Make（旧Integromat）AIデータ連携活用事例と最新機能解説

Make（旧Integromat）の概要と最新アップデート

Make はノーコードで業務フローを可視化・自動化できるプラットフォームです。ドラッグ＆ドロップだけでシステム間のデータ連携が構築でき、非エンジニアでも高度なワークフローを作成できます。本節では、2024 年末までに公式発表された UI 改良・Make Gridβ のベータ版提供・AI 統合強化という 3 つの主要アップデートの内容と、実務で期待できる効果を整理します。

UI 改良のポイント

UI の刷新は「操作性向上」「トラブルシューティング時間短縮」の二軸で設計されています。以下に主な変更点を示します（※各数値は Make 公式ブログ[2026年4月]に基づく社内調査結果です）。

• モジュールパレット統合
  左側のパネルに全モジュールが一覧化され、検索バーでキーワード入力だけで目的モジュールへジャンプできます。

• インラインデバッグ
  各ステップ実行結果をポップアップで即時確認でき、エラー原因の特定が迅速化します。

• テンプレートギャラリー刷新
  AI 系シナリオ用テンプレートが 30 件追加され、1クリックでインポート可能です。

Make Gridβ の特徴と活用シーン

Make Gridβ は分散処理基盤としてベータ版が提供されています。大規模データや高頻度 AI 推論に対応するための機能を以下にまとめました（※同表は公式リリースノート[2026年3月]から抜粋）。

活用例：製造ラインの画像検査結果をリアルタイム集計し、AI モデルへ即座に送信するケースでは、従来比で処理時間が約 25 % 短縮されたとベータ利用企業（約 150 社）から報告されています。

AI 統合強化の新機能

2024 年末までに追加された AI 関連機能は以下の通りです。これらはすべて「Make 上で完結」できるようモジュール化され、認証やトークン管理が自動化されています。

AI 連携オプションと設定のベストプラクティス

Make が提供する外部 AI サービスは主に OpenAI、Azure OpenAI、Google Vertex AI の 3 種類です。ここでは共通手順と各サービス固有のポイントを解説します。

OpenAI / Azure OpenAI の利用手順

以下のフローは「API キー取得 → Make にコネクタ追加 → モジュール配置 → エラーハンドリング」の 4 ステップで構成されます。

1. API キー取得
2. OpenAI：https://platform.openai.com/account/api-keys から新規キーを作成。

3. Azure OpenAI：Azure ポータルの「リソース」→「キーとエンドポイント」から取得。

4. Make にコネクタ追加
   「Connections」画面で「Add a new connection」を選択し、対象サービスと API キー（または OAuth2 クライアントシークレット）を入力します。

5. モジュール配置
   シナリオエディタで「OpenAI / Azure OpenAI」モジュールをドラッグし、{{ }} 形式の変数埋め込みでプロンプトを作成します。

6. エラーハンドリング
   「Error handler」ブロックにリトライ回数（推奨：3 回）と指数バックオフ設定を追加し、レートリミット超過時の自動再送を実装します。

ポイント：API キーは Make の「Secrets」機能で暗号化保存し、権限が必要なメンバーだけに閲覧許可を付与してください。

Google Vertex AI とカスタムモデル呼び出し

Vertex AI 連携ではサービスアカウントと JSON キーの管理が重要です。手順は次の通りです。

1. サービスアカウント作成
   Google Cloud Console → IAM → 「Service Accounts」→「キーを追加」→JSON ダウンロード。

2. Make の Google コネクタにインポート
   接続画面で「Google Cloud」を選択し、取得した JSON キーをアップロード。スコープは https://www.googleapis.com/auth/cloud-platform を付与します。

3. エンドポイント設定
   モジュールの「Endpoint URL」欄に以下形式で入力します。
   https://{region}-aiplatform.googleapis.com/v1/projects/{project}/locations/{region}/endpoints/{endpoint}:predict

4. カスタムエンドポイント（社内 LLM 等）
   任意の REST API を呼び出す場合は「HTTP」モジュールで POST リクエストを組み立て、ヘッダーに認証トークンを設定します。

注意点：サービスアカウントキーは有効期限が長いため、定期的なローテーションとアクセスログの監査を実施してください。

業界別活用事例

本節では、Make と AI を組み合わせた具体的なシナリオを 4 つ紹介します。すべての事例にフロー図（Mermaid 記法）と実装上のポイントを記載しているので、即座に自社環境へ移植できます。

カスタマーサポート：GPT 自動分類＋Zendesk 連携

概要：新規チケットを GPT‑4 がリアルタイムでカテゴリ分けし、適切な担当者へ自動割り当てします。

• 設定ポイント：Prompt は Ticket: "{{ticket.body}}" Categorize into Billing, Technical, Other. とし、{{ticket.body}} を動的に埋め込む。
• 効果：平均一次応答時間が 38 分から 12 分へ約 68 % 短縮（Zendesk 社内レポート）。

製造ライン：画像検査結果の自動集約

概要：FTP にアップロードされた製品画像を Vertex AI の画像分類モデルで合格/不合格判定し、Google スプレッドシートへ即時記録します。

• 設定ポイント：File Filter に拡張子 .jpg、サイズ上限 10 MB を設定。バッチサイズは最大 20 枚でレイテンシを 150 ms に抑制。
• 効果：手作業の集計に要した 4 時間が 15 分へ短縮し、ヒューマンエラー率は 0.8 %→0.1 % に改善。

EC サイト：レビュー分析と Salesforce 反映

概要：Shopify の新規レビューを Azure OpenAI で感情分析・キーワード抽出し、結果を Salesforce カスタムオブジェクトに保存、Slack で担当者へ通知します。

• 設定ポイント：Prompt は Analyze sentiment of the following review and list up to 5 key topics: "{{review.body}}"。
• 効果：ネガティブレビューへの対応速度が 72 時間から 8 時間へ約 89 % 短縮、NPS が +5 ポイント向上。

広告運用：AI 予測モデルと Data Studio ダッシュボード統合

概要：Google Ads の日次レポート CSV を Cloud Storage に保存し、自社 Prophet ベース予測 API で翌月クリック数・コンバージョン率を推定、Data Studio に自動反映します。

• 設定ポイント：HTTP モジュールのリクエストボディは {"historical": "{{csv_content}}", "horizon": 30}。
• 効果：手作業での予測レポート作成時間が 3 時間から 10 分へ約 95 % 短縮、MAPE が 12 %→8 % に改善。

効果測定と KPI の設定方法

導入効果を客観的に評価するための指標をまとめました。自社での ROI 計算や継続的改善サイクル構築に活用してください。

KPI 設定のポイント

• 実行回数：月間シナリオ実行回数を Dashboard で可視化し、閾値超過時はアラート設定。
• エラー率：失敗モジュール数 ÷ 総実行数。0.5 % 以下がベストプラクティス。
• 処理時間：各ステップの平均遅延を測定し、10 % 超過した箇所を最適化対象とする。

Make の「Analytics」タブで上記指標はリアルタイムに取得可能です。

プラン比較・料金シミュレーションとセキュリティ考慮点

料金プラン（2026 年 5 月時点）

価格は変動する可能性があります。最新情報は公式ページをご確認ください → https://www.make.com/pricing。

セキュリティ・データガバナンス

実装ヒント：Enterprise プランでは「Network Whitelisting」機能と「Data Residency」オプションを組み合わせ、社内セキュリティポリシーへの適合を自動化してください。

今後のロードマップと全体最適化のヒント

以下は Make が公式に発表した 2026 年上半期以降の機能拡張計画です（※情報は 2026 年 4 月の公式ブログを基にしています）。将来予測ではなく、現時点で公表されたロードマップとして記載します。

Gridβ を活用した全体最適化ヒント

1. シナリオ横断トリガーの統合
   複数部門が同一データソースを参照する場合、Gridβ の「共通キュー」機能で 1 本のトリガーから分岐させると管理コストが約 50 % 削減できます。

2. バッチスケジューリング
   大量テキストや画像は 5 分単位の「タイムウィンドウ」設定でまとめて実行。レートリミット超過リスクとコストが同時に低減します。

3. モニタリング＋自動スケール
   「Metrics Dashboard」で CPU・メモリ使用率をリアルタイム監視し、閾値超過時に Gridβ がノードを自動追加。ピーク時の遅延は 30 % 未満に抑制可能です。

4. ガバナンスレイヤーの統合
   データカタログと RBAC を連携させ、AI 推論結果へのアクセス権限を「部門」単位で自動付与。監査証跡が一元化し、内部コンプライアンス作業が大幅に簡素化されます。

まとめ

• 最新アップデート（UI 改良・Make Gridβ ベータ・AI 統合強化）により、従来比で操作性・スケーラビリティともに向上し、大規模 AI データ連携が実現可能です。
• 提供される AI オプションは OpenAI、Azure OpenAI、Google Vertex AI の 3 種類とカスタムエンドポイントで、認証手順の共通化により導入コストを削減できます。
• 業界別事例（サポート自動分類・製造ライン画像集約・EC レビュー分析・広告予測）では、フロー図と具体的設定を示すことで即時実装が可能です。
• 効果測定指標は工数削減率・コスト削減額・精度向上率などで可視化し、ROI を明確にします。
• プラン選択とセキュリティは、Free から Enterprise まで用途別に比較可能。ISO 27001・GDPR 準拠や IP 制限機能で企業レベルのガバナンス要件にも対応しています。
• ロードマップは公式発表済み情報として提示し、Gridβ 本格リリースや AI フロー最適化アシスタントを活用した全体最適化のヒントを提供します。

これらの情報を基に、Make と各種 AI サービスを組み合わせた業務改革を計画してください。実装手順・効果測定フレームワークが揃っているため、導入ハードルは低く、短期間で ROI を実感できるはずです。