【5分で理解】GMO AI RAGとは？機能・料金・OSS版まで解説

こんにちは。GMOプライム・ストラテジーの森岡です。

2026年6月30日、弊社は法人向けRAGソフトウェア「GMO AI RAG」の提供を始めました。おかげさまで、公開直後から「GMO AI RAGとは、結局どんな製品？」という質問をたくさんいただいています。この製品は「何ができて、いくらかかるか」さえわかれば、検討はサクッと進むはずです。

今回は、こういった疑問に答えます。

この記事を書いている僕は、GMO AI RAGの開発元・GMOプライム・ストラテジー（2002年設立、東証スタンダード上場）のメンバーです。あなたがこの記事を読み終えるころには、GMO AI RAGが「何で・いくらで・どう始めるか」を、社内に自分の言葉で説明できるようになるはずです。

GMO AI RAGとは？【社内文書に基づいてAIが答える国産RAGソフトウェアです】

GMO AI RAGとは、社内文書をナレッジ化し、質問に対して社内情報に基づいた回答を返す法人向けRAGソフトウェアです。開発・提供は僕たちGMOプライム・ストラテジーで、2026年6月30日にEnterprise版の提供を始めました。

たとえばマニュアル、規定、議事録、提案資料。こうした社内文書を読み込ませておくと、社員が「経費精算の締めっていつ？」と聞いたとき、検索結果の一覧ではなく「毎月25日です。申請は○○システムから行います」という答えが返ってきます。

要するに、「探す」を「聞けば答えが返る」に変えるソフトウェアです。クラウドだけでなく、オンプレミスでも動かせるので、機密情報を外に出さずに使えます。

そもそもRAGとは？

RAGとは、AIが回答する前に社内文書などを検索し、その内容を根拠に答えを生成する技術のことです。ざっくり言うと「質問のたびに、AIが社内資料を辞書みたいに引きにいく仕組み」ですね。

※厳密には、Retrieval-Augmented Generation（検索拡張生成）の略です。

というのも、ChatGPTのような普通のAIは、世の中の一般知識しか知りません。あなたの会社の就業規則も、製品の仕様も知らないわけです。そこでRAGを使うと、AIが「自社のマニュアルや規程」を読んだ上で答えてくれます。新人社員に分厚いマニュアルを持たせるイメージです。

しかも、根拠となる文書を参照してから答えるので、AIがもっともらしい嘘をつく現象（ハルシネーション）を減らせます。社内の全文書を暗記しろというのは、、、人間には現実的じゃないですよね。その仕事をAIに任せるのがRAGです。

なお、RAGの仕組みと「AIの嘘」対策をさらに深掘りしたい方は、「「AIは嘘をつく」と諦める前に。社内データがそのまま回答になる「RAG」で、汎用AIを自社専用のプロに変える方法」の記事をどうぞ。

開発・提供元はGMOプライム・ストラテジー

開発元のGMOプライム・ストラテジーは、2002年設立のソフトウェア企業です。東証スタンダード市場に上場していて、2025年12月からはGMOインターネットグループの一員になりました。

もともとは、世界最高速クラスのCMS実行環境「KUSANAGI」を作ってきた会社です。クラウド対応やセキュリティに強いのは、LinuxやPHP、OSSのデータベースなどの技術を磨いてきたからです。これらの知識とノウハウを活かし、この度、GMO AI RAGを開発しました。

旧名称は「MAGATAMA Stack」

ちなみに、GMO AI RAGの旧名称は「MAGATAMA Stack」です。2026年6月に、GMOグループ入りにあわせて「GMO AI RAG」へ改称しました。

名前が変わっただけで、別製品ではありません。企業向けRAGプラットフォームとして開発してきたMAGATAMA Stackの技術が、そのままベースになっています。旧名称で調べていた方も、同じ製品と考えてもらってOKです。

GMO AI RAGの特徴【核は「OSS×自社環境×選べるAI」】

特徴は、次の5つです。

• ライセンス無料のOSSとして提供される
• 今のストレージがそのまま知識源になる
• 部門ごとにAI・アクセス権・利用上限を分けられる
• MCPサーバー標準搭載でAIエージェントと連携できる
• クラウドLLMからローカルLLMまで選べる

ひとことでまとめると、核は「OSS×自社環境×選べるAI」です。順番に見ていきましょう。

その①：ライセンス無料のOSSとして提供される

OSS版は2026年秋頃に公開予定です（2026年7月時点）。GMO AI RAGは、AGPLというOSSのライセンス（ソフトウェアの利用規約みたいなもの）で提供されます。ライセンス料は無料で、中身のコードも公開される方式です。

これの何がうれしいかというと、ベンダーロックイン（一度その会社のサービスを使い始めると、他社へ乗り換えにくくなる状態）を避けられること。特定の会社のサービスに依存すると、値上げや仕様変更、サービス終了に振り回されます。OSSなら中身が透明なので、長期で安心して使い続けられるわけです。

「OSSって、無料の代わりにサポートが不安…」と思うかもですが、大丈夫です。というのも、有償のEnterprise版では導入支援・保守・技術サポートをすべて弊社が提供しているからです。OSSの「KUSANAGI」を10年以上やってきた弊社からすると、OSSは安かろうではなく「長く使うための保険」だと思っています。

※なお、AGPLにはネットワーク経由で第三者にサービス提供する場合、ソースコードの公開義務が生じうる特性があります。社内利用が中心なら気にする場面は少ないですが、外部向けサービスに組み込む際は確認してください。

その②：SharePoint・Google Drive・Boxなど今のストレージがそのまま知識源になる

Microsoft SharePoint、Google Drive、Box、Windowsファイルサーバー。こうした既存のストレージとつないで、置いてあるファイルをそのままAIの知識源にできます。ちなみに、無償で使えるのはWindowsファイルサーバーとの連携で、Microsoft SharePoint・Google Drive・Boxとの連携は有償オプションです。

ポイントは、ファイルの引っ越しがいらないこと。「AI導入のために全文書を新システムへ移行」みたいな大仕事は発生しません。普段どおりファイルを更新すれば、AIが最新情報を学習していきます。

その③：「情報コレクション」で部門ごとにAI・アクセス権・利用上限を分けられる

「情報コレクション」という機能で、営業には製品情報や事例集を、人事・総務には社内規定を、という具合に部門単位で情報を分けて管理できます。

分けられるのは情報だけではありません。コレクションごとに、アクセス権限・使うLLM・月間のトークン上限（AIの利用量の上限）まで個別に設定できます。Microsoft Entra IDやGoogleログインとの統合で、組織全体のアクセス管理も一元化できる設計です。

これって地味に見えてけっこう大事な話でして。全社のデータを1つのAIに混ぜてしまうと、「人事情報が営業の質問で漏れる」みたいな事故につながるからです。詳しくは「AI時代のガバナンス新常識！「混ぜない」ことが組織の知恵を資産に変える」の記事をどうぞ。

その④：MCPサーバー標準搭載でCopilotやClaudeなどのAIエージェントと連携できる

GMO AI RAGは、MCP（Model Context Protocol）のサーバー機能を標準搭載しています。MCPは、ざっくり言うと「AIと外部ツールをつなぐ共通の差し込み口」です。

これがあると何が起きるか。Microsoft CopilotやClaudeといった、普段使っているAIチャットやAIエージェントから、GMO AI RAGの社内ナレッジを直接参照できるようになります。「社内知識の置き場」として、いろんなAIの裏側で働いてくれるイメージですね。

AIエージェントが仕事を代行する流れは、今後さらに進むはず。そのとき「エージェントが読める社内知識基盤」を持っているかどうかが、わりと効いてくるかなと思っています。

その⑤：クラウドLLMからローカルLLMまで選べて、完全オンプレ運用にも対応する

回答を作るAIモデル（LLM）は、用途に合わせて選べます。精度重視なら、ClaudeやGPT、Geminiといった主要なクラウドLLM。トークン利用料や情報漏洩リスクを最小にしたいなら、ローカルLLM（自社サーバーの中だけで動くAIモデル）です。

インフラも同じで、AWS環境から、外部と通信しない完全クローズドなオンプレミス環境まで対応しています。「社外にデータを一切出せない」という会社でも使える構成にできること。ここがGMO AI RAGのいちばんの持ち味です。

GMO AI RAGでできること

ざっくり言うと、社内問い合わせの自動化、営業資料の即時検索、ベテランの暗黙知の継承、AIエージェントの社内知識源化などに使えます。具体的なシーンで見ていきましょう。

社内ヘルプデスク・バックオフィスの問い合わせ対応を自動化する

就業規則・社内規定・手続きマニュアルをナレッジ化しておくパターンです。「年末調整の書類はどこ？」「PCの初期設定は？」といった定型の質問にAIが即答するので、情シスや総務への問い合わせを減らせます。

聞く側も、人に聞くより気楽です。100回同じことを聞いても、AIは嫌な顔をしません。

カスタマーサポートの回答品質を標準化する

製品FAQ・過去の問い合わせ履歴・クレーム事例を横断検索できるようにするパターン。オペレーターが回答の根拠をすぐ参照できるので、担当者ごとの品質のばらつきを抑えられます。

新人オペレーターの教育コストを下げられるのも、このパターンの利点です。

営業・フィールドスタッフが「探す時間ゼロ」で提案資料へたどり着く

膨大な製品仕様書・過去の提案資料・成功事例をAIが即座に検索・要約します。「この業界向けの導入事例ある？」と聞けば、外出先からでも数秒で候補が返ってくる状態を作れます。

探す時間が消えると、顧客への回答スピードが上がります。営業経験のある方なら、この差の大きさはピンとくるはずです！

ベテラン技術者の暗黙知を若手が引き出せる形で資産化する（技術継承）

作業手順書やトラブル対応の履歴をAIに集約するパターンです。たとえば、若手が現場で「この症状、過去にどう対処した？」と聞けば、ベテランの知見をリアルタイムに引き出せます。

ベテランの引退でノウハウが消える。この問題への備えとして、製造業を中心に注目されている使い方です。

CopilotやClaudeの「社内知識源」になる【AIエージェント時代の使い方】

特徴その④で触れたMCP連携の応用です。GMO AI RAGを単体のチャットとして使うだけでなく、CopilotやClaudeの「裏側の知識源」として置く使い方ができます。

社員は使い慣れたAIに聞くだけ。裏でGMO AI RAGが社内文書を検索して、根拠を渡す。「AIエージェントに社内の仕事を任せる」流れの土台になる、新しい使い方かなと思います。

Gmail・Slackのやり取りもナレッジ化する【リモートMCP（開発中）】

今後の機能拡充として、Gmail・Slack内のデータをナレッジとして参照できる「リモートMCP」を開発中です。ファイル化されていない、日々のやり取りの中の知見まで拾えるようになる構想です。

※2026年7月時点では開発中の機能です。提供時期・仕様は変わる場合があります。

GMO AI RAGとChatGPT・他のRAGサービスとの違い

いちばん大きな違いは、社内情報に基づく回答を「データを外部に出さない自社環境」かつ「月額固定のコスト」で実現できる点です。タイプ別に整理すると、以下のような感じ。

	社内情報に答えられる？	情報漏洩リスク	コストの形
汎用AIチャット（ChatGPTなど）	×（一般知識が中心）	質問文の内容が提供元のサービスに送信される	月額または従量
クラウド専用のRAGサービス	○	社内文書が提供元のクラウドに保存される	従量課金が多い
GMO AI RAG	○	オンプレ＋ローカルLLM構成なら社外に一切データが出ない	月額固定（Enterprise版）

それぞれの違いを深掘りしますね。

ChatGPTなど汎用AIチャットとの違い

分かれ目は「社内固有の情報に答えられるか」です。ChatGPTは優秀ですが、あなたの会社の規定や製品仕様は知りません。しかも、機密情報を入力すること自体、セキュリティ上NGとしている会社が多いはず。

GMO AI RAGは、社内文書を知識源にするので社内のことに答えられます。データの置き場所も自社で決められるため、「機密情報は怖くて入力できない」という問題を回避できます。汎用AIチャットの代わりではなく、汎用AIが埋められない穴を埋める製品というイメージです。

クラウド専用のRAGサービスとの違い

RAGサービス自体は、世の中にいろいろあります。ただ、その多くは提供元のクラウドにデータを預ける前提です。

一方、GMO AI RAGは、クラウドでもオンプレでも動きます。ローカルLLMと組み合わせれば、データが社外に一切出ない完全クローズド構成も作れます。金融・製造・自治体・医療のように要件が厳しい業界では、ここが採否の分かれ目になりやすいです。

費用が読みやすいかどうかの違い

AIサービスは、月額固定のものもあれば、利用量に応じて金額が変わるものもあります。ただ、契約前に「結局、年間でいくらかかるのか」がちゃんと見えるサービスは少ないです。

GMO AI RAGのEnterprise版は、初期費用と年間費用があらかじめ提示される料金体系です。ユーザー数や導入支援の内容によって金額は変わりますが、契約時点で年間コストの見通しを立てやすいのが特徴です。実際、GMO AI RAGの提供開始にあたっても、「導入コストやランニングコストが把握しにくい」ことが多くの企業の課題として挙げられていました。

検索精度の違い

RAGの弱点は、検索の精度です。一般的なRAGは単純なベクトル検索やキーワード検索に頼るため、固有名詞や言い換え表現を取りこぼすことがあります。

GMO AI RAGには、これに対応する有償オプション「チューンドRAG」があります。文書の登録時に複数の検索方式向けデータを作っておき、質問時には「候補抽出→再評価→最終順位づけ」の3段階で文書を精査する仕組みです。

精度は、F1スコアという指標で従来の約1.4〜1.8倍。F1スコアは「必要な文書を見逃さない力」と「関係ない文書を拾わない力」を両立できているかを0〜1で表す指標で、1に近いほど優秀です。弊社の検証では、既存の検索アルゴリズムが0.332〜0.417のところ、チューンドRAGは0.591を記録しました。

GMO AI RAGの料金プラン

料金は、OSS版がライセンス無料（2026年秋頃公開予定）、Enterprise版はクラウド・オンプレとも環境構築40万円〜が目安です。表でまとめます。

	初期費用の目安	年間費用の目安
OSS版	無料	無料
Enterprise版・クラウド	環境構築40万円〜＋導入支援80万円〜	運用保守180万円〜＋サポート66万円〜
Enterprise版・オンプレミス	環境構築40万円〜＋導入支援160万円〜	保守60万円〜＋サポート72万円〜

※いずれも2026年7月時点の参考価格（税別）です。ユーザー数やサポートプランで変動します。

※サーバー・クラウドなどのインフラ費用は含みません（クラウド版はAWS利用料が別途実費）。

OSS版

初期費用・年間費用ともに無料です。RAGのコア機能をフルに使えて、MCP対応のAPIも搭載します。公開は2026年秋頃の予定です。

とはいえ、無料なのはライセンスだけ。サーバーなどのインフラ費用は別にかかりますし、保守・サポートが必要なら別途契約になります。「自社に技術者がいて、まず小さく試したい」という会社に向いたプランです。

Enterprise版・クラウド

クラウド（AWS）上に環境を作り、運用まで任せられるプランです。環境構築40万円〜、導入支援80万円〜、年間の運用保守は180万円〜、技術サポートは66万円〜が目安になります。

運用代行・稼働監視・データ保全が込みなので、社内にインフラ担当を置けない会社でも回せるのが利点です。アクセス規模に応じて柔軟にスケールできます。

Enterprise版・オンプレミス

自社に設置するサーバーで動かすプランです。環境構築40万円〜、導入支援160万円〜、年間保守は60万円〜、技術サポートは72万円〜が目安です。

データを社外に出せない会社向けの構成でして、年間メンテナンスやセキュリティパッチの提供も含まれます。サーバー本体などのインフラ費用は別途必要です。

無償プランと有償プランの機能の違い

「無償だと機能制限だらけなのでは？」と思うかもですが、コア機能は無償でもフルに使えます。線引きは、ざっくり次のとおりです。

区分	主な機能
無償でも使える	GMO AI RAGの基本機能／Windowファイルサーバーとの連携／日本語の管理画面／Entra ID・Googleログイン連携／MCPサーバー
有償オプションで広がる ※右記、それぞれに別途料金が発生します	Word・Excel・PowerPointファイルの読み取り対応／Microsoft SharePoint、Google Drive、Boxとの連携が可能なストレージコネクター／SaaS連携API／Gmail・Slack連携のリモートMCP／チューンドRAG

なお、WordPressサイトにAIチャットボットを載せたい場合は、専用プラグインも用意しています。細かい要件が固まっているなら、見積もりを取るのが早いです。

＞＞お見積もり・お問い合わせはこちら

GMO AI RAGに関するよくある質問

最後に、リリース以降よくいただく質問へ一問一答で答えていきます。

どんな企業に向いていますか？

セキュリティ要件が厳しい会社と、文書量が多い会社に向いています。具体的には、金融・保険、製造、自治体・公共、医療あたりが代表例です。

規模でいうと中堅〜大企業が中心ですが、Enterprise版は中小企業のスモールスタートにも対応しています。

OSS版（無料版）はいつから使えますか？

2026年秋頃の公開予定です（2026年7月時点）。それまではEnterprise版をご利用いただけます。

OSS版を待つ間に、資料で要件を整理しておくと動き出しが速いはずです。

社外にデータを出さずに運用できますか？

できます。ローカルLLM＋オンプレミスの構成にすれば、外部と通信しない完全クローズドな環境で運用できます。

精度重視のクラウドLLMと組み合わせるかどうかは、扱う情報の機密度で決めればOKです。

導入までの流れと期間を教えてください

基本の流れは、以下のとおりです。

1. お問い合わせ
2. 要件整理
3. 環境構築
4. 部門展開

期間は、構成や文書量によって変わります。なので断言はできませんが、要件が固まっているほど短くなるのは間違いありません。詳細はお問い合わせ時にご確認ください。

MAGATAMA Stackとの関係はなんですか？

GMO AI RAGは、企業向けRAGプラットフォーム「MAGATAMA Stack」の名称を変えた製品です。2026年6月の提供開始にあわせて改称しました。

技術のベースは同じなので、MAGATAMA Stackとして検討していた方は、そのままGMO AI RAGとして読み替えてもらって問題なしです。

まとめ：GMO AI RAGなら「社内に精通したAI」を安全に始められる

というわけで、今回は以上です。要点をまとめます。

ここは僕の主張ですが、社内ナレッジのAI化は「やるかどうか」ではなく「いつやるか」の問題だと思っています。

1年後、「あの資料どこでしたっけ」と聞き合っている会社と、AIに聞けば10秒で答えが返る会社。この差は、たぶん想像よりも大きいです。まず小さく、安全に始められる選択肢があるうちに、一歩目を踏み出してみてください！

なお、全体像をサクッとつかむには資料がいちばん早いです。気になった方は「GMO AI RAGの資料ダウンロード」からどうぞ（製品の詳細はGMO AI RAG製品サイトにもまとめています）。