Difyとは？GPTsとの違いやRAG構築、実務での活用メリットを解説

                                                                                                                                                                              2026.05.20- 

生成AIの活用が「対話型のチャット」から「既存業務への組み込み」へとシフトする中、注目を集めているのがAI開発プラットフォームのDify（ディフィ）です。
ChatGPTなどの生成AIを導入したものの、「自社データの参照精度を向上させるための、より細かなチューニングを行いたい」「複雑な業務フローを自社専用にカスタマイズしたい」といった課題に直面しているDX担当者にとって、Difyは有力な解決策の一つとなります。

本記事では、Difyの基本概念から実務に役立つ主要機能、他ツールとの違い、導入検討時のポイントまで、実務者の視点で詳しく解説します。

目次

• Dify（ディフィ）とは？「AIアプリ開発」を効率化するプラットフォーム
• Difyで実現できる「4つのコア機能」
• DifyとGPTs・他ツールの決定的な違い（比較表あり）
• DifyとLangChain・LlamaIndexの違い（比較表あり）
• ビジネス現場でのDify活用事例5選
• Dify導入のメリットと検討すべき注意点
• 成功させるための導入ステップとポイント
• まとめ

Dify（ディフィ）とは？ 開発・運用を効率化するプラットフォーム

Dify（ディフィ）は、LLM（大規模言語モデル）を搭載したアプリケーションを、複雑なプログラミングコードを書かずに効率的に開発・運用できるプラットフォームです。

単にAIと会話するだけでなく、自社のドキュメントを読み込ませて「社内知識」を持たせたり、特定の指示に従って複数の工程を自動化、あるいは人間の判断を支援するワークフローを、ブラウザ上の操作で構築できます。従来、エンジニアがコードを書いて実装していたような高度な仕組みを、業務を熟知した現場担当者が主導して形にしやすい点が特長です。

また、Difyは単に生成AIと対話するためのツールではなく、AIアプリやAIエージェントをノーコード・ローコードで構築し、共有や運用まで進めやすいプラットフォームでもあります。社内情報を活用するRAGや、外部サービスとの連携、作成したアプリの展開までを一つの環境で扱いやすい点も、実務で検討されやすい理由の一つです。

なぜ今、Difyが注目されているのか

企業が生成AIの実務導入を検討する際、Difyは以下の「3つの課題」を解消する選択肢となります。

1. モデルの選択肢が広い
   
   特定のAIモデルに依存せず、GPT-4oやClaude、Geminiなど、用途やコストに合わせて最適なモデルを使い分けやすい点は、Difyの強みの一つです。
   文章生成、要約、検索補助、判断支援など、工程によって求められる性能は異なるため、モデルを柔軟に選べることは運用設計上のメリットになります。

2. RAG（検索拡張生成）を活用しやすい
   
   社内のPDFやExcelを検索対象にする「RAG」機能を扱いやすく、AIが社内情報を参照しながら回答する仕組みを構築しやすい点も注目される理由です。
   自社データを最適化し、さらに活用を深めたい企業にとって、単なるチャットボット以上の大きな価値があります。
   
   
3. 運用形態の自由度がある
   
   クラウド版だけでなく、自社サーバに構築できるオープンソース（OSS）版やセルフホスト型も選択できるため、セキュリティ要件や運用体制に応じて柔軟に構成を選べる点も特長です。特に、機密情報の取り扱いや社内環境への適合を重視する企業では、この柔軟性が導入判断に影響することがあります。

Difyで実現できる「4つのコア機能」とは？

Difyを導入することで具体的に何ができるのか、実務に直結する機能を整理します。

まず理解しやすいのは、Difyでできることを大きく「チャットボット」「ワークフロー」「エージェント」の3つに分けて考える視点です。

チャットボットは、ナレッジを参照しながら質問に回答する用途に向いています。
ワークフローは、決められた手順に沿って処理を進める業務に適しています。
さらにエージェントでは、複数の処理や外部連携を組み合わせながら、状況に応じた実行を目指しやすくなります。

加えてDifyでは、作成したAIアプリを社内外に公開したり、ログを確認しながら改善したりする運用管理まで行いやすい点も特長です。

こうした機能を土台に、RAGやアプリ公開・運用管理まで含めて、実務向けのAIアプリを設計しやすいのがDifyの特長です。
詳細は以下の通りです。

1. チャットボット：社内ナレッジの活用

Difyでは、自社のマニュアル、規約、過去の議事録などのデータをアップロードすることで、AIがその内容を参照して回答するようになります。

このような仕組みには、RAG（検索拡張生成）と呼ばれる技術が活用されます。
RAGを用いることで、AIがあらかじめ登録された社内文書から関連性の高い情報を検索し、その内容をもとに回答案を作成しやすくなります。
Difyは、テキスト、Markdown、PDF、HTML、DOCX、CSVなどの主要なファイル形式に対応しており、社内に蓄積された文書をもとにナレッジ検索の仕組みを作りやすい点が魅力です。

社員が質問すると、膨大な資料から関連性の高い箇所を抽出・参照しながら回答案を作成する構成にできるため、問い合わせ対応の負荷軽減や、情報検索の効率化が期待できます。社内規定や手続き、ガイドラインの照会などは、特に相性がよい領域です。

2. ワークフロー：業務手順の自動化

「メールの内容を要約し、社内FAQを検索した上で、返信案を作成する」といった、複数のステップをフローチャートのように繋いで処理できます。
条件分岐を含めたフロー設計が可能なため、実務上のルールを反映した一連の業務プロセスを再現しやすくなります。

単発の回答だけでなく、情報の整理、判定、次工程への受け渡しといった流れまで見据えて設計できるため、日常業務への組み込みを進めやすいでしょう。

3. エージェント：外部ツールとの連携

AIにWeb検索や計算、外部システムとの連携機能を持たせることで、より複雑なタスクの実行を支援できます。

単に指示に答えるだけでなく、必要な処理を選びながら進める設計がしやすいため、問い合わせ対応、情報収集、データ整形、報告など、複数の工程をまたぐ業務にも展開しやすくなります。

4. アプリの公開と運用管理

作成したAIアプリは、URL共有や社内ツールとの接続、API連携などを通じて展開しやすいのも利点です。
また、導入後もログを確認しながら、回答精度や運用ルールを改善していけるため、「作って終わり」にしにくい点も、実務利用に向いています。

DifyとGPTs・他ツールの決定的な違い（比較表あり）

生成AIの業務活用を検討する際、最初に比較対象として挙がりやすいのが、ChatGPT内で自分好みのAIを作成できる「GPTs」です。
しかし、実務で使い込むほどに「もっとこうしたい」という細かな要件が出てくることも少なくありません。

一方、より高度で安全な環境を求める企業は、Microsoftが提供する法人向けサービス「Azure OpenAI Service」なども候補に挙がることがありますが、こちらは開発のハードルが一段と高くなります。

Difyは、それらの中間に位置するツールとして捉えると分かりやすいでしょう。
GPTsのような手軽さを持ちながら、RAGやワークフロー、外部連携などをより細かく設計しやすく、業務アプリとして実装しやすい点に強みがあります。反対に、Azure OpenAIのような高い自由度や統制を持つ環境と比べると、ノーコード・ローコードで扱いやすい点が魅力です。

本章では、これら代表的なツールと比較して、Difyがどのような場面で優位性を発揮するのか、その違いを解説します。

【比較表】Dify・GPTs・Azure OpenAIの違い

Dify、GPTs、Azure OpenAIの3者を比較すると、その立ち位置の違いが明確になります。

Dify： 「ノーコードの手軽さ」を維持しながら、「高度なRAG構築や外部連携」を自由に行える、バランスの優れたツールです。
また、DifyはAzure OpenAIと連携させて活用することも可能です。

GPTs： 誰でも数分で作れる手軽さが魅力ですが、AIモデルがOpenAI製に限定され、データの参照精度（RAG）を細かく調整できないといった制約があります。

Azure OpenAI： 極めて高いセキュリティを誇りますが、自社の業務に特化した高度なアプリとして実装・運用するには、高度なプログラミングスキルが必要になるのが一般的です。

※2026年4月時点の情報を元に作成。

GPTsは手軽に作成できる点が魅力ですが、データの参照精度を細かくチューニングすることが難しい側面があります。

Difyは、ノーコードの使いやすさを保ちながら、実務で必要になりやすい精度の追い込みや業務フロー設計まで視野に入れやすい点が特長です。そのため、「まず試す」段階から「業務に組み込む」段階へ進みたい場合に、検討しやすいツールといえるでしょう。

LangChain・LlamaIndexとの立ち位置の違い（比較表あり）

Difyを調査する際によく比較対象として挙がるのが、「LangChain」や「LlamaIndex」です。

これらは、LLMを活用したアプリケーション開発を支援するフレームワーク／ライブラリであり、主に開発者がコードを書きながら活用します。

一方、Difyは、RAGやワークフロー、モデル連携といったLLMアプリ開発に必要な機能を、GUIベースで扱いやすい形にまとめたAIアプリケーション開発プラットフォームです。プログラミングの深い知識がなくても、比較的短期間で業務向けAIアプリを構築・運用しやすい点に違いがあります。

つまり、LangChainやLlamaIndexが「柔軟性の高い開発向けの基盤」であるのに対し、Difyは「実務で使えるAIアプリを、よりスピーディーに形にしやすいプラットフォーム」と捉えると分かりやすいでしょう。

開発スタイル別の比較表：フレームワーク／ライブラリかプラットフォームか

LangChainやLlamaIndexのようなフレームワーク／ライブラリは、自由度が高い一方で、使いこなすにはプログラミングの専門知識が求められます。
独自性の高い要件に合わせて細かく設計できる反面、開発・保守の負荷も大きくなりやすい点が特長です。

これに対してDifyは、RAGやワークフロー、ログ確認、モデル切り替えなど、AIアプリ開発でよく使われる機能を一つの環境で扱いやすくしたプラットフォームです。
現場主導で素早く試しながら改善したい場合には、こうした一体型の環境が適しているケースも少なくありません。

自社に専任の開発体制があり、独自性の高い要件に合わせてゼロから柔軟に構築したい場合は、LangChainやLlamaIndexのようなフレームワーク／ライブラリが向いています。

一方で、「まずは業務で使える形を素早く試したい」「現場主導で改善を回したい」「運用や管理まで含めて一つの環境で扱いたい」といった場合には、Difyのようなプラットフォームのほうが検討しやすいでしょう。

ビジネス現場でのDify活用事例5選

Difyで『何が実現できるのか』をさらに深掘りするために、実際のビジネスシーンでの活用法を見ていきましょう。

Difyの特長は、単なるチャットボット作成にとどまらず、社内情報の検索、文章作成支援、問い合わせ対応、バックオフィス処理など、実際の業務フローに組み込める点にあります。

本章では、Difyの活用方法をより具体的にイメージできるよう、ビジネス現場で活用しやすい代表的な例に加え、ヒューマンリソシアの自社活用事例もあわせてご紹介します。

1．社内ナレッジ検索（情報システム部門・人事・総務）

社内規程や就業ルール、申請手順、FAQ、業務マニュアルなどをナレッジベース化し、社員からの質問に対して関連情報を検索・参照しながら回答する活用が考えられます。DifyのKnowledge機能やKnowledge Retrievalノードを使うことで、社内文書をもとにした検索・Q&Aの仕組みを構築しやすくなります。

人事、総務、情報システム部門など、問い合わせ対応が発生しやすい領域で活用すれば、担当者が複数の資料を探して回答する負担の軽減が期待できます。特に、社内規定QAチャットボットや社内手続きQAチャットボットのような用途は、Difyの基本的な強みを活かしやすい例です。

2．営業提案資料の作成支援

顧客情報や自社資料、過去の提案内容などを参照しながら、提案の骨子や説明文のたたき台作成を支援する活用も可能です。

営業担当者が毎回ゼロから構成を考える負担を減らしつつ、一定の観点で情報整理を進めやすくなるため、提案準備の効率化が期待できます。実際の提案内容は、担当者が顧客事情に応じて最終調整することを前提にすることで、効率化と個別性の両立を図りやすくなります。

3．カスタマーサポートの連携

FAQや製品ドキュメントを参照して回答するサポート用途は代表的な活用例の一つです。チャットツールや問い合わせ窓口の運用に組み込むことで、AIが一次回答案を作成し、人が確認して返答するフローを構築しやすくなります。

定型的な問い合わせが多い業務では、対応スピードの向上や回答品質の平準化が期待できます。一方で、個別事情への配慮が必要な問い合わせもあるため、最終送信前に人が確認する運用にしておくと、実務にもなじみやすいでしょう。

4．バックオフィス業務の連携

Difyは、ワークフロー、ファイル処理、外部API・ツール連携、アプリのAPI公開といった機能を備えています。
そのため、書類データの整理や内容抽出を行い、その結果を外部システムや自動化ツールに受け渡す形で、バックオフィス業務と連携させる活用も可能です。

たとえば、出張申請や旅費精算の確認、仕様書や契約書からの情報抽出、機器点検結果の入力と報告などは、情報の整理から次工程への連携までを一気通貫で処理しやすい例といえます。
AIが情報の抽出・分類や判断支援を担い、その後の登録や通知などをRPAなどの他システム側で実行する形にすると、人手が残りやすい中間工程の効率化につなげやすくなります。

5. 求人広告作成業務におけるDify活用事例

Difyを基盤技術として活用することで、文章生成だけでなく、情報整理や業務フローとの連携まで含めた活用が進めやすくなります。

ヒューマンリソシアでは、Difyを基盤技術として活用したAIエージェント基盤サービス「つなぎAI Powered by Dify」を用い、月4,000件規模の求人広告作成業務の効率化に取り組んでいます。

求人要件をもとに、AIがキャッチコピーや本文の下書き、案件ごとの訴求ポイント整理を支援し、定型工程にRPAを組み合わせることで、1件あたり約20分かかっていた作業を約14分へ短縮しました。
これにより、月400時間、年4,800時間の工数削減を見込んでいます。

この事例は、Difyを基盤としたAI活用が、文章生成だけでなく、情報の抽出・整理や業務フローとの連携まで含めて実務に組み込めることを示す一例です。

求人広告作成は、単純な文章生成だけでなく、案件ごとの訴求整理や表現調整が求められる業務ですが、AIが下書きと整理を担い、人が最終判断を行う運用とすることで、効率化と品質担保の両立を図っています。

より詳しい取り組み内容や導入の背景については、以下の関連記事でもご紹介しています。

【関連記事】【実録】RPA×生成AIで月400時間を削減！「人の判断」を自動化した求人作成業務の変革事例

Dify導入のメリットと検討すべき注意点

Difyの導入は、従来の開発手法と比較して多くの利点が期待できる一方で、実務運用を成功させるためにはあらかじめ把握しておきたい注意点もあります。
導入後に「期待していたものと違う」といったミスマッチを防ぐためにも、メリットと注意点の双方を正しく理解し、バランスの取れた検討を行うことが重要です。

メリット：開発スピードの向上とコストの最適化

Difyの大きな利点の一つは、AIアプリ構築を比較的短期間で進めやすい点です。
GUIベースでワークフローやRAG、外部連携を組み合わせやすいため、従来は外部委託や社内開発で時間を要していたプロトタイプ作成も、より素早く進めやすくなります。現場のフィードバックを得ながら改善しやすい点もメリットです。

また、特定のAIモデルに依存せず、用途やコストに応じて複数のモデルを使い分けやすいことも強みです。OSS版を活用すれば、ライセンス費用を抑えられる可能性もありますが、その場合はサーバ自体の維持・管理に加え、Difyのアップデート作業も含めた運用コストを比較する必要があります。

注意点：設計スキルとメンテナンスの必要性

一方で、Difyは機能が豊富な分、導入時には「どの業務を対象にするか」「どのデータを参照させるか」「どこまで自動化し、どこに人の確認を残すか」といった業務設計が重要になります。
単にツールを導入するだけでなく、対象業務の整理や要件の明確化を進めながら活用方法を固めていくことが、運用定着のポイントになりやすいでしょう。

また、Difyは運用形態によって、必要な準備や管理範囲が変わります。
特に自社環境で運用する場合は、サーバー環境の準備、セキュリティ設定、アクセス権限の管理、アップデート対応などを自社で行う必要があるため、情報システム部門との連携が欠かせません。

AIアプリは一度作れば終わりではなく、回答精度の確認、参照データの更新、プロンプトや設定の見直しなど、継続的なメンテナンスが必要です。
導入後も業務の変化に合わせて改善を続ける前提で、無理のない運用体制を整えておくことが、安定的な活用への近道となります。

こうした基盤整備や運用面・セキュリティに不安がある場合は、Difyを基盤技術として活用したサービスを利用する方法もあります。

ヒューマンリソシアでは、AIエージェント基盤サービス「つなぎAI Powered by Dify」をご案内しています。Difyの活用を前提に、業務整理からAIアプリの活用・定着まで含めて検討したい方は、以下のページをご覧ください。

成功させるための導入ステップとポイント

Difyを組織に定着させるには、一足飛びに全社展開を目指すのではなく、段階的に活用範囲を広げながら成功体験を積み重ねていくことが重要です。
特に、生成AIの活用では「とりあえず作ってみる」だけでは定着しにくく、対象業務の選定やデータ整備、運用ルールの設計まで含めて進める必要があります。
本章では、Dify導入を進める際に押さえておきたいポイントを5つに整理してご紹介します。

1.課題の特定とデータ準備

まず重要なのは、「どの業務にDifyを適用するのか」を明確にすることです。すべての業務を一度に対象にするのではなく、FAQ対応や定型文書の要約など、元データが比較的整備されており、効果が見えやすい業務から着手すると進めやすくなります。

また、RAGを活用する場合は、参照させる文書の内容や更新状況が回答精度に影響しやすいため、「どの資料を最新とするか」といった管理ルールの確認も欠かせません。最初の段階でデータの状態を整えておくことで、導入後の調整負荷を抑えやすくなります。

2.スモールスタートによるPoC（概念実証）

次に、特定の部署や小規模な業務に限定してPoCを行い、実際に使える水準にあるかを検証します。Difyは、RAGやワークフローを比較的短期間で構築しやすいため、まずは小さく試し、回答精度や操作性、現場での使いやすさを確認する進め方と相性がよいといえます。

この段階では、機能の多さを追うよりも、「実務で無理なく使えるか」「回答の根拠を確認しやすいか」といった観点で評価することが大切です。
現場からのフィードバックを早い段階で吸い上げておくと、その後の改善にもつなげやすくなります。

3.ワークフローの最適化とモデル選定

PoCで有効性が見えてきたら、次はワークフローや利用モデルの最適化を進めます。たとえば、推論能力が求められる工程には高性能モデルを使い、単純な要約や分類には比較的コストを抑えたモデルを使うなど、工程ごとに役割を分けることで、精度とコストのバランスを取りやすくなります。

Difyは複数のAIモデルを用途に応じて使い分けやすい点も特長の一つです。どの工程でどのモデルを使うべきかを整理しながら設計することで、単なる導入にとどまらず、運用しやすい仕組みへとつなげやすくなります。

4.外部連携とインターフェースの統合

AI活用を定着させるには、現場が日常業務の流れの中で無理なく使えることも重要です。そのため、SlackやTeamsといった既存ツールとの連携や、APIを介した自社システムとの接続を視野に入れるとよいでしょう。

AIを別の画面で使う形にすると、便利でも次第に利用頻度が下がることがあります。
一方で、日常的に使っているツールの中で自然に呼び出せるようにしておけば、現場への定着が進みやすくなります。
Difyを業務に組み込む際は、「どこで使うか」だけでなく、「どうすれば現場が使い続けやすいか」という視点も大切です。

5.運用ガイドラインの策定と継続改善

最後に欠かせないのが、運用ルールの整備と継続的な改善です。生成AIは一度構築して終わりではなく、回答精度の確認、プロンプトの見直し、参照データの更新などを続けることで、実務に合った形へ育っていきます。

Difyのログ機能などを活用しながら、「AIの回答を人が確認・修正する」運用サイクルを回していくことで、信頼性の向上が期待できます。特に導入初期は、人による確認工程を前提に設計しておくと、現場でも受け入れられやすくなるでしょう。

また、Difyの活用を進める際は、対象業務の整理、要件整理、アプリ作成、運用という流れで考えることが重要です。
単にAIツールを導入するのではなく、業務プロセスそのものを見直しながら設計する必要があるため、Dify導入は業務整理や業務改善のきっかけにもなり得ます。

まとめ

本記事では、AIアプリケーション開発プラットフォーム「Dify」の概要から、主要機能、GPTsやAzure OpenAIとの違い、実務での活用イメージまでご紹介しました。

Difyは、単に生成AIと対話するためのツールではなく、社内ナレッジの参照、業務フローの自動化、外部ツールとの連携までを一つの基盤で設計・運用しやすい点に特長があります。ノーコード・ローコードで扱いやすい一方、RAGやワークフロー設計を通じて、実務に合わせた調整を進めやすいことも強みです。

また、活用範囲はFAQ対応や社内ナレッジ検索にとどまらず、申請書や契約書の確認、要件整理、議事録作成、バックオフィス業務との連携など、幅広い業務に広げやすい点もDifyの魅力といえるでしょう。

本記事の重要ポイント：

• ノーコードで一気通貫： 「知識検索」「自動化」「ツール連携」を一つの画面で完結できる。
• 実務に強いRAG： GPTsよりもデータの参照精度（RAG）を細かく制御でき、ビジネスの要求に応える精度を追求できる。
• モデル選択が自由： 特定のAIモデルに縛られず、常に最新のAI（GPT, Claude, Gemini等）を柔軟に組み合わせて運用できる。
• 思考と実行の統合： 「思考（AI）」と「実行（ワークフロー）」を繋ぎ、高度な業務自動化をスムーズに実装できる。

Difyは、「生成AIを試す段階」から「生成AIを業務に組み込む段階」へ進みたい企業にとって、現実的な選択肢の一つです。
まずはFAQ対応や社内ナレッジ検索、定型文書の作成支援など、効果を確認しやすい領域から小さく始め、自社に合った活用方法を見極めていくとよいでしょう。

ヒューマンリソシアでは、Difyを基盤技術として活用したAIエージェント基盤サービス「つなぎAI Powered by Dify」をご案内しています。また、ツールの活用だけでなく、生成AI活用やAIエージェント導入に関する伴走支援、教育研修サービスも含めて、お客様の課題に寄り添った支援サービスを提供しています。
生成AIの業務活用を具体的に検討したい場合や、自社業務にどのように取り入れられるか整理したい場合は、ぜひお気軽にお問い合わせください。

【よくあるご質問】

Difyの概要と特長について

Q. Difyとはどのようなプラットフォームですか？

A：Dify（ディフィ）は、LLM（大規模言語モデル）を搭載したアプリケーションを、複雑なプログラミングコードを書かずに効率的に開発・運用できるプラットフォームです。AIアプリやAIエージェントをノーコード・ローコードで構築し、共有や運用まで進めやすい環境を提供しています。

GPTsとの決定的な違い

Q. ChatGPTの「GPTs」とDifyは何が違うのでしょうか？

A：GPTsのような手軽さを持ちながら、RAG（知識の埋め込み）や複雑なワークフロー、外部システムとの連携などをより細かく設計できる点に強みがあります。「まず試す」ためのGPTsに対し、Difyは「業務アプリとして実務フローに組み込む」ためのプラットフォームという立ち位置の違いがあります。

利用可能なAIモデルの柔軟性

Q. DifyではどのようなAIモデルを利用できますか？

A：特定のAIモデルに依存せず、GPT-4oやClaude、Geminiなど、用途やコストに合わせて最適なモデルを使い分けられる点が大きな特長です。文章生成、要約、データ抽出など、工程ごとに最適な知能（モデル）を選択する設計が可能です。

セキュリティと導入形態

Q. 自社サーバーにDifyを構築することは可能ですか？

A：はい、クラウド版だけでなく、自社サーバー等に構築できるオープンソース（OSS）版やセルフホスト型も選択可能です。機密情報の取り扱いや社内ネットワークへの適合など、自社のセキュリティ要件や運用体制に合わせて柔軟にインフラ構成を選べます。

RAG（社内ナレッジ活用）の利便性

Q. 社内のドキュメントを活用した回答（RAG）は構築できますか？

A：社内のPDFやExcelを検索対象にする「RAG」機能を標準で備えており、AIが社内情報を参照しながら回答案を作成・提示する仕組みを扱いやすく構築できます。単なるチャットにとどまらず、社内知識を業務に活かすための強力なツールとなります。

本コラム内容について
各コラムの内容は、執筆時点での情報を元にしています。
製品バージョンアップなどにより、最新ではない場合がありますので、最新の情報は、各社の公式Webサイトなどを参考にすることをおすすめいたします。

各コラムの内容は、利用することによって生じたあらゆる不利益または損害に対して、
弊社では一切責任を負いかねます。
一つの参考としていただき、利用いただく際は、各社のルール・状況等に則りご活用いただけますと
幸いです。

※「WinActor®」は、NTTアドバンステクノロジ株式会社の登録商標です。
※「つなぎAI」は日本国内における日本電子計算株式会社の登録商標です。
※「Dify」は米国LangGenius社の登録商標です。
※「ChatGPT」「GPT」は、OpenAI の商標です。
※「Gemini」は、Google LLC の商標です。
※「Azure OpenAI」「Microsoft Teams」「Excel」は、Microsoft Corporation の米国およびその他の国における商標または登録商標です。
※「Slack」は、Salesforce, Inc. の商標です。
※その他、本記事に記載されている会社名、製品名は各社の商標または登録商標です。