社内データを横断検索し、業務を支援する「KumaKumaAI」 

株式会社Grizzlarityは2025年8月に設立されたAIスタートアップです。設立当初から、エンタープライズ企業の内部データを安全に活用するためのAI基盤の開発を目的としており、現在は主力プロダクトである「KumaKumaAI」に注力しています。 

KumaKumaAIは、エンタープライズ向けに社内ドキュメントや業務システムのデータ、Web上の公開情報などを組み合わせてAIが検索・分析する業界特化型マルチエージェントAIプラットフォームです。 

生成AIの活用がさまざまな企業で広がる一方、現場では「情報が複数のサービスに分散している」「機密データを外部SaaSにアップロードしづらい」「メール返信や調査などの定型業務が減らない」といった課題があります。「KumaKumaAI」を活用すれば、こうした課題を解決できると藤田氏は次のように話します。 

「KumaKumaAIは、顧客企業の環境にデプロイする提供モデルを採用しています。SaaSではなく、顧客自身のクラウドアカウントまたはオンプレミス環境上にKumaKumaAIを構築するため、機密データを外部に持ち出さずに高度なAI検索・分析が実行できます。Google DriveやGmailなどと連携し、AIエージェントを介することで必要な情報を探し、業務に活用できます」（藤田氏） 

とくに藤田氏が強調するのが、複雑な質問に対する回答精度の高さです。一般的なRAGでは、ドキュメントを分割してベクトル化し、質問に近い情報を探す手法が多く用いられます。一方KumaKumaAIは、一度の検索だけで回答を生成するのではなく、ユーザーの要求をもとに調査計画を立て、複数のAIエージェントが役割分担しながら情報収集をおこなうマルチエージェント構成を採用しています。 

具体的には、ナレッジベース検索、Web検索、Google DriveやSlack、OneDriveなどの連携サービス検索をそれぞれ専門のエージェントが担当。Supervisorが各エージェントにタスクを割り当て、得られた結果を評価しながら、必要に応じて追加調査や再検索をおこないます。

「ユーザーの質問に対し、最初の検索で十分な情報が得られなければ、別の切り口で再検索します。LangGraph（※）で状態遷移を表現し、計画、タスク割り当て、各エージェントの実行、評価、必要に応じた再計画、最終回答生成というループを最大10回まで実行します。計画を改善しながら深掘りしていくことで、回答精度を高めています」（藤田氏） 

ユースケースとしては、問い合わせ対応が挙げられます。過去の問い合わせ事例や社内ドキュメントを検索しながら、返信文案を作成できるため、業務の効率化に寄与できます。ほかにメールAIという機能は、連携したGmailを確認し、返信が必要なメールを判定したうえで下書きを作成することが可能です。書き込み系の操作については人間の承認を挟むことで、誤送信や意図しない操作を防ぐ設計になっています。 

※LangGraph：LangChainプロジェクトによって開発されたオープンソースのAIエージェント・フレームワークのこと 

外資系大手クラウドに加え、国内基盤という選択肢を 

KumaKumaAIは当初、外資系大手クラウド上での提供を起点としていました。しかし、エンタープライズ企業にプロダクトを提供するうえでは、AIの機能や精度だけでなく、データをどこで保管し、どこで処理するのかも重要な論点になります。 

とくに製造業、金融、公共、士業などの領域では、社内データや顧客情報を外部クラウド上で扱うことに慎重な企業も少なくありません。契約上の安全性が担保されていたとしても、データが自社の管理下ではない環境にあることへ不安を感じるケースもあるでしょう。そのため同社では、国内インフラ上で「KumaKumaAI」を提供できる構成が必要だと考えました。 

そして、国内基盤を検討していくなかで、同社が注目したのがさくらインターネットでした。 

「国内のインフラ事業者といえば、さくらインターネットという印象がありました。お客さまに『なぜさくらインターネットを選んだのか』と聞かれたときにも、国内データセンターの運用事業者として長く実績を積んでいる会社だからと説明できます。そこはセールスのしやすさにもつながると感じました」（藤田氏） 

一方で、KumaKumaAIを国内基盤で提供するには、高性能なGPU環境が欠かせません。LLMによる回答生成に加え、ナレッジ検索や音声文字起こしなど、継続的に大きな計算リソースが必要になるためです。また、複数のAIエージェントが役割分担しながら調査を進める「KumaKumaAI」の仕組みでは、高い推論速度と精度も求められます。国内データセンターで完結しながら、十分な速度・精度・安定性を確保できるかが、導入前の大きな検討テーマでした。 

そこで同社は、「高火力 VRT」と「さくらのAI Engine」の両方を検証しました。当初は、高火力 VRT上でLLMからアプリケーションまでを一体で動かす構成を想定していましたが、当時利用可能なオープンウェイトモデルでは、品質や速度の観点で最適化の余地がありました。そのため一時は、LLMの推論部分をさくらのAI Engineに任せ、アプリケーション層をさくらのクラウド上に構築するハイブリッド構成も検討していました。 

その後、2026年4月にGoogle DeepMindがGemma 4を公開したことで、状況が変わったと藤田氏は振り返ります。 

「Gemma 4はApache 2.0ライセンスで提供されるオープンウェイトモデルで、ネイティブの推論モード、Function Calling、256Kの長文コンテキストといった、KumaKumaAIのマルチエージェント構成に必要な要件を高い水準で満たしていました。実際に高火力 VRT上にGemma 4をデプロイして再検証したところ、速度・精度の両面でエンタープライズ用途の品質基準を満たすことができました。これにより、当初想定していたハイブリッド構成ではなく、LLM推論を含めて高火力 VRT上で完結する構成を最終的に採用しました」（藤田氏） 

高火力 VRTでAI推論基盤を構築。速度・自由度・コスト管理を両立 

最終的に、高火力 VRTの導入を決めた同社。藤田氏は導入後、その処理スピードに非常に驚いたといいます。 

「実際に高火力 VRT上で動かしてみると、予想以上に速かったんです。レスポンスの速度も精度も申し分ない。十分に頼れるどころか、期待以上の品質でした」（藤田氏） 

高火力 VRTを採用したことで、同社はLLM推論を含む主要な処理を国内データセンター内で完結できる構成を実現しました。顧客に対してデータの保管場所や処理経路を明確に説明できるようになり、生成AIサービスに求められる説明責任を果たしやすくなったといいます。 

また、推論基盤を自社で運用できるようになったことで、AIモデルの選定や構成の自由度も高まりました。外部の生成AI APIに依存せず、ユースケースに応じてモデルや処理構成を最適化できるため、KumaKumaAIの品質向上にもつながっています。 

さらに、コスト面でも高火力 VRTのメリットを実感しているという藤田氏。GPUを活用するサービスを汎用クラウドの従量課金サービス上で運用する場合、利用状況に応じてコストが変動し、予算を見通しにくいという課題があります。 

「GPUを使うサービスは、従量課金だとコストの予測が難しい面があります。その点、高火力 VRTは費用感を把握しやすく、初期費用を抑えた運用が可能でした。加えて、認証やデータ保管、LLMアプリケーションの利用状況を可視化する観測基盤など、必要な機能を同一インフラ上に集約できるため、運用管理の負荷を軽減しつつ、サービス全体のコストも見通しやすくなりました」（藤田氏） 

運用面では、インフラ構成をTerraformでコード管理できる点も評価しています。 

「ネットワークの通信制御を含め、インフラ全体をTerraformでコード管理できる点もメリットでした。管理用の踏み台サーバーから本番用のGPUサーバーまで同じ方法で扱えるため、構成変更の履歴を追いやすく、必要に応じて同じ環境を再現しやすくなったのは良かったです」（藤田氏） 

KumaKumaAIを磨き込み、国内発の生成AIサービスとして広げていく 

今後、GrizzlarityはKumaKumaAIをさらに磨き込み、AIインテグレーション事業との相乗効果を高めていく方針です。同社では、KumaKumaAIを単なる自社プロダクトとしてだけでなく、AIインテグレーション事業における技術力を示す存在としても位置づけています。 

「AIインテグレーションを任せてもらう会社になるためには、技術力への信頼を得る必要があります。その技術力の証明として、KumaKumaAIを活かしていきたいと考えています。もちろん、KumaKumaAI自体も主力プロダクトとして、さらにブラッシュアップしていきます」（藤田氏） 

最後に藤田氏は、KumaKumaAIの今後について次のように語りました。 

「企業の大切なナレッジを安全に守りながら、必要な情報にすばやくたどり着けるAIとして、KumaKumaAIを広げていきたいです。さくらインターネットとも、活用事例の発信などを含めてマーケティング面でも連携していければと考えています」（藤田氏） 

企業内に蓄積されたデータを外部に出さず、安全にAIで活用する。Grizzlarityが提供するKumaKumaAIにとって、高火力 VRTは国内データセンターで完結する生成AI基盤を実現するための重要なインフラと捉えています。同社は今後も、国内発の生成AIサービスとしてKumaKumaAIおよび生成AIの可能性を広げていきます。