ものづくり補助金の第1回公募、締切は2026年10月30日——あと23日だ。
「うちで実際に取った時の話なんですけど」、機械学習システムの開発で申請した際、事業計画書の精度目標を「業界標準比2倍の精度を実現」と書いたら、二次審査のヒアリングでいきなり「その2倍の根拠はどこに？」と聞かれた。論文も、競合データも、ない。あの沈黙は今でも忘れられない。
AIモデル・機械学習システムの研究開発は、ものづくり補助金の中でも新事業進出枠の典型的な対象だ。しかし2026年、補助金申請支援の現場では同じパターンの落選が繰り返されている。
公募要領を3回読んでみたら、AIモデル開発に特有の「落ちどころ」が浮かんでくる。今回は書面審査を通過できない3つの典型パターンを、実例と対策とともに解説する。
ものづくり補助金 新事業進出枠の基本スペック（2026年第1回）
| 項目 | 内容 |
|---|---|
| 公募締切 | 2026年10月30日（水）17:00 |
| 補助上限 | 2,000万円 |
| 補助率 | 中小企業：1/2、小規模事業者：2/3 |
| 付加価値額 | 年率平均3%以上の増加（事業計画期間内） |
| 対象 | 新市場・新製品・新サービスへの進出を伴う革新的なシステム開発・設備投資 |
AIモデル・機械学習システムの開発はこの枠の「システム構築費」に該当するケースが多いが、経費の性質が複合的なため審査で引っかかりやすい。3つのパターンを順に見ていく。
【パターン1】精度目標の根拠が「感覚値」になっている
よくある事業計画書の記載
「独自の深層学習モデルにより、従来比150%の検出精度を実現する。業界水準を大幅に上回るシステムを構築し、競争優位性を確立する。」
この記載、何が問題か分かるだろうか。「従来比150%」の根拠が何もない。
審査員は補助金の妥当性を判断するため、技術的な数値目標には必ず定量的根拠を要求する。特にAI・機械学習の場合、「精度」という言葉の定義すら曖昧なことが多い。適合率（Precision）なのか、再現率（Recall）なのか、F1スコアなのか——定義を明示しないと「そもそも何を測っているのか分からない」と判断される。
なぜ落ちるのか
ものづくり補助金の審査基準「技術的優位性」は、単なる自己申告では評価されない。審査員が確認したいのは：
- ベースラインとなる既存技術・競合製品の性能データ（数値）
- 目標値の設定根拠（学術論文、業界標準規格、競合比較）
- その精度向上が「新市場開拓・新事業」につながる理由の説明
「精度が高い＝採択に近い」ではなく、「なぜその精度が必要で、どうやって達成するのか」が問われる。数値目標だけ高く書いて根拠が薄いと、かえって「実現可能性が低い」と判断されてしまう。
対策：論文・ベンチマーク・競合データの3点セット
テンプレで時短すると、つい「高精度を実現」と書いて終わりがちだが、ここは手を抜いてはいけない。具体的には：
- J-PlatPatで類似特許を3件以上検索し、既存技術の性能水準を調査する
- arXiv・Google Scholarで関連タスクの最新ベンチマーク数値を引用する（論文名・著者・年号を明記）
- 自社が取り組むデータセットの特性（ノイズ率、クラス不均衡比率など）を定量化する
- 「なぜ既存技術ではこの精度が出ないか」を技術的に説明する（ドメインシフト、データ不足など）
記載例：「医療画像の病変検出タスクにおいて、公開ベンチマーク（XXXX Dataset）での既存SOTA精度は88.3%（〇〇ら、2025年△△学会論文）。しかし自社独自収集の内視鏡画像データ（約5万枚、既存モデル適用時で精度72%に低下）に対してドメイン適応手法を適用し、F1スコア90%以上を達成することを目標とする」——この形式で書けば審査員に技術水準が伝わる。
【パターン2】学習データ費の経費区分ミスで補助対象外になる
AIモデル開発特有の経費構造
機械学習システムの開発には、通常の製造業とは異なる経費が発生する：
- 学習用データの購入・収集費用
- アノテーション（データラベリング）作業費
- クラウドGPUのレンタル費（モデル学習・推論基盤）
- MLOpsプラットフォーム・実験管理ツールの利用料
これらをどの経費区分に計上するかで、補助対象になるかどうかが変わる。同じ「データ収集費」でも書き方によって審査の評価が180度変わるケースがある。
よくある経費区分ミス3つ
ミス①：学習データ購入費を「原材料費」で計上する
「データは材料だから原材料費でしょ」——これが典型的な誤解だ。ものづくり補助金において原材料費は「試作品・製品の製造に直接使用される材料の購入費」を指す。学習データは試作品の「材料」ではなく、システム開発プロセスの構成要素であるため、外注費（データ収集を外部委託する場合）または機械装置・システム構築費の一部として整理する必要がある。
ミス②：クラウドGPU費を「クラウドサービス利用費」で計上するが上限を把握していない
クラウドサービス利用費は補助対象だが、補助金総額の1/2が上限という制約がある（2026年版公募要領）。大規模なモデル学習でGPUクラスタを長期間借りる計画の場合、この上限を超えると超過分は全額自己負担になる。「補助金総額2,000万円で申請したが、クラウド費が1,200万円の場合、クラウド分は1,000万円しか補助されない」——この計算ミスが実際に起きている。
ミス③：アノテーション外注費を過大計上して「外注費の2/3ルール」に引っかかる
外注費は補助対象経費の合計の2/3を超えてはならない。大規模なデータラベリングをクラウドソーシングに外注する場合、この比率を超えるケースがある。アノテーション費が膨らむ場合は、社内スタッフの人件費（補助対象外）との組み合わせで実施し、外注比率を下げる設計が必要だ。
対策
公募要領の「補助対象経費の区分と要件」を3回以上精読し、AI開発特有の費目ごとに根拠条文を明記した経費計画表を事前に作成する。不明な費目は採択後ではなく申請前に事務局に確認するのが鉄則だ。採択後に「この費目は対象外でした」と言われても、計画変更には制約がある。
【パターン3】特許出願タイミングの矛盾が審査員に見抜かれる
事業計画書に書かれた矛盾の典型例
（事業概要）本技術については既に特許出願済み（出願番号：特願2026-XXXXXX）であり、技術的優位性は確立されている。
（実施スケジュール）第8〜10ヶ月：AIモデルの精度向上・改良、特許出願（追加クレーム）予定
表紙近くで「出願済み」と書いておきながら、スケジュール表で「特許出願予定」が再び登場する。これは審査員が必ずチェックする矛盾点だ。「出願済みなのにまた出願するのはなぜか？」「補助事業でどんな新技術が生まれるのか？」という疑問が残ったまま審査が進む。
なぜ矛盾が生まれるのか
AIモデル開発では技術が段階的に発展するため、知財戦略が複雑になる：
- コアアルゴリズムは出願済み（基本特許）
- 補助事業期間中にさらに改良して追加出願予定（改良特許・周辺特許）
- しかし事業計画書の書き方が不明確で、審査員には「矛盾」に見える
また「先行出願済み」を強調したいがために、実際には仮出願（日本では国際出願の優先権基礎となる出願）の段階なのに「特許取得済み」と書いてしまうケースもある。特許出願と特許登録（特許権の発生）は全く異なる。この混同は審査員の信頼を大きく損なう。
機械学習特有の新規性リスク：公開前に確認必須
機械学習モデルの開発では、GitHubでモデルやデータセットを公開すると特許の新規性が失われる可能性がある。「オープンソースで公開して普及させたい」という事業計画と「特許取得して独占的に事業化する」という知財計画が矛盾していないか、事前に弁理士に確認が必要だ。
公募要領を3回読んでみたら、知財計画の記載欄に「事業期間内に得られた知的財産権の帰属・活用方針」という項目がある。ここへの回答と事業概要の知財説明が整合していることが重要だ。
対策
- 出願済み・登録済み・出願予定・検討中を明確に区別して記載する
- 補助事業で生まれる新技術と既存特許の関係を図（特許マップ）で示す
- 「技術的優位性の確保手段」として特許だけでなく、営業秘密・ブランド・データ蓄積量も複合的に示す
- 改良特許・周辺特許の出願予定がある場合、「なぜ既存出願と別の出願が必要か」を技術的に説明する
まとめ：AI研究開発で新事業進出枠を狙うなら「精度・費目・知財」を先に固める
ものづくり補助金の新事業進出枠でAIモデル・機械学習システムの開発を申請する場合、3つの落とし穴を事前に把握しておくだけで書面審査の結果は大きく変わる：
- 精度目標は定量的根拠とセットで——感覚値・自己申告はNG、論文・ベンチマーク・競合比較の3点セット
- 経費区分はAI特有の費目を公募要領で確認——原材料費の誤用、クラウド上限1/2、外注2/3ルール
- 知財タイムラインの矛盾を消す——出願済み/予定/登録済みを明確区別、既存特許との関係を図示
締切は2026年10月30日。残り23日、まず精度目標の根拠資料収集と経費計画表の見直しから始めよう。
よくある質問（FAQ）
Q1. 学習データの購入費は補助対象になりますか？
A. 補助対象になるケースは多いですが、経費区分が重要です。外部業者からデータを購入する場合は「外注費」または「機械装置・システム構築費」として整理するのが一般的で、「原材料費」での計上は審査で指摘を受けるケースがあります。申請前に補助金事務局に確認することをお勧めします。
Q2. クラウドGPUのレンタル費用はどの程度まで補助されますか？
A. 「クラウドサービス利用費」として計上可能ですが、補助金総額の1/2が上限です（2026年版公募要領）。例えば補助上限2,000万円で申請する場合、クラウドサービス利用費は最大1,000万円まで補助されます。大規模なモデル学習を計画する際は、この上限内に収まるよう学習スケジュールや使用するクラウドリソースを最適化してください。
Q3. 特許出願前の技術を事業計画書に記載しても新規性は失われませんか？
A. 補助金の事業計画書は公開されないため、原則として特許の新規性に影響しません。ただし補助採択後に中小企業庁が事例として公表する場合や、学会発表・論文投稿と申請時期が重なる場合は注意が必要です。「公開前に出願する」という順序を守るため、弁理士に相談のうえ申請スケジュールを立てることをお勧めします。
Q4. 新事業進出枠でAI開発を申請する際、「新市場への進出」はどう証明すればいいですか？
A. 市場規模データ（矢野経済研究所、IDCなどの調査レポートを引用）と、自社の既存事業との差別化を定量的に示すことが重要です。「既存顧客へのアップセル」ではなく「今まで取引のなかった業種・用途への展開」であることを、受注見込み先リスト（仮名・業種・用途で可）や市場浸透戦略とともに示すと説得力が上がります。
Q5. アノテーション（データラベリング）を外注する場合、補助対象になりますか？
A. 国内事業者への外注は補助対象になるケースがほとんどです。ただし外注費の合計が補助対象経費全体の2/3を超えてはならないルールがあります。大規模なアノテーション外注を計画する場合は、自社内での作業との組み合わせで外注比率を管理してください。なお海外クラウドソーシングへの外注については、最新の公募要領で対象可否を必ず確認してください。
参考資料
- 中小企業庁「ものづくり・商業・サービス生産性向上促進補助金 公募要領 第1回（2026年）」全国中小企業団体中央会
- 独立行政法人情報処理推進機構（IPA）「機械学習品質マネジメントガイドライン 第3版（2024年）」
- 特許庁「AIに関する発明の特許審査基準（2025年改訂版）」特許庁審査第四部
