Difyが$30Mを調達した — GitHub Star 80K超のOSSが「エンタープライズAI基盤」に変わる転換点
GitHub Star 80,000超。世界175カ国、140万台以上のマシンで稼働。OSSのAIワークフロープラットフォームDifyが、Pre-Aラウンドで$30M(約45億円)を調達した。評価額は$180M(約270億円)。
OSSプロジェクトにとってPre-Aでのこの調達額は異例だ。リード投資家はHSG。GL Ventures、Alt-Alpha Capital、5Y Capital、みずほリサーチ投資、NYX Venturesが参加した。みずほが名を連ねている点は、日本市場への意識を感じさせる。
OSSの「成功」と「次の壁」
Difyはすでに成功したOSSプロジェクトだ。ノーコードでAIワークフローを設計でき、プロンプト管理、外部ツール連携、RAG(ナレッジ検索)、デバッグ、API化までを一つの画面で完結させる。2023年のローンチ以来、GitHub上で51番目にスター数の多いプロジェクトにまで成長した。
だが、OSSが広く使われることと、そこから収益を上げることは別の話だ。Difyが直面していたのはまさにその壁で、今回の調達はそれを乗り越えるための資金と読める。
公式ブログのタイトルが示唆的だ。「Tomorrow's Organizations Will Be Built by People and Agents」——人とエージェントで組織を作る。個人開発者のためのツールから、企業のAI基盤へ。Difyの方向転換はそこにある。
何が変わるのか
調達資金の使途として公表されたのは以下の4点。エージェント機能のコアプロダクトへの統合、エンタープライズ向けプロダクトチームの新設(パフォーマンスとコンプライアンス重視)、ビルダーコミュニティの支援強化、プロダクトアップデートの加速。
中でも注目は「エージェント機能のコア統合」だ。現在のDifyはワークフローの中に「エージェントノード」を配置する形でAIエージェントを構築するが、今後はエージェントがプラットフォームの中心に据えられる可能性が高い。つまり、ワークフローの一部品としてのエージェントではなく、エージェントが自律的にワークフローを設計・実行する世界観だ。
もう一つ興味深いのは「Knowledge Pipeline」の概念。既存のRAG機能を発展させ、ドキュメントの取り込み→前処理→ベクトル化→検索を一貫したパイプラインとして管理できるようにするもの。企業が社内ドキュメントを常にAIに食わせ続ける仕組みとして、これは地味だが需要は大きい。
n8nやLangChainとどう違うか
AIワークフロー市場は混み合っている。自動化に強いn8n、コードファーストのLangChain/LangGraph、ビジュアルに寄せたFlowise。Difyはそのどこにいるのか。
正直なところ、Difyの強みは「ちょうどいいバランス」にある。n8nほど汎用的ではないが、AIワークフローに特化している分だけ設計が洗練されている。LangChainほどコードを書く必要はないが、プロンプト管理やモデル切り替えの柔軟性は確保されている。「AIアプリを作りたいが、フルスクラッチで書くほどの時間はない」層にフィットする。
弱点は、エンタープライズ向け機能の不足だった。SSO、監査ログ、細かな権限管理といった企業必須の機能が追いついていなかった。今回の調達で専任チームが立ち上がるなら、この弱点は半年から1年で解消されるだろう。
2,000チーム、280企業
Difyの採用実績として公表されているのは、2,000以上のチームと280以上の企業。社内ドキュメント分析、顧客サポートの自動化、業務プロセスのAI化が主なユースケースだ。
数字自体はまだ大きくない。280企業という規模感は、同じカテゴリのn8n(40万社以上がクラウド版を利用)やDatadog(28,000社以上)と比べるとまだ初期段階だ。ただし、OSSインストールベースの140万台から有料転換がどれだけ進むかで、この数字は急速に変わりうる。
日本市場への示唆
みずほリサーチ投資が出資に参加したことは、日本のエンタープライズ市場でDifyの存在感が増す可能性を示唆する。すでに日本のスタートアップや開発チームでDifyを採用するケースは増えており、日本語コミュニティも活発だ。
国内のAIワークフロー需要は確実にある。社内ナレッジボット、問い合わせ対応の自動化、ドキュメント要約——こうした「地味だが確実に時間を節約するAI」の構築基盤として、Difyは有力な選択肢であり続けるだろう。$30Mの調達がそれを加速させるかどうかは、エンタープライズ機能の充実スピード次第だ。
関連記事
自前のAIチャットボットを作りたい。Dify・Flowise・LangFlow、OSSを選ぶなら結局どれか
Dify・Flowise・LangFlowをRAG・エージェント・デプロイの観点で比較。自社データを使ったAIアプリをOSSで構築するならどれを選ぶか整理する。
Dify 1.14 — AIワークフローを「作って終わり」から「チームで回す」に変える
Dify v1.14.0/1.14.1のアップデート内容を解説。ワークフローのチーム資産化、Docker環境のSECRET_KEY自動生成、UIプラットフォーム移行の進捗をまとめる。
「その判断、AIに任せていい?」— Dify v1.13が出した答え
Dify v1.13.0のHuman-in-the-Loop機能を解説。ワークフローに人間の承認を挟むHuman Inputノードの仕組み、使い方、実践例を紹介。