---
title: AI技術トレンド解説｜RAG・ローカルLLM・API導入を経営判断に生かす
description: AI技術トレンドは「基盤技術」「API・インテグレーション」「マルチモーダルAI」「セキュリティ・倫理」の4レイヤーで整理すると、導入の順番が判断しやすくなります。RAG・ファインチューニング・ローカルLLM・SLM・AI API・AI SaaS・責任あるAIを、CRMの業務フローに置いて解説します。
image: https://start-link.jp/hubfs/blog/screenshots/generated/ai-tech-trends.png
---

[![StartLink](https://start-link.jp/hs-fs/hubfs/logo/%E6%9C%80%E7%B5%82Start%20Link%20(500%20x%20150%20px)%20(%E8%83%8C%E6%99%AF%E3%81%82%E3%82%8A).png?width=130&height=39&name=%E6%9C%80%E7%B5%82Start%20Link%20(500%20x%20150%20px)%20(%E8%83%8C%E6%99%AF%E3%81%82%E3%82%8A).png "StartLink")](https://start-link.jp)

- [会社情報About](https://start-link.jp/about)
- [サービスService](https://start-link.jp/service)
- [プロダクトProducts](https://start-link.jp/sync)
- [YoutubeYoutube](https://start-link.jp/about/sns)
- [ブログBlog](https://start-link.jp/hubspot-ai)
- [業界別ガイドIndustry guides](https://start-link.jp/case)
- [採用情報Recruit](https://start-link.jp/recruit)

[資料DL](https://start-link.jp/download/service) [無料相談 →](https://start-link.jp/contact)

[会社情報](https://start-link.jp/about) [サービス](https://start-link.jp/service) [プロダクト](https://start-link.jp/sync) [Youtube](https://start-link.jp/about/sns) [ブログ](https://start-link.jp/hubspot-ai) [業界別ガイド](https://start-link.jp/case) [採用情報](https://start-link.jp/recruit)

[資料ダウンロード](https://start-link.jp/download/service) [無料相談 →](https://start-link.jp/contact)

- [トップ](https://start-link.jp)
- [会社情報](https://start-link.jp/about)
- [サービス](https://start-link.jp/service)
- [Youtube](https://start-link.jp/about/sns)
- [ブログ](https://start-link.jp/hubspot-ai)
- [Contact](https://start-link.jp/contact)
- [個人情報保護方針](https://start-link.jp/privacy-policy)
- [個人情報取り扱い規定](https://start-link.jp/personal-information-processing-agreement)

[ホーム](https://start-link.jp) › [ブログ](https://start-link.jp/hubspot-ai) ›[AI活用](https://start-link.jp/hubspot-ai/ai) ›AI技術トレンド解説｜RAG・ローカルLLM・API導入を経営判断に生かす

# AI技術トレンド解説｜RAG・ローカルLLM・API導入を経営判断に生かす

- 2026年3月11日
- 最終更新: 2026年10月18日

![ai-tech-trends](https://start-link.jp/hubfs/blog/screenshots/generated/ai-tech-trends.png)

この記事の結論

RAG・ファインチューニング・ローカルLLM・SLM・AI API・マルチモーダルAI・AIセキュリティなど、AI技術を検討する際の論点は多岐にわたります。技術の新しさではなく、自社の業務課題とCRMデータの状態から導入の順番を決めることが判断の軸になります。

ブログ目次

もっと見る ▼

**RAG・ファインチューニング・ローカルLLM・SLM・AI API・マルチモーダルAI・AIセキュリティなど、AI技術を検討する際の論点は多岐にわたります。技術の新しさではなく、自社の業務課題とCRMデータの状態から導入の順番を決めることが判断の軸になります。**

「RAGやローカルLLMという言葉は聞くけれど、自社に関係があるのか判断できない」「AIツールを試したものの、効果をどう確かめればよいかわからない」「社員が個人でAIを使い始めていて、どこまで認めてよいかわからない」。技術の名前だけを追っても、投資や運用の判断にはつながりません。

本記事では、AI技術を「どの業務課題に使うか」「参照するデータは整っているか」「結果を誰が確認するか」の順に検討します。既存ツールのAI機能で試せる業務を見つけ、必要に応じてRAGやAI APIを比較します。さらに、参照情報や出力形式、データの送信先に関する要件が明確になった場合に、ファインチューニングやローカルLLMを検討します。企業様によって最適な形は異なります。

*この記事は、AI活用カテゴリ「AIテックトレンド」のガイドページです。対象業務と評価方法から技術を絞る手順を確認し、構築や運用の詳細が必要になった段階で本文中の関連記事に進めます。*

## この記事でわかること

AI技術の名前は知っていても、自社でどれから手を付けるかを決めかねている経営者・DX推進担当者に向けて、技術ごとの使いどころと導入判断の手順を整理します。各技術について、試す前に揃える情報、試行中に記録すること、結果が期待に届かなかったときの見直し先を確認できます。

- **AI技術トレンドの4レイヤー** — 基盤技術、API・インテグレーション、マルチモーダルAI、セキュリティ・倫理に分け、対象業務に関係する論点を特定します。
- **RAGとファインチューニングの使い分け** — 参照したい情報と揃えたい出力を分け、試行結果をもとに次の方法を判断します。
- **ローカルLLM・SLM・AI APIの選び方** — データの持ち出し可否、処理内容、運用体制を確認して選択肢を絞ります。
- **AI SaaSとマルチモーダルAIをCRMにつなぐ考え方** — 音声・画像・AI搭載ツールを業務フローのどこで使い、出力をどう確認するかを決めます。
- **AIセキュリティ・責任あるAIと導入ロードマップ** — 利用ルール、人による確認、次の段階に進む条件を整理します。

## AI技術トレンドの全体像——4つのレイヤーで構造をつかむ

AI技術を個別に比較する前に、何を決めるための技術なのかを整理します。本記事では論点を4つのレイヤーに分け、各論点を配下記事で詳しく扱っています。まず対象業務を決め、関係するレイヤーの記事から確認してください。

### 技術トレンドを「使う側」の視点で整理する

経営判断では、個別技術の性能だけでなく、「どの作業を変えるか」「運用を誰が担うか」「継続するかを何で判断するか」が必要です。

試行前に、対象業務と現在の作業手順を書き出します。そのうえで、導入前後で同じ方法で比べられる指標を選びます。作業時間を比べるなら対象作業の開始点と終了点を、修正件数を比べるなら何を修正として数えるかを決めます。指標を定められない場合は、技術選定より先に業務の範囲を絞ります。

例えば問い合わせ対応を対象にするなら、受付から回答案の確認までを比べるのか、顧客への送信までを含めるのかを先に決めます。AIを使って回答案を早く作れても、根拠の確認や修正に作業が必要なら、その作業も同じ範囲に含めます。比較範囲を揃えられたら試行へ進み、揃えられなければ業務手順の記録から始めます。

### 4レイヤーの中身と読み方

本記事では、AI技術トレンドを次の4つのレイヤーで整理します。基盤技術と組み込み方法を検討するときも、入力するデータや人による確認のルールを並行して決めます。

| レイヤー | 主な技術・論点 | 経営判断の問い | 詳しい記事 |
| --- | --- | --- | --- |
| 第1：基盤技術 | RAG、ファインチューニング、ローカルLLM、SLM | 自社データをどうAIに使わせるか、どこで動かすか | RAG構築、ファインチューニング、ローカルLLM、SLM |
| 第2：API・インテグレーション | AI API、AI SaaS | 既存システムにどう組み込むか、何を買って何を作るか | AI API活用、AI SaaS市場動向 |
| 第3：マルチモーダルAI | 音声認識、画像認識 | テキスト以外の情報をどう業務データに変えるか | AI音声認識、AI画像認識 |
| 第4：セキュリティ・倫理 | AIセキュリティ、責任あるAI | リスクをどう抑え、公平性をどう保つか | AIセキュリティ、責任あるAI実装 |

第1・第2レイヤーでは参照するデータと導入方法を、第3レイヤーでは入力を変える業務を、第4レイヤーでは利用と確認のルールを考えます。第4レイヤーは導入後に回さず、試行の対象を決める時点で確認します。入力してよいデータや結果の確認者が決まらない場合は、技術の候補があっても、その業務での試行範囲を確定しません。

### 課題から技術を逆引きする

「社内の手順を探す時間を見直したい」なら、まず手順書の所在と更新状況を確認し、検索で必要な情報を取り出せるかを試します。「出力形式を揃えたい」なら、既存機能やプロンプトで指定できるかを試します。目的と試す順番を決めてから、RAGやファインチューニングを比較対象に入れます。

判断の手順は次のとおりです。まず、課題を「誰の、どの作業が、どう変わるか」の1文で書きます。書けなければ業務の棚卸しに戻ります。次に、現状の手順と比較指標を記録します。試行後は、作業者が結果を確認し、改善できた点と新たに生じた確認作業の両方を見て、継続・見直しを決めます。

複数の課題が見つかった場合は、同時に扱わず、入力元と出力先を特定できる業務から選びます。その業務で結果の良し悪しを担当者が判定できれば試行へ進み、判定できなければ期待する出力と確認方法を先に定義します。

## AI導入の前提になるCRMデータの土台

AIの出力を業務で使うには、参照する情報の所在、更新状況、利用権限を確認する必要があります。技術の比較に入る前に、自社のデータがどこに、どの形で置かれているかを見直します。

### スプレッドシート管理のままではAIが参照する材料が揃わない

顧客リストはスプレッドシート、商談のやり取りはメールやチャット、問い合わせ履歴は個人のメモにある場合、同じ顧客の記録が分散します。まず、どの情報を正式な記録として扱うか、更新する担当者は誰かを決めます。

情報を集約せずに検索や要約を試すときは、参照対象に必要な記録が含まれているか、古い記録と新しい記録を区別できるかを確認します。回答に必要な情報が見つからなければ、モデルの変更に進む前にデータの置き場所と更新手順を見直します。

確認する際は、対象業務で実際に使った記録をたどり、「参照すべき情報が見つかるか」「どの記録を優先するか判断できるか」「担当者に閲覧権限があるか」を確かめます。記録が見つかっても優先する情報を決められない場合は、更新担当者と正式な記録の扱いを定めてからAIの試行へ進みます。

### 一元管理・自動化・可視化を先に整える

AI活用の土台として、CRMで次の状態を確認します。

| 観点 | 整っている状態 | AI活用への影響 |
| --- | --- | --- |
| 一元管理 | コンタクト・会社・取引・チケットが紐づき、過去のやり取りを1か所で追える | RAGやAIアシスタントが顧客ごとの文脈を参照できる |
| 自動化 | ライフサイクルステージの更新や通知がワークフローで動いている | AIの出力をプロパティ更新や担当者割り当てにつなげられる |
| 可視化 | ダッシュボードで受注・商談・対応状況を追える | AI導入前後の効果を同じレポートで比べられる |

この表は、対象業務で確認したいデータ管理の状態を示しています。記録の紐づけ、ワークフロー、ダッシュボードがあっても、利用するAI機能がその情報を参照・更新できるとは限りません。表にある活用方法を実施できるかは、試行する製品の機能、設定、権限、連携方法を実際の構成で確認して判断します。入力項目を追加する場合は、その項目を誰がいつ記入し、後続の作業でどう使うかを決めます。空欄や表記のばらつきがある項目は、AIに使わせる前に入力手順を見直します。

例えば商談要約を使うなら、要約の元になる活動記録を担当者が追えるかを先に確認します。記録が不足していれば入力手順を整えます。記録は揃っているのにAIが参照できなければ、利用する機能と権限を確認します。この順に切り分けると、データの問題と機能の問題を混同せずに次の作業を決められます。

### 技術ごとにCRM全体フローのどこを変えるかを決める

AI技術を検討するときは、コンタクト→取引→顧客→請求のうち、どの段階の作業を変えるかを決めます。入力元、AIの出力先、人が確認する位置を同じ業務フロー上に書き込むと、比較する指標も選びやすくなります。

| フローの段階 | 主な業務 | 関連するAI技術 |
| --- | --- | --- |
| コンタクト | 名刺交換、問い合わせ受付、リード登録 | 画像認識（名刺スキャン）、AI SaaSのリードスコアリング |
| 取引 | 商談、提案、活動記録 | 音声認識（商談録音のテキスト化）、AI APIによるメール下書き |
| 顧客 | 問い合わせ対応、サポート | RAG（対応履歴・FAQの検索）、AIチャットボット |
| 請求 | 請求書・契約書の処理 | 画像認識（書類読取・データ抽出） |

まず手入力や転記が多い段階を選び、必要なデータがどこにあるかを確認します。参照元と更新先を特定できれば技術の試行に進みます。特定できなければ、記録の集約と入力手順の整理を先に行います。表の技術は検討例です。実際に利用できる機能と、対象業務で必要な確認工程は、製品や構成ごとに確かめます。

## RAGとファインチューニング——自社データをAIに組み込む2つの方法

社内のナレッジや顧客データをAIに使わせたいときは、「回答の根拠になる情報を参照したい」のか、「出力の形式や振る舞いを調整したい」のかを分けます。前者はRAG、後者はプロンプトの調整を先に試し、必要に応じてファインチューニングを検討します。

### RAGの仕組みと実務上のメリット

RAG（Retrieval-Augmented Generation）は、質問に関連する情報を文書などから検索し、その結果をモデルに渡して回答を作る方法です。社内文書を参照したい場合、まず検索対象に必要な文書が含まれているかを確認します。

文書を更新しただけで回答が変わるわけではありません。更新後の文書が検索対象に取り込まれ、適切な部分が取得されることを試行で確かめます。回答を評価するときは、文章の自然さだけでなく、参照した文書と回答内容が合っているかを担当者が確認します。

CRMの対応履歴やFAQを使う場合は、閲覧権限と情報の更新担当者も決めます。例えば問い合わせ対応で過去事例から回答案を提示するなら、担当者が根拠を確認してから利用する手順にします。

試行では、担当者が答えを確認できる質問を用意し、検索で取り出された文書、回答、担当者の修正内容を一緒に記録します。適切な文書が見つからなければ検索対象と文書の管理を見直します。文書は見つかるのに回答が合わなければ、取り出した部分と回答の作り方を確認します。根拠を追え、担当者が回答を確認できる状態になってから対象業務を広げます。

次の画像は、Breezeアシスタントで入力ソースを選ぶ画面を示しています。画面に表示された選択肢だけで自社の文書を参照できると判断せず、利用条件、権限、取り込んだ文書の確認方法を確かめてください。

![Breezeアシスタント 入力ソース選択（OneDrive/SharePoint/Box）](https://start-link.jp/hubfs/blog/screenshots/library/breeze_source_select.png)

古い手順書と新しい手順書が混在する場合は、検索対象に入れる文書を選び直します。文書ごとに更新担当者と確認日を記録し、回答に使われた根拠を追える状態になってから対象業務を広げます。

RAGの構築手順とアーキテクチャ設計は[RAG構築の実践ガイド｜社内データを活用したAI検索システムの作り方](https://start-link.jp/hubspot-ai/ai/ai-tech-trends/rag-implementation-guide)で詳しく解説しています。

### RAGとファインチューニングの比較

| 比較項目 | RAG | ファインチューニング |
| --- | --- | --- |
| 社内データの更新 | リアルタイム反映 | 再学習が必要 |
| 導入コスト | 低い | 高い（GPU・データ準備） |
| 適したユースケース | 社内FAQ・ナレッジ検索 | 特定文体・専門用語処理 |
| 推奨する順番 | まずこちらから | RAGで対応できない要件がある場合 |

表の更新速度や費用の大小は、すべての構成に当てはまる保証ではありません。RAGで更新内容を回答に使うには、文書の取り込みと検索結果の確認が必要です。ファインチューニングでも、選ぶサービスによってデータ準備や運用方法が異なります。同じ業務要件を置き、初期作業、更新作業、評価に必要な担当者の作業を比較してください。

ファインチューニングを検討する場合は、期待する出力と評価方法を先に決めます。次に、学習と評価に使う事例を分けて用意できるか、内容を確認する担当者がいるかを確かめます。データ形式や利用条件は選ぶサービスの公式資料で確認し、準備と運用を担える場合に試行へ進みます。

判断を分けるのは、誤りの原因です。回答の根拠が見つからないなら参照情報を整えます。根拠と内容は合っているのに表現が揃わないなら、期待する文体や形式を明示して再試行します。それでも業務に必要な出力が安定せず、評価用の事例と運用担当者を用意できる場合に、ファインチューニングを比較します。

### 使い分けの判断手順

RAGとファインチューニングは、次の順番で検討します。

1. 答えに必要な情報が社内文書やCRMの記録にあるかを確認します。なければ、記録の作成と管理方法を先に決めます。
2. 必要な情報がある場合はRAGで試し、回答の内容と根拠を担当者が確認します。誤りがあれば、検索対象の文書と取得結果を見直します。
3. 内容は合っていても言い回しや形式が揃わなければ、まずプロンプトで指定して試します。
4. 形式のばらつきが業務上の支障として残り、学習用データの準備と運用を担える場合に、ファインチューニングを比較対象に加えます。

試行結果には「必要な情報がなかった」「情報はあったが取り出せなかった」「内容は合ったが形式が違った」を分けて残します。次に試す方法は、この記録をもとに選びます。

ファインチューニングの詳細と実装ステップは[ファインチューニングの企業活用ガイド｜RAGとの使い分けと実装ステップ](https://start-link.jp/hubspot-ai/ai/ai-tech-trends/fine-tuning-business-guide)をご覧ください。

## ローカルLLMと小規模言語モデル（SLM）——AIをどこで動かすか

AIをどこで動かすかは、データの扱いと運用体制に関わります。クラウドAI、自社環境で動かすモデル、用途を絞った小規模モデルを比べる前に、入力データを外部サービスへ送れるか、必要な処理は何かを確認します。

### ローカルLLMの企業活用メリット

ローカルLLMは、自社が管理する環境でモデルを動かす選択肢です。入力データを外部サービスへ送れない業務では、候補に入ります。ただし、モデルの実行場所だけでデータの扱いが決まるわけではありません。導入する構成について、アクセス権限、保存先、ログ、更新手順、外部との通信を確認します。

検討時は、扱うデータの種類と利用ルールを情報システム部門などと確認します。そのうえで、必要な応答品質や処理量を試し、設備の調達と運用を担う担当者を決めます。体制を確保できない場合は、対象データや業務範囲を見直します。

試行へ進む前には、入力、処理、出力、ログの保存先を図にして、管理担当者が扱いを確認します。外部送信を避けたい理由と、選んだ構成でその条件を満たせるかを照合します。条件を満たしても、必要な品質で運用できなければ、対象業務を狭めるか、人が処理する工程を残す判断をします。

クラウドAIとの比較とオンプレミス運用の実践は[ローカルLLMの企業活用ガイド｜クラウドAIとの比較とオンプレミス運用の実践](https://start-link.jp/hubspot-ai/ai/ai-tech-trends/local-llm-enterprise-guide)で解説しています。

### 小規模言語モデル（SLM）の使いどころ

小規模言語モデル（SLM）は、比較的小さなモデルを使う選択肢です。分類や定型応答など、処理の範囲を限定できる業務で検討します。

選定時は、同じ業務データを使い、求める正確さ、応答時間、運用に必要な資源を候補ごとに比べます。処理の範囲を限定しても誤りが業務上許容できない場合は、モデルの変更、人による確認、対象業務の見直しを検討します。

例えば問い合わせの分類を試すなら、担当者が分類を確認済みの記録で候補を比べます。どの種類の問い合わせで修正が必要だったかを残し、修正が業務上問題になる種類を特定します。担当者が確認できる範囲で使えるなら運用を検討し、確認しても誤分類を見逃すおそれがあるなら利用先を見直します。

SLMの選び方と活用法は[小規模言語モデル（SLM）入門｜低コストで使えるAIモデルの選び方と活用法](https://start-link.jp/hubspot-ai/ai/ai-tech-trends/small-language-model-guide)をご覧ください。

### クラウドAI・ローカルLLM・SLMの選び方

次の問いで候補を絞ります。データの送信可否と処理の難しさは別々に判断します。

| 確認する問い | 結果 | 選択の方向 |
| --- | --- | --- |
| 処理するデータを社外のAIサービスに送ることが、社内のセキュリティポリシー上認められているか | 認められていない | ローカルLLM（またはローカルで動かすSLM）を検討する |
| 同上 | 認められている | クラウドAIサービスから始める |
| 任せたい処理は、分類や定型応答のように範囲が限定されているか | 限定されている | SLMを候補に入れる |
| 同上 | 文脈理解や推論が求められる | 大規模モデル（クラウドまたはローカル）を使う |

表は候補を絞るための問いです。送信が認められていても、特定のサービスの利用まで認められているかは別に確認します。また、モデルの規模だけで処理の適否は決められません。送信可否が決まっていなければデータの種類ごとに入力可否を整理し、社内の管理担当者と合意します。その後、候補を同じ業務データで試し、結果と確認作業を比べて採用を決めます。

## AI APIの自社システム統合——組み込み設計と利用量の管理

既存の業務システムやCRMにAIの処理を組み込むときは、利用するAPIを業務要件に合わせて比較します。OpenAI API、Claude API（Anthropic）、Gemini API（Google）などを候補にする場合も、利用できる機能や条件は選定時の公式資料で確認します。ここでは、比較する項目、切り替えを見据えた管理方法、利用量の確認手順を整理します。

### API選定の5つの比較軸

AI APIは、実際に任せたい処理に対して次の項目を確認します。

| 比較軸 | 見るポイント |
| --- | --- |
| 精度 | 自社の実際の業務データで試したときの回答の正確さ |
| 速度 | 利用者が待てる応答時間に収まるか |
| コスト | 想定する利用量での月間の利用料 |
| コンテキストウィンドウ | 一度に渡せる文章の長さが、扱う文書の長さに足りるか |
| マルチモーダル対応 | 画像・音声など、テキスト以外の入力を扱えるか |

まず、入力と期待する出力を揃えた試験用の業務例を用意します。各候補を同じ例で試し、正確さだけでなく、担当者が修正した内容や確認に要した作業も記録します。求める水準に届かなければ、入力情報や対象業務を見直してから再評価します。扱える入力、利用条件、料金は、比較する時点の公式資料で確かめます。

比較結果は、対象業務ごとに読みます。例えばメール下書きでは、文章の評価に加え、担当者が根拠を確認できるか、修正後に送信判断を行えるかを確かめます。出力が良くても確認手順を置けなければ、組み込み先や利用範囲を見直します。業務で必要な入力と確認方法を揃えられた候補について、利用量と運用作業を比較します。

### 特定のプロバイダーに依存しない設計

後から利用先を変更する可能性がある場合は、業務システムの処理とAPIの呼び出し部分を分けて管理します。プロンプト、モデルの指定、認証情報の管理場所を明確にし、変更時に影響する処理を確認できるようにします。

ただし、呼び出し部分を分けるだけで切り替えが完了するわけではありません。候補ごとに入力形式と出力内容を試し、変更後も人による確認や記録の手順が機能するかを確かめます。切り替えを試す際は、同じ業務例で出力先の記録まで確認し、違いが出た処理を修正対象として残します。

### 利用量を抑える運用施策

利用量を管理するには、まず処理ごとの呼び出し回数、入力の長さ、結果を待つ必要があるかを確認します。同じ情報を繰り返し処理している場合は、入力から省ける部分と、毎回必要な部分を分けます。省いた後も必要な情報が結果に反映されるか、同じ業務例で比べてください。

即時の応答が不要な処理では、実行するタイミングやまとめ方を検討します。再利用や一括処理の方法を比べる際は、候補の機能、適用条件、料金上の扱いを公式資料で確認します。利用できる方法が分かったら、現在の処理方法と同じ入力例で結果を比べます。

チャット応答のように利用者がその場で待つ処理と、過去レコードの分類のように担当者が後から結果を確認できる処理では、許容できる待ち時間が異なります。各処理の確認担当者を決め、同じ業務例で利用量、待ち時間、結果の品質を記録します。運用方法を変えた結果、確認や修正の作業が増える場合は、処理範囲を見直します。

AI APIの組み込み方法は[AI API活用ガイド｜OpenAI・Claude・Gemini APIを自社システムに組み込む方法](https://start-link.jp/hubspot-ai/ai/ai-tech-trends/ai-api-business-integration)で体系的に解説しています。

## AI SaaS市場の動向とCRM領域のツール選定

AI機能を備えたSaaSを検討するときは、機能の説明だけでなく、自社の業務データを何に使い、結果をどこに残せるかを確認します。ここではCRM、MA（マーケティングオートメーション）、SFA（営業支援）の業務に沿って比較する方法を整理します。

### CRM・MA・SFA領域で広がるAI搭載ツール

HubSpotのBreeze、Salesforce Einstein、Zoho Ziaなどを比較する際は、製品名だけで用途を決めず、自社で利用できる機能と対象データを確認します。

例えば、商談の要約を使いたい場合は、検討中のツールで必要な活動記録を参照できるか、要約を誰が確認するか、確認後にどのレコードへ残すかを追います。結果が画面表示だけで終わる場合は、後続の業務に記録する手作業も比較に含めます。

候補を試すときは、同じ商談記録と期待する要約項目を使います。参照できなかった情報があれば、記録自体がないのか、機能から参照できないのかを分けて調べます。参照と保存の経路を確認できた候補について、担当者の確認作業まで含めて現状と比べます。

### 選定基準は「データ連携」と「ワークフロー統合」

候補の比較では、同じ対象業務について、入力元から人による確認、出力先までを確認します。

| 確認する項目 | 判断の分かれ目 |
| --- | --- |
| AIが参照できるデータ | 自社のCRMに蓄積した顧客・取引データを直接参照できるか、別途エクスポートが必要か |
| 出力の行き先 | AIの出力がCRMのプロパティやタスクとして残るか、画面上の表示だけで終わるか |
| 既存ワークフローとの接続 | 既存の自動化（通知、担当者割り当てなど）の中にAIの処理を組み込めるか |
| 人の確認ポイント | 送信や更新の前に、人が確認する工程を挟めるか |

各項目について実際の操作で確認し、満たさない項目があれば補う作業と担当者を書き出します。その作業も含めて現状の手順と比較し、導入後の運用を続けられるか判断します。補う作業の担当者を決められなければ、対象業務を狭めるか、別の候補を試します。

### AIの出力はCRMに入っている情報の質を超えにくい

要約する商談記録が不足していたり、問い合わせの分類に使う項目が担当者ごとに異なったりすると、出力の評価が難しくなります。ツールを試す前に、対象レコードを確認して必要な情報の有無と表記を揃えます。

試行で結果がばらついた場合は、入力データ、指示、ツールの出力を順に見ます。入力の不足が原因なら記録の手順を、指示が曖昧なら求める出力を見直してから、ツールの比較を続けます。

AI SaaS市場の動向と選定基準は[AI SaaS市場動向｜CRM・MA・SFA領域のAI搭載ツール比較と選定基準](https://start-link.jp/hubspot-ai/ai/ai-tech-trends/ai-saas-market-trends)で詳しく解説しています。

## マルチモーダルAI——音声認識と画像認識で入力作業を減らす

マルチモーダルAIは、テキストに加えて音声や画像なども扱うAIです。商談の会話、名刺、書類を業務データに変える場合は、読み取る工程だけでなく、確認してCRMに残す工程まで設計します。入力作業が減るかどうかは、その確認作業も含めて確かめます。

### 音声認識で商談内容を取引レコードに残す

商談の録音をテキスト化する場合は、録音の取り扱いを確認したうえで、どの内容を取引レコードに残すかを決めます。全文、要約、次回の対応事項では確認方法が異なるため、営業担当者が元の内容と照合できる形で試します。

競合名、価格、導入時期などを抽出する場合も、誤認識したまま判断材料にしないよう担当者が確認します。確認後の情報をどの項目に残すかを決め、次の商談準備や引き継ぎで使えるかを評価します。

試行では、音声から得た内容と担当者の確認済み記録を照合します。重要な内容を聞き取れなかった場合は、録音の状態、抽出対象、確認方法を見直します。担当者が元の発言を確認でき、後続の担当者が記録を使える状態になったら、対象とする商談を広げます。

AI音声認識のビジネス活用パターンは[AI音声認識のビジネス活用ガイド｜商談録音からCRM自動記録まで実現する方法](https://start-link.jp/hubspot-ai/ai/ai-tech-trends/ai-speech-recognition-business)で解説しています。

### 画像認識で名刺と書類をコンタクト・請求業務につなぐ

名刺を読み取る場合は、氏名、会社名、役職、連絡先など、登録に使う項目を決めます。読み取った結果を元の名刺と照合し、既存のコンタクトとの重複も確認してから後続の連絡に使います。

請求書や契約書では、金額や日付の誤りが後続業務に影響します。抽出結果を下書きとして扱い、担当者が元の書類と照合してから確定する手順にします。書式ごとの読み取り結果を比較し、確認作業を含めて導入する価値があるか判断します。

読み取り結果の評価では、項目ごとに修正の有無を残します。特定の書式や項目で修正が続くなら、その範囲は人による入力や確認を残します。照合方法と登録先を決められた項目から試行を進めます。

AI画像認識のビジネス活用は[AI画像認識のビジネス活用ガイド｜名刺スキャン・書類読取・CRM自動登録の実践](https://start-link.jp/hubspot-ai/ai/ai-tech-trends/ai-image-recognition-business)をご覧ください。

### 自動登録の結果を人がどこで見るかを決める

音声や画像から読み取った結果には誤りがあり得ます。登録先と誤りの影響を確認し、人が照合する位置を決めます。

| 登録先の情報 | 誤りの影響 | 人が見る工程の置き方 |
| --- | --- | --- |
| 商談メモ・活動記録 | 後から修正しやすい | 自動登録し、担当者が次回商談の前に見直す |
| コンタクトの氏名・メールアドレス | メール配信の宛先誤りにつながる | 登録後、配信リストに入れる前に担当者が見直す |
| 請求書・契約書の金額や日付 | 請求・会計の誤りにつながる | 抽出結果を下書き扱いにし、担当者の承認後に確定する |

試行時は、読み取り結果のどこを修正したかを記録します。修正が多い項目は入力方法や確認手順を見直し、安定して扱える項目から対象を広げます。

## AIセキュリティと責任あるAI実装

AIを使う業務を決める際は、入力してよい情報、出力を利用できる範囲、誤りに気づいたときの対応も決めます。ここでは技術的な対策と運用上のルール、シャドーAI、バイアス、人による判断を扱います。

### AI利用に伴うリスクと防御策

業務での利用では、外部から取り込んだ文章に不正な指示が含まれること、認証情報が漏れること、出力に機密情報が含まれることなどを想定します。対策を選ぶ際は、データの入力から保存、出力の利用までの流れを確認します。

| 対策の種類 | 主な内容 |
| --- | --- |
| 技術的対策 | 入力バリデーション、DLPツール、暗号化 |
| 運用的対策 | 利用ポリシー、教育、監査 |

例えばAPIキーは、保管場所とアクセス権限を決めるとともに、発行・利用している担当者を確認できるようにします。対策を置いた後は、担当者が変わっても手順を実行できるかを見直します。

試行前に、入力する情報の種類、出力を見る人、記録を保存する場所を業務の流れに沿って確認します。扱いを決められない情報があれば、その情報を試行対象から外して管理担当者と確認します。利用ルールを決めた後も、対象業務や入力元が変われば同じ流れを見直します。

AIセキュリティ対策の詳細は[AIセキュリティの企業対策ガイド｜AI利用のリスクと具体的な防御策](https://start-link.jp/hubspot-ai/ai/ai-tech-trends/ai-security-enterprise-guide)で解説しています。

### シャドーAIは個人の注意ではなく仕組みで防ぐ

社員が承認されていないAIサービスへ業務データを入力することを防ぐには、使えるツールと入力できるデータを分かる形で示します。利用したい業務に承認ツールが対応していない場合の相談先も必要です。

1. 承認したAIツールの一覧を作り、利用できる業務と管理担当者を示します。
2. データの種類ごとに入力可否を定め、判断に迷う場合の確認先を明記します。
3. 業務で必要な使い方を確認し、承認ツールで対応できない要望を受け付ける手順を用意します。

新しいツールの利用希望が出たら、入力するデータ、期待する作業、出力の扱いを確認します。既存のルールで判断できなければ、管理担当者がルールを見直してから利用可否を決めます。

### 責任あるAIとバイアス対策

AIの出力を人や顧客に関わる判断に使う場合は、判断材料の偏りと、結果を説明できるかを確認します。採用、与信、顧客への提案など、出力によって扱いが変わる業務では、人が最終判断する位置を先に決めます。

試行時は、評価に使ったデータが対象業務を適切に表しているかを確認します。結果に偏りが疑われる場合は、その出力を使った判断を進めず、入力データ、評価方法、人による確認手順を見直します。運用開始後も、対象業務やデータが変わったときに再評価します。

担当者が判断を追えるように、AIの出力だけでなく、参照した情報と修正した理由を残します。説明に必要な情報を確認できない出力は、そのまま顧客や人に関わる判断へ使わず、確認できる工程を設けてから利用範囲を決めます。

責任あるAI実装の詳細は[責任あるAI実装ガイド｜AIバイアス対策・公平性確保・倫理的AI運用の実践](https://start-link.jp/hubspot-ai/ai/ai-tech-trends/responsible-ai-implementation)をご覧ください。

### AIと人間の役割分担を決める

AIに任せる処理と人が判断する工程を、出力の利用先に沿って分けます。

| AIに任せやすい作業 | 人が判断する作業 |
| --- | --- |
| 問い合わせの分類 | パイプラインやライフサイクルステージの定義 |
| レコードや商談記録の要約 | 顧客へのメール送信の最終判断 |
| 企業情報のリサーチ | 規模の大きい案件へのアプローチ方針 |
| メール文面の下書き | AIへの指示（プロンプト）やガイドラインの設計 |

AIが顧客と直接やり取りする場面では、回答できる範囲、確認が必要な内容、担当者へ引き継ぐ条件を決めます。顧客向けの応答方針を設定する際は、画面上のガイドラインと実際の回答を照合します。

次の画像は、Breezeカスタマーエージェント ガイドライン設定画面です。

![Breezeカスタマーエージェント ガイドライン設定画面](https://start-link.jp/hubfs/blog/screenshots/library/guidelines_02_middle.png)

まず、出力が顧客に届くか、記録の更新や送信につながるかを確認します。影響の大きい処理には人の確認を置き、試行中に生じた修正や差し戻しを記録します。確認工程を変える場合は、担当者が結果を追える状態を保てるかを確かめてから判断します。

## AI技術トレンドの導入ロードマップ

導入は対象業務と確認体制に合わせて進めます。ここでは3つの段階に分けますが、技術をすべて順番に導入するという意味ではありません。各段階で何を確認できたら次に進むか、うまくいかない場合は何を見直すかを決めます。

### 第1段階: AI SaaSの活用から始める

既存ツールで利用できるAI機能があれば、対象業務に合うかを確認します。HubSpotのBreezeなどを検討するときも、利用できる機能、対象データ、利用条件を確認してから試行します。

試行では、現在の作業手順とAIを使った手順を比べます。作業時間だけでなく、出力の確認や修正に必要な作業も記録します。必要なデータが揃っていなければ、技術を追加する前に記録の集約と入力項目を見直します。

次に進むのは、比較する業務の範囲が揃い、担当者が出力の良し悪しと確認作業を記録できる場合です。使える機能があっても入力元や確認者を決められなければ、業務設計を先に整えます。

### 第2段階: RAGとAI APIの導入

社内文書の検索や既存システムへの組み込みが必要になったら、RAGやAI APIを検討します。対象は、担当者が回答の根拠や正誤を確認できる業務から選びます。

RAGでは、検索対象の文書と回答の根拠を確認します。AI APIでは、入力元、出力先、認証情報の管理、人による確認を一連の流れとして試します。業務で使える水準に届かなければ、文書、入力情報、対象範囲を見直します。

試行結果を確認するときは、回答の誤り、必要な情報の不足、出力先への記録の失敗を分けます。文書の不足なら情報管理へ、処理のつながりに問題があれば組み込み方法へ戻ります。原因を特定して修正できる状態になれば、次の業務への適用を検討します。

### 第3段階: 高度な技術の選択的導入

RAGやプロンプトの調整では解決できない出力要件がある場合はファインチューニングを、外部サービスへの送信が認められず自社で運用できる場合はローカルLLMを検討します。音声や画像を扱う業務では、読み取り結果を確認する工程まで含めて比較します。

投資判断の前に、解決したい業務課題、代替手段、必要な運用体制、効果をどう測るかを文書化します。これらが定まらなければ対象業務の定義に戻ります。

### 段階ごとの進む条件と戻り先

| 段階 | 取り組み | 次に進む条件 | うまくいかないときの戻り先 |
| --- | --- | --- | --- |
| 第1段階 | AI SaaS（Breeze等）の活用、データ集約、利用ルール整備 | AI機能の利用前後で比べる指標を決め、変化をレポートで追えている | データの集約と必須項目の設計 |
| 第2段階 | RAGの構築、AI APIによるカスタム機能 | RAGの回答を担当者が評価し、業務で使える水準と判断できている | 読み込ませる文書の整理、対象業務の絞り込み |
| 第3段階 | ファインチューニング、ローカルLLM、マルチモーダルAIの選択的導入 | 業務課題とROIの見込みが文書化されている | 第2段階の手法（RAG・プロンプト調整）で代替できないかの再検討 |

次に進む条件を満たした場合も、対象業務が変われば入力データと確認方法を再評価します。ROIの見込みを立てる際は、作業の変化だけでなく、データの準備、確認、修正、運用に必要な作業も含めます。戻り先では、どの条件が満たせなかったかを特定してから再試行します。

## よくある質問

### Q1: RAGとファインチューニングのどちらから始めるべきですか？

答えに必要な情報が社内文書にあるなら、まず文書を整理してRAGで参照できるか試します。回答の内容と根拠を確認し、誤りがあれば検索対象を見直します。内容は合っていても形式が揃わなければプロンプトを調整し、それでも業務上の要件を満たせない場合にファインチューニングを検討します。詳しくは[RAG構築の実践ガイド](https://start-link.jp/hubspot-ai/ai/ai-tech-trends/rag-implementation-guide)と[ファインチューニングの企業活用ガイド](https://start-link.jp/hubspot-ai/ai/ai-tech-trends/fine-tuning-business-guide)をご覧ください。

### Q2: ローカルLLMを導入すべき企業の基準は何ですか？

まず、扱うデータを外部サービスへ送れるかを社内ルールに照らして確認します。送れない場合はローカルLLMを比較対象に入れ、必要な品質と処理量を試します。設備、アクセス管理、モデルの更新を担う体制も確認し、整えられなければ対象業務を見直します。判断基準の詳細は[ローカルLLMの企業活用ガイド](https://start-link.jp/hubspot-ai/ai/ai-tech-trends/local-llm-enterprise-guide)をご覧ください。

### Q3: AI APIはどのような基準で選べばよいですか？

精度・速度・コスト・コンテキストウィンドウ・マルチモーダル対応を、実際の業務の入力と出力に沿って比べます。担当者による修正や確認の作業も記録し、求める水準を満たすか判断します。将来の変更を考える場合は、APIの呼び出し部分と業務処理の管理方法も確認します。各APIの比較は[AI API活用ガイド](https://start-link.jp/hubspot-ai/ai/ai-tech-trends/ai-api-business-integration)で解説しています。

### Q4: AI SaaS選定で失敗しないコツは何ですか？

対象業務を決め、AIが参照するデータ、出力の保存先、人による確認を実際の操作で確認します。足りない情報があればCRMの記録手順を整え、出力を後続業務に渡すための手作業も比較に含めます。確認や記録の担当者まで決められた候補を試し、運用を続けられるか判断します。[AI SaaS市場動向](https://start-link.jp/hubspot-ai/ai/ai-tech-trends/ai-saas-market-trends)で選定基準を解説しています。

### Q5: AIセキュリティで特に注意したいリスクは何ですか？

承認されていないツールへの業務データの入力、認証情報の漏洩、出力に含まれる機密情報などを、利用する業務に沿って確認します。承認ツールと入力可能なデータの一覧を用意し、判断に迷う場合の相談先を決めます。入力可否を決められないデータは試行対象から外し、管理担当者が扱いを確認してから利用を判断します。[AIセキュリティの企業対策ガイド](https://start-link.jp/hubspot-ai/ai/ai-tech-trends/ai-security-enterprise-guide)で具体策を解説しています。

## まとめ

- AI技術は「基盤技術」「API・インテグレーション」「マルチモーダルAI」「セキュリティ・倫理」の4レイヤーで整理し、対象業務に関係する論点から確認します。
- 技術の試行前に、参照するCRMデータの所在、更新手順、利用権限を確かめます。
- 社内情報を回答の根拠として使いたい場合はRAGを試し、出力形式の課題はプロンプトの調整後にファインチューニングを検討します。
- ローカルLLMとSLMは、データの送信可否、処理内容、運用体制で比較します。AI APIは業務データを使った試行と利用量の確認を行います。
- AI SaaS、音声認識、画像認識は、入力元から人による確認、出力先までを業務フローに置いて評価します。
- 利用ルールと人による確認は、試行する業務を決める段階から設計します。

まずは、自社で手入力や転記が多い業務を選び、その作業で使うデータがどこにあるかを確認してください。次の手順で試行の範囲を決めます。

1. 課題を「誰の、どの作業が、どう変わるか」の1文で書き、現状と試行後を同じ方法で比べる指標を決めます。
2. 既存ツールで使えるAI機能を確認し、必要なデータと人による確認の工程を揃えて試します。
3. 扱うデータの種類ごとにAIへの入力可否を整理し、結果を確認する担当者と見直し条件を決めます。

試行後は、出力の品質と確認・修正にかかった作業を担当者と振り返ります。必要な情報が不足していれば記録手順へ、出力の形式が合わなければ指示へ、運用を担えなければ対象範囲へ戻ります。CRMを活用した業務効率化やAIとの連携に関するご相談は、StartLinkまでお気軽にお問い合わせください。

## あわせて読みたい

業務でのAI利用、組織への定着、CRM上のAI機能をそれぞれ検討する際は、次の記事もご覧ください。

- [AI実務活用ガイド](https://start-link.jp/hubspot-ai/ai/genai-work) — ChatGPT・Claude・Geminiをどの業務に使い、人がどこで確認するかを検討できます。
- [AI組織変革ガイド](https://start-link.jp/hubspot-ai/ai/ai-org-transformation) — AIを組織で使う際の役割分担や定着の進め方を確認できます。
- [HubSpot AI・Breezeガイド](https://start-link.jp/hubspot-ai/hubspot/ai-breeze) — CRM上のAI機能を業務フローに置いて検討できます。

記事の内容を、そのまま実務に落とし込みたい方向け

HubSpotゴールドパートナーのStartLinkが、HubSpot導入・AI活用・CRM整備・業務効率化までをまとめて支援しています。記事で気になったテーマを、そのまま相談ベースで整理できます。

[サービス概要を見る](https://start-link.jp/service/hubspot-ai) [無料で相談する](https://start-link.jp/contact)

## 次に読む

### [![](https://start-link.jp/hubfs/blog/screenshots/generated/gen_DD-61_fast_mode_model_support.png) Claude Codeのfast mode（/fast）｜対応モデル・料金・使いどころの判断基準](https://start-link.jp/hubspot-ai/ai/claude-code-practice/claude-code-fast-mode)

### [![](https://start-link.jp/hubfs/blog/screenshots/generated/gen_DD-60_agent_view_session_states.png) Claude Code agent viewの使い方｜全セッションを1画面で管理](https://start-link.jp/hubspot-ai/ai/claude-code-practice/claude-code-agent-view)

### [![](https://start-link.jp/hubfs/blog/screenshots/generated/gen_DD-58_goal_evaluation_loop.png) Claude Codeの/goalコマンド｜完了条件でAIを自律実行させる方法](https://start-link.jp/hubspot-ai/ai/claude-code-practice/claude-code-goal-command)

## 記事の内容を、そのまま実務に落とし込みたい方向け

[無料で相談する](https://start-link.jp/contact) [資料をダウンロード](https://start-link.jp/hubspot-ai/ai/ai-tech-trends#blog-download)

 株式会社StartLinkは、事業推進に関わる「販売促進」「DXによる業務効率化（ERP/CRM/SFA/MAの導入）」などのご相談を受け付けております。 サービスのプランについてのご相談/お見積もり依頼や、ノウハウのお問い合わせについては、[無料のお問い合わせページ](https://www.start-link.jp/contact)より、お気軽にご連絡くださいませ。

###### 関連キーワード:

[AI](https://start-link.jp/hubspot-ai/tag/ai) [生成AI](https://start-link.jp/hubspot-ai/tag/生成ai)

## サービス資料を無料DL

## 著者情報

![7-1](https://start-link.jp/hubfs/7-1.jpg)

### 今枝 / Imaeda

 株式会社StartLink 代表取締役。累計150社以上のHubSpotプロジェクト支援実績を持ち、Claude CodeやHubSpotを軸にしたAI活用支援・経営基盤AXのコンサルティング事業を展開。  
 HubSpotのトップパートナー企業や大手人材グループにて、エンタープライズCRM戦略策定・AI戦略ディレクションを経験した後、StartLinkを創業。現在はCRM×AIエージェントによる経営管理支援を専門とする。

[StartLink](https://start-link.jp/)

### Service

- [会社情報](https://start-link.jp/about)
- [サービス](https://start-link.jp/service)
- [プロダクト](https://start-link.jp/sync)
- [採用情報](https://start-link.jp/recruit)
- [コンサルタントの方へ](https://start-link.jp/consultant-platform)

### Contact

- [問い合わせ](https://start-link.jp/contact)
- [資料ダウンロード](https://start-link.jp/download/service)
- [Syncナレッジベース](https://start-link.jp/sync/knowledge-base)
- [個人情報保護方針](https://start-link.jp/privacy-policy)
- [個人情報取り扱い規定](https://start-link.jp/personal-information-processing-agreement)

(c) 2026 All Rights Reserved.

```json
{
  "@context" : "https://schema.org",
  "@type" : "BlogPosting",
  "author" : {
    "@type" : "Person",
    "name" : "今枝 拓海",
    "url" : "https://start-link.jp/hubspot-ai/author/imaeda"
  },
  "datePublished" : "2026-03-11T11:41:48.000Z",
  "headline" : "AI技術トレンド解説｜RAG・ローカルLLM・API導入を経営判断に生かす",
  "image" : [ "https://start-link.jp/hubfs/blog/screenshots/generated/ai-tech-trends.png" ],
  "mainEntityOfPage" : {
    "@id" : "https://start-link.jp/hubspot-ai/ai/ai-tech-trends",
    "@type" : "WebPage"
  },
  "publisher" : {
    "@type" : "Organization",
    "logo" : {
      "@type" : "ImageObject",
      "url" : "https://start-link.jp/hubfs/Start%20Link%20(1500%20x%20600%20px)%20(5)-1.png"
    },
    "name" : "株式会社StartLink"
  }
}
```

```json
{
  "@context" : "https://schema.org",
  "@type" : "FAQPage",
  "mainEntity" : [ {
    "@type" : "Question",
    "acceptedAnswer" : {
      "@type" : "Answer",
      "text" : "答えに必要な情報が社内文書にあるなら、まず文書を整理してRAGで参照できるか試します。回答の内容と根拠を確認し、誤りがあれば検索対象を見直します。内容は合っていても形式が揃わなければプロンプトを調整し、それでも業務上の要件を満たせない場合にファインチューニングを検討します。詳しくはRAG構築の実践ガイドとファインチューニングの企業活用ガイドをご覧ください。"
    },
    "name" : "RAGとファインチューニングのどちらから始めるべきですか？"
  }, {
    "@type" : "Question",
    "acceptedAnswer" : {
      "@type" : "Answer",
      "text" : "まず、扱うデータを外部サービスへ送れるかを社内ルールに照らして確認します。送れない場合はローカルLLMを比較対象に入れ、必要な品質と処理量を試します。設備、アクセス管理、モデルの更新を担う体制も確認し、整えられなければ対象業務を見直します。判断基準の詳細はローカルLLMの企業活用ガイドをご覧ください。"
    },
    "name" : "ローカルLLMを導入すべき企業の基準は何ですか？"
  }, {
    "@type" : "Question",
    "acceptedAnswer" : {
      "@type" : "Answer",
      "text" : "精度・速度・コスト・コンテキストウィンドウ・マルチモーダル対応を、実際の業務の入力と出力に沿って比べます。担当者による修正や確認の作業も記録し、求める水準を満たすか判断します。将来の変更を考える場合は、APIの呼び出し部分と業務処理の管理方法も確認します。各APIの比較はAI API活用ガイドで解説しています。"
    },
    "name" : "AI APIはどのような基準で選べばよいですか？"
  }, {
    "@type" : "Question",
    "acceptedAnswer" : {
      "@type" : "Answer",
      "text" : "対象業務を決め、AIが参照するデータ、出力の保存先、人による確認を実際の操作で確認します。足りない情報があればCRMの記録手順を整え、出力を後続業務に渡すための手作業も比較に含めます。確認や記録の担当者まで決められた候補を試し、運用を続けられるか判断します。AI SaaS市場動向で選定基準を解説しています。"
    },
    "name" : "AI SaaS選定で失敗しないコツは何ですか？"
  }, {
    "@type" : "Question",
    "acceptedAnswer" : {
      "@type" : "Answer",
      "text" : "承認されていないツールへの業務データの入力、認証情報の漏洩、出力に含まれる機密情報などを、利用する業務に沿って確認します。承認ツールと入力可能なデータの一覧を用意し、判断に迷う場合の相談先を決めます。入力可否を決められないデータは試行対象から外し、管理担当者が扱いを確認してから利用を判断します。AIセキュリティの企業対策ガイドで具体策を解説しています。"
    },
    "name" : "AIセキュリティで特に注意したいリスクは何ですか？"
  } ]
}
```

```json
{
  "@context" : "https://schema.org",
  "@id" : "https://start-link.jp/hubspot-ai/ai/ai-tech-trends#article",
  "@type" : "BlogPosting",
  "author" : {
    "@id" : "https://start-link.jp/#founder"
  },
  "dateModified" : "2026-10-18T10:37:14+09:00",
  "datePublished" : "2026-03-11T11:41:48+09:00",
  "headline" : "AI技術トレンド解説｜RAG・ローカルLLM・API導入を経営判断に生かす",
  "image" : "https://start-link.jp/hubfs/blog/screenshots/generated/ai-tech-trends.png",
  "isPartOf" : {
    "@id" : "https://start-link.jp/#website"
  },
  "mainEntityOfPage" : {
    "@id" : "https://start-link.jp/hubspot-ai/ai/ai-tech-trends",
    "@type" : "WebPage"
  },
  "publisher" : {
    "@id" : "https://start-link.jp/#organization"
  },
  "speakable" : {
    "@type" : "SpeakableSpecification",
    "cssSelector" : [ ".blog-section h2", ".blog-section p:first-of-type", ".blog-section blockquote" ]
  }
}
```

```json
{
  "@context" : "https://schema.org",
  "@type" : "BreadcrumbList",
  "itemListElement" : [ {
    "@type" : "ListItem",
    "item" : "https://start-link.jp",
    "name" : "ホーム",
    "position" : 1
  }, {
    "@type" : "ListItem",
    "item" : "https://start-link.jp/hubspot-ai",
    "name" : "ブログ",
    "position" : 2
  }, {
    "@type" : "ListItem",
    "item" : "https://start-link.jp/hubspot-ai/ai",
    "name" : "AI活用",
    "position" : 3
  }, {
    "@type" : "ListItem",
    "name" : "AI技術トレンド解説｜RAG・ローカルLLM・API導入を経営判断に生かす",
    "position" : 4
  } ]
}
```

```json
{
  "@context" : "https://schema.org",
  "@id" : "https://start-link.jp/#organization",
  "@type" : "Organization",
  "address" : {
    "@type" : "PostalAddress",
    "addressCountry" : "JP",
    "addressLocality" : "中央区",
    "addressRegion" : "東京都",
    "postalCode" : "104-0061",
    "streetAddress" : "銀座1丁目12番4号 N&E BLD.6F"
  },
  "alternateName" : "StartLink Inc.",
  "award" : [ "HubSpot Gold Solutions Partner（HubSpotゴールドパートナー、2026年4月認定）" ],
  "contactPoint" : [ {
    "@type" : "ContactPoint",
    "availableLanguage" : [ "ja" ],
    "contactType" : "customer support",
    "url" : "https://start-link.jp/contact"
  }, {
    "@type" : "ContactPoint",
    "availableLanguage" : [ "ja", "en" ],
    "contactType" : "sales",
    "url" : "https://start-link.jp/contact"
  } ],
  "description" : "「AI × HubSpot」をコンセプトに掲げるHubSpotゴールドパートナー（Gold Solutions Partner、2026年4月認定）。HubSpotマーケットプレイスに自社アプリ（Sync for freee / Notion / Money Forward / Chatwork）を公開するアプリ開発企業であり、HubSpot/Salesforce知見とAI活用を組み合わせたCRM構築・移行・最適化・AIエージェント/PoC支援まで一貫して提供する。",
  "founder" : {
    "@id" : "https://start-link.jp/#founder",
    "@type" : "Person",
    "jobTitle" : "代表取締役",
    "name" : "今枝 拓海",
    "sameAs" : [ "https://x.com/ImaedaTakumii", "https://www.linkedin.com/in/takumi-imaeda/", "https://www.facebook.com/takumiIma" ]
  },
  "foundingDate" : "2024-09-04",
  "hasCredential" : {
    "@type" : "EducationalOccupationalCredential",
    "credentialCategory" : "certification",
    "name" : "HubSpot Gold Solutions Partner",
    "recognizedBy" : {
      "@type" : "Organization",
      "name" : "HubSpot, Inc.",
      "url" : "https://www.hubspot.com/"
    }
  },
  "image" : [ "https://start-link.jp/hubfs/startlink-ai-agent.jpg", "https://start-link.jp/hubfs/startlink-aiorg.jpg" ],
  "knowsAbout" : [ "HubSpot CRM", "HubSpot Implementation", "HubSpot導入支援", "CRM構築", "AI活用", "HubSpot連携アプリ開発", "Salesforce to HubSpot Migration", "Generative AI Integration", "AI Agent Development", "Revenue Operations", "Marketing Automation", "freee Integration", "Notion Integration", "Money Forward Integration" ],
  "legalName" : "株式会社StartLink",
  "logo" : "https://start-link.jp/hubfs/startlink-logo.png",
  "mainEntityOfPage" : "https://start-link.jp/",
  "memberOf" : {
    "@type" : "ProgramMembership",
    "hostingOrganization" : {
      "@type" : "Organization",
      "name" : "HubSpot, Inc.",
      "url" : "https://www.hubspot.com/"
    },
    "membershipNumber" : "Gold Tier",
    "programName" : "HubSpot Solutions Partner Program"
  },
  "name" : "株式会社StartLink",
  "sameAs" : [ "https://www.youtube.com/@startlink-hubspot", "https://x.com/ImaedaTakumii", "https://www.linkedin.com/in/takumi-imaeda/", "https://www.linkedin.com/company/108100307/", "https://www.facebook.com/takumiIma", "https://www.facebook.com/profile.php?id=61566874764985", "https://prtimes.jp/main/html/searchrlp/company_id/149669", "https://app.hubspot.com/ecosystem/46046172/marketplace/solutions/startlink" ],
  "taxID" : "8010001248134",
  "url" : "https://start-link.jp/"
}
```

```json
{
  "@context" : "https://schema.org",
  "@id" : "https://start-link.jp/#website",
  "@type" : "WebSite",
  "inLanguage" : "ja",
  "name" : "株式会社StartLink",
  "publisher" : {
    "@id" : "https://start-link.jp/#organization"
  },
  "url" : "https://start-link.jp/"
}
```

```json
{
  "@context" : "https://schema.org",
  "@id" : "https://start-link.jp/#service-hubspot",
  "@type" : "Service",
  "areaServed" : "JP",
  "category" : [ "CRM導入", "HubSpot" ],
  "description" : "150社以上の実績を持つHubSpotゴールドパートナーが、業務フローに合わせた設計から構築・本番稼働まで一貫支援。",
  "name" : "HubSpot導入・構築支援",
  "provider" : {
    "@id" : "https://start-link.jp/#organization"
  },
  "serviceType" : "HubSpot導入・構築支援",
  "url" : "https://start-link.jp/service/hubspot"
}
```

```json
{
  "@context" : "https://schema.org",
  "@id" : "https://start-link.jp/#service-hubspot-ai",
  "@type" : "Service",
  "areaServed" : "JP",
  "category" : [ "CRM最適化", "AI活用" ],
  "description" : "HubSpotを軸に業務要件に沿った設計改善とAI連携活用を包括支援。",
  "name" : "HubSpot AIコンサルティング",
  "provider" : {
    "@id" : "https://start-link.jp/#organization"
  },
  "serviceType" : "HubSpot AIコンサルティング",
  "url" : "https://start-link.jp/service/hubspot-ai"
}
```

```json
{
  "@context" : "https://schema.org",
  "@id" : "https://start-link.jp/#service-hubspot-training",
  "@type" : "Service",
  "areaServed" : "JP",
  "category" : [ "研修", "HubSpot" ],
  "description" : "HubSpotの概念・基本操作からAI活用ノウハウまで、社内浸透のための研修を提供。",
  "name" : "HubSpot研修・レクチャー支援",
  "provider" : {
    "@id" : "https://start-link.jp/#organization"
  },
  "serviceType" : "HubSpot研修・内製化支援",
  "url" : "https://start-link.jp/service/hubspot-ai/training"
}
```

```json
{
  "@context" : "https://schema.org",
  "@id" : "https://start-link.jp/#service-sf2hs-replace",
  "@type" : "Service",
  "areaServed" : "JP",
  "category" : [ "CRM移行", "データ移行" ],
  "description" : "Salesforce/HubSpot双方の思想とデータモデルを理解した移行設計とHubSpot側CRM開発を実行。",
  "name" : "SalesforceからHubSpotへのリプレイス支援",
  "provider" : {
    "@id" : "https://start-link.jp/#organization"
  },
  "serviceType" : "SalesforceからHubSpotへのリプレイス支援",
  "url" : "https://start-link.jp/service/salesforce-hubspot-replace"
}
```

```json
{
  "@context" : "https://schema.org",
  "@id" : "https://start-link.jp/#service-claude-code-bi",
  "@type" : "Service",
  "areaServed" : "JP",
  "category" : [ "AI活用", "経営管理" ],
  "description" : "複数システムのデータを統合し、毎朝のAIブリーフィングなど経営の意思決定を加速する仕組みを構築。",
  "name" : "Claude Codeによる経営データ活用支援",
  "provider" : {
    "@id" : "https://start-link.jp/#organization"
  },
  "serviceType" : "AI経営管理支援",
  "url" : "https://start-link.jp/service/claude-code/business-intelligence"
}
```

```json
{
  "@context" : "https://schema.org",
  "@id" : "https://start-link.jp/#service-claude-code-content",
  "@type" : "Service",
  "areaServed" : "JP",
  "category" : [ "コンテンツマーケティング", "AI活用" ],
  "description" : "キーワード戦略からSEO記事制作、CMS公開まで、AIを活用したコンテンツマーケティングを自動化。",
  "name" : "Claude Codeによるコンテンツマーケティング支援",
  "provider" : {
    "@id" : "https://start-link.jp/#organization"
  },
  "serviceType" : "AIコンテンツ制作支援",
  "url" : "https://start-link.jp/service/claude-code/content-marketing"
}
```

```json
{
  "@context" : "https://schema.org",
  "@id" : "https://start-link.jp/#product-sync-freee",
  "@type" : "SoftwareApplication",
  "applicationCategory" : "BusinessApplication",
  "author" : {
    "@id" : "https://start-link.jp/#organization"
  },
  "description" : "HubSpotとfreee会計・freee請求書をシームレスに連携。取引先の同期から請求書作成まで、バックオフィスの業務を自動化するHubSpotマーケットプレイスアプリ。",
  "featureList" : [ "freee取引先をHubSpotに自動同期", "HubSpotからfreee見積書・請求書を作成", "取引データをfreee会計に自動登録", "月次請求・更新処理に対応", "商品項目・品目・部門・タグ情報の連携" ],
  "installUrl" : "https://ecosystem.hubspot.com/marketplace/apps/sync-for-freee-bystartlink",
  "name" : "Sync for freee",
  "offers" : [ {
    "@type" : "Offer",
    "description" : "請求月5件・見積月20件まで",
    "name" : "Free",
    "price" : "0",
    "priceCurrency" : "JPY"
  }, {
    "@type" : "Offer",
    "billingIncrement" : "P1M",
    "description" : "請求月50件・見積月100件まで",
    "name" : "Professional",
    "price" : "4000",
    "priceCurrency" : "JPY"
  }, {
    "@type" : "Offer",
    "billingIncrement" : "P1M",
    "description" : "無制限",
    "name" : "Enterprise",
    "price" : "10000",
    "priceCurrency" : "JPY"
  } ],
  "operatingSystem" : "Web",
  "softwareHelp" : {
    "@type" : "WebPage",
    "url" : "https://start-link.jp/sync/knowledge-base/freee/basic-steps"
  },
  "url" : "https://start-link.jp/sync/freee"
}
```

```json
{
  "@context" : "https://schema.org",
  "@id" : "https://start-link.jp/#product-sync-notion",
  "@type" : "SoftwareApplication",
  "applicationCategory" : "BusinessApplication",
  "author" : {
    "@id" : "https://start-link.jp/#organization"
  },
  "description" : "HubSpotのCRMレコードとNotionのページ・データベースを接続。HubSpotの画面から離れずにNotionのすべてにアクセスできるHubSpotマーケットプレイスアプリ。",
  "featureList" : [ "CRMカードからNotionページの作成・閲覧・編集", "NotionデータベースをCRMタブにテーブル表示", "4つのワークフローアクションで自動化", "コンタクト・会社・取引・チケット・サービス・プロジェクト対応" ],
  "installUrl" : "https://ecosystem.hubspot.com/marketplace/listing/sync-for-notion-bystartlink",
  "name" : "Sync for Notion",
  "offers" : [ {
    "@type" : "Offer",
    "description" : "ページ・DB合計50件まで",
    "name" : "Free",
    "price" : "0",
    "priceCurrency" : "JPY"
  }, {
    "@type" : "Offer",
    "billingIncrement" : "P1M",
    "description" : "無制限",
    "name" : "Professional",
    "price" : "10000",
    "priceCurrency" : "JPY"
  } ],
  "operatingSystem" : "Web",
  "url" : "https://start-link.jp/sync/notion"
}
```

```json
{
  "@context" : "https://schema.org",
  "@id" : "https://start-link.jp/#product-sync-moneyforward",
  "@type" : "SoftwareApplication",
  "applicationCategory" : "BusinessApplication",
  "author" : {
    "@id" : "https://start-link.jp/#organization"
  },
  "description" : "HubSpotとマネーフォワード クラウドを連携。取引情報から見積書・請求書を自動作成し、取引先・品目の同期や継続請求に対応するHubSpot連携アプリ。",
  "featureList" : [ "取引（Deal）から見積書・請求書を自動作成", "会社情報とマネーフォワード取引先の同期", "商品項目・品目マスタの連携", "月次・固定回数の継続請求に対応（Professionalプラン以上）", "合算請求（Enterpriseプラン限定）", "前受請求（一括請求・月次計上）（Enterpriseプラン限定）", "原価登録（MF会計への仕訳登録）で案件別の原価・粗利を可視化（Enterpriseプラン限定）", "取引レコードにCRMカードで連携ステータスを表示" ],
  "installUrl" : "https://ecosystem.hubspot.com/ja/marketplace/listing/sync-for-moneyforward-bystartlink",
  "name" : "Sync for Money Forward",
  "offers" : [ {
    "@type" : "Offer",
    "description" : "請求月5件・見積月20件まで",
    "name" : "Free",
    "price" : "0",
    "priceCurrency" : "JPY"
  }, {
    "@type" : "Offer",
    "billingIncrement" : "P1M",
    "description" : "請求月50件・見積月100件まで",
    "name" : "Professional",
    "price" : "4000",
    "priceCurrency" : "JPY"
  }, {
    "@type" : "Offer",
    "billingIncrement" : "P1M",
    "description" : "無制限",
    "name" : "Enterprise",
    "price" : "10000",
    "priceCurrency" : "JPY"
  } ],
  "operatingSystem" : "Web",
  "url" : "https://start-link.jp/sync/moneyforward"
}
```

```json
{
  "@context" : "https://schema.org",
  "@id" : "https://start-link.jp/#product-sync-chatwork",
  "@type" : "SoftwareApplication",
  "applicationCategory" : "BusinessApplication",
  "author" : {
    "@id" : "https://start-link.jp/#organization"
  },
  "description" : "HubSpotとChatworkを連携。ワークフローからChatworkのルームへ通知を送り、CRMカード上で最新のやり取りの確認と返信ができ、紐付けたルームの新着メッセージをHubSpotのノートとして自動で記録するHubSpot連携アプリ。",
  "featureList" : [ "ワークフローアクション「Chatworkに通知」（取引・会社・コンタクト・チケット対応）", "送信先ルームIDとメッセージ本文にHubSpotのプロパティを差し込み", "取引・会社・コンタクトとChatworkルームの紐付け（全プラン無制限）", "CRMカードにルームの最新100件のメッセージを表示（Professionalプラン以上）", "CRMカードからChatworkへメッセージを送信（Professionalプラン以上）", "紐付けたルームの新着メッセージをHubSpotのノートへ自動記録（Enterpriseプラン限定）", "引用や装飾を、HubSpotのノートでも読みやすい見た目のまま記録", "OAuth接続とAPIトークン接続（SAML/SSO環境向け）に対応" ],
  "installUrl" : "https://ecosystem.hubspot.com/marketplace/listing/sync-for-chatwork-bystartlink",
  "name" : "Sync for Chatwork",
  "offers" : [ {
    "@type" : "Offer",
    "description" : "通知 月10件まで・ルーム紐付け無制限",
    "name" : "Free",
    "price" : "0",
    "priceCurrency" : "JPY"
  }, {
    "@type" : "Offer",
    "billingIncrement" : "P1M",
    "description" : "通知無制限・CRMカードで最新100件の表示とメッセージ送信",
    "name" : "Professional",
    "price" : "3000",
    "priceCurrency" : "JPY"
  }, {
    "@type" : "Offer",
    "billingIncrement" : "P1M",
    "description" : "Professionalの全機能＋メッセージ同期（30分ごと）",
    "name" : "Enterprise",
    "price" : "10000",
    "priceCurrency" : "JPY"
  } ],
  "operatingSystem" : "Web",
  "url" : "https://start-link.jp/sync/chatwork"
}
```