プラットフォームの宣伝文句ではなく、手元にあるデータの種類で選びましょう。解約予測、リードスコアリング、予測などの表形式データを使った業務予測なら、Obviously AI、H2O、DataRobotが候補です。画像なら、手早く試すにはTeachable Machine、実用化するならRoboflowまたはVertex AI AutoMLが適しています。テキスト分類は、専用プラットフォームを使う価値がますます薄れています。2026年の比較記事でもよく紹介されているツールのうち、もはや妥当な選択肢ではないものが2つあります。このガイドでは、そこから始めます。
このページ
候補一覧
| プラットフォーム | データ | 最適な用途 | 技術者は必要？ | 料金体系 |
|---|---|---|---|---|
| Obviously AI | 表形式データ | スプレッドシートからすばやく最初の予測を得る | いいえ | 有料、ベンダーに問い合わせ |
| H2O AutoML | 表形式データ | 技術者1人で使える無料のAutoML | はい（ノートブックまたはサーバー） | オープンソース、無料 |
| DataRobot | 表形式データ | ガバナンス、モニタリング、監査証跡 | アナリストレベル | エンタープライズ向け、案件ごとに見積もり |
| Teachable Machine | 画像、音声、ポーズ | アイデアが機能するか試す | いいえ | 無料 |
| Roboflow | 画像 | 実際にデプロイするコンピュータービジョン | 便利 | ベンダーを見る |
| Vertex AI AutoML | Google Cloud上の画像（その他にも対応） | ラベル付きデータを大量に保有する、すでにGCPを利用中のチーム | 便利 | Google Cloudの従量課金制 |
| Clarifai | 画像 | 事前構築済みモデルで対応できるタスク | 事前構築済みモデルには非対応 | ベンダーを見る |
候補から外す：Lobe（提供終了）、そして少人数チームで初めて取り組むプロジェクトならAkkio（2026年7月からエンタープライズ専用）。詳細は以下をご覧ください。
このガイドの作成方法
これはベンチマークではなく、購入者向けガイドです。ここで紹介する製品に同じデータセットを通して比較したり、処理時間を計測したりはしていません。データセットを公開せずに「精度」の星評価を示す比較記事は、根拠のない数字を信じるよう読者に促しているだけです。以下の内容は、各ベンダーの最新ドキュメントと公開価格を2026年8月に確認したうえでまとめたものです。さらに、多くのリストが見落としている点、つまり製品が今も存在するかどうかも取り上げます。
価格が営業との通話を経て提示される場合は、推測せず、その旨を記載しています。
まず候補から外すべき2つのプラットフォーム
Lobeは終了
Microsoftのドラッグ＆ドロップ式画像分類ツールは、たいてい「無料で初心者にも使いやすい」と紹介され、今も多くの「おすすめノーコード機械学習」リストの上位に載っています。しかし、開発は2021年に停止し、画像分類モデルは2023年1月に非推奨となり、デスクトップアプリの配布も終了しています。今年公開されたガイドがLobeを勧めているなら、著者は確認を怠っています。
代替候補は、手早く試すならTeachable Machine、実際にデプロイするならRoboflowまたはGoogleのVertex AI AutoMLです。
Akkioは上位市場へ移行
Akkioは何年もの間、「技術者ではないチーム、初めてのモデル、限られた予算」に対する誠実な答えでした。セルフサービス価格は1ユーザーあたり月額約49ドルでした。2026年7月現在、セルフサービス価格は公開されておらず、サイトに掲載されているのはメディア代理店向けの単一プラン「Enterprise AI Analytics Platform」だけで、営業への問い合わせが必要です。
それでも、あなたにとって適切なツールかもしれません。2人のマーケティングチームにとって、もはや最初に選ぶべきツールではありません。また、今も49ドルのプランを掲載している比較記事は、もう購入できない製品を紹介しています。
ノーコード機械学習でできることと、その限界
これらのプラットフォームが自動化するのはモデリングであり、考えることではありません。表をアップロードし、予測したい列を指定すると、さまざまなアルゴリズムを試し、チューニングして、パフォーマンスの推定値とともに最良のモデルを返します。以前は、データサイエンティストがこれを行うのに本当に1週間かかっていました。
これらのツールにできないこと：
- その問いを立てる価値があるか判断すること。離脱を92%の正解率で予測するモデルでも、予測が出たときにどうするのか誰も決めていなければ、何の価値もありません。
- データを修正すること。どのツールも、答えがひそかに含まれているリーク列を使って平然と学習し、本番環境では崩壊する驚異的な正解率を報告してしまいます。
- 重要な意味でモデルが間違っていると教えてくれること。全体の正解率だけでは、離脱しない顧客90%には非常によく当てはまる一方、離脱する10%にはまったく役に立たないというケースが見えません。
この最後の点こそ、ノーコードの機械学習プロジェクトがいつの間にか失敗する最も一般的な原因です。これまでモデルを構築したことがないなら、まずコードを書かずに機械学習モデルを構築するステップごとのガイドを読んでから、プラットフォーム選びに戻ってきてください。
ノーコード、ローコード、AutoML：それぞれの意味
ノーコードプラットフォームは、ビジュアルインターフェースだけで操作します。データをアップロードし、予測する列を選び、結果を確認します。Obviously AIとTeachable Machineがこのグループに含まれます。ローコードプラットフォームでは、インターフェースで対応できない部分に任意でスクリプトを追加できます。多くのチームにとって、H2O、DataRobot、Vertex AIがこれに当たります。AutoMLはその両方を支える仕組みで、アルゴリズムの選択とチューニングを自動化します。ノーコードではなくてもAutoMLであるツールは存在します。そのため、「無料のAutoML」と「技術担当者が不要」は、同じ製品を指すことがほとんどありません。
表形式データを使ったビジネス予測向け
顧客離脱、リードスコアリング、需要予測、不正検知。ビジネスでの機械学習の大半が活用されている領域であり、これらのツールが本当に力を発揮します。
Obviously AI
データソースを接続し、予測したい内容を指定すれば、数分でモデルが完成します。スプレッドシートから予測へ進む最速の方法で、予算を投入する前に「そもそもここにシグナルはあるのか」を確かめるのに最適です。1年間運用してモニタリングする予定のモデルには、あまり向いていません。
DataRobot
企業が実際に監査を受ける領域、つまりモデルガバナンス、モニタリング、ドリフト検出、ドキュメント化に対応した自動機械学習です。インターフェースはノーコードですが、扱う概念は簡単ではないため、マーケターよりデータアナリストに向いています。料金はエンタープライズ向けで、案件ごとの見積もりです。
H2O AutoML
オープンソースで無料。一般的な表形式データのタスクでは、商用AutoMLに匹敵します。ノートブックや稼働中のサーバーを扱える人が必要なので、技術担当者が1人いて予算がないチームには有力な選択肢ですが、どちらもないチームには向きません。
プラットフォームが出すのは数値です。Hannahはその周りの手法を整えます。どのパイプライン入力を対象にするか、信頼区間がコミットにとって何を意味するか、経営陣に軽視されない予測をどう提示するかを示します。
Hannahを見る →テキスト向け
まず厄介な問いから
専用のテキスト分類プラットフォームは、カスタム分類器だけがサポートチケットを意図別に振り分けたり、レビューにトピック別のタグを付けたりする唯一の方法だった時代に作られました。今では汎用モデルに文章で指示するだけで、学習データなしに同じことができます。月に数千件未満の文書を扱うなら、よく書かれたpromptをまとめて実行するほうが、通常は学習セットにラベルを付ける手間よりも効率的です。
専用の分類器が今も有効なのは、1件あたりのコストやレイテンシが重要な大量処理の場合や、毎回同じ判断を一貫して行う必要がある場合です。
MonkeyLearn（現在はMedalliaの一部）
MonkeyLearnは2022年にMedalliaに買収され、その技術はMedalliaのExperience Cloudに統合されました。固定の月額料金で使える独立したセルフサービス製品として紹介されていたら、情報が古いと考え、計画に組み込む前にMedalliaが現在実際に提供している製品を確認してください。
予測結果を書き出すだけでは答えになりません。Claraはまず問いを定め、データで答えを出せるかを確かめ、ファイルを技術者でない関係者も判断できる形にします。
Claraを見る →画像向け
Teachable Machine
Googleの無料ブラウザーツール。アカウントもインストールも不要で、ウェブカメラやアップロードしたファイルを使って、約15分で画像、音声、ポーズを分類するモデルを動かせます。アイデアがそもそも実現可能か確かめるのに最適です。本番用のシステムではありませんし、そのように装ってもいません。
Roboflow
お試し版が動いた後に実用的な選択肢となるのがこれです。コンピュータービジョン専用に開発され、データセット管理、ラベル付け、データ拡張、学習、デプロイを一か所で行えます。Teachable Machineを使った後に、多くのチームが行き着く先です。
Google Vertex AI AutoML
Google Cloud上で、自動アーキテクチャ探索を使ったカスタム画像分類と物体検出ができます。すでにGCPを利用していて、大規模なラベル付きデータセットがあり、エンタープライズ環境へのデプロイが必要なら検討する価値があります。それより小規模な用途には大がかりです。
Clarifai
物体認識やコンテンツモデレーションなど、一般的なタスクに対応する事前構築済みモデルのライブラリに加え、ノーコードのカスタム学習とAPIを備えたコンピュータービジョン。タスクに対応する事前構築済みモデルがある場合に最も強力で、ラベル付けをまるごと省けます。
一度で選ぶ
- スプレッドシートで、予測が欲しい。今日中に：Obviously AI。
- スプレッドシートで、技術担当者は1人、予算なし：H2O AutoML。
- 規制対象で、監査済み。監視とドキュメントが必要：DataRobot。
- 画像で、アイデアを試す：Teachable Machine。
- 画像で、本格的なものを構築する：Roboflow、またはすでにGoogle Cloudを利用しているならVertex AI AutoML。
- 画像で、既成モデルで対応できる可能性がある：Clarifai。
- テキスト、ほどほどの量：プラットフォームを購入する前にpromptを試しましょう。
すべてに通じるルールは一つ。今ある問いに答えられる最小限のツールを選ぶこと。無料ツールでは手狭になるコストは週末の作業です。不要なエンタープライズ契約のコストは1年分です。
DataRobotが実際に提供しているのは、規律あるプロセスです。問いの立て方、情報漏洩につながる列の見極め、意思決定に合った指標の選択、信頼できるテストの設計。Leilaがその部分を担います。
Leilaを見る →どのプラットフォームでも解決できない部分
上記のツールはどれも、業務の中間部分を自動化します。高くつく失敗は両端で起こります。誰も実行しない意思決定につながる目的変数を選ぶこと、そして推奨案を添えずに確率の列を関係者に渡すことです。
チームにデータ機能がないなら、プラットフォーム選びを考える前に、まずその不足を補いましょう。
まとめ：
Lobeはすでに提供終了しているため候補から外し、Akkioの旧49ドルプランを前提に計画する前に、現在の利用条件をご確認ください。予測には、プラットフォームとHannah（売上予測）を組み合わせましょう。エクスポートデータから意思決定につなげるにはClara（データアナリスト）を、エンタープライズ契約が実際に提供する統計的判断力にはLeila（データサイエンティスト）をお役立てください。各19ドル。すべてClaude、ChatGPT、またはあらゆるAIチャットで使え、30日間の返金保証付きです。
プラットフォームの提供状況と料金は2026年8月時点で確認済みです。ベンダーは予告なく利用条件を変更するため、予算を確定する前にベンダーの公式サイトで最新の料金をご確認ください。
実際に試してみませんか？ ClaudeやChatGPT向けのテクノロジーと開発のSkillをご覧いただくか、すべてのClaude Skillやpromptライブラリをご覧ください。