AICatalog vs Elasticsearch：AI商品検索を自社構築するか、SaaSを使うか
Elasticsearch/OpenSearchでAI商品検索を自社構築する場合のコスト・期間・保守と、SaaS型AI検索（AICatalog）の比較。具体的な工数・費用の比較表付き。
orosy AICatalog開発部
B2B卸プラットフォーム orosy AI検索機能開発部門
AICatalog vs Elasticsearch：AI商品検索を自社構築するか、SaaSを使うか
「うちにはエンジニアがいるから、Elasticsearchで自社構築した方が安くない？」
BtoB向けAI商品検索の導入を検討する際、必ずと言っていいほど出てくるのがこの選択肢です。Elasticsearchは世界で最も広く使われているオープンソースの検索エンジンであり、技術力のある企業なら自社で構築することは十分に可能です。
しかし、「構築できる」ことと「運用し続けられる」ことは別の問題です。本記事では、ElasticsearchでAI商品検索を自社構築する場合のコスト・期間・保守負荷と、SaaS型AI検索を利用する場合を具体的な数字で比較します。
Elasticsearch で「AI商品検索」を作るには何が必要か
まず前提を整理します。Elasticsearch は**検索エンジンの「素材」**であり、「AI商品検索」を作るにはElasticsearchの上に多数の追加開発が必要です。
必要な開発要素
| # | 要素 | 内容 | Elasticsearch 単体で可能か |
|---|---|---|---|
| 1 | 全文検索 | キーワードベースの商品検索 | 可能 |
| 2 | ファセット検索 | カテゴリ・価格帯・属性での絞り込み | 可能 |
| 3 | 同義語対応 | 「タンブラー」→「グラス」「カップ」 | 可能（辞書を自前で整備） |
| 4 | ベクトル検索 | 意味ベースの類似検索 | 可能（v8.0+、Embedding生成は別途） |
| 5 | 自然言語理解 | 「退職祝い、品のあるもの」の解釈 | 不可（LLM連携が必要） |
| 6 | 選定理由の生成 | 「なぜこの商品が最適か」の説明文 | 不可（LLM連携が必要） |
| 7 | チャット型絞り込み | 会話形式での条件追加 | 不可（対話エンジンが必要） |
| 8 | PDF提案書出力 | 選定理由付き提案書の自動生成 | 不可（PDF生成機能が必要） |
| 9 | データ同期 | 商品DB変更の自動反映 | 不可（同期パイプラインが必要） |
| 10 | 管理画面 | 検索精度の監視・チューニング | 不可（Kibanaでは限定的） |
Elasticsearch単体でできるのは項目1〜4まで。BtoB営業向けのAI商品検索に必要な項目5〜10は、すべて追加開発が必要です。
自社構築のコスト・期間を具体的に試算する
開発工数の見積もり
中堅規模の商材データベース（10,000〜50,000件）を対象に、AI商品検索を自社構築する場合の工数を見積もります。
| フェーズ | 作業内容 | 工数（人月） |
|---|---|---|
| 設計 | 要件定義、アーキテクチャ設計、技術選定 | 1.0 |
| 検索基盤 | Elasticsearch構築、インデクシング、同義語辞書整備 | 1.5 |
| ベクトル検索 | Embedding生成パイプライン、ベクトルインデックス | 1.0 |
| LLM連携 | プロンプト設計、リランキング、選定理由生成 | 2.0 |
| チャット機能 | 対話エンジン、コンテキスト管理、UIフロントエンド | 1.5 |
| PDF出力 | テンプレート設計、PDF生成エンジン、画像処理 | 1.0 |
| データ同期 | DB→Elasticsearch同期パイプライン、差分更新 | 1.0 |
| 管理画面 | ダッシュボード、チューニングUI、ログ分析 | 1.0 |
| テスト・QA | 検索精度テスト、負荷テスト、セキュリティテスト | 1.0 |
| 合計 | 11.0人月 |
開発コストの試算
| 項目 | 単価 | コスト |
|---|---|---|
| エンジニア工数 | 100万円/人月 × 11人月 | 1,100万円 |
| インフラ初期構築 | Elasticsearch + GPU（Embedding生成用） | 50万円 |
| LLM API初期テスト費用 | GPT-4o等のAPI利用 | 10万円 |
| 開発合計 | 約1,160万円 |
月間運用コスト
| 項目 | 月額 |
|---|---|
| Elasticsearchクラスタ（AWS OpenSearch等） | ¥50,000〜¥150,000 |
| LLM API（GPT-4o等、月2,000クエリ想定） | ¥30,000〜¥120,000 |
| Embeddingモデルのホスティング | ¥20,000〜¥50,000 |
| エンジニア保守（0.2人月） | ¥200,000 |
| 月間合計 | ¥300,000〜¥520,000 |
開発期間
フルスタックエンジニア2名で並行開発した場合: 約6ヶ月
SaaS型AI検索（AICatalog）のコスト
比較のため、SaaS型AI検索のコストを同規模（商材10,000〜50,000件）で見積もります。
| 項目 | コスト |
|---|---|
| 初期費用（データ整備・AI設定・チューニング） | 100万〜150万円 |
| 月額 | 5万〜10万円 |
| 開発期間 | 4〜8週間 |
| エンジニア保守 | 不要（SaaS側が対応） |
比較表: 自社構築 vs SaaS
| 項目 | 自社構築（Elasticsearch） | SaaS（AICatalog） |
|---|---|---|
| 初期費用 | 約1,160万円 | 100〜150万円 |
| 月額運用費 | 30〜52万円 | 5〜10万円 |
| 開発期間 | 6ヶ月 | 4〜8週間 |
| 年間総コスト（初年度） | 約1,520〜1,780万円 | 160〜270万円 |
| 年間総コスト（2年目以降） | 360〜620万円 | 60〜120万円 |
| 自然言語検索 | LLM連携を自前開発 | 標準機能 |
| 選定理由生成 | LLM連携を自前開発 | 標準機能 |
| チャット型絞り込み | 対話エンジンを自前開発 | 標準機能 |
| PDF提案書出力 | PDF生成を自前開発 | 標準機能 |
| 検索精度のチューニング | 自社エンジニアが対応 | SaaS側が継続的に改善 |
| LLMモデルのアップデート | 自社で対応（GPT新版対応等） | SaaS側が自動対応 |
| スケーラビリティ | 自前でクラスタ管理 | SaaS側が自動スケール |
| カスタマイズ性 | 高い（何でもできる） | 中程度（API連携で拡張） |
自社構築が向いているケース
全てのケースでSaaSが優れているわけではありません。以下の条件に当てはまる場合は、自社構築の方が合理的です。
ケース1: すでにElasticsearchの運用チームがいる
社内にElasticsearchの構築・運用経験があるチーム（3名以上）がすでに存在する場合、追加開発のコストは上記の見積もりより大幅に下がります。ただし、LLM連携の開発経験があるかが重要です。Elasticsearchの運用経験とLLMの組み込み経験は別のスキルセットです。
ケース2: 極めて特殊な業務要件がある
商品の検索ロジックに、SaaSでは対応できない業界固有の複雑なルールがある場合（例: 薬事法に基づく成分チェック、輸出規制のスクリーニング等）は、自社構築でフルカスタマイズする方が良い場合があります。
ケース3: データを社外に出せない
セキュリティポリシーや法規制により、商品データを一切社外のクラウドに置けない場合は、オンプレミスでの自社構築が唯一の選択肢となります。ただし、多くのSaaS型AI検索は国内クラウドでのデータ管理に対応しており、この制約に該当する企業は実際には限定的です。
SaaSが向いているケース
ケース1: エンジニアリソースが限られている
中小〜中堅の卸売・流通企業では、自社にフルスタックエンジニアのチームを持っていないことがほとんどです。AI商品検索のために6ヶ月のエンジニアリング投資は現実的ではありません。
ケース2: 早く使い始めたい
自社構築は6ヶ月、SaaSは4〜8週間。時間は金では買えません。 競合に先んじてAI検索を営業現場に投入したい場合、SaaSのスピードは大きなアドバンテージです。
ケース3: AI/LLMの技術変化に追従したい
AI領域の技術変化は極めて速く、GPT-4oが出たと思ったら半年後にはGPT-5が出る世界です。自社構築の場合、新しいモデルへの対応は自社エンジニアが行う必要があります。SaaSであれば、プロバイダが継続的にモデルをアップデートし、検索精度を改善し続けます。
「まずElasticsearchで試して、ダメならSaaS」は危険
よくあるパターンとして「まずElasticsearchでキーワード検索を構築し、後からAI機能を追加する」という段階的アプローチがあります。
しかし、これには以下のリスクがあります:
- キーワード検索だけでは営業の課題が解決しない → 現場から「使えない」と評価される → AI機能追加の予算が通らなくなる
- Elasticsearchの上にLLMを後付けする設計は、最初からLLM前提で設計したシステムより複雑になる
- 沈没コスト効果により、「すでにElasticsearchに投資したから」と不適切なアーキテクチャに固執してしまう
最初から「営業がどう使うか」をゴールに据え、そのゴールに到達する最短経路を選ぶべきです。
他の選択肢との比較
Elasticsearch以外にも、AI検索を構築できる基盤は存在します。
| 基盤 | 初期コスト | 特徴 | 課題 |
|---|---|---|---|
| Elasticsearch / OpenSearch | 1,000万円+ | 最も広く使われる検索エンジン。エコシステムが豊富 | LLM連携は別途開発 |
| Azure AI Search | 500万円+ | Microsoftのクラウド検索。ベクトル検索内蔵 | SIer経由の導入が前提。SMBには高額 |
| Vertex AI Search（Google） | 500万円+ | Googleのクラウド検索。自然言語対応 | GCP前提。日本語チューニングは自前 |
| Algolia | 300万円+ | 高速な検索API。開発者向けドキュメントが充実 | BtoB営業向けのカスタマイズは自前 |
| SaaS（AICatalog等） | 100〜150万円 | BtoB営業向けに設計済み。即利用可能 | カスタマイズ性はフル自社構築より低い |
まとめ: 判断フローチャート
| 質問 | はい | いいえ |
|---|---|---|
| 社内にElasticsearch運用チーム（3名以上）がいる？ | 次へ | → SaaS |
| LLM連携の開発経験がチームにある？ | 次へ | → SaaS |
| 初期投資1,000万円以上の予算がある？ | 次へ | → SaaS |
| 半年以上の開発期間を許容できる？ | 次へ | → SaaS |
| SaaSでは対応できない特殊な業務要件がある？ | → 自社構築 | → SaaS |
ほとんどの中小〜中堅卸売企業にとって、SaaS型のAI検索が合理的な選択肢です。自社構築が向いているのは、エンジニアリングリソースが潤沢で、かつ特殊な要件がある企業に限られます。
AICatalog — 商材検索をAIに任せる
AICatalogは、御社の商材データベースにAI検索機能を後付けするBtoB SaaSです。
- 自然言語で検索 — 「春向けの和柄タオル、予算3,000円」で最適商材を提案
- 選定理由付き — なぜその商材を選んだかをAIが説明
- ワンクリックで提案書 — PDF提案書をその場で出力
Elasticsearchで自社構築するより初期費用1/10、導入期間1/6。14万商材のorosyで2年間磨いたエンジン。
orosy AICatalog開発部
B2B卸プラットフォーム orosy のAI検索機能開発部門。14万商材の自社カタログで日々AIモデルのチューニングと検索精度の改善に取り組んでいます。現場の営業が本当に使える検索とは何かを追求し、その知見を発信しています。
この記事はAICatalog ブログの開発元である Orosy, inc. が作成しています。