あなたにぴったりの生成AI、エージェント、ソフトウェアが見つかる

あなたにぴったりの

レコメンドAI

を無料で選定

Q. どちらに当てはまりますか？

条件に合うレコメンドAIを知りたい

あなたにおすすめ

顧客一人ひとりに最適な商品を提案したい

レコメンドの精度や売上貢献度を改善したい

主要なレコメンドAIを比較したい

レコメンドAIおすすめ9選｜タイプ別の選び方ガイド

更新：2026/6/17

レコメンドAIでは、どこに推薦を出すかに加えて、誰が運用し、どこへ組み込むかも比較対象になります。候補は、商品推薦、接客やメール配信、既存サービスへの組み込みで分かれます。運用担当者が調整するか、開発チームが実装するかも先に分けます。このページでは、レコメンドAIの候補を、自社の支援場面と扱う情報やつなぐ先に照らし、推薦の出し分けや運用ルールを先に見てから比較できます。

FitGapにおけるすべての評価は、公平性を最優先に、客観的なアルゴリズムを用いて計算されています。製品の評価方法は「FitGapの評価メソッド」、シェアデータの算出根拠は「シェアスコアの算出方法」をご覧ください。

レコメンドAIのおすすめ製品を製品ごとにタイプ、料金、企業規模、評価ポイントで比較する表
製品名	タイプ	料金	企業規模	評価ポイント
さぶみっと！レコメンド	ECサイトの購買促進タイプ 🛒	39,000円月	中小中堅大企業	タグ設置だけで最短1週間導入。低コストで中小ECシェアもトップ。
アイジェント・レコメンダー	ECサイトの購買促進タイプ 🛒	50,000円月	中小中堅大企業	ABテストやスコア調整まで対応。専任支援で大規模ECの改善を回せる。
NaviPlus レコメンド	ECサイトの購買促進タイプ 🛒	要問合せ	中小中堅大企業	検索・メール・接客ツールと連携可能。推薦施策を検証しながら広げられる。
Rtoaster	Web接客・顧客体験の向上タイプ 🎯	500,000円月	中小中堅大企業	顧客データ統合とレコメンドを一体運用。大規模な出し分け施策に強い。
KARTE	Web接客・顧客体験の向上タイプ 🎯	要問合せ	中小中堅大企業	リアルタイム行動を見て即時接客。ノーコードで施策改善を速く回せる。
b→dash	Web接客・顧客体験の向上タイプ 🎯	要問合せ	中小中堅大企業	CDP・MA・BI・接客を一つで運用。対応範囲が広く連携にも強い。
Amazon Personalize	自社サービスへのAI組み込みタイプ 🔧	0円月	中小中堅大企業	AWS上で大規模データを推薦に活用。セキュリティ重視の組み込みに強い。
Google Cloud Recommendations	自社サービスへのAI組み込みタイプ 🔧	0.27ドル1,000件	中小中堅大企業	収益・在庫・商品属性に合わせて推薦調整可能。事業指標で最適化しやすい。
Recombee	自社サービスへのAI組み込みタイプ 🔧	0円〜月	中小中堅大企業	APIで推薦ルールを細かく制御可能。無料枠から小さく検証を始められる。

レコメンドAIの導入によって得られる効果

レコメンドAIは、利用者の行動や好みに合わせて商品や情報を提案するためのAIです。導入前後で変わる点は、下の表で確認できます。

導入前の課題	導入によって得られる効果
おすすめ商品を選びにくい	閲覧や購入履歴をもとに候補を出しやすくなり、手動で選ぶ作業を減らせます
顧客ごとの提案が難しい	顧客の行動に合わせた提案を行いやすくなり、個別対応の負担を抑えられます
一緒に買われる商品が分からない	商品同士の関係を確認しやすくなり、組み合わせ提案を進めやすくなります
提案後の反応を確認しにくい	押された商品や購入の変化を確認し、おすすめ内容の改善に使えます
偏った提案が不安	表示内容や条件を確認しやすくなり、不自然な提案の見直しを進めやすくなります

続いて、レコメンドAIをタイプ別に分類し、それぞれのおすすめ製品を紹介します。

タイプ別おすすめ製品

ECサイトの購買促進タイプ 🛒

このタイプが合う企業：

ECサイトやネットショップを運営しており、商品レコメンドによる売上アップやカゴ落ち防止を実現したい事業者の方です。

どんなタイプか：

ECサイトの商品データや閲覧・購買履歴を分析し、商品詳細やカート周辺に推薦商品を表示するタイプです。購買率や客単価の改善に直結しやすい商品推薦に絞る点が特徴です。

タグ設置だけで低コストに商品推薦を始めたい小規模EC向け

さぶみっと！レコメンドは、タグ設置だけで短期間に商品推薦を始めやすい、導入負荷と費用を抑えたEC向けレコメンドAIです。 レコメンド専任者や開発リソースが限られる店舗でも運用に乗せやすく、FitGapでは料金・サポート評価が同ページ内1位、導入しやすさも上位で、中小企業と卸売・小売でのシェアも1位です。特に、まず商品詳細ページやカート周辺におすすめ枠を置き、回遊率や購入率の改善を狙う小〜中規模ECに向きます。一方、ABテスト制御、表示パターンの切替、スコア調整Boostには対応せず、API連携も有料オプションです。ロジックを細かく検証するならNaviPlusやアイジェント、低コストで早く始めるなら本製品が候補です。

価格

39,000円

月

無料トライアルあり

ユーザの企業規模

中小企業

中堅企業

大企業

使いやすさ
セットアップ
料金
サポート充実
連携・拡張性
機能性
セキュリティ

メリットと注意点

仕様・機能

アイジェント・レコメンダー

製品情報を見る

検索やメール施策と商品推薦をつなげたい中規模以上のEC向け

NaviPlus レコメンドは、複数データを組み合わせた商品推薦に加え、ECカートやメール配信・接客ツールとの連携まで見据えた拡張型のレコメンドAIです。 既存システムを活かしながら、レコメンド枠ごとのクリック率や購入率を見て改善したい企業に向きます。 FitGapではこのタイプの3製品の中で連携評価が1位で、ABテスト制御と表示パターンの切替の両方に対応する点も同タイプでは目立ちます。中規模以上のECで、検索、メール、接客施策と商品推薦をつなげたい場合に有力です。一方、問い合わせ向けのFAQ・ナレッジ推薦には対応せず、大規模言語モデル（LLM）を使う推薦やユーザー属性に応じた出し分けは追加費用になる場合があります。価格は個別見積もりのため、小規模ECや分析体制が薄い企業は、より簡単に始められる製品とも比較した方がよいです。

価格

要問合せ

ユーザの企業規模

中小企業

中堅企業

大企業

使いやすさ
セットアップ
料金
サポート充実
連携・拡張性
機能性
セキュリティ

メリットと注意点

仕様・機能

Web接客・顧客体験の向上タイプ 🎯

このタイプが合う企業：

ECサイトだけでなくWebサイトやアプリ全体の顧客体験を総合的に高めたいマーケティング担当者の方です。

どんなタイプか：

Webサイトやアプリ上の行動データを使い、レコメンド、ポップアップ、メール、プッシュ通知を横断して出し分けるタイプです。商品推薦単体より顧客体験全体の最適化を重視します。

自社データを統合して接客を細かく最適化したい大企業向け

Rtoasterは、自社保有データを統合するプライベートDMPと高度なレコメンドを組み合わせ、Webやアプリの接客を細かく最適化する自動接客プラットフォームです。ルール設計と機械学習の両方を使えるため、施策ごとに見せ方やスコアを調整したい大規模EC、金融、製造業のマーケティング部門に向きます。 FitGapでは製造業シェアが同ページ内1位、大企業シェアも上位で、サポート・連携評価も手堅く、複雑なデータ活用を伴う運用で候補にしやすい製品です。一方、日本語商品レビュー解析には対応せず、機能はaction+やinsight+などのモジュール単位で分かれます。月額50万円からの価格帯や導入時の社内説明・育成も必要なため、少人数で安く試したい企業は導入しやすい製品と比較してください。

価格

500,000円

月

無料トライアルあり

ユーザの企業規模

中小企業

中堅企業

大企業

使いやすさ
セットアップ
料金
サポート充実
連携・拡張性
機能性
セキュリティ

メリットと注意点

仕様・機能

KARTE

製品情報を見る

マーケター自身でWeb接客を素早く改善したい事業者向け

KARTEは、サイトやアプリ上の行動をリアルタイムに捉え、ポップアップやメッセージ、レコメンドをその場で出し分ける顧客体験（CX）プラットフォームです。 コード不要のセグメント設定やテンプレートを使い、マーケター自身が施策を素早く試せる点が強みで、FitGapでも操作性・導入しやすさ・連携評価が同ページ内1位です。既存のCMSや配信自動化ツールと組み合わせ、Web接客の改善サイクルを速く回したい中堅以上のBtoC事業者に向きます。一方、レコメンド機能はDatahub契約が前提となる場合があり、類似推定・併売推薦は追加オプション、レコメンド枠のバリアント切替は非対応です。商品推薦ロジックを網羅的に作り込む企業や、価格を抑えて単機能だけ使いたい企業は、Rtoasterやb→dashと機能範囲・費用を比べてください。

価格

要問合せ

ユーザの企業規模

中小企業

中堅企業

大企業

使いやすさ
セットアップ
料金
サポート充実
連携・拡張性
機能性
セキュリティ

メリットと注意点

仕様・機能

b→dash

製品情報を見る

データ統合から配信までノーコードでまとめたい中堅企業向け

b→dashは、顧客データ基盤（CDP）、配信自動化（MA）、分析（BI）、Web接客、レコメンドを一つにまとめ、データ統合から配信・分析までノーコードで扱うデータマーケティング基盤です。 レコメンド単体だけを追加するより、顧客データ基盤ごと整備して接客施策を広げたい企業に向きます。 FitGapでは日本語商品レビュー解析や日本市場購買行動への適合を含むレコメンド要件をすべて標準機能でカバーし、サポート・セキュリティ・連携評価も同ページ内1位です。飲食・宿泊業や金融・保険業のシェアも1位で、複数チャネルの顧客接点をまとめて運用したい中堅〜大手企業に適しています。一方、多機能な分だけ料金評価は低く、レコメンド枠だけを短期で試したい企業や既存ツールを活かしたい企業は、KARTEやRtoasterの方が過不足なく使える可能性があります。

価格

要問合せ

ユーザの企業規模

中小企業

中堅企業

大企業

使いやすさ
セットアップ
料金
サポート充実
連携・拡張性
機能性
セキュリティ

メリットと注意点

仕様・機能

自社サービスへのAI組み込みタイプ 🔧

このタイプが合う企業：

自社プロダクトやアプリに独自のレコメンド機能を実装したいエンジニアや開発チームの方です。

どんなタイプか：

自社アプリやWebサービスにAPIでレコメンド機能を組み込むタイプです。クラウドの機械学習基盤で推薦モデルを作り、既存画面やサービス導線に合わせて出力を制御できます。

自社サービスに推薦機能を組み込みたい開発体制のある企業向け

Amazon Personalizeは、AWS上で自社アプリやWebサイトにレコメンド機能をAPI組み込みできるフルマネージド型AIサービスです。商品同士の類似、併売推薦、類似商品推薦まで幅広く扱え、FitGapでも同タイプの要件チェックで3製品中最多の33項目に対応し、セキュリティ評価はおすすめ9製品中1位です。 既存サービスに大量の行動データをつなぎ、リアルタイム更新や新商品反映を重視するEC・メディア事業者に向きます。一方、操作性とセットアップの評価は低めで、AWS上のデータ準備やAPI実装を担える開発体制が前提です。従量課金の稼働管理や固定表示の非対応もあり、マーケターだけで細かく表示順位を制御したい企業は他製品も比べる必要があります。

価格

0円

月

無料トライアルあり

ユーザの企業規模

中小企業

中堅企業

大企業

使いやすさ
セットアップ
料金
サポート充実
連携・拡張性
機能性
セキュリティ

メリットと注意点

仕様・機能

Google Cloud Recommendations

製品情報を見る

事業指標に合わせて推薦を最適化したいEC・メディア企業向け

Google Cloud Recommendationsは、Google Cloudのデータ基盤と組み合わせて、商品カタログや行動履歴からレコメンドを自社サービスへ組み込むフルマネージド型AIサービスです。 大量データを使った精度調整や事業指標に沿った最適化に強く、FitGapでは機能性評価がおすすめ9製品中2位で、リアルタイム更新、匿名ユーザー個別化、モデル多様性、最適化目標切替、候補除外ルール、スコア調整Boostに対応しています。 収益、回遊、在庫や商品属性を踏まえて推薦結果を調整したいEC・メディア企業に向きます。一方、候補理由表示と候補継続性性は非対応です。ユーザーに推薦理由を明示したいサービスや、毎回同じ候補を継続性的に出したい運用では、Amazon Personalizeなど他の組み込み型製品と比較してください。

価格

0.27ドル

1,000件

無料トライアルあり

ユーザの企業規模

中小企業

中堅企業

大企業

使いやすさ
セットアップ
料金
サポート充実
連携・拡張性
機能性
セキュリティ

メリットと注意点

仕様・機能

Recombee

製品情報を見る

無料枠から推薦機能を小さく組み込みたい開発チーム向け

Recombeeは、既存サービスに推薦機能をAPIで組み込み、表示ロジックまで開発側で細かく調整しやすいレコメンドAIです。特定商品を上位に固定する、在庫や属性に応じて候補を除外する、A/Bテスト用に出し分けるといった運用ルールを作り込みやすく、FitGapでは同タイプ内で固定表示・ルール適用自由度・バリアント切替のすべてに対応し、候補理由表示や出力の継続運用性も確認できます。 無料枠から段階的に拡張できるため、EC、メディア、求人、不動産などでまず小さく実装して改善したい小〜中規模の開発チームに向きます。一方、管理画面の日本語UIはなく、サポート評価はカテゴリ内で低めです。専任支援や高度な統制、CRM・MAまで含むマーケティング機能を重視する企業は、Amazon PersonalizeやGoogle Cloud Recommendationsも比較してください。

価格

0円〜

月

無料トライアルあり

ユーザの企業規模

中小企業

中堅企業

大企業

使いやすさ
セットアップ
料金
サポート充実
連携・拡張性
機能性
セキュリティ

メリットと注意点

仕様・機能

比較すべき機能の優先度マップ

どこから比較すべきか

製品には数多くの機能がありますが、選定の決め手になるのは一部の機能だけです。そこで各機能を「多くの企業で必要か」と「製品ごとに対応が分かれるか」の2つの軸で4つに分け、比較する順番が分かるように並べました。下の表では、このページに登場した製品が各機能にどう対応しているかを、上から順に確認できます。

標準対応

オプション/条件付き

非対応

選定の決め手

ECの商品おすすめからWeb接客、自社サービス組み込みまで、推薦の出し分けや運用ルールに製品差が出やすい項目を中心に確認します。

	さぶみっと！レコメンド	アイジェント・レコメンダー	NaviPlus レコメンド	Rtoaster	KARTE	b→dash	Amazon Personalize	Google Cloud Recommendations	Recombee
併売推薦バスケットにもとづき「一緒に買われる商品」を提示できる
類似商品推薦説明文/画像/属性情報にもとづき似た商品を提示できる
固定表示特定商品を候補の上位に固定表示できる
ルール適用自由度 Boost/抑制/除外/固定ルールを同時に組み合わせて適用できる
日本語商品レビュー解析適合日本語の商品属性やレビュー表現を正確に扱えるか

一部の企業で必須

実験運用やFAQ活用、説明付き表示まで求めるレコメンドAIでは重要になりますが、通常の商品・コンテンツ推薦では必要性を見極めて比較します。

	さぶみっと！レコメンド	アイジェント・レコメンダー	NaviPlus レコメンド	Rtoaster	KARTE	b→dash	Amazon Personalize	Google Cloud Recommendations	Recombee
FAQ/ナレッジ推薦 FAQ/ナレッジ内容に関連する項目を提示できる
ABテスト制御複数ロジックのA/Bテストを実行・比較できる
バリアント切替 A/Bテスト結果にもとづき最適ロジックへ自動切替できる
候補理由表示「閲覧履歴から」など理由文を出せる

ほぼ全製品が対応

多くのレコメンドAIで備わっている基本的な候補制御や即時反映の項目です。導入前提として押さえつつ、細かな使い勝手を確認します。

	さぶみっと！レコメンド	アイジェント・レコメンダー	NaviPlus レコメンド	Rtoaster	KARTE	b→dash	Amazon Personalize	Google Cloud Recommendations	Recombee
商品属性条件カテゴリ・価格帯・ブランドなど属性条件で候補を変えられる
候補除外ルール NGカテゴリ/危険カテゴリを候補対象から除外できる
リアルタイム更新ユーザー行動直後に内容を更新できる
モデル多様性類似/併売/トレンドなど複数方式を同時に反映できる

優先度が低い

日本語UIや一般的な人気・検索連動の表示は対応範囲が広く、レコメンドAI選定では他の差分を見た後に確認すれば十分です。

	さぶみっと！レコメンド	アイジェント・レコメンダー	NaviPlus レコメンド	Rtoaster	KARTE	b→dash	Amazon Personalize	Google Cloud Recommendations	Recombee
短期トレンド推薦新着/急上昇など短期人気の動きを活用できる
検索連動推薦検索結果や検索語に応じて関連候補を提示できる
日本語UI対応設定や分析画面を日本語で扱えるか

レコメンドAIの選び方

このページでの絞り込み方

1
タイプを見て、大まかに製品を絞るECの商品おすすめやWeb接客、自社サービスへの組み込みでは、使う部門と導入後の運用が大きく変わります。まずはタイプ別おすすめで、自社の目的に近い製品群を確認します。タイプ別おすすめへ ↑
2
機能の優先度を確認するレコメンド枠の制御や行動データの使い方は、同じレコメンドAIでも差が出ます。必要な機能と後回しにできる機能を、優先度マップで整理します。機能の優先度マップへ ↑
3
運用・契約条件で比べるタイプと機能を確認したうえで、設置先やデータ準備と改善体制を整理します。料金・契約の進め方も同じ目線でそろえると、自社で続けやすい製品を判断しやすくなります。

機能の○×に加えて、レコメンドを置く場所と運用を担う人をそろえると、導入後の負担を比べやすくなります。ここでは日々の改善と契約前の確認に関わる4つの観点を整理します。

機能だけでは分かりにくい、運用・契約条件の比較ポイント

レコメンドを出す接点

ECの商品詳細やカートだけで使う場合と、Webサイトやアプリ全体で接客する場合では、施策を管理する部門が変わります。接点を広げすぎると、表示内容の確認や成果の振り返りが運用負担になります。

製品の分かれ方：製品はECサイト内の商品推薦を中心に使うもの、Webやアプリの接客全体に広げるもの、自社サービスへ組み込むものに分かれます。

ECサイト内の商品推薦を中心に使う製品商品詳細やカート周辺におすすめ枠を置きやすい製品です。ただしサイト改善の対象が広がると、別の接客施策との役割整理が必要です。代表製品：さぶみっと！レコメンド / NaviPlus レコメンド

Webやアプリの接客全体に広げる製品閲覧行動に合わせてポップアップや配信施策まで組み合わせやすい製品です。その分、マーケティング施策の管理ルールを先に決める必要があります。代表製品：KARTE / Rtoaster

自社サービスへ組み込む製品既存の画面やアプリ導線に合わせて推薦結果を出しやすい製品です。ただしイベント送信や表示実装を担う開発体制が前提です。代表製品：Amazon Personalize / Recombee

データ準備と更新の進め方

商品点数や会員データが多い事業では、最初に投入するデータと更新頻度をそろえないと推薦精度が安定しません。データの整備を現場だけに任せると、施策開始までの準備が長引きます。

製品の分かれ方：製品はECサイトの行動履歴から始めるもの、顧客データ基盤に集約するもの、クラウドへカタログやイベントを送るものに分かれます。

ECサイトの行動履歴から始める製品閲覧や購買の動きに合わせて商品おすすめを出しやすい製品です。ただし商品データの整理や計測設定は継続して必要です。代表製品：さぶみっと！レコメンド / アイジェント・レコメンダー

顧客データ基盤に集約する製品購買やWebログをまとめて、接客や配信に使いやすい製品です。一方で、部門ごとのデータ管理ルールをそろえないと活用が遅れます。代表製品：Rtoaster / b→dash

クラウドへイベントを送る製品カタログや利用行動をクラウド側へ送って推薦モデルを作りやすい製品です。ただしデータ連携の設計を開発側で保守する必要があります。代表製品：Amazon Personalize / Google Cloud Recommendations

改善体制と施策の回し方

レコメンドAIは導入後に表示場所やおすすめ内容を調整して成果を追います。専任者がいないまま始めると、初期設定後に改善が止まりやすくなります。

製品の分かれ方：製品は管理画面でマーケターが試すもの、ベンダー支援を受けながら改善するもの、開発チームがログや指標を見て調整するものに分かれます。

管理画面でマーケターが試す製品現場の担当者が接客施策を作り、短い周期で改善しやすい製品です。ただし施策が増えるほど、表示ルールの整理が必要です。代表製品：KARTE / b→dash

ベンダー支援を受けながら改善する製品導入後の運用相談や活用支援を受けて改善を進めやすい製品です。ただし支援範囲と社内担当の役割を分けておく必要があります。代表製品：NaviPlus レコメンド / Rtoaster

開発チームが指標を見て調整する製品モデルや表示ロジックを自社のサービス設計に寄せやすい製品です。一方で、検証結果を開発へ戻す運用がないと改善が遅れます。代表製品：Recombee / Amazon Personalize

料金・契約の進め方

小さく試したい店舗と全社の接客基盤を作る企業では、契約前にそろえる情報が変わります。月額の目安だけで決めると、データ量や支援内容を含めた総額が想定とずれます。

製品の分かれ方：製品は無料トライアルや料金ページから始めやすいもの、資料請求や問い合わせで条件を詰めるもの、クラウド利用量を管理するものに分かれます。

無料トライアルや料金ページから始めやすい製品試用や料金情報を入口に、導入前の感触をつかみやすい製品です。ただし本番運用では利用量や上位プランで総額が変わります。代表製品：さぶみっと！レコメンド / Recombee

資料請求や問い合わせで条件を詰める製品データ連携や支援内容を含めて相談しながら進めやすい製品です。その分、要件整理が浅いと見積もりの比較が難しくなります。代表製品：KARTE / b→dash

クラウド利用量を管理する製品開発チームが使う量に合わせてクラウド費用を管理しやすい製品です。ただし学習や配信の増え方を見込まないと予算がずれます。代表製品：Amazon Personalize / Google Cloud Recommendations

ぴったりの製品が見つかる

かんたんな質問に答えるだけで、あなたの要件が整理され、解消すべき注意点や導入までに必要なステップも分かります。

テクノロジー選定エンジンを試す

すべてのレコメンドAIを閲覧

よくある質問

レコメンドAIは何ができますか？

閲覧や購買の履歴をAIが解析し、利用者ごとに「次に欲しそうな商品」を商品ページやカート周辺へ自動表示できます。さらに製品によってはWeb・メール・プッシュ通知をまたいだ出し分けやリアルタイム接客、APIでの自社サービス組み込みにも広がり、売上や回遊率の改善まで一つの仕組みで狙えます。

レコメンド枠をABテストや表示パターンの切替まで細かく制御できますか？

ロジック検証や表示パターンの切替までできる製品は限られ、手軽な商品推薦ツールでは非対応のこともあります。アイジェント・レコメンダーやNaviPlus レコメンドはABテストや切替に対応しますが、さぶみっと！レコメンドは非対応で、Recombeeなど組み込み型はAPIで細かく作り込める形です。

自社アプリにAPIでレコメンド機能を組み込めますか？

Amazon PersonalizeやGoogle Cloud Recommendations、Recombeeなら、REST API経由で推薦結果を取得し自社の画面や導線へ組み込めます。ただしデータ準備やAPI実装を担う開発体制が前提で、管理画面だけで運用したいなら、さぶみっと！レコメンドなどタグ設置型の方が始めやすいです。

レコメンドAIの料金はどのくらいですか？

幅が大きく、さぶみっと！レコメンドは月39,000円、アイジェント・レコメンダーは月50,000円です。高機能なRtoasterは月50万円からで、Amazon Personalizeは0円からの従量課金、Google Cloud Recommendationsは1,000件あたり$0.27です。NaviPlus・KARTE・b→dashは要問い合わせになります。

商品数やアクセスが少ないECでも効果は出ますか？

データが少ないと精度が出にくく、新規ユーザーや新商品ではコールドスタートの影響も受けやすいです。まずはさぶみっと！レコメンドのようにタグ設置で低コストに始め、商品数やアクセスが増えてからアイジェントやNaviPlusの高度な制御へ移すと、費用と効果のバランスを取りやすいです。

※掲載している機能・対応範囲・料金は一般的な目安です。製品・プラン・契約条件により異なる場合があるため、導入前に各製品の最新の公式情報や比較表でご確認ください。

サービスカテゴリ

AI・エージェント