、著作物の享受を目的としない場合に、必要と認められる限度で利用できるという考え方です。生成や利用の段階は、別に判断されます。どんなデータでも学習に使える、という読み方はできません。

そのため、個別の案件で、学習に使うデータの著作物が使えるかどうかは、発注元が確認する事柄です。受ける側が発注元のデータを触れるかどうかは、著作権法の話というより、契約と秘密保持の話になります。詳しくは文化庁の資料で確かめたうえで、案件ごとに発注元と取り決めます。

契約前に決めておく6つの項目

書き手の見立てでは、学習データの扱いは、受ける前に6つの項目で決めておくと、後から揉めにくくなります。置き場所、複製の範囲、著作物の扱い、個人情報の有無、消去、秘密保持です。次の表は、その決め方の例です。

決めること	例
データを置く場所	発注元の環境の中で扱うかどうか
手元に複製してよい範囲	複製を認めるか、認める場合の範囲と期間
学習に使う著作物の扱い	使えるかどうかを発注元が確認する
個人情報を含むかどうか	含む場合の扱いを別に取り決める
作業後のデータの消去	消去の時期と、消去したことの伝え方
秘密保持の範囲	対象となる情報と、守る期間

とくに、データを置く場所は最初に決めたい項目です。発注元の環境の中で扱う形にすれば、手元に複製してよい範囲の話は小さくなり、消去の取り決めも単純になります。逆に手元で扱う必要があるなら、複製の範囲と期間、消去の時期を、契約に書き込んでおきます。

個人情報を含むかどうかは、扱い方が大きく変わる分かれ目です。含まれる場合の論点は、学習データの本人同意を確かめる手順の記事で整理していますので、ここでは深入りしません。項目が決まったら、最後に、本業と並べて回る形に組み直します。

7. 本業と並べるための受け方

決める順番を一本にする

ここまで見てきた論点は、受ける前に決める順番を付けると、一本の流れになります。書き手の見立てでは、先に引き受ける役割を決め、次に精度の扱い、データの置き場所、運用の区切りと連絡の時間帯と進め、最後に契約へ書き込みます。

図の作成：Remogu編集部。本文の論点を、決める順に並べた見立てで、統計データではありません

この順番には理由があります。役割が決まらないうちに精度の目標を話しても、誰が何を背負うのかが定まりません。データの置き場所が決まる前に運用の区切りを決めても、記録を誰がどこへ残すのかが曖昧になります。前の項目が後の項目の前提になるよう、並べています。

なお、ガイドラインの3つの区分は、事業者を想定したものです¹。この記事では、その区分を、副業の立場を決めるためではなく、依頼の中身を分けて考えるために借りてきました。実践例の契約書も、ある企業の例にとどまります²。自分が受ける契約が同じ形とは限りませんので、条件は案件ごとに確かめます。

動かし続ける仕事から受けてみる

冒頭の打ち合わせに戻ります。「精度の目標は高めでお願いします」と言われても、その場で数字を約束する必要はありません。目標なのか約束なのかを確かめ、届かなかったときの扱いを話し合い、そのうえで、相手が本当に困っている再学習の流れや推論APIの運用を、記録と区切りで受ける。返事に詰まった場面は、この順番で受け止められます。

Remogu（株式会社LASSIC運営）は、リモートワーク案件特化のエンジニアマッチングで、案件の90%以上がフルリモート可能です。まず登録して、自分の経験に近いAI・機械学習の案件を眺めてみると、どんな区切りで仕事が出ているのかが具体的に見えてきます。条件を知ってから、受ける仕事を決めても遅くありません。

機械学習の副業は、精度を背負う仕事か、動かし続ける仕事かで分けます。本業の合間に受けるなら、まず動かし続ける側の、区切れる仕事から始めてみてください。

8. よくある質問

土日だけで受けられる機械学習の副業はありますか

案件によって異なります。書き手の見立てでは、監視の当番のように時間を拘束される役目より、成果物で区切れる仕事のほうが、土日に合わせやすいと考えます。

たとえば、運用の記録の整理や、再学習の仕組みの改修は、納品の形を決めやすい仕事です。反対に、止まったらすぐ対応する役目は、平日の本業と重なる可能性があります。受ける前に、連絡の時間帯と、緊急時の対応の範囲を話し合っておきます。

MLOpsの経験だけでも副業を受けられますか

書き手の見立てでは、受けられる仕事はあります。ガイドラインは、AI提供者の役割として、他システムとの連携の実装や、運用サポート、またはAIサービスの運用自体を挙げています¹。MLOpsの経験は、こうした運用に近い仕事に結びつけやすい経験です。

ただし、これは仕事の中身を考える物差しであり、資格や要件を示すものではありません。モデルの学習そのものを任されるのか、運用の部分だけなのかは、依頼の中身で変わります。打ち合わせで、どの範囲までを引き受けるのかを具体的に尋ねます。

本業と同じ分野の副業を受けるときに確かめることは何ですか

書き手の見立てでは、確かめる点は三つです。一つ目は、本業の契約や就業の決まりで、副業がどう扱われているかです。二つ目は、本業で知った情報の秘密保持の範囲です。三つ目は、本業のデータと副業のデータを混ぜないことです。

同じ分野だと、使う道具や手法が似ているため、境目が見えにくくなります。作業する環境や保存先を分け、どちらの案件のデータをどこに置くかを決めておきます。判断が難しい点は、本業の側にも、副業の依頼主にも、あらかじめ相談します。

※公開中の案件数は時期によって変わります。記事中の案件の傾向は執筆時点のものです。

出典・参考情報

＊1 総務省「AI事業者ガイドライン（第1.2版）」（2026年3月31日・2026年10月確認）
＊2 総務省「AI事業者ガイドライン（第1.2版）別添（付属資料）」（2026年3月31日・2026年10月確認）