プラットフォームのマーケティングではなく、手元にあるデータの種類で選びましょう。表形式のビジネス予測（解約、リードスコアリング、予測）はObviously AI、H2O、またはDataRobotに任せます。画像は、簡単なテストならTeachable Machine、実用目的ならRoboflowまたはVertex AI AutoMLを使います。テキスト分類は、専用プラットフォームを使う価値自体がますます薄れています。2026年のまとめ記事の多くが今でも掲載しているツールのうち、2つはもはや賢明な選択肢ではありません。このガイドはそこから始まります。
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8つのプラットフォームに同じデータセットを通して時間を計測した人はいません。また、データセットを公開せずに「精度」の星評価を示すまとめ記事は、作り上げた数字を信じるよう読者に求めています。以下は、2026年8月に確認した各ベンダーの最新ドキュメントと公開価格に基づいています。さらに、ほとんどの一覧が見落としている点、つまり製品がまだ存在するかどうかも確認しています。
価格が営業担当者への問い合わせの後ろに隠れている場合は、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、今でも多くの「最高のノーコードML」一覧の上位に登場し、通常は無料で初心者向けと説明されています。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も現在は配布されていません。今年公開されたガイドがLobeを推奨しているなら、その著者は確認を怠っています。
代替候補は、簡単なテストにはTeachable Machine、実際にデプロイするものにはRoboflowまたはGoogleのVertex AI AutoMLです。
Akkioは上位市場へ移行
Akkioは長年、「非技術系チーム、初めてのモデル、限られた予算」への誠実な答えでした。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いません。サイトにあるのは、メディアエージェンシー向けの単一のEnterprise AI Analytics Platformプランだけで、営業への問い合わせフォームを介する形になっています。
それでも、あなたにとって適切なツールかもしれません。ただし、2人規模のマーケティングチームにとって、もはや適切な最初のツールではありません。また、49ドルのプランを掲載し続けている一覧は、もう購入できない製品を説明しています。
ノーコードMLが行うことと、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って、思考ではありません。表をアップロードし、予測したい列を指定すると、プラットフォームはさまざまなアルゴリズムを試し、調整を行い、性能の推定値とともに最も優れたものを返します。以前なら、データサイエンティストが1週間かけて行っていた作業です。
できないこと:
- その問いを問う価値があるか判断する。解約を92％の正解率で予測するモデルでも、予測が発動したときに何をするか誰も決めていなければ、価値はありません。
- データを修正する。どのツールも、答えをひそかに含むリークした列を使って喜んで学習し、本番環境では崩壊する驚異的な正解率を報告します。
- 重要な意味でモデルが間違っていることを伝える。全体の正解率では、解約しない顧客90％に対しては優秀でも、解約する10％に対しては役に立たないというケースが見えません。
最後の項目が、ノーコードMLプロジェクトがひそかに失敗する最も一般的な原因です。
表形式のビジネス予測向け
解約、リードスコアリング、需要予測、不正フラグ。大半のビジネスMLが存在するのはここであり、これらのツールが本当に得意とする領域です。
Obviously AI
データソースを接続し、何を予測したいかを指定すれば、数分でモデルを取得できます。スプレッドシートから予測までの最短経路であり、予算を投入する前に「ここにシグナルはそもそもあるのか」を確かめるのに適した選択肢です。1年間運用して監視するつもりのモデルには、あまり向いていません。
DataRobot
企業が実際に監査を受ける部分を備えた自動MLです。モデルガバナンス、モニタリング、ドリフト検知、ドキュメントに対応しています。インターフェースはノーコードですが、概念まで簡単なわけではないため、マーケターよりデータアナリストに向いています。料金は企業向けで、案件ごとの見積もりです。
H2O AutoML
オープンソースかつ無料で、標準的な表形式タスクでは商用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、技術担当者がいないチームには向きません。
プラットフォームは数値を出します。Hannahが作るのは、その数値を取り巻く方法論です。どのパイプライン入力を適格とするか、信頼区間がコミットメントにとって何を意味するか、そして経営陣がひそかに割り引かない予測をどう提示するかを決めます。
Hannahを見る →テキストについて
まず、気まずい質問から
カスタム分類器が、サポートチケットを意図別に分類したり、レビューをトピック別にタグ付けしたりする唯一の方法だった頃に、専用のテキスト分類プラットフォームは作られました。今では、学習データがまったくなくても、文章による指示だけで汎用モデルに同じことをさせられます。月数千件未満の文書であれば、適切に書かれたpromptをバッチ実行するほうが、通常は学習セットにラベルを付ける手間を上回ります。
専用分類器が依然として有効なケースは、大量処理で、呼び出しごとのコストとレイテンシーが重要な場合、そして毎回まったく同じ判断を下す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。固定の月額料金で利用できる独立したセルフサービス製品として推奨されている場合は、情報が古いと考え、導入を計画する前にMedalliaが現在実際に販売しているものを確認してください。
予測結果のエクスポートは答えではありません。Claraはまず問いを明確にし、データでそれを裏付けられるかを確認し、ファイルを非技術系の関係者が意思決定に使える形に変換します。
Claraを見る →画像向け
Teachable Machine
Googleの無料ブラウザツールです。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い、約15分で動作する画像、音声、またはポーズの分類器を作れます。アイデアがそもそも実現可能かを確かめるには最適です。本番システムではなく、そのふりもしていません。
Roboflow
試作版がうまく動いた後の実用的な選択肢です。データセット管理、ラベリング、拡張、トレーニング、デプロイを1か所で行え、コンピュータービジョン専用に設計されています。Teachable Machineの後に、多くのチームが最終的に行き着くのがここです。
Google Vertex AI AutoML
Google Cloud内で、自動アーキテクチャ探索によるカスタム画像分類と物体検出を行えます。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、エンタープライズ向けのデプロイが必要なら有力です。それより小規模な用途には大げさです。
Clarifai
物体認識やコンテンツモデレーションなどの一般的なタスク向けに、構築済みモデルのライブラリを備えたコンピュータービジョンツール。ノーコードのカスタムトレーニングとAPIにも対応しています。構築済みモデルでタスクをすでにカバーできる場合に最も強力で、ラベリングを完全に省略できるからです。
一度に選ぶ
- スプレッドシート、予測が欲しい、今日中に欲しい: Obviously AI。
- スプレッドシート、技術担当者が1人、予算なし: H2O AutoML。
- 規制対象、監査済み、監視とドキュメントが必要: DataRobot。
- 画像、アイデアを試す: Teachable Machine。
- 画像、実際のものを構築する: Roboflow、またはすでにGoogle Cloudを利用しているならVertex AI AutoML。
- 画像で、構築済みモデルで対応できる可能性がある場合：Clarifai。
- テキスト、中程度の量：プラットフォームを購入する前に、promptを試してください。
すべての根底にあるルールは1つです。今ある問いに答えられる最小のツールを選ぶこと。無料ツールから乗り換える必要が生じるコストは週末1回分です。必要のなかったエンタープライズ契約のコストは1年分です。
DataRobotが実際に販売しているのは、規律です。問いを定義し、情報が漏洩している列を見抜き、意思決定に合った指標を選び、信頼できるテストを設計すること。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
上記のツールはすべて、作業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。誰も行わない意思決定に結びつかない目的変数を選ぶこと、そして推奨事項のない確率の列をステークホルダーに渡すことです。
チームにデータ機能がないなら、まず埋めるべきなのはそのギャップです。プラットフォームの選択が重要になるのは、その後です。
まとめ：
Lobeはもう存在しないため候補から外し、以前の49ドルプランを前提に計画する前に、Akkioの現在の利用条件を確認してください。予測には、プラットフォームとHannah（Sales Forecasting）を組み合わせてください。エクスポートデータを意思決定につなげるならClara（Data Analyst）を、エンタープライズ契約が本当に提供している統計的判断力にはLeila（Data Scientist）をお使いください。料金はそれぞれ14.99ドル、14.99ドル、19ドルで、すべてClaude、ChatGPT、または任意のAIチャットで利用でき、30日間の返金保証付きです。
プラットフォームのステータスと料金は2026年8月に確認済みです。ベンダーは予告なく条件を変更するため、予算を確保する前に、必ずベンダーの公式サイトで最新の料金を確認してください。
実際に活用する準備はできましたか？ ClaudeとChatGPT向けのテクノロジーと開発のSkillを探すか、すべてのClaude Skillとpromptライブラリをご覧ください。
