Humataレビュー【2026年】月9.99ドルのExpertとページ課金の読み方

Humataは、アップロードした文書を知識ベース化し、自然言語の質問に出典付きで答える文書AIです。開発元は同名のHumataで、公式サイトにはGoogle傘下のGradient Venturesが主導した資金調達（350万ドル）の表示があります。2026年10月時点の公式料金は、Free（月0ドル・月60ページ）／Expert（月9.99ドル・月500ページ・3ユーザーまで）／Team（1ユーザーあたり月49ドル・月5,000ページ・10ユーザーまで）／Enterprise（要相談）の四段構成で、課金の軸はページ数です。ここでは公開情報の範囲で、料金の読み方と他のPDF系AIとの違いを整理します。実際に文書をアップロードして確かめる実機テストは行っていないため、回答の精度や日本語の扱いは未検証とお考えください。

Humataとは何か。「ChatGPT for PDFs」が示す文書QAの現在地

Humataは、PDFやOffice文書をアップロードし、自然言語で質問すると回答が返ってくる文書AIです。公式サイトは自らを「AI meets your knowledge base」と位置づけ、「Humata is like ChatGPT for PDFs」という一文も掲げています。ファイル数の上限を設けない方針を打ち出し、回答には元文書の該当箇所へ戻る出典リンクが付く点、ウェブページへの埋め込みに対応する点が、公式の目玉機能として並んでいます。

出典リンク付き回答が意味するもの

この道具の設計で注目したいのは、回答が根拠の箇所へリンクで戻る点です。大規模言語モデルの弱点として、もっともらしいが根拠のない文を生成する問題が知られています。文書業務では「答えが正しいか」より先に「根拠をたどれるか」が信頼の分かれ目になります。出典リンクは、読み手が原文を開いて確かめる手間を一工程に短縮する仕組みであり、文書AIの信頼性は答えの精度そのものより、根拠をたどれる仕組みがあるかで決まると考えています。この点は公開情報の上での読みであり、実際のリンクの精度は未検証です。

セキュリティ面の記述も整っています。保存時の暗号化、ロール別の権限、チーム内での共有範囲の制御が公式ページに並んでいます。法務や研究の現場では、機密文書を外部サービスに置くことへの抵抗が導入の最大の壁になりがちです。その壁の高さを測る材料として、暗号化方式と権限設計の表示は有用です。一方で、SOC-2証明書やUptime SLAはEnterprise段階の記載となっており、Team以下でどこまで保証が及ぶかは契約画面での確認が必要です。

位置づけの変化も読み取れます。かつてのPDF系AIは「1冊を開いて質問する」対話型が主流でした。Humataの現在の訴求はフォルダ単位の知識ベースであり、文書の束を横断して答えを出す方向へ寄っています。単冊の対話と束の横断は、似た画面でも求められる設計が違います。この違いが料金と機能の両方に現れているため、次の項から順に読み解きます。

Humataの料金プラン（2026年10月時点・公式表示）

公式料金ページの表示をもとに整理します。個人向けの一段、小規模チーム向けの一段、組織向けの二段という構成です。

金額は2026年10月25日時点で公式料金ページに表示されていた米ドル建ての数値です。日本円の請求額は為替と税で変動します。Teamはユーザー数を掛けた総額になるため、人数が増えるほど月額の試算が変わります。支払い周期による表示の差については、契約画面で公式サイトの料金表を確認してください。

FreeとExpertの境界は「月60ページ」

無料枠の大きさを考えるとき、ページという単位は意外と厳しいという点を押さえておきたい部分です。事業会社の報告書や契約書は一冊で数十ページから百ページを超えることも珍しくなく、月60ページの枠は、長い資料一冊で使い切る可能性があります。海外の料金まとめ媒体も、「長い報告書を一度に通すと月の枠が尽きる」という趣旨の注意を載せており、これは公式の表示から自然に読み取れる構造です。無料枠は「動作を掴む」用途と割り切り、運用の前提には置かないのが安全だと考えます。

Teamで何が増えるか。OCRと権限の位置

Team（1ユーザーあたり月49ドル）で加わるのは、ページ枠の拡大だけではありません。OCR（スキャン文書や画像内の文字の読み取り）、部門単位とフォルダ単位の権限、Response Personalization（回答の調整）が比較表でTeam以上に置かれています。スキャン資料が多い組織では、OCRの有無が実質的な採用条件になる場面があります。権限の分割も同様で、法務部門と営業部門で見られる文書を分ける要件がある場合、Expertでは足りずTeamが実質的な最低ラインになります。機能の並びから読むと、HumataはExpertまでは個人・少人数の道具、Teamから組織の道具へ性質が変わる設計だと考えます。

もう一段のEnterpriseは、SOC-2証明書、Uptime SLA、新機能への先行アクセスが比較表に並び、金額は要相談です。大規模組織の調達では証明書類の提出が前提になるため、この段の分け方は業界の慣習に沿ったものです。公開情報の範囲では、Enterpriseの金額も付帯条件も読み取れないため、窓口での確認が必須と考えます。

ページ課金はどう回るか。無料枠と従量の読み方

Humataの費用は「月額＋超過ページの従量」で決まります。プランごとの枠と単価を並べると、構造は次のとおりです。

読み方の要点は二つあります。一つは、超過単価がTeamのほうがExpertの半分になっている点です。枠を超える運用が常態化するなら、Teamのほうがページ単価では有利になります。ただしTeamはユーザーあたり月49ドルなので、人数を掛けた総額で比較しないと判断を誤ります。もう一つは、公式料金ページのFAQに、請求が「月にアクセスされたページ数と質問回数」に応じた従量を含む旨の記載がある点です。つまり同じ文書でも、問い方を変えて何度も質問する運用では消費が増える可能性があります。ここまでの細かい計算式は公開情報の範囲で確認できず、未検証の領域としておきます。

判断の分かれ目。月間ページ量を数えられるか

この契約で損をしないかどうかは、手元の月間処理ページ量を概算できるかにほぼ集約されます。月に読む資料のページ数の合計を足せる人は、Expert（月500ページ）かTeamかの線が引けます。たとえば月に20冊の報告書を、それぞれ50ページとして処理すると合計1,000ページとなり、Expertの枠を超えるため超過分0.02ドルが乗る計算です。逆に、月の処理量が読めない段階では、いきなり有料に上がる理由はありません。Freeで実際の資料を通し、ページの消費ペースを数えてから段を決めるのが、費用の面で損が少ない順序だと考えます。

出典リンクの運用上の利点も、この課金構造と関係します。回答ごとに原文を開いて確かめる作業は、人間の読解時間を消費します。ページ課金は「入力の量」に対して請求されるため、同じ文書を何度も開き直すコストは借り手側の作業時間だけで済み、追加請求の直接的な要因にはなりにくい。対話型の課金（質問回数で増えるタイプ）と比べると、読み返しの多い業務との相性は悪くないと考えます。もっとも質問回数が課金にどう反映されるかの詳細は未検証のため、この読みは保留付きです。

エンタープライズ要件の確認事項も残ります。公式ホームでは、OktaやGoogle、SAMLとのシングルサインオンが対応予定（coming soon）と表示されています。アカウント管理を統合したい組織では、この部分が実装済みかどうかで導入の審査が変わります。現時点では未実装を前提に確認を進めるのが安全です。

ChatPDFやSciSpaceと何が違うか。1冊の対話か、フォルダ単位の知識ベースか

PDF系のAIは表面上似て見えますが、課金の軸と得意な作業が違います。ChatPDFは1冊のPDFを開いて質問する対話型の元祖のひとつで、単発の資料読みに向きます。PDF.aiは同じ「文書と対話」の系譜でありながら、APIの提供へ重心を広げており、自社の製品に文書QAを組み込みたい開発者向けの側面が強くなっています。研究寄りではSciSpaceが論文の検索から引用管理までを一続きで扱い、Elicitは研究課題に沿った論文の整理と抽出、Consensusは論文からの根拠探しに特化しています。それぞれの月額や無料枠は各公式ページの表示に従ってください。

向き不向き。文書の束を扱うか、論文の流れを追うか

違いを一言で言うと、Humataの独自性はフォルダ単位で文書を貯め、束ごと質問する運用にあります。契約書の一式、監査資料の一式、研究ノートの一式のように、「同じ主題の文書が複数ある」状況で効く設計です。1冊きりを読む場面では、対話型の道具のほうが手続きが短くて済みます。研究で論文を横断的に探す段階なら、論文特化の道具が適しています。つまり選ぶ基準は精度の優劣ではなく、手元の文書が単発か、束か、流れかのどれに当たるかです。

さらに範囲を広げると、Gleanのような社内横断検索の道具との差も整理できます。Gleanは社内の全部（文書、チャット、システム内の情報）を権限を理解した上で検索する土台であり、Humataは文書フォルダに閉じた、より小さく深い範囲を扱います。Notion AIはナレッジそのものを書き溜める段階の道具なので、「文書がまだ整理されていない」なら先にそちらの整備が先になる場合もあります。道具の順序として、貯める→整える→問い合わせる、のどの段階に課題があるかを先に決めると、導入の失敗が減ると考えます。

契約を進める前の自問も、項目の形で書き出しておくと判断が速くなります。一つ、月に処理する文書のページ数の合計を足せるか。二つ、同じ文書に何回質問する運用になるか。三つ、スキャン資料が混ざるか（混ざるならOCRの要る段階まで上がる）。四つ、見られる範囲を部門やフォルダで分ける必要があるか。五つ、アカウントの統合（SSO）が要件に入るか。この五つの答えが揃えば、料金表のどの段に属するかは自ずと絞れます。道具の選定で手間がかかるのは機能の比較ではなく、この自問の部分であり、質問の形が決まっている契約ほど準備は進めやすいと考えます。

一般の大規模言語モデルとの比較も触れておきます。ChatGPTやClaude、Google Geminiに文書を貼って質問する運用は手軽ですが、文書の量が増えると手作業の貼り付けと管理が追いつかず、回答の根拠を原文の位置までたどるのも一苦労です。Humataの出典リンクとフォルダ管理は、この「たどる手間」を製品側に任せる設計です。ただし、どのモデルが実際に使われ、日本語でどの程度の精度が出るかは未検証です。この点は、無料枠で自前の資料を通して確認するしかないと考えます。

評価できる点（公開情報からの判断）

• 料金の軸がページ数で明快。月間の処理量が数えられるなら、プラン選びの試算が立てやすい
• 回答に出典リンクが付く設計。根拠をたどれる文書QAは、信頼性の面で実務に効く
• 無料枠が月60ページ・カード不要。長い資料一冊で挙動を掴める大きさがあり、始めやすい
• Team以上にOCRとフォルダ・部門単位の権限が揃い、スキャン資料と権限分割を一つの契約で賄える
• 保存時の256ビットSHA暗号化とロール別権限の表示があり、セキュリティ審査の起点になる
• 全プランにGPT-5対応の表示があり、モデル面の更新を提供側に任せられる

第一に評価したいのは、料金の構造が読み手に寄り添っている点です。ページという単位は、文書業務をする人にとって直感的に想像がつく大きさです。録音時間やトークンのような不慣れな単位より、見積もりの失敗が起きにくい。超過単価もプランごとに明示されているため、「枠を超えたらいくらか」が契約前に計算できます。料金の透明性は使い心地とは別の軸ですが、導入判断の質を左右します。この点、Humataの公開情報は整備が進んでいると考えます。

次点で評価したいのは、出典リンクを中核に置いた設計です。文書AIの現場での失敗は、答えが間違っていたことそのものより「間違いに気づけなかった」ことに起因することが多い。根拠の箇所へ一工程で戻れる仕組みは、この失敗の検出確率を上げます。精度の主張を鵜呑みにしないための装置として、この設計は価格以上の価値がある場面があると考えます。

段階の上がり方も素直です。Freeで60ページ、Expertで500ページ、Teamで5,000ページと、段が桁違いの間隔で並んでいるため、自分の処理量がどの段に属するかの見当がつけやすい。段ごとに意味の違う機能（OCR、権限、証明書）が乗っている点も、「何のために上げるのか」の説明がしやすい構造です。

気になった点・条件付きの評価

• ページ超過の従量が累積する。月500ページを常時超える運用では、超過分が本体価格に上乗せされ続ける
• 質問回数も請求の要素に含まれる旨の公式FAQ記載。まとめ読みを繰り返す運用では枠の消費が読みにくい
• SSOは対応予定の表示で現時点では未実装前提。アカウント統合の要件がある組織では導入審査に影響する
• 日本語文書での精度は未検証。スキャン品質の悪い資料ではOCRの出来にも依存する
• Teamはユーザーあたり月49ドル。人数を掛けた総額の試算を忘れると費用の見込みが外れる

正直に言えば、この契約の費用の見通しは「ページの数え方」に強く依存します。枠と単価は公開されているのに、1文書のページ数がどう数えられるか（表紙や目次を含むか、画像ページの扱いなど）の細部が料金ページの範囲では読み取れません。細部の解釈次第で実質的な枠の大きさは変わるため、最初の月は消費を数える期間にする以外に確実な対策はありません。この種の「単位の解釈問題」は、従量課金を含む契約の常ですが、ここは未検証の領域として明記しておきます。

判断の分かれ目。有料に上げる判断はページ量で

無料から有料への移行は、機能への憧れではなくページの消費実績で決めるのが正解だと考えます。Freeの月60ページを超えた実績が二か月続いた時点でExpert、Expertの500ページと3ユーザーの枠が同時に苦しくなった時点でTeam。OCRや権限が目的なら、Teamが必要な理由を文書で説明できる状態にしてから上げる。逆に、まだ実績のない段階でTeamを選ぶと、月49ドルを人数分払い続けるだけの契約になりがちです。上げる順序自体が費用を左右する契約だと捉えておくべきです。

もう一つの分かれ目は、機密文書を置くかどうかです。保存時の暗号化や権限設計の表示は整っていますが、SOC-2証明書はEnterprise段階の記載です。法務や医療など要件の厳しい領域では、この部分の確認が採用の前提になります。公開情報の範囲で結論を出さず、契約前の質疑で確認を取るのが堅実です。

研究・法務・社内文書。どんな使い分けが現実的か

具体的な場面ごとに整理します。研究の現場では、論文の束を横断して「この手法を使った研究ではどんな傾向があるか」と問う使い方が想定されます。ただし論文の検索段階から含めるなら、論文特化の道具のほうが手続きが短い。Humataが効くのは、収集済みの論文を自分のフォルダに貯めて、その束に質問する段階です。法務・契約の現場では、契約書一式の中から「違約金の定めがある条項はどれか」という探索に向きます。条項の見落としは事故になるため、出典リンクで原文を確認する運用が前提になります。社内文書では、手順書や規程の束に対する問い合わせ口として使う形が現実的です。

導入の順序として現実的なのは、Freeで自前の資料を一冊通すことから始め、出典リンクの精度と日本語の扱いを自分の目で確かめることです。ここは公開情報では代用できず、未検証の部分を自分の環境で埋める工程になります。続いて、月間のページ消費を数えてExpertかTeamかを決め、権限の要件が出た時点でTeamの設定と、Enterpriseの窓口確認に進む。段階の意味が機能に紐づいているため、必要になった情報だけを順に集めれば済む構造です。

道具の導入後の付き合い方も、あらかじめ決めておくと良い部分です。文書の束は放っておくと古くなり、期限切れの資料が知識ベースに残ると、答えの質そのものが下がります。フォルダ単位の運用では、追加と棚卸しのルールを最初に決めておくことが、道具の精度を保つ実質的な手段になります。これは料金とは別の軸ですが、フォルダ型を選ぶ以上、束の管理は運用側の責務です。月額の費用を払う以上、束の質を維持しないと支払いの正当化が難しくなる点も、同じ一文の中で押さえておくべきだと考えます。棚卸しは四半期に一度、営業日歴に組み込んでおけば忘れにくく、運用としても軽い負担で済みます。

あわせて読みたい側の道具として、単冊の対話ならChatPDFのレビュー、API寄りの構成ならPDF.aiのレビュー、論文特化ならSciSpaceのレビューを参照すると判断が速くなります。本記事は基本情報をHumataの紹介ページにもまとめています。道具の選択は優劣の比較ではなく、文書が単発か、束か、流れかという作業の形の問題です。その形を見極めてから料金表に戻ると、2026年10月時点のこの料金体系は意外と読みやすいはずです。

よくある質問

まとめ

主な参照元：Humata公式サイトのホームと料金ページ（2026年10月25日確認）。プラン構成・ページ数・従量単価・セキュリティ表示にもとづく。料金の照合先：AIpresso「Best Free AI Summarizers in 2026」（2026年10月）とThe AI Tool Bibleの料金記録（2026年10月14日確認）。実機検証は未実施。