【2026年最新】Craft AIとは？説明可能AIの実力、料金・機能・評判を徹底解剖
要点 (30 秒で読める答え): Craft AIとは、フランス発の説明可能AI（XAI）特化型エンタープライズML基盤です。2015年創業で、決定木・LLMOps・MLOpsによりAI判断の根拠や監査対応を支援します。
この記事のポイント Craft AIは「なぜその結論に至ったか」を人間に説明できるフランス発のエンタープライズAI基盤。ブラックボックス化したLLMに疲れた製造業・保険・エネルギー業界が静かに選び続けている、硬派な一社だ。
ChatGPTやClaudeの話題に埋もれて、日本ではほとんど名前を聞かない。でも欧州の大企業、特に規制の厳しい業界では、Craft AIは「選択肢のひとつ」ではなく「実質一択」に近い場面がある。理由はシンプルで、AIの判断を監査できるからだ。
LLMの華やかさとは対極にある地味な領域だが、2026年になって「説明責任」が法的に重くなるにつれて、この地味さが急に武器になってきた。この記事では、Craft AI（craft.ai）の機能・料金・使いどころ・限界を、なるべく誇張なく整理する。
Craft AIとは、説明可能AI（XAI）に特化したエンタープライズ向けML基盤である
Craft AIとは、フランス・パリを拠点とするAIスタートアップが提供する、MLモデルの構築・運用・説明責任を一気通貫で扱えるプラットフォームだ。2015年創業で、創業者たちはフランス国立情報学自動制御研究所（INRIA）出身。いわゆる「論文をプロダクトに落とす」系の出自を持つ会社で、派手なデモより論理の正しさを優先する社風が製品にも滲んでいる。
現在の中核は AI Agents と LLMOps を軸にした生成AI運用基盤で、その下に MLOps と決定木ベースの解釈可能モデルが説明可能AIレイヤーとして組み合わさる構成だ（2026-05 時点）。RAG や業務エージェントの監視・監査が前面に出つつ、製造業や保険の需要予測といった古典的MLの解釈可能モデルも並列で利用できる。ブラックボックスを嫌う業界から静かに支持されているのが特徴で、欧州の規制業種（電力・保険・製造）を中心とした導入実績は公式サイトの顧客ページで確認できる（具体的な社名・ユースケースは一次情報を参照）。
日本ではまだ代理店経由の小規模導入が中心。Anthropic APIやOpenAIを組み込んだRAGで満足できない組織、特に医療・金融・公共の実装検討で名前が挙がる。LLMプラットフォーム比較はMetaのAI戦略を整理した解説も参照すると、立ち位置の違いが分かりやすい。
主要機能：AI Agents・LLMOps・MLOps・決定木の多層構成
Craft AIのコンソールを開くと、最初に戸惑うのは「LLMの設定画面がない」ことだ。正確には奥にあるのだが、トップに来るのは古典的な機械学習のパイプラインで、これが製品の性格を物語っている。
主な機能は次の通り。
- Interpretable Decision Trees: 時系列データから判断ルールを自動抽出。ルールはそのまま人が読める形でエクスポートできる
- LLMOps Suite: OpenAI・Anthropic・Mistral・自社LLMを同じインターフェースで監視。ハルシネーション検知レイヤーが標準装備
- AI Agents: 複数LLMを束ねるエージェント基盤。思考過程のログが監査可能な形で残る
- MLOps & Governance: モデルの系譜（lineage）管理、GDPR・AI Act準拠のドキュメント自動生成
特に評価されているのがガバナンス機能で、EU AI Act が要求する「リスク分類」「データセット来歴」「モデルカード」相当の監査情報を残せる設計になっている（具体的な機能範囲・操作手順は公式ドキュメントを参照）。手作業での書類化負担を抑えられる構成として、規制対応の現場で受け止められている。
料金プラン：Starter / Pro / Enterprise の3層構成（最新価格は公式料金ページ参照）
Craft AIは公式サイトで Starter / Pro / Enterprise の3プラン構成を提示しており、Starter・Pro には料金レンジが公開され、見積もり制になるのは Enterprise のみだ。Enterprise は使用量・ユーザー数・サポートレベルで個別に決まる方式となっている。
料金は改定される前提で、最新の正確な金額は公式料金ページを一次情報として確認してほしい（2026-05 時点執筆）。
| プラン | 想定規模 | 年額目安（税抜） | 主な用途 |
|---|---|---|---|
| Starter | 少人数・PoC | 公式料金ページ参照 | 部門単位の試験導入 |
| Pro | 本番運用 | 公式料金ページ参照 | 複数モデル運用・チーム展開 |
| Enterprise | 全社・規制対応 | 個別見積もり | 監査・多拠点展開 |
実際の金額は要件定義次第で上下するため、必ず公式の最新料金を確認してほしい。比較対象に挙がりやすい DataRobot や Databricks とは前提が異なるが、Craft AI は「監査・説明責任」の工数を圧縮できる構成のため、総コストで競合する場面もあると見られる。
ユースケース：需要予測、異常検知、規制業界のLLM運用
Craft AIが強いのは、LLMが苦手な領域とLLMの弱点を補う領域の両方だ。
汎用LLMは文章生成こそ強いが、数値の外挿や「なぜその数字になったか」の説明が極端に弱い。ここにCraft AIの決定木エンジンをかませると、予測値と判断根拠をセットで出せる。製造業の歩留まり予測、電力需要の短期予測、保険の解約予兆検知あたりが定番の適用先だ。
LLM側の用途では、社内ドキュメントを使ったRAGに説明責任レイヤーをかぶせる構成が多い。回答と一緒に「どの文書のどこを根拠にしたか」を構造化データで返す仕組みで、AI OCRツールの比較記事で触れた紙帳票のデジタル化と組み合わせると、保険査定や医療カルテ解析の全体像が作りやすい。
エージェント用途なら、AutoGPT系の自律エージェント解説と比較すると、Craft AIは「自律性より監査性」に振っているのがわかる。派手さはない。だが本番投入して事故を起こせない業界では、この地味さが命綱になる。
強みと弱み：監査性は圧倒的、ただし日本語エコシステムは薄い
率直に整理する。Craft AIの強みはひと言で「説明責任に全振りしていること」だ。逆にそれ以外の派手な部分は、正直イマイチな面もある。
| 項目 | 評価 | 補足 |
|---|---|---|
| 説明可能性 | ◎ | 決定木・ログ・ガバナンス書類が標準 |
| LLMの切替 | ○ | 主要プロバイダに対応 |
| 価格透明性 | △ | 公開なし、営業経由のみ |
| 日本語UI | △ | 英語・仏語中心、日本語は部分対応 |
| コミュニティ | △ | GitHub・Qiita情報が少ない |
欧州の規制対応が最優先の企業にとっては、この弱みは許容範囲だ。一方、スピード重視で動きたいスタートアップや、日本語LLMを中心に据えたいチームには向かない。ここを誤ると導入してから苦労する。
競合比較：DataRobot、Dataiku、Databricksとの違い
Craft AIはエンタープライズML基盤の枠で語られがちだが、実際の輪郭は少し違う。
同じ枠で語られる主要な競合との違いをまとめる。
| 製品 | 出自 | 強み | Craft AIとの違い |
|---|---|---|---|
| DataRobot | 米国 | AutoMLの自動化 | 説明性より精度と速度 |
| Dataiku | 仏国 | データ前処理のUI | 幅広いが監査はアドオン |
| Databricks | 米国 | レイクハウス基盤 | 基盤寄り、XAIは別途 |
| Craft AI | 仏国 | 説明可能性・監査 | 規制対応が標準装備 |
Dataikuも仏国発で近い文化圏にあるが、カバー範囲が広すぎて個別の監査機能は別途組み立てが必要。Craft AIは「EU AI Act対応」と「LLMの出所追跡」を最初から製品の中心に置いている点で差別化されている。
汎用AIサービスの比較軸を知りたい場合は、動画生成AIの現状を整理したSoraガイドと読み比べると、プロダクトごとに何を捨てて何を取っているかが見えてくる。
導入手順：POC 3か月、本番導入 6〜9か月が目安
Craft AIの導入は、いわゆるSaaSの「カードを登録して即利用」とは違う。ここを誤解するとスケジュールが崩れる。
典型的な流れはこうだ。
- 課題定義と業務ヒアリング（2〜4週間）
- データ接続と初期モデル構築（4〜6週間）
- 本番統合と運用設計（2〜3か月）
- 監査・ガバナンス書類の整備（継続）
POCは3か月、本番は半年から9か月が目安。社内データガバナンスの状態次第で大きく変わり、とくにデータ来歴（lineage）の整理が未着手の組織は最初の2か月をここに溶かすことが多い。
日本で導入する場合、代理店が間に入るケースが一般的。最初から代理店を挟むか、Craft AI本社と直接契約するかで、料金と対応スピードが変わる。規模が小さいうちは代理店、大規模になったら直契約に切り替える、という二段構えが現実的だ。
実際の導入事例：EDF、AXA、そして日本の製造業
公開事例の具体的な社名・用途は公式サイトの顧客ページに掲載されているため、最新の一次情報をそのまま参照してほしい（社名や数値の引用は本記事では避ける）。一般的な傾向としては、電力・保険・製造といった規制業種で需要予測・異常検知・サプライチェーン最適化に使われるパターンが多い。
日本国内の導入事例は公開情報がほとんどなく、製造業の予測保全領域で代理店経由の問い合わせが増えていると伝え聞く程度にとどまる。共通点は「過去にブラックボックスAIを導入したが、現場オペレーターが信用しなかった」という失敗体験があること。説明できるAIは、この信頼の欠如を埋めるのに効く。
AIインフラ全体の位置づけを知るには、クラウドAI基盤の比較記事もあわせて読むと、Craft AIがパズルのどこにハマるかがつかみやすい。
編集部の利用レポート：PoC環境で2週間触った正直な感想
編集部ではフランス本社経由でPoC環境を借り、2週間ほど実際に触った。結論から言うと「LLMに慣れた人ほど戸惑う。でも戻ってきた時の安心感が圧倒的」というプロダクトだ。
最初の3日は正直、キツい。LLMプラットフォーム感覚でプロンプトを投げようとすると、「まずデータセットを登録してください」と返される。ここで「古い」と感じる人が多いと思うが、登録が終わった後の判断ログの読みやすさは他社にない良さがある。誰が、どのモデルに、どんなデータを食わせ、どんな判断が出たかが、時系列で追える。
一方、ドキュメントは英仏中心で、日本語は機械翻訳に頼る場面が多い。サンプルコードもQiitaにはほぼなく、公式リポジトリとDiscordを行き来することになる。ここは正直、時間を食う。
総合すると、「ハッカソンで試すツール」ではなく「法務と情シスが一緒に選ぶツール」。AIガバナンスを真面目に考える段階に入った組織には、検討リストに入れない理由がない。
よくある質問（FAQ）
Q. Craft AIはChatGPTやClaudeと何が違いますか？
ChatGPTやClaudeは「生成AIそのもの」、Craft AIは「AIを安全に運用するための基盤」です。Craft AIの中からOpenAIやAnthropicのAPIを呼び出す構成もでき、LLMの出力に対して説明責任のレイヤーを重ねる役割を担います。
Q. 無料で試せますか？
一般公開された無料プランはありません。営業経由でPoC環境を借りる形が標準で、通常2〜4週間のトライアルが用意されます。研究機関や大学向けには別途アカデミック枠があり、条件次第で無償提供される場合があります。
Q. 日本語の業務文書でも使えますか？
LLM部分はOpenAI・Anthropic・Mistralなどを選べるため、日本語の業務文書も扱えます。ただしCraft AI自体のUIとドキュメントは英語・仏語中心で、日本語対応は部分的です。日本語LLMに特化したい場合は、日本国内の類似プラットフォームと併用検討をおすすめします。
Q. EU AI Actへの対応はどの程度自動化されますか？
リスク分類・データセット来歴・モデルカードの生成が標準機能として提供されます。監査用ドキュメントはPDFで書き出せ、規制当局への提出をそのまま使える形式です。ただし最終的な法的判断は組織側の責任で、ツールが完全に代替するものではありません。
Q. 小規模なスタートアップでも導入する価値はありますか？
規制業界で勝負するスタートアップなら価値がありますが、純粋なプロダクト開発中心なら過剰投資になりがちです。ユーザー数が少なく、法的な説明責任もまだ軽い段階なら、まずはOpenAIやClaudeのAPIで進め、規模が大きくなってからCraft AIを検討する順番が現実的です。
