Gumloop

概要

Gumloop は、ops チームがコードを書かずにモジュール式ノードをドラッグ＆ドロップで接続し、多段階の AI 自動化を構築できるノーコード AI ワークフロー キャンバスです。flow はビジュアルグラフで構成されています。トリガーノードがスケジュールやイベントに応じて起動し、エンリッチメントノード、AI モデルノード（Claude Sonnet、GPT-4o、Gemini 2.5、DeepSeek — ノードごとに選択可能）、そしてデータを利用するアプリに書き戻すアクションノードへとデータが流れます。プラットフォームには 130 以上のネイティブ連携、115 以上の既製ブロック、そしてブラウザ側のデータを flow に直接読み込む Chrome 拡張機能が含まれています。Zapier や Make などの標準的なワークフロー自動化との違いは、ドキュメント インテリジェンス（PDF・メール・画像からの構造化データ抽出を大規模に実行）とノード単位のモデル柔軟性にあります。1 つの flow の中で、法律条項の抽出に Claude を、コピー生成に GPT を、画像分類に Gemini を呼び出し、各ステップでモデルコストを最適化することが可能です。

Gumloop は YC W24（2024 年冬）でデビューし、シード（$3.1M、First Round、2024 年 7 月）、シリーズ A（$17M、Nexus Venture Partners、2025 年 1 月）、そして Benchmark 主導のシリーズ B（$50M、2026 年 3 月）を合わせて $70.1M を調達しました。顧客として Shopify、Ramp、Gusto、Samsara、Instacart が公表されています。従業員数は 37 名で、本社はサンフランシスコにあります。

RevOps・Legal・Recruiting スタックに登場する理由

非構造化データを受け取り、AI を適用し、必要なツールに構造化データとして渡すという作業はどのバーティカルでも共通しているため、同一のキャンバスが 3 つのバーティカルをカバーします。

• RevOps は見込み客エンリッチメントパイプラインに Gumloop を活用します。HubSpot からリストを取得し、各社の Web サイトをスクレイピングし、Claude ノードで ICP シグナルを抽出し、エンリッチメント済みフィールドを CRM に書き戻す — コード不要です。また、アウトリーチのパーソナライズ（リスト取り込み → LLM でメール本文をパーソナライズ → 送信ツールにエクスポート）や CRM データ衛生ジョブにも利用されます。
• Legal ops は、共有フォルダから PDF を取り込み、GPT ノードで条項データや当事者名を抽出し、フラグが立ったドキュメントを Slack アラートまたは契約受信箱にルーティングするドキュメント処理 flow を構築します。
• Recruiting は候補者スクリーニングパイプラインを自動化します。履歴書を取り込み、LLM で求人票と照合してスコアリングし、合格した行を ATS に送り、リクルーターに通知します — 1 日 2〜3 時間かかる手動ソートを置き換えます。

実際の料金

Gumloop には 2 つの公開プランとカスタム Enterprise プランがあります。

• Free — $0；月 5,000 クレジット、1 シート、アクティブトリガー 1 つ、同時実行 2 件。チームでの本番利用ではなく、1 つの flow のプロトタイプ用です。
• Pro — 月 $37；月 20,000 クレジット以上、シート無制限、アクティブトリガー無制限、同時実行 5 件、同時エージェントインタラクション 25 件、ホスト型 MCP サーバーインスタンス 1 つ、チームコラボレーション。ほとんどのチームの本番プランです。
• Enterprise — カスタム価格；ロールベースのアクセス制御、SCIM/SAML SSO、VPC デプロイ、AI 支出インサイト、ワークフローキューイング、複数の MCP サーバーインスタンス、専任サポートチャネル（Gumloop エキスパート常駐）が追加されます。

月 $37 で 20,000 クレジット以上に対し、Lindy は月 $49.99 で 5,000 クレジットです。Gumloop は約 4 倍のクレジット量を低コストで提供します。ただし比較は単純ではありません。Gumloop クレジットは自分で構築するキャンバスを動かすものであり、Lindy クレジットは既製のジャッジメントエージェントを動かすものです。ヘッドライン比率ではなく、実際に実行したい flow の内容に基づいて予算を計算してください。

適しているユーザー

コードを書かない RevOps・Legal Ops・Recruiting チーム（5〜300 名規模）で、ドキュメント処理が多い AI パイプライン、見込み客エンリッチメント自動化、または単一のポイントツールではカバーできないマルチ LLM ワークフローを必要とする場合に最適です。現在 1 週間に 3 時間以上かかるリサーチや処理タスクを 1 件以上置き換える場合に ROI が最も明確になります。

代替ツールと選ぶ場面

• n8n — セルフホスト型オープンソースワークフロー自動化の代表格です。エンジニアリングサポートがあり、データレジデンシーが必須で、インフラを自社管理したいチームに適しています。n8n のセルフホストは無料；クラウドプランは月 $24 から。コネクターの深さは Gumloop を上回りますが、ドキュメントインテリジェンスノードは既製ブロックではなくカスタムコードが必要です。
• Lindy — 継続的なジャッジメントが必要な自動化に適しています。受信箱の監視、インバウンドトリアージ、CRM の状態に基づく時系列での推論などです。Lindy のエージェントモデルは常時稼働でイベント駆動型ですが、Gumloop のキャンバスはトリガーを機に flow を完了まで実行します。リードルーティングやミーティングメモの要約には、キャンバスよりも Lindy のジャッジメントファースト設計が適しています。
• Zapier — 最も広いインテグレーションカタログを持つワークフロー自動化の市場リーダーです。AI 推論ステップが不要で、決定論的なデータ移動（C が起動したら A から B にデータを移す）の場合に選んでください。Zapier のタスクごとの料金は、AI 処理が多いパイプラインの大量処理には Gumloop の月額定額 $37 と比べてコスト効率が悪くなります。
• Make — 複雑な分岐ロジック、幅広いコネクターカタログ、大量処理時の低コストを AI ネイティブなドキュメントインテリジェンスよりも優先するチームに適しています。Make の無料プランは Gumloop より充実しており、低コスト自動化セグメントで最も急成長している代替ツールです。

注意点

• AI 処理が多い flow ではクレジット消費が最初に集中します。 LLM コール、ドキュメント解析、画像解析ノードは単純なデータ移動操作よりもはるかに速くクレジットを消費します。Claude Opus ノードで 200 件の PDF を処理する flow は、1 回の実行で Pro プランの 20,000 クレジットを使い切ることがあります。対策：flow を作成し、10 行のテストセットで実行してダッシュボードのクレジット消費を確認し、ヘッドライン数ではなく観測した行あたりのコストからプランを決定してください。
• Pro の同時実行 5 件制限は、大規模バッチジョブのスループットに上限を設けます。 500 行のリストを一括処理する場合、同時実行が 5 件に制限されていると、単一 flow の 100 倍の時間がかかります。対策：ダウンストリームシステムが必要とする時間枠に対してバッチの完了時間を測定し、許容できない場合は Enterprise（ワークフローキューイングと上限引き上げあり）に移行してください。
• Pro では MCP サーバーホスティングが 1 インスタンスに制限されます。 Claude Code エージェント、flow 間のデータルーティング、AI 支出管理など、複数の内部 API を MCP 経由で公開する必要があるチームには Enterprise が必要です。対策：MCP がアーキテクチャの要件ドライバーである場合は、インテグレーションを構築する前に Enterprise の価格を確認してください。