JIG-SAW Lorel.aiとは？運用完全自律化AIの中身と料金 (2026年版)
この記事のポイント JIG-SAW Lorel.aiは、サーバーやシステムの障害対応をAIエージェントに任せるための国産サービスです。2026年3月23日に発表、6月1日に正式リリースされました。 監視して人に知らせるところで止まらず、原因の調査から復旧の実行までAIが自走する設計が最大の違いです。 無料トライアルは用意されていますが、料金は公式のプラン表を見て個別に問い合わせる形。判断材料はまだ少なめです。 AI PICKSの独自スコアは2.42／5.00。技術的な狙いは面白いのに、公開情報の薄さが評価を押し下げています。
夜中の3時にアラートで叩き起こされて、ログを追って、結局は同じ再起動をして寝る。この繰り返しを本気で減らしたい人向けのサービスです。
JIG-SAW Lorel.aiは、その「叩き起こされる部分」ごとAIエージェントに渡してしまおう、という発想で作られています。ただし現時点では期待と不透明さが半々。どこまで任せられて、どこから自社で持つべきなのか、判断材料を整理していきます。
JIG-SAW Lorel.aiとは、システム運用をAIエージェントに任せるサービスです
JIG-SAW Lorel.aiとは、AIエージェントがシステム運用の監視・判断・対応を自律的に行い、障害対応を人手から切り離すためのサービスです。提供元はJIG-SAW株式会社（東証3914、東京都中央区）。
ここで言うAIエージェントは、「指示を待って答えるAI」ではありません。目的を渡すと、自分で状況を調べ、手順を決め、実行まで進むタイプのAIです。チャットAIとの一番大きな違いがここ。
同社は長年のシステム運用で貯めたノウハウと、複数の生成AIを組み合わせた基盤を掛け合わせたと説明しています。つまり売りは「最新モデルの賢さ」ではなく、運用現場の型を持っていることです。
| 項目 | 内容 |
|---|---|
| サービス名 | JIG-SAW Lorel.ai |
| 提供元 | JIG-SAW株式会社（東証3914） |
| 発表 | 2026年3月23日 |
| 無料トライアル受付 | 2026年4月30日 |
| 正式リリース | 2026年6月1日 |
| 提供形態 | Web |
| 対応言語 | 日本語・英語 |
つまり、構想から本番提供までを2026年前半に一気に走らせた、まだ新しいサービスということです。
AIエージェントという言葉そのものが初めてなら、AIエージェントの基礎ガイドを先に眺めておくと、この後の「自律」の話が一気に読みやすくなります。
「完全自律化」は具体的に何をやってくれるのか？
公表されている動きは大きく3つです。監視して終わりではない、という点が全体を貫いています。
1. 障害が起きたときの自律対応
インシデント、つまりシステムに起きた異常が発生すると、AIエージェントが自分で調査と分析を進めます。原因の特定から復旧の実行までを一続きで行う設計です。
人間側の作業でいえば、「アラートを見る → ログを漁る → 当たりをつける → コマンドを打つ」の全工程。ここが丸ごと対象になります。
2. 予兆の検知と自動最適化
障害が起きる前の兆しを予測・検知し、自動で最適化をかけてインシデントそのものを未然に防ぐ、と説明されています。倒れてから起こすのではなく、倒れそうな段階で支える動き。
3. ランブックの自動生成と自動実行
対応手順を体系化したもの、いわゆるランブックをAIが自動で作ります。そして障害時にはそのランブックを自動実行します。
ここが地味に効きます。詳しくは後の章で。
- 調査・原因特定・復旧までを自律実行
- 予兆検知による未然防止
- ランブックの自動生成
- 障害時のランブック自動実行
4つとも「人が手を動かす部分」を狙い撃ちにしている点で一貫しています。では、なぜランブックが要になるのか。
いつから使えるのか？発表から正式リリースまでの流れ
すでに正式提供中です。2026年前半のスケジュールを追うと、開発から提供までのスピード感がわかります。
| 時期 | 出来事 |
|---|---|
| 2026年3月23日 | サービス提供開始を発表 |
| 2026年4月30日 | 無料トライアルの申し込み受付を開始 |
| 2026年6月1日 | 正式リリース |
| 正式リリース以降 | 継続的なアップデートを実施すると表明 |
要するに、発表から約2か月半で本番提供まで到達しています。
このスピードは長所にも短所にもなります。動き続けているサービスという意味では歓迎できますが、導入検討の側から見れば「半年前の評判が当てにならない」という話でもあります。商談で機能を確認するときは、必ず現時点の仕様を確認するのが安全です。
正式リリース後も継続的にアップデートするとしているので、この記事の内容も含めて、公式のプラン表とリリース情報を最新で当たってください。
ランブックの自動生成は、現場の何を変えるのか？
運用の現場で一番きついのは、実は障害対応そのものではありません。手順書が誰かの頭の中にしかない状態です。
ランブックとは、「この症状が出たらこの順番でこうする」を書き下した対応手順書のこと。多くの現場でこれが3つの問題を抱えています。
| よくある状態 | 何が起きるか |
|---|---|
| 手順書が存在しない | ベテラン1人に依存し、その人が休むと止まる |
| 手順書が古い | 書いてある通りにやると別の障害を生む |
| 手順書はあるが実行は手動 | 深夜に人を起こす必要が消えない |
つまり、手順書は「書く」より「維持する」ほうが難しいわけです。
Lorel.aiはこの3つを、自動生成と自動実行の組み合わせで潰しにいきます。AIが手順を体系化して作り、障害時にはそれを人の操作なしで走らせる。属人化と夜間呼び出しを同時に減らす狙いです。
ただし正直な話、ここは期待値の設定が要ります。自動生成されたランブックが自社の構成にどこまで合うかは、環境次第。トライアルで最初に確かめるべきは、生成されたランブックの中身が実運用に耐えるか、この一点です。
生成された手順をレビューする体制がないまま自動実行を有効にするのは、正直おすすめしません。まずは生成まで使い、実行は人が承認する。そこから始めるのが現実的です。
料金と無料トライアルはどうなっている？
無料トライアルは用意されています。受付は2026年4月30日に始まり、正式リリースに合わせて複数の料金プランが公開されました。
ただし、金額を含む詳細は公式のプラン表と問い合わせで確認する形です。公表資料からは具体的な月額が読み取れないため、この記事では金額を書きません。ネット上の他媒体が出している「推定価格」も、根拠のない数字であれば予算計画には使えません。
判断のためにやることは、シンプルに3つです。
- 公式サイトのプラン表で、プランの区切り方（対象台数か、対応範囲か）を確認する
- 無料トライアルを申し込み、自社の環境で動くかを見る
- トライアル中に、有人対応が残る割合を実測する
3つ目が肝心です。「AIが8割やってくれる」のか「AIが8割の一次調査をして人が結局対応する」のかで、費用対効果は丸ごと変わります。
AIエージェント全般の費用感を先に掴んでおきたいなら、AIエージェントの月額料金とROIの整理が比較の物差しになります。運用系に限らず、エージェント型のサービスは「人件費をどれだけ置き換えたか」で採算を見るのが基本です。
監視ツールと何が違うのか？
ここが一番よく聞かれるところです。DatadogやNew Relic、Splunkといった監視・分析の定番と、Lorel.aiは戦っている場所が違います。
比較の前に前提を1つ。既存の監視ツールにもAI機能は載っています。異常検知も、原因の推定も、すでに珍しくありません。
| 観点 | 監視・分析ツール系 | JIG-SAW Lorel.ai |
|---|---|---|
| 主な役割 | 集める・可視化する・気づかせる | 調べる・判断する・直す |
| AIの使いどころ | 異常検知、原因の候補提示 | 調査から復旧実行までの自律遂行 |
| 復旧作業 | 人が実施（自動化は別途構築） | AIエージェントが実行 |
| ランブック | 自前で作り、自前で保守 | 自動生成＋自動実行 |
| 導入の重さ | エージェント導入と設定が中心 | 運用範囲と権限の設計が中心 |
まとめると、監視ツールは「見る力」、Lorel.aiは「動く力」に軸足があります。
なので、置き換えというより上に乗せる話になりがちです。既存のDatadogやNew Relicで計測基盤を持っている会社が、その先の一次対応を減らすために検討する。この順番が自然です。ログ分析をSplunkで回している現場でも、構図は変わりません。
逆に、監視すらまだ整っていない状態でLorel.aiだけ入れるのは筋が悪い判断です。AIに渡す材料がないのに自律対応を期待することになるので。
AI PICKSの独自スコアが2.42にとどまる理由
AI PICKSの編集部評価は2.42／5.00です。5点満点で見ると低めの位置。ただし「使えないサービス」という意味ではありません。
スコアは機能・使いやすさ・コスト・情報の透明性といった軸を重み付けして出しています。Lorel.aiが点を落としているのは、主に外から確かめられる情報が少ない部分です。
| 評価に効く要素 | 現状 |
|---|---|
| 提供実績の公開 | 正式リリース直後で、公表事例が乏しい |
| 料金の透明性 | プランは公開、金額は問い合わせ |
| セキュリティ認証 | 取得状況の公表情報なし |
| API・連携 | 公表情報が確認できない |
| 提供元の信頼性 | 上場企業で運用実績あり（ここは加点） |
つまり、減点の中身は品質そのものより「わからなさ」です。
ここは時間が解決する可能性が高い項目でもあります。継続アップデートが表明されている以上、事例や認証が積み上がればスコアは動きます。今の2.42は「様子見が妥当」という意味の数字であって、失格の烙印ではありません。
新しいサービスをこの角度で見る癖をつけておくと、社内稟議も通しやすくなります。
どんな会社に向いているのか？
向き不向きははっきり分かれます。運用の状態によって、得られるものが全然違うためです。
| 状況 | 相性 |
|---|---|
| 24時間365日の有人監視にコストが張り付いている | 圧倒的に検討価値あり |
| 一次対応の手順が定型化しており、対応件数が多い | 相性が良い |
| 運用担当が1〜2人で属人化している | ランブック生成だけでも重宝する |
| 監視基盤がまだ無い | 先に監視から。時期尚早 |
| 手作業が少なく、既に自動復旧を作り込み済み | 上乗せの効果は薄い |
| 業界規制で操作ログと承認が厳格 | 権限設計の詰めが必要、要検証 |
要するに、「同じ対応を何度も人手でやっている」ほど効きます。
逆にレアケースばかりで毎回判断が違う現場では、自律実行の出番が減ります。この場合はランブック生成と一次調査だけ使い、実行は人が握るほうが安全です。
自社がどちらかは、直近3か月のインシデント一覧を見れば10分でわかります。上位5パターンで全体の何割を占めているか。ここが7割を超えていれば、投資対効果は出やすい側です。
導入前に社内で決めておく4つのこと
商談に入る前に社内で合意しておくと、検討が驚くほど速くなります。逆にここが曖昧なままだと、トライアルが「触ってみたね」で終わります。
1. 何を減らしたいのかを1つに絞る
夜間の呼び出し回数なのか、平均復旧時間なのか、運用要員の工数なのか。3つ全部を目標にすると、どれも測れません。
2. 現状の数字を先に取る
月あたりのインシデント件数、一次対応の平均時間、深夜帯の呼び出し回数。導入前の数字がないと、効果の説明ができなくなります。
3. 責任の所在を書き出す
AIが実行した操作で障害が起きたとき、誰が責任を持つのか。ここは技術の話ではなく契約と社内規程の話です。事前に法務を巻き込んでおくと後が楽。
4. AI利用のルールを運用部門だけで作らない
社内システムの情報をAIに渡す以上、扱いのルールは全社で揃えるべきです。AI利用時のセキュリティとプライバシー整理を土台にすると、ゼロから書くより早く形になります。監査部門を巻き込むなら、内部監査で使えるAIツールの整理も合わせて読むと、チェック項目の抜けが減ります。
ここまでの整理: Lorel.aiは監視の代わりではなく、監視の先にある「対応」を自動化するサービスです。効くのは定型対応が多い現場。導入判断の分かれ目は、料金より「AIにどこまで実行させるか」を社内で決められるかどうかにあります。
AIにどこまで実行権限を渡すか
自律型のサービスで一番重い設計は、権限です。技術より先にここを決めないと、トライアルが進みません。
現実的には3段階で考えると整理しやすくなります。
| 段階 | AIの役割 | 人の役割 |
|---|---|---|
| 調査のみ | ログ収集と原因の候補提示 | 判断と実行 |
| 提案付き実行待ち | 手順の提示と実行準備 | 承認ボタンを押す |
| 完全自律 | 判断から復旧実行まで | 事後のレビュー |
最初から3段目に飛ぶ会社はほぼありません。1段目から始めて、精度を見ながら上げる。これが安全な進め方です。
段階を上げる基準も先に決めておくと迷いません。たとえば「同じ種類のインシデントで、提案内容が20回連続で妥当だったら次の段階へ」といった形。感覚で上げると、事故が起きたときに説明できなくなります。
コード生成の世界でも同じ議論があります。Devinのような自律型の開発エージェントが広まったとき、最後まで残った論点は性能ではなく「どこまで人のレビューを挟むか」でした。運用でも構図は同じです。
なお、単純な定型処理の自動化だけが目的なら、Zapier・Make・n8nの使い分け整理で足りる場面もあります。障害対応の判断まで含むかどうかが分かれ目です。
商談前に投げておきたい質問リスト
公開情報が少ないサービスは、質問の質がそのまま検討の質になります。トライアル申し込みのタイミングで、以下をまとめて投げてしまうのが効率的です。
| 質問 | 何を見極めるか |
|---|---|
| 対応できるインシデントの種類は？ | 自社の頻出パターンが含まれるか |
| 復旧実行の対象範囲は？ | どのレイヤーまで手を出せるか |
| 既存の監視ツールとの連携方法は？ | 追加構築の量 |
| 操作ログはどこまで残るか？ | 監査対応の可否 |
| 学習にデータは使われるか？ | 情報の取り扱い |
| 認証や第三者評価の取得予定は？ | セキュリティ審査の通しやすさ |
| 課金の単位は何か？ | 台数増加時のコスト予測 |
| トライアルで検証できる範囲は？ | 判断材料が揃うか |
この8つに明確な答えが返ってくれば、稟議書はほぼ書けます。
答えが曖昧な項目が3つ以上あるなら、まだ導入の時期ではありません。半年後にもう一度聞く。それで十分です。
社内の情報収集そのものを速くしたいなら、Feloの使い方まとめが下調べの手間を減らしてくれます。ベンダー資料の読み比べが一気に楽になるので。
AI PICKS編集部の判定
方向性は正しい。ただ、今すぐ本命として据えるには材料が足りない。これが2026年7月時点の率直な見立てです。
評価できるのは、狙っている場所です。監視ツールが「気づかせる」までで止まっていた領域を越えて、調査から復旧の実行まで持っていく設計は、運用現場が本当に困っている部分を正確に射抜いています。ランブックの自動生成と自動実行をセットで持ってきたのも、属人化の痛みを知っている会社の発想。上場企業が長年の運用ノウハウを土台にしている点も、この分野では地味に効きます。
一方で、料金の実額、セキュリティ認証、連携方式、導入実績。判断に必要な材料がどれも外から見えません。AI PICKSのスコアが2.42にとどまるのも、性能への疑いではなく透明性の不足が理由です。正式リリースが2026年6月1日ですから、これは新しさの裏返しでもあります。
推す動き方は1つ。24時間の有人監視にコストが張り付いている会社は、いま無料トライアルを取りに行く価値があります。それ以外の会社は、権限設計と現状の数字だけ先に整えて、事例が出るのを待つ。半年後にもう一度見て、認証と実績が積み上がっていれば、そのとき本気で検討すればいい話です。
よくある質問（FAQ）
Q. JIG-SAW Lorel.aiは無料で使えますか？
無料トライアルが用意されています。受付は2026年4月30日に始まりました。正式リリース後は複数の料金プランが公開されていますが、金額は公式のプラン表を確認するか、問い合わせて取得する形です。
Q. 既存の監視ツールを捨てる必要がありますか？
その必要はありません。役割が違うためです。監視ツールは状態を集めて可視化する側、Lorel.aiは調査と復旧を実行する側。既存の監視基盤の上に載せる検討のほうが現実的です。
Q. AIが勝手にサーバーを操作してしまわないか心配です
権限設計で制御するのが前提です。調査だけをAIに任せる段階、実行前に人が承認する段階、完全に自律させる段階と分けて考えてください。最初から完全自律にする必要はありません。
Q. 日本語で使えますか？
日本語と英語に対応しています。提供元が日本企業のため、サポートや商談も国内で完結する想定です。
Q. どのくらいの規模の会社が対象ですか？
明確な下限は公表されていません。判断材料になるのは規模より対応件数です。定型的なインシデント対応が繰り返し発生している現場ほど、投資対効果が出やすくなります。
Q. セキュリティ認証は取得していますか？
取得状況について公表されている情報が確認できません。社内のセキュリティ審査が厳しい場合は、商談の初期段階で認証状況と操作ログの保持方針を直接確認してください。
Q. 導入までにどのくらいかかりますか？
期間は公表されていません。ただし作業量の大半は、ツール設定ではなく「どのインシデントをAIに任せるか」の社内合意です。ここを先に進めておくと短縮できます。
Q. 生成されたランブックはそのまま使えますか？
環境によります。自動生成された手順が自社構成に合うかは、トライアル中に必ず中身を確認してください。レビュー体制がないまま自動実行を有効にするのは避けたほうが安全です。
関連する比較・代替を見る
運用まわりのAIは、比較の軸を「見る側か、動く側か」で分けると迷いません。
- Datadog AIとJIG-SAW Lorel.aiを比較
- JIG-SAW Lorel.aiとNew Relic AIを比較
- JIG-SAW Lorel.aiとSplunk AIを比較
- Datadog AIとNew Relic AIを比較
- DevinとJIG-SAW Lorel.aiを比較
- JIG-SAW Lorel.aiとn8nを比較
- JIG-SAW Lorel.aiの代替候補を見る
カテゴリで横断的に探すなら、AIエージェントとAI自動化の一覧が起点になります。
社内でAI活用を運用以外へ広げていく段階なら、次に読むならこれ。生成AIの社内活用ガイドは、部署をまたいでAIを入れるときの落とし穴がまとまっていて、運用部門の次の一手を考える材料になります。制作系まで手を広げるならAIイラストツールの比較やComfyUIとStable Diffusionの違いもありますが、まずは運用の足場を固めるほうが先です。
各ツールの公式サイト（一次情報）
料金・機能・対応範囲は各社公式が一次情報です。本記事は公開時点の検証に基づきますが、最新かつ正確な条件は必ず各公式ページで確認してください。
- JIG-SAW Lorel.ai — 公式サイト（AI PICKSの詳細）
- Datadog AI — 公式サイト（AI PICKSの詳細）
- New Relic AI — 公式サイト（AI PICKSの詳細）
- Splunk AI — 公式サイト（AI PICKSの詳細）
