Krugle
クリューグル株式会社企業が保有するソースコードや設計書、Excelなどの非構造化データを、AIで検索・活用できるようにするプラットフォームを提供しています。AIナレッジ基盤やAIエージェントを通じて、ソフトウェア資産の整備や業務の自動化、システムのモダナイゼーションを支援します。セキュリティに配慮したプライベート環境での運用も重視しています。(krugle.co.jp)
B2B
成長初期（2023年設立。AIナレッジ基盤など機能拡張と販売・提携を進めている段階）([krugle.co.jp](https://www.krugle.co.jp/notice/%E3%82%AF%E3%83%AA%E3%83%A5%E3%83%BC%E3%82%B0%E3%83%AB%EF%BC%88krugle%EF%BC%89%E8%A8%AD%E7%AB%8B%E3%81%AE%E3%81%8A%E7%9F%A5%E3%82%89%E3%81%9B/))
企業向けAIプラットフォーム／ソフトウェア資産管理
ペルソナ
クリューグルは、企業のソースコードや技術文書をAIで検索・活用し、ソフトウェア資産の整備やシステムのモダナイゼーションを支援するサービスです。主な対象は、IT・DX責任者、開発部門の責任者、レガシーシステムの保守・開発担当者です。
情報システム・DX責任者
(IT戦略・システム刷新の意思決定者)
ニーズ
既存システムを安全かつ計画的に刷新したい
社内に蓄積されたシステムや技術資産を把握し、刷新の優先順位や投資計画を立てたい。業務を止めずにレガシーシステムの保守負担を減らし、限られた人員でDXを進められる状態を目指している。
悩み
システム全体の把握が難しい
長年の改修や複雑な連携により、仕様や依存関係が分かる人が限られている。刷新の影響範囲を見誤ると、予算超過や業務停止につながる懸念がある。
刷新を担う人材と時間が足りない
日常の保守運用に追われ、移行計画や改善に十分な人員を割けない。専門知識を持つ人材の採用・確保も容易ではない。
情報管理と投資効果を説明しにくい
社内のコードや技術情報を扱う際は、機密性や利用範囲の管理が欠かせない。また、システム刷新の効果を経営層や現場に具体的に示す必要がある。
ソフトウェア開発部門の責任者
(開発・保守チームのマネジメント担当)
ニーズ
開発と保守の生産性を高めたい
開発者が既存コードや過去の設計判断をすばやく理解し、調査や修正にかかる時間を減らしたい。属人化を抑えながら、複数チームで再利用できる知識と標準的な開発プロセスを整えたい。
悩み
知識が特定の担当者に偏る
システムの経緯や例外的な仕様を一部のベテランしか把握しておらず、異動や退職による知識の喪失がチーム運営上のリスクになっている。
保守作業が新規開発を圧迫する
既存システムの調査、障害対応、影響範囲の確認に工数が取られ、機能開発や技術的負債の解消に十分な時間を割けない。
品質とスピードの両立が難しい
短納期の要望に対応しながら、レビューやテスト、セキュリティなどの品質要件も維持しなければならず、現場の負荷が高まりやすい。
レガシーシステムの保守・開発担当者
(既存コードの調査・改修を担うエンジニア)
ニーズ
コードや仕様をすばやく理解して改修したい
既存コード、関連文書、過去の知見を横断して調べ、変更箇所や影響範囲を把握したい。経験の浅い担当者でもシステムを理解し、安全に調査・修正できる状態を目指している。
悩み
必要な情報を探すのに時間がかかる
仕様書やコードが複数の場所に分散し、記述が古い場合もあるため、調査に時間を要する。検索しても、実際の処理や業務上の意味に結びつけにくいことがある。
変更による影響範囲を見極めにくい
複雑な依存関係や暗黙の仕様を把握しきれず、修正が別の機能に影響する可能性を不安に感じる。十分な検証を行うにも時間や環境が必要になる。
ベテランへの確認が欠かせない
コードだけでは分からない設計意図や運用上の注意点があり、特定の担当者への質問が集中する。その担当者の不在時には調査や対応が停滞しやすい。
価値
Krugleの主要機能は、コードや技術資産の検索・理解、文書や知識のAI活用、AIエージェントによる業務の自律実行です。既存システムの調査からチームの知識活用・作業効率化までを支援しますが、効果はデータ整備や業務設計、社内の運用体制に左右されます。
主要機能
課題
導入・活用の主な障壁は、既存コードや文書の整備・接続負荷、AI利用に伴う情報管理と結果検証、そして導入効果を示して横展開するためのROI・運用設計です。まず対象業務を絞った実証で基準値を測定し、効果と統制方法を確認してから利用範囲を広げることが重要です。
既存コード・文書の整備と接続に工数がかかる
情報が複数のリポジトリや文書管理先に分散し、形式や更新頻度も異なると、AI活用の前提となる接続・整理に時間がかかります。導入前の準備が想定以上に重い場合、利用開始が遅れ、現場の協力も得にくくなります。
機密情報の管理とAI出力の検証が欠かせない
コードや社内文書には機密情報や権限の異なる情報が含まれるため、適切なアクセス制御や利用ルールが必要です。また、AIの回答やエージェントの実行結果を確認する体制が不十分だと、誤回答や不適切な処理への懸念から利用が広がりにくくなります。
導入効果の測定と全社展開の判断が難しい
検索やAIエージェントの利用が、調査時間の短縮や保守コストの削減にどれだけ結びついたかを測る基準がないと、継続投資や横展開を判断しにくくなります。業務やシステムごとに利用方法が異なるため、効果を再現可能な形で示すことも課題です。
アクション
B2B向けAI・開発支援サービスの成長では、認知獲得から導入初期の価値実感、継続利用、契約拡大、紹介獲得までを一貫して設計することが重要です。公開情報からは提供価値や対象顧客は把握できますが、各段階の実績値は確認できないため、まずファネルの計測と顧客単位の効果検証を整える必要があります。
獲得
企業の開発・保守部門などを対象とするB2Bサービスであり、検討には専門性や社内調整を要すると考えられます。流入チャネル別の商談数や獲得効率は公開情報から確認できず、どの接点が有効かを測る仕組みが課題です。
推奨アクション
課題別コンテンツの整備
レガシーシステムの保守やソフトウェア資産の活用に関心を持つ企業からの流入を増やすため、課題別の解説記事、比較資料、導入検討ガイドを作成する。
パートナー・専門媒体の活用
対象企業の決裁者や開発責任者との接点を増やすため、SIerや関連パートナーとの共催セミナー、専門イベント、業界媒体を通じて見込み顧客を獲得する。
活性化
コード検索やAIによる知識活用など、専門性の高い価値を顧客が早期に理解できるかが重要な段階です。データ接続や権限設定、利用シナリオの準備が必要になるため、導入後の初回価値到達までの手順を明確にすることが定着の鍵となります。
推奨アクション
初期導入ステップの標準化
導入準備の負担を抑えて早期に価値を実感してもらうため、対象データの選定、権限確認、接続、初回検索までを段階化したチェックリストとガイドを用意する。
ユースケース別の実証設計
利用開始直後に業務上の有用性を確認できるようにするため、顧客の課題に合わせて対象業務と成功指標を絞った短期の実証プランを設計する。
担当者向けトレーニング
利用者が適切な検索・確認方法を身につけるため、職種や業務ごとの利用例を用いた説明会やハンズオンを実施する。
定着
継続利用には、検索やAI活用が日常業務に組み込まれ、調査や保守の負担軽減につながることが必要です。利用頻度、対象部門の拡大、更新率などの実績は確認できないため、利用状況と顧客成果を定期的に把握することが重要です。
推奨アクション
利用・成果の定期レビュー
利用の停滞や継続上の課題を早期に把握するため、利用状況と顧客が設定した業務指標を定期的に確認し、改善案を共有する。
顧客別の活用計画
顧客ごとの利用目的を継続的に達成するため、担当者と定期的に目標や障壁を確認し、次の活用シナリオを共同で設定する。
収益
導入価値を確認した顧客に対し、対象部門や適用システムの拡大を通じて契約価値を高める余地があります。価格体系、契約単価、拡張率などは公開情報から確認できないため、顧客が認識する成果と契約内容の対応づけが必要です。
推奨アクション
成果に基づく契約拡張
顧客が確認した業務上の成果を継続的な投資判断につなげるため、効果を整理して追加部門や対象業務への拡張案を提案する。
利用規模に応じたプラン設計
導入規模や利用価値に応じて無理なく契約を拡大できるようにするため、顧客の利用量や支援ニーズに応じた料金・契約プランを検証する。
紹介
企業向けサービスでは、既存顧客の実績や信頼が新規商談の後押しになり得ます。紹介や事例公開の実績は確認できないため、顧客の許諾や機密情報への配慮を前提に、紹介につながる仕組みを整える必要があります。
推奨アクション
顧客事例の共同発信
検討企業が導入後の価値や適用条件を具体的に理解できるようにするため、顧客の同意を得て課題、導入プロセス、成果を事例として公開する。
顧客紹介の仕組み化
満足度の高い顧客から適切な見込み顧客を紹介してもらうため、紹介方法や謝意の示し方を明確にし、無理のない紹介プログラムを設計する。
Webサイト上の見込み顧客体験や問い合わせ導線の改善には活用余地があります。一方、主な価値提供先は企業の開発・保守部門であり、製品利用や社内業務の定着そのものを支援する中心的な位置づけではありません。
グロースモデル
Krugleの成長仮説は、企業導入を通じて業務別ノウハウと導入事例が蓄積し、導入の再現性や信頼が高まることで、案件・導入範囲がさらに拡大するB2Bセールスループです。ユーザー体験では、社内導入からコード・文書の検索、結果の確認、業務活用へと進み、開発・保守の調査負担軽減を目指します。成長指標は継続利用・顧客内拡大・獲得効率を軸に置きます。
企業への導入が増えるほど、業務別の導入ノウハウや成果事例が蓄積し、導入の再現性と市場の信頼が高まる。結果として新たな商談や顧客内の適用範囲が広がり、さらなる導入につながる。
導入企業・適用範囲の拡大
導入企業や社内で適用されるシステム・部門の範囲が拡大する。
業務別ノウハウの蓄積
コード検索やナレッジ活用など、業務別の導入・運用ノウハウが蓄積する。
導入手順の再現性向上
蓄積したノウハウにより、導入や活用開始の手順が再利用しやすくなる。
顧客成果・事例の蓄積
導入後の活用成果や適用事例が、次の提案に活用できる形で蓄積する。
市場の信頼と案件増加
導入実績と成果事例が信頼を高め、新たな商談や紹介案件が増加する。
導入手順の再現性向上→市場の信頼と案件増加
導入手順の再現性が高まるほど、提案から立ち上げまでの見通しが立ちやすくなり、商談の前進を後押しする。
導入企業・適用範囲の拡大
導入企業や社内で適用されるシステム・部門の範囲が拡大する。
業務別ノウハウの蓄積
コード検索やナレッジ活用など、業務別の導入・運用ノウハウが蓄積する。
導入手順の再現性向上
蓄積したノウハウにより、導入や活用開始の手順が再利用しやすくなる。
顧客成果・事例の蓄積
導入後の活用成果や適用事例が、次の提案に活用できる形で蓄積する。
市場の信頼と案件増加
導入実績と成果事例が信頼を高め、新たな商談や紹介案件が増加する。
導入手順の再現性向上→市場の信頼と案件増加
導入手順の再現性が高まるほど、提案から立ち上げまでの見通しが立ちやすくなり、商談の前進を後押しする。
競合
Krugleは、企業向けAIエージェントやナレッジ活用の競争領域にありつつ、特にレガシーシステムの解析と、ソースコード・Excel・PDF・設計書を横断した活用に重点を置くサービスです。競合は、企業データとエージェントを広く扱うGlean、業務エージェント構築基盤のMicrosoft Copilot Studio、大規模コードベースに強いSourcegraphに分類できます。Krugleは日本のレガシー資産活用に特化した訴求が差別化要素ですが、各社のサービスとは対応範囲や導入基盤が異なるため、用途別の比較が重要です。(krugle.co.jp)
市場ポジショニング
自社の立ち位置
- 企業内データを検索・ナレッジ化し、AIエージェントで業務処理につなげるB2B向けプラットフォーム。
- 汎用的な企業AI基盤よりも、ソースコードと関連ドキュメントを組み合わせたシステム解析・レガシー資産活用を前面に打ち出している。(krugle.co.jp)
- ローカルまたはプライベート環境での運用も訴求しており、既存システムの機密情報を扱う企業のニーズを狙う。(krugle.co.jp)
他社との差別化ポイント
- ソースコードだけでなく、Excel・PDFなどの非構造データや周辺ドキュメントを独自に前処理し、横断的な検索・分析につなげる。(krugle.co.jp)
- AIナレッジ基盤「Krugle Biblio」と自律型AIエージェント「Krugle Squad」を組み合わせ、情報検索から業務実行までを扱う構成。(krugle.co.jp)
- ブラックボックス化したレガシーシステムや複雑なコードの分析を明示的な用途としている。(krugle.co.jp)
- ローカル・プライベート環境での運用を掲げ、セキュリティやAI利用コストを重視する組織に訴求している。(krugle.co.jp)
企業内データを検索・活用し、アシスタントやAIエージェントによる業務自動化につなげる企業向けAIプラットフォーム。(glean.com)
Krugleと同じく、企業内ナレッジをAIで活用し、エージェントによる業務実行を目指す領域で競合します。Gleanは多様な企業データソースを横断する企業AI基盤を広く訴求し、Krugleはレガシーシステムやソースコード・設計書等の解析に重点を置いています。(docs.glean.com)
強み
企業内の複数データソースを接続し、権限を考慮した検索やAI利用を提供する点が強みです。検索、アシスタント、エージェントを統合した企業向けプラットフォームとして訴求しています。(docs.glean.com)
弱み
公開情報での主な訴求は、企業全体の情報検索・活用と業務エージェントです。Krugleが前面に出す、ExcelやPDFの設計資料とソースコードを組み合わせたレガシーシステム解析を比較検討する場合は、対象データの処理方法や解析機能を個別に確認する必要があります。(krugle.co.jp)
自社の優位性
レガシーシステムのコードと、Excel・PDFなどの周辺資料をまとめて解析したい案件では、Krugleの用途特化した訴求が比較優位になり得ます。
Microsoft Copilot Studio
https://www.microsoft.com/en-us/copilot/products/copilot-studio業務エージェント、ワークフロー、アプリを構築・管理するためのローコード基盤。(microsoft.com)
企業の知識や業務プロセスをエージェント化する点でKrugleと競合します。Copilot StudioはMicrosoft製品との連携やカスタムエージェント構築を広く扱い、Krugleはレガシー資産の理解やコード・設計資料の横断分析を差別化の中心にしています。(learn.microsoft.com)
強み
ローコードでエージェントやワークフローを構築・管理でき、コネクタを使って外部サービスやデータを接続できます。Microsoft環境を利用する企業にとって、既存の業務基盤との統合やガバナンスを活用しやすい点が強みです。(learn.microsoft.com)
弱み
汎用的な業務エージェント構築基盤であるため、公開情報上はKrugleのようなレガシーシステム解析や、設計書・Excelとソースコードを組み合わせた分析が中心的な訴求ではありません。個別のレガシー解析では、コネクタや追加設計を含めた実現方法の確認が必要です。(microsoft.com)
自社の優位性
既存のレガシーコードと設計資料を、専用の解析・ナレッジ化用途で扱う場合、Krugleは汎用エージェント基盤より目的を絞って検討しやすい選択肢です。
Sourcegraph
https://sourcegraph.com/enterprise大規模なコードベースを横断検索・理解し、開発者のコード作成を支援するコードインテリジェンス基盤。(sourcegraph.com)
コード検索や複雑なコードベースの理解でKrugleと競合します。Sourcegraphは複数リポジトリにまたがるコード検索・ナビゲーションやAIコーディング支援を訴求し、Krugleはコードに加えてExcel・PDF等の周辺資料や業務ナレッジも対象にしています。(docs.sourcegraph.com)
強み
大規模なコードベースや複数リポジトリを横断したコード検索・理解を強みとし、AIアシスタントが開発コンテキストを利用できると説明しています。コード検索、ナビゲーション、AIを開発者向けの一連の機能として提供する点が特長です。(sourcegraph.com)
弱み
公開されている主な製品説明はコード検索・コード理解・開発支援が中心です。ExcelやPDFの仕様資料、非構造データを含めたレガシーシステム全体のナレッジ化を比較する際は、対応範囲や別途必要な連携を確認する必要があります。(sourcegraph.com)
自社の優位性
ソースコードだけでなく、設計書やExcelなどの周辺資料も含めたシステム全体の把握を重視する場合、Krugleのデータ横断の訴求が差別化になります。
その他の競合（2社）
| 企業名 | 特徴と違い |
|---|---|
| 生成AIによるコード作成・開発支援や、特定のレガシーアプリケーションのモダナイゼーションを扱う製品群。Krugleと、レガシー資産の理解・刷新を目指す案件で競合し得ます。(ibm.com) | |
| IDEやGitHub上でコード作成・レビューなどの開発作業を支援し、エージェント機能も提供。Krugleとは、コードベースの理解や開発工程のAI活用で競合します。(github.com) |
Krugleで、散在するソースコードや設計書を安全にAI活用し、システム資産の整備・モダナイゼーションにつなげる価値を、どのように届けていますか？
例えば、