社内AI基盤としてのDify
株式会社スタディスト / shoppingjaws
メンバー / インフラエンジニア / 従業員規模: 101名〜300名 / エンジニア組織: 51名〜100名
| 利用プラン | 利用機能 | ツールの利用規模 | ツールの利用開始時期 | 事業形態 |
|---|---|---|---|---|
セルフホスティング | ワークフロー/チャットフロー | 11名〜50名 | 2024年6月 | B to B |
| 利用プラン | セルフホスティング |
|---|---|
| 利用機能 | ワークフロー/チャットフロー |
| ツールの利用規模 | 11名〜50名 |
| ツールの利用開始時期 | 2024年6月 |
| 事業形態 | B to B |
導入の背景・解決したかった問題
導入背景
ツール導入前の課題
社内でClaudeやNotebookLMなど様々なAIサービスが各部署で自発的に導入が進められており 人間が各AIツールの橋渡しのような状態になっていた 例えば、文字起こしをするためにXというAIサービスを使い、その出力をYに保管するといった作業の繰り返しでした。
どのような状態を目指していたか
1ショットで各AIサービスを呼び出して出力結果はあるべき場所に保管され、出力結果の確認から作業を開始できるような状態
比較検討したサービス
- Zapier
- n8n
比較した軸
AIサービスの自動化のしやすさ
選定理由
AIドキュメント検索システム(RAG)構築の容易さ 各種AIサービスとの連携のしやすさ
導入の成果
改善したかった課題はどれくらい解決されたか
作業自体は呼び出しから終了まで何も作業は不要で、Slackに通知が来るのを待つのみでOKです ただ、AIサービス以外の連携周りが弱いため、事前にどこまでできるのか確認が必要です。
どのような成果が得られたか
顧客が弊社のプロダクトに関する質問に応答するチャットボットを簡単に実装できました。 DifyはWebページに埋め込めるチャットボットSDKが提供されており、比較的かんたんに実装でき 内部のロジックはDify上で構築といったことが可能になります。
また、UIで利用する大量のテキストを複数の言語に一気に翻訳するといった細かく、けど骨の折れる作業なども完全に自動化することができました。
導入時の苦労・悩み
セルフホスティングしたのですが、ECSやCloudRunで構成してしまうと、Difyアップデートによる構成変更があった場合、各プラットフォームに対応した構成への対応が求められてしまい運用負荷が高くなることを懸念。 Google Cloud上で構成するTerraform Module( https://github.com/DeNA/dify-google-cloud-terraform )が公開されていたが、ミニマムの料金が10万ぐらいかかるので、ミニマムで始めるにはフィットしませんでした。 コンピュートインスタンス上では公式提供のDocker Composeを立ち上げるだけで済むので 最終的に諦めてGCE(マネージドインスタンス)上でDocker Composeを利用して構築
導入に向けた社内への説明
上長・チームへの説明
社内のボランティア的な活動の一環ですすめ、費用の安さから特に調整などは不要でした
活用方法
全社で横断的に利用されている
よく使う機能
- ナレッジ検索/ドキュメント参照チャット
- 社内マニュアル、ヘルプセンターなどをドキュメントとして登録し、自然言語で検索できるチャットボットを構築。
- 定型業務の自動化ワークフロー
- 多言語への翻訳業務では、ベースとなる記述を入力に、表記ゆれなどを防ぎながら複数言語への変換しCSVで出力し、プログラムに組み込む、といった流れが可能。
ツールの良い点
各AIサービスをまとめて呼び出して、安定した出力を担保しやすい点
ツールの課題点
非AIサービスへの連携が非常に弱い 自力実装も求められる
ツールを検討されている方へ
2025/11時点ではn8nやzapierなどでもAI周りの機能は強化されつつあるので、連携するサービスによって判断が必要
今後の展望
非AIサービスのプラグインの強化
株式会社スタディスト / shoppingjaws
メンバー / インフラエンジニア / 従業員規模: 101名〜300名 / エンジニア組織: 51名〜100名
よく見られているレビュー
株式会社スタディスト / shoppingjaws
メンバー / インフラエンジニア / 従業員規模: 101名〜300名 / エンジニア組織: 51名〜100名


