AIエージェント活用事例｜業界別の成功・失敗例と導入ポイントを解説

AIエージェントの活用事例を業界別に知りたい、そして自社の規模でも本当にAIエージェントを導入できるのか判断材料が欲しい。そんなDX推進担当者様も多いのではないでしょうか。

実際に、カスタマーサポートの応対時間を71.5%短縮した富士通、AIで商談化率を75%まで高めた中小企業のスクールバス空間設計など、業界も規模も問わずAIエージェントの活用による定量的な成果が出始めています。

そこで本記事では、Salesforceが提供するAIエージェントプラットフォームAgentforceの導入事例を取り上げ、業界別/職種別にご紹介します。

Key Takeaways

• AIエージェントは、生成AIの回答力にツール操作と自律実行を加え、ゴール達成まで自走する点で従来のAI技術と本質的に異なります。
• AIエージェントを導入した結果、製造・金融からカスタマーサポート・営業まで、応対時間の7割超の短縮から商談・売上の大幅な向上まで、定量的な成果が実証されています。
• IT専任者がいない中小企業でも、既存のCRMデータとノーコード設定を使えば約1ヶ月で成果を出せます。
• 導入失敗の主な要因は、コスト偏重・ビジネス価値の不明確さ・現場不在の設計です。小さな業務からPoCで効果を確かめる段階的アプローチが成否を分けます。
  
• Agentforceは無料プランから段階的に始められ、中小企業のスモールスタートに向いています。

AIエージェントとは何か

AIエージェントとは、目標を設定するだけで自律的に計画・実行・改善を繰り返すAIの仕組みです。ツールの呼び出し・外部API連携・データベースを組み合わせることで、従来のRPAやチャットボットでは不可能だった複合タスクの自律実行を実現します。

逐一指示を出さなければ動かない生成AIや、あらかじめ決めたルールしか実行できないRPA・チャットボットとは、「ゴール達成まで自走する」点が根本的に違います。事例を正しく読み解くために、まずこの違いを押さえておきましょう。

AIエージェントの基本的な仕組みや、Agentforceで何ができるのかを3分で知りたい方は、こちらの動画をご覧ください。

AIエージェントの定義と生成AIとの違い

生成AIは「指示に対して回答を生成する」技術です。これに対しAIエージェントは「ゴールに向けて自ら計画を立て、外部ツールを操作し、結果を評価して次の行動を選ぶ」ところまでを担います。ChatGPTに質問すると答えは返ってきますが、その答えを使って実際に予約システムを操作したり、データベースを検索して回答を確定させたりまではしません。

読者が最も混同しやすいのが、この生成AIとの境界です。加えてRPAやチャットボットとの違いも整理すると、3つの軸で特徴がはっきりします。

AIエージェントと従来AI技術の違い

技術	自律性	ツール操作	継続実行
AIエージェント	目標だけ与えれば自ら計画・判断する	外部ツールを操作して実行する	結果を評価し次の行動まで自走する
生成AI	指示のたびに回答を生成する	基本的に回答生成のみ	一問一答で完結する
RPA	事前定義ルールに従うのみ	決められた操作を自動化する	ルール外の状況には対応できない
チャットボット	登録された定型回答を返す	基本的に応答のみ	シナリオ外は対応できない

問い合わせ対応で考えると違いが具体的になります。チャットボットは想定質問に定型文で答えるだけですが、AIエージェントは顧客の質問意図を解釈し、CRMを検索して該当データを取り出し、必要なら手続きまで進めます。

RPAは「この帳票からこの欄へ転記する」といった定型作業は得意でも、ルールにない例外が来ると止まります。

業務で活用が進んでいる背景

AIエージェントの業務活用は、まさに今、普及の入り口に立っています。日経BPの調査では日本企業のAIエージェント導入率が29.7%に達し、全社的に導入している企業が9.6%、一部の組織で導入している企業が20.2%となっています。約3割の企業がすでに何らかの形で着手している段階です。

市場規模の伸びもこの動きを裏付けます。国内AIエージェント基盤市場は2024年度に前年度の8倍となる1億6,000万円へ急拡大し、2029年度には135億円に達するとITRが予測しています。

では実際に、どの業界でどんな成果が出ているのか。次から業界別の事例を見ていきます。

（出典：日経BP「日経BP AIエージェント導入実態調査」2025年）

（出典：株式会社アイ・ティ・アール（ITR）「ITR Market View：生成AI／機械学習プラットフォーム市場2025」2025年）

業界別のAIエージェント活用事例

製造から金融・保険まで、規制や現場の要件が異なる業界でも、AIエージェントの導入が具体的な成果を生み始めています。

ここからは業界別のAIエージェント活用事例をご紹介します。

（事例一覧：業界別のAIエージェント（Agentforce）導入事例をもっと見る）

製造業界での活用事例

製造業では、属人化したベテランの知見をどう継承し、社内の定型業務をどこまで自動化できるかが共通のテーマです。ここでは、AIエージェントを自社で内製・運用した国内メーカーと、受注業務を大幅に効率化した海外メーカーの2社を見ていきます。

株式会社FUJI

電子部品実装機（チップマウンター）で世界トップクラスのシェアを持つ株式会社FUJIは、外部ベンダーに頼らず、自社でAIエージェントを内製した企業です。「2035年に売上高3,000億円」という目標に対し、一人あたりの生産性を1.5倍に高める必要があるという課題を背景に、AIエージェントの活用に踏み出しました。

同社はAgentforceを使い、顧客メールや商談の記録から商談情報を自動更新するエージェントやFAQ対応エージェントなど、計8体のAIエージェントを社内で開発しました。2026年3月から本番運用を始め、年間およそ2,000時間の工数削減を見込んでいます。Trailheadなどの学習環境を使ってゼロから内製した点が、AI人材の採用に悩む企業にとって、現実的な導入モデルといえるでしょう。

（事例：株式会社FUJI｜FUJIが挑む“内製化によるAgentforce活用”の最前線）

JPW Industries（米国）

海外に目を向けると、成果が数値で明確に表れた事例があります。米国で木工・金属加工用の工具を製造するJPW Industriesは、受注処理やサポート業務にAgentforceを導入しました。

その結果、従来は手作業で16〜24時間かかっていた受注処理を1時間未満へと短縮し、問い合わせの対応量を15%増やしながら、ケースの平均解決時間を約40%短縮しています。定型的な事務処理をAIエージェントに任せることで、24時間365日のサポート体制を実現した事例です。

（事例：JPW Industries｜Salesforceのパートナーとエージェントで受注業務を変革）

金融・保険での活用事例

コンプライアンス要件が厳しく、営業が属人的になりやすい金融・保険業界でも、先行導入が始まっています。

国内で初めてAgentforceを本番稼働させた保険会社と、中小企業を支える政府系金融機関の2社を見ていきます。

アフラック生命保険株式会社

アフラック生命保険株式会社は、国内で初めてSalesforceのAIエージェント「Agentforce」を本番稼働させた企業です。保険営業の現場では、営業社員と代理店の募集人が扱う商品や顧客ニーズが多様化し、経験の浅い担当者ほど最適な提案を組み立てるのに時間がかかることが課題でした。

同社はAgentforce Serviceを導入し、社員と代理店の募集人全員の“相棒”として自律型AIエージェントを稼働させています。新人でもベテランと同等の水準で顧客に最適なプランを提示できる体制づくりを進め、営業力の底上げと業務効率化の両立を図っています。検討や計画の段階にとどまらず実運用へ踏み出した国内初の事例である点が、規制の厳しい業界でもAIエージェントを実装できることを示しています。

（事例：アフラック生命保険株式会社｜社員・代理店募集人全員にAgentforceを“相棒”として提供）

株式会社商工組合中央金庫

中小企業を専門に支える政府系金融機関の商工中金は、全国およそ3,300名の従業員が使う営業基盤にAgentforce Salesを導入しました。長年、営業担当者ごとに情報が属人化しており、「担当者個人の営業」から「チームで支える営業」への転換が課題でした。

同社はAIエージェントを使い、訪問前に顧客情報を自動で要約したり、過去の類似取引や相談内容を自然言語で検索したりできる仕組みを整えています。事務作業をAIに任せることで、担当者が「顧客に向き合う時間」を増やすことを狙った、金融業界の営業DXの一例です。

（事例：株式会社商工組合中央金庫｜「他店は見るな」から「他店のために残す」へ）

部門・職種別のAIエージェント活用事例

業界を問わず、特定の部門・職種で効果が表れやすい領域もあります。

ここでは、問い合わせ対応を担うカスタマーサポートと、売上に直結する営業・マーケティングの2領域について、応対時間の短縮から売上向上まで、定量的な成果が出ている事例を紹介します。

カスタマーサポート・コールセンターでの活用事例

問い合わせ対応は、AIエージェントの効果が最も分かりやすく数値に出る領域です。ここでは、応対そのものの時間短縮と、応対後の事務作業の削減という2つの角度から、2社の成果を見ていきましょう。

（事例一覧：カスタマーサポート領域でのAIエージェント（Agentforce）導入事例をもっと見る）

富士通株式会社

富士通株式会社は、自社のサポートデスクにSalesforceのAIエージェント「Agentforce」を導入し、平均応対時間をチャットボット比で71.5%、有人対応比で67%短縮しました。

従来のチャットボットでは8〜10回のやり取りが必要だった問い合わせが、AIエージェントでは1回のやり取りで解決に至るケースも生まれています。単純な自動応答ではなく、質問意図を汲んで必要な情報まで一気に届けられる点が応対時間短縮につながっています。

（事例：富士通株式会社｜Agentforce国内最速稼働！実運用から見えた現在地と未来）

株式会社リンクアンドモチベーション

一方、応対後の事務作業を減らした事例もあります。株式会社リンクアンドモチベーションはAgentforce ServiceのAI要約機能を活用し、従来1人あたり月50時間かかっていた応対履歴の記入作業を約90％削減しました。

応対そのものだけでなく、記録という後工程まで含めて効率化できることがわかります。

（事例：株式会社リンクアンドモチベーション｜「現在だけではなく、未来に備えるAI」で顧客体験を進化）

営業・マーケティングでの活用事例

営業・マーケティングは、AIエージェントが「人の代わり」ではなく「人の時間の生み出し役」として効く領域です。定型対応をAIに任せ、人が提案に集中する形で成果を出した2社を取り上げます。

（事例一覧：営業・マーケティング領域でのAIエージェント（Agentforce）導入事例をもっと見る）

アビームコンサルティング株式会社

アビームコンサルティング株式会社は、顧客に提案する前にまず自社で最先端技術を実証する「自社実証」の一環として、営業組織にAgentforceを導入しました。トップ営業担当者の情報収集や判断の型をAIエージェントに落とし込み、報告業務やアカウントプランの更新を自動化しています。

外部ニュースと連動して提案機会を自動で提示するといった活用により、戦略アカウントの商談数を前年比120%、売上成長率を115%まで引き上げました。

（事例：アビームコンサルティング株式会社｜Agentforceの自社実証で、顧客への価値創出サイクルが加速）

ベルフェイス株式会社

ベルフェイス株式会社は、イベント直後のリード急増に対するインサイドセールスの初動対応の遅れと、Salesforceへのデータ入力遅延によるデータ品質の低下が課題でした。

これに対し、Agentforceを活用して動画視聴などの顧客行動を起点とした自動メール配信と、次のアクションへの連携を実現しました。その結果、受注1件あたりの工数を50時間から28時間へと約44％削減し、組織全体の生産性を200%向上させています。

（事例：株式会社ベルフェイス｜リードの熱量を逃さない。Agentforceで到達した「自律型セールス」の最適解）

中小企業のAIエージェント導入事例

AIエージェントの導入に、IT専任者の常駐や大規模な投資は必須ではありません。ここでは、限られた人員でAIエージェントを立ち上げ、短期間で成果を出した中小企業2社を、「どうやって始めたか」という導入プロセスの角度から見ていきます。

（事例一覧：中小企業のAIエージェント（Agentforce）導入事例をもっと見る）

株式会社TAPP｜対象業務を1つに絞り、約1ヶ月で立ち上げた事例

不動産テック企業の株式会社TAPPは、スモールスタートで短期成果を出した典型例です。同社はセミナーへの問い合わせが急増し、24時間対応が必要になっていました。そこでSalesforce上の予約データとAgentforceを連携させ、セミナー問い合わせに答えるエージェントを構築しました。

導入期間は約1ヶ月で、稼働後は問い合わせ解決率90.3%を達成し、月間60件のリード復旧を実現しています。投資回収の見込みも1年程度と短く、全社一括ではなく1つの業務に絞って始めた判断が奏功しました。IT専任者のいない中小企業でも、既存の予約データという手持ちの資産を土台にすれば、短期間で立ち上げられることを示す事例です。

（事例：株式会社TAPP｜リードは増え続ける。しかし、人は増やせない。 TAPPがAgentforceで実現した「顧客対応が止まらない仕組み」）

スクールバス空間設計株式会社｜営業担当1名の取りこぼしをAIエージェントで受け切った事例

従業員105名でリノベーション事業を手がけるスクールバス空間設計株式会社は、インサイドセールスがわずか1名という体制で、累計およそ3,000件の資料請求に応対しきれず、見込み客が滞留していました。そこでAgentforceで24時間対応のAI営業エージェント「Frank」を構築し、Webサイトや公式LINEなどあらゆる接点に配置しました。

Frankは初期の問い合わせ対応とヒアリングを担い、熱量の高い見込み客を人の担当者に引き継ぎます。導入後、資料請求数は90件から190件へと約211％に増加し、AI経由の商談化率は75%（通常リードの約2倍）を記録しました。導入3ヶ月では2,650万円の成約につながっています。人手が足りず取りこぼしていたリードを、AIエージェントが24時間体制で受け止めた事例です。

（事例：スクールバス空間設計株式会社｜Agentforceで実現した「止まらない営業」と顧客接点）

AIエージェントの失敗事例と、そこから得た教訓

成功事例だけを見ていると、AIエージェントは導入すれば必ず成果が出るように思えます。しかし現実はそうではありません。

Gartnerは2027年末までにAIエージェントプロジェクトの40%以上が、コスト増加・不明確なビジネス価値・不十分なリスク管理により中止されると予測しています。

失敗は例外ではなく、構造的なリスクとして捉えておく必要があります。ここからは「自動化に失敗した事例」と「期待した効果がでなかった事例」の2つの観点から振り返り、共通点を見ていきます。

（出典：Gartner, Inc.「Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027」2025年）

自動化してみたが定着しなかった事例

AIエージェントを導入しても現場で使われなくなる典型は、経営層とIT部門が主導で導入を決め、現場の業務フローへの組み込みが不十分なまま展開してしまうパターンです。よくある流れとしては、以下が想定されます。

1. 経営層がツールを選定する
2. IT部門が設定を済ませる
3. 現場に一斉通知して利用開始を告げる

ところが2ヶ月ほど経つと利用率が急落し、いつの間にか誰も使わなくなります。現場が「自分の業務のどこで、どう使えばいいのか」を腹落ちしていないためです。

この問題は一部の企業に限りません。PwCの6カ国調査によれば、生成AIで期待以上の効果を出せている日本企業はわずか9%で、6カ国中で最も低い水準でした。導入自体は進んでも、期待した効果に届かない企業が多いことを示しています。

（出典：PwC Japan「生成AIに関する実態調査2026 春 6カ国比較」2026年）

期待した成果が出なかった事例

過度なAI依存が品質低下を招いた事例として、Klarnaのケースがよく知られています。

同社はAIが700人分の業務を代替したと発表し、カスタマーサポートを大幅にAIへ置き換えました。ところが後にCEO自ら、コストが過度に重視された結果として品質が低下してしまったと認め、エンジニアなどをカスタマーサポートへ再配置する事態に至りました。

この経緯が示す教訓は明確です。AIエージェントは人間の監督から切り離すと品質が崩れます。重要な判断や例外対応には人が関与するHuman-in-the-Loopの設計を残し、AIと人の役割を分けておくことが欠かせません。

（出典：Business Insider Japan「Business Insider Japan Klarna記事」2025年）

失敗事例に共通していたパターン

ここまでの失敗を整理すると、Gartnerが挙げるプロジェクト中止の主因3点（「コスト増加」「不明確なビジネス価値」「不十分なリスク管理」）にきれいに対応します。

これらは、成功事例に共通する段階的導入・明確な目的設定・人が関与するリスク設計と、ちょうど正反対の特徴です。

つまり失敗パターンを裏返せば、そのまま成功条件になります。次章では、この裏返しを具体的なアクションに落とし込みます。

AIエージェント導入で失敗しないための3つのポイント

失敗パターンの共通因子を裏返すと、成功のための実践は3点に集約できます。

1. PoC検証による効果確認
2. セキュリティルールの整備
3. 現場の巻き込みによる定着設計

それぞれ、前章のどの失敗に対応するかとあわせて見ていきます。

小さな業務から試してPoCで効果を確認する

コスト偏重で失敗しないためには、全社一括導入するのではなく、小さな業務でPoC（概念実証：本格導入前の小規模な検証）を行い効果を先に確認することが有効です。PoCの対象には、反復頻度が高く、判断基準が明文化されていて、やり直しがきく業務を選びます。問い合わせ対応や議事録作成などが典型です。

進め方はシンプルです。対象業務を1つ選び、2〜4週間ほど試行して、削減時間や解決率といった定量効果を計測し、その結果を見てから拡大を判断します。

前章で紹介したTAPPが約1ヶ月で解決率90.3%を出したのは、まさにこのスモールスタートの成功例と言えるでしょう。

セキュリティと個人情報の取り扱いルールを整備する

AIエージェントは顧客情報や業務データにアクセスして自律的に動くため、リスク管理の不備が失敗に直結します。導入前に、次の3点を整備してください。

1. AIがアクセスできるデータの範囲と権限を明確に設定すること
2. 入出力したデータがAIモデルの学習に使われないこと
3. 個人情報保護法や業界ガイドラインへの適合を確かめること

これらは導入後に慌てて整えるものではなく、対象業務を選ぶ段階で並行して詰めておく事項です。特に顧客の個人情報を扱う業務をPoC対象にする場合は、権限設定と学習利用の可否を先に固めてから試行に入ることで、社内承認も得やすくなります。

現場担当者を巻き込んで定着化まで設計する

導入後に使われなくなる最大の原因は、現場の巻き込み不足です。これを防ぐには、導入を「配布」で終わらせず「定着」まで設計します。

具体的には3つのアクションを初期設計に組み込みます。

1. 対象業務の選定段階から現場担当者を参加させ、実際に効く業務を一緒に選ぶ
2. 導入初期に操作トレーニングの時間を確保する
3. 利用状況をモニタリングし、現場のフィードバックを改善に反映する

定着を仕組みで支える手段もあります。Agentforceにはガイド付きのオンボーディング（初期支援）が用意されており、無料の学習環境であるTrailheadでも操作を段階的に習得できます。

こうした学習支援を活用すれば、現場担当者が自分の手で使いこなす状態まで持っていきやすくなります。

AgentforceでAIエージェントを導入する方法

ここまでの段階的アプローチを実際に進める手段の1つがAgentforceです。

AgentforceはSalesforceが提供するAIエージェントプラットフォームで、CRMデータを基盤に営業・サービス・マーケティングの各領域でAIエージェントを構築・運用できます。

無料プランから段階的に始められるため、中小企業のスモールスタートに向いています。

Agentforceが営業・サービス・マーケティングの各領域でどのように活用できるのかを、動画で確認してみましょう。

Agentforceが対応する業務領域

Agentforceは、業務領域ごとに事前構築済みのAIエージェントを提供しています。自社のどの業務が該当するかを判断できるよう、領域別に役割を整理し、表下に詳細を説明します。

Agentforceの業務領域別AIエージェント

営業（Sales）	SDRエージェント：見込み客の育成Sales Coach：商談準備とロールプレイを支援
サービス（Service）	Service Agent：問い合わせ対応を自律的に処理
マーケティング（Marketing）	Campaign Optimizer：キャンペーンの設計や改善を支援
コマース（Commerce）	Merchandiser：商品陳列を最適化Personal Shopper：顧客一人ひとりに合わせて提案

営業（Sales）

営業領域では、見込み客の育成を担うSDRエージェントや、商談準備とロールプレイを支援するSales Coachが用意されています。

前章のユニバーサルポストが営業チームの役割を組み替えて成果を出したように、定型的な営業対応をAIに任せ、人は提案に集中する形を作れます。

サービス（Service）

サービス領域のService Agentは、問い合わせ対応を自律的に処理します。

富士通の応対時間短縮は、この領域のAIエージェントが成果を出した事例に当たります。カスタマーサポートの負荷が重い企業がまず検討しやすい領域です。

マーケティング（Marketing）

マーケティング領域では、Campaign Optimizerがキャンペーンの設計や改善を支援します。施策の立案から効果測定まで、担当者の作業をAIエージェントが補完します。

コマース（Commerce）

コマース領域には、商品陳列を最適化するMerchandiserや、顧客一人ひとりに合わせて提案するPersonal Shopperがあります。

ECサイトの運営で、購買体験の向上と運用工数の削減を両立させたい場合に該当します。

CRMデータを基盤にAIエージェントが自律的に動く仕組み

Agentforceの特徴は、AIエージェントがSalesforceのCRMに蓄積された顧客情報・対応履歴・取引データを直接参照して判断・実行する点にあります。すでにクラウドサービス上に貯まっている顧客データを、そのままAIエージェントの判断材料に使えます。AIのために新しいデータ基盤を別途構築する必要がありません。

この仕組みが効いたのがTAPPの事例です。同社はSalesforce上の予約データとAgentforceを連携させ、問い合わせ解決率90.3%を実現しました。

手元にあるCRMデータを土台にできるため、短期間で立ち上げられ、回答の精度も既存データの蓄積を反映したものになります。

CRMデータを一元管理し、AIと連携させるCustomer 360の考え方については、こちらの動画で詳しく解説しています。

中小企業が今すぐ始められる無料プラン

中小企業が初期投資を抑えて始められるよう、Agentforceは段階的にアップグレードできる料金体系を用意しています。そのため、まず無料のFree Suiteで顧客データを一元管理するCRM基盤を作り、業務の拡大に合わせて有料プランを選ぶことも可能です。

中小企業向けプランの段階的な料金体系

プラン	料金	ユーザー数
Free Suite	0円	最大2ユーザー
Starter Suite	月額3,000円／ユーザー	制限なし
Pro Suite	月額12,000円／ユーザー	制限なし

AIエージェント自体の利用は従量課金で、Flexクレジットは10万クレジットあたり60,000円で使えます。実際の利用量に応じてコストを管理できるため、まず小さく試して効果を確かめてから利用を広げられます。

無料から始めたい場合は、Free SuiteでCRM基盤の構築から着手しましょう。

※Flexクレジットとは、Agentforceとのやり取り（アクション）に使用する共通の従量課金制クレジットのことです。10万クレジットあたり60,000円で提供されており、実際の利用量に応じてコストを柔軟に管理できます。詳しくはAgentforceの価格について説明したページをご確認ください。

AIエージェントの導入についてよくある質問（FAQ）

最後に、AIエージェント導入を検討する際に多く挙がる4つの疑問に、本文の内容を踏まえて端的に答えます。

AIエージェントと従来のRPAやチャットボットはどう違いますか？

自律的に判断・計画・実行する点が根本的な違いです。RPAは事前定義したルールに沿って定型業務を自動化し、チャットボットは登録された定型回答を返すのが主な役割です。これに対しAIエージェントは、目標だけ与えれば自ら手順を組み立て、ルール外の状況にも柔軟に対応します。

実務では、例外対応や判断を伴う業務まで任せられるかどうかが分かれ目になります。

AIエージェントの導入にどのくらいのコストと期間がかかりますか？

導入形態で幅があります。Agentforceのようなサービス利用型なら月額数千円からスモールスタートできます期間はPoCで2〜4週間、本番運用開始まで1〜3ヶ月が一般的な目安になります。

中小企業でもAIエージェントは導入できますか？

導入できます。IT専任者や大規模予算がなくても、既存のCRMデータを土台にすれば現実的に立ち上げられます。実際に、Agentforceを導入後、約1ヶ月でAI問合せ解決率90.3%を達成した事例もあります。

（出典：セールスフォース・ジャパン「株式会社TAPP 導入事例」2026年）

AIエージェントを導入すると人員削減が必要になりますか？

人員削減が目的ではなく、業務の高付加価値化が目的です。ユニバーサルポストは定型業務をAIエージェントへ移管し、営業チームが提案業務に集中した結果、売上目標達成率336%を実現しました。

人を減らすためではなく、人がより価値の高い仕事へ移るために使うのが成功への近道です。

（出典：セールスフォース・ジャパン「株式会社ユニバーサルポスト 導入事例」2025年）

※本記事に掲載している各ツールの料金・機能・サービス内容は、記事執筆時点（2026年7月）の情報にもとづいています。最新情報は各社の公式サイトをご確認ください。また、本記事に掲載している他社製品・サービスに関する情報は、各社の公開情報をもとに作成しています。掲載情報の完全性・正確性を保証するものではありません。各製品の詳細・正確な仕様については、各社に直接お問い合わせください。