Hebbiaレビュー【2026年】料金とMatrixの使い方を読む

Hebbiaは、金融や法務の現場で大量の文書を読み解くためのAI基盤です。2020年にGeorge Sivulka氏が創業したと複数の媒体が伝えています。中心にあるのはMatrixという表形式の分析機能で、行に企業、列に問いを置き、各セルに根拠を残す作りです。もう一つのMaxは、案件を調べて表やスライドまで仕上げるエージェントとして案内されています。料金は法人向けの見積もりで、公式サイトに金額は出ていません。この記事は実際の操作を行わず、2026年11月3日に確認できた公開情報だけを材料にしています。出力の精度、読み込みの速さ、日本語文書での挙動は未検証です。

Hebbiaとは何か。金融の文書作業を行列に変える製品

Hebbiaは米国の企業が提供する、金融と法務のためのAI基盤です。公式サイトの題は「AI built for the rigor of finance」で、投資家、銀行員、弁護士、コンサルタント、そしてFortune 500の企業を対象に挙げています。2020年の創業で、創業者はGeorge Sivulka氏。スタンフォード大学の博士課程に在籍しながら起業した、という経歴が複数の紹介媒体で共通して書かれています。

公式が使う言葉は「Institutional Intelligence」です。個人の分析を組織の知識に変える、という含みがあります。トップページには「Your firm’s knowledge at work」という見出しが置かれ、チーム全体で文脈を共有する場として売り出されています。個人が1人で使う道具ではなく、案件ごとにチームで使う前提の設計だと読めます。

対象は4つの領域に分かれています。投資、銀行、法務、コーポレートです。投資なら銘柄や案件の比較、銀行なら案件の探索と資料作成、法務なら契約やデューデリジェンス、コーポレートなら事業開発や競合の調査。同じ製品でも、どの領域かで読み込ませる文書の種類が変わります。この4つに共通するのは、判断の根拠を後から示す必要がある仕事だというところです。

汎用のチャットAIとの違いは、答えの形にあります。文章で答えるのではなく、行と列の表として返し、各セルに根拠の文書を結びつける。この形にすると、100社を同じ問いで並べたときに、抜けている社が見えやすくなります。文章の要約では、読む人が「どこが違うのか」を探すところから始めなければなりません。比較の作業を製品の側に寄せた、というのがMatrixの主張です。

なぜ金融なのか。理由は、この業界の文書が長く、数が多く、そして書き方が似ているからです。有価証券報告書も決算説明会の記録も、同じ項目が同じ順序で並びます。形式が揃っている文書は、機械的に並べる作業に向いています。逆に、自由に書かれた社内の議事録や企画書は、形式がばらばらで、並べても比較になりません。Hebbiaの強みは、形式の揃った文書を大量に扱う場面で最大化されます。

自社の業務がHebbia向きかどうかの見極め

向きかどうかは、扱う文書の量と、答えに根拠が要るかどうかで決まります。数百ページの資料を数十社分そろえて比較する仕事は、まさにこの製品の形にはまります。逆に、社内に数本しかない議事録を要約する用途なら、汎用のチャットAIで足ります。根拠を示せないと社内を通らない仕事かどうかが、最初の分かれ目です。根拠が要らない仕事に高い料金を払う理由はありません。

Hebbiaの料金はいくらか。非公開の見積もりをどう読むか

Hebbiaの料金は公開されていません。2026年11月3日に料金ページを開くと、ページ自体は存在するものの、本文の読み込みに失敗した表示になりました。つまり、金額を探して辿り着いても、そこには数字がない。これは不具合なのか、意図的に出していないのかは判断できませんが、少なくとも公開情報から単価を知ることはできません。

法人向けの製品では、金額を出さない理由ははっきりしています。利用する人数、読み込ませる文書の量、接続するデータの種類で原価が変わるためです。Hebbiaの場合、FactSetやS&P Capital IQのような有償のデータを製品の中で扱うので、契約によっては外部データの利用料が上乗せされます。表に定価を書けない構造だ、と理解するのが妥当です。

公開情報ベースで言えるのは、この製品が「安さで選ぶ道具」ではないということです。導入先が資産運用会社、投資銀行、法律事務所、大企業の本部に限られている段階で、費用も導入の手間もその規模に合わせて設計されています。個人や小規模のチームが月額を払って気軽に試す形にはなっていません。検討の入口は、無料枠を探すことではなく、自社のどの案件で使うかを1つ決めることになります。

見積もりの前に、社内で数字を用意しておくと話が早くなります。対象になる案件の数、1案件あたりの文書のページ数、関わる人数。この3つがあれば、相手の提示額が妥当かどうかを自分で判断できます。逆に、これらが曖昧なままだと、提示された金額を比べる物差しがありません。表示は地域・支払い周期・為替で変わるため、契約前に公式サイトの料金表を確認してください。金額が出ていない場合は、その理由も含めて質問するのが筋です。

契約前に決めておきたい三つの線引き

一つ目は、誰に使わせるかです。全員に配ると費用も統制も膨らむので、最初は1つのチームに絞るのが現実的です。二つ目は、どの文書を読ませるか。社外に出せない文書が混ざるなら、最初に切り分けます。三つ目は、成果物の責任を誰が持つか。AIが作った比較表を、そのまま顧客に出してよいのかを決めておかないと、現場が判断に迷います。契約の前に決めるのは、金額より先にこの3つだと考えます。

MatrixとMaxは何が違うのか。読む道具と、書く道具

Matrixは、読むための道具です。行に企業や案件、列に問いを置き、セルに答えと根拠を入れていきます。公式のデモでは、財務、成長と評価、株価の推移、レバレッジと貸借対照表、格付、セグメント、直近の買収、株主構成、ガバナンス、経営陣の交代、戦略リスク、市場の噂、買い手の姿、案件の評価表、提案の切り口、といった列が並んでいます。調査の切り口を列として固定できるので、担当者が変わっても同じ切り口で比較できます。

セルには根拠の文書が結びつきます。公式の画面では、10-Q、委任状、決算説明会の資料、8-Kが資料の一覧として並び、どの記述がどの文書から来たのかを辿れる作りになっています。この辿れるという性質が、金融と法務の現場では決定的です。数字が合っているかよりも、その数字がどこに書いてあったかのほうが問われる場面が多いからです。

Maxは、書くための道具です。公式は「Your new top bucket analyst」という言い回しで紹介しています。調査をして、表を作り、スライドやレポートまで仕上げる流れを担います。トップページの例では、案件ごとに資料を読み、要約のスライドを作り、上司に送るまでの流れが示されています。読む道具と書く道具が分かれているので、導入の順序も分けて考えられます。

この一覧を見ると、製品の性格がはっきりします。一般的な文書要約の道具は、アップロードした資料だけを読みます。Hebbiaは、公開情報と社内資料と市場データを同じ土俵に載せようとしています。そのぶん、接続の設定と権限の設計が導入の中心になります。読みたい資料が決まっているほど、設定は早く終わります。

列の設計でつまずく例は、問いを詰め込みすぎることです。1つの列に「成長性と収益性とリスク」を詰め込むと、セルの中身が長い文章になり、表の意味が消えます。1列1問に割るほうが、比較の作業は進みます。公式のデモでも、財務、格付、株主構成、経営陣の交代といった単位で列が切られています。この粒度は、そのまま真似する価値があります。

Matrixから入るか、Maxから入るかの分かれ目

比較の切り口が既に社内で決まっているなら、Matrixから入るのが早いです。列の設計をそのまま持ち込めるので、最初の週から成果が出ます。逆に、切り口自体が固まっていないなら、Maxに調査を任せて切り口の候補を出させ、それを人が削って列にする順序が向きます。切り口が決まっているかどうかで、入口の機能は変わります。どちらから入っても、最後は人が列を削る作業に行き着きます。

評価できるところ。根拠を残す設計と、接続の広さ

• 答えに根拠が残る。セルから文書へ辿れるので、社内のレビューを通しやすい
• 比較の切り口を列として固定できる。担当が替わっても同じ物差しで並べられる
• 接続先の範囲が広い。公開書類、市場データ、社内の保管場所、専門家ネットワークまで届く
• 読む道具と書く道具が分かれている。導入の範囲を段階的に広げられる
• チームで文脈を共有する前提の作り。個人の調査が組織に残る
• 認証の表示が明確。ISO/IEC 42001とSOC 2 Type IIを掲げ、学習に使わない旨も明記している
• 公式の利用規模の表示が具体的。運用資産の合計や処理ページ数の数字を出している

最も評価したいのは、根拠の残し方です。生成AIの出力は、正しいかどうかを人が確かめる必要があります。その確かめる作業の手間を、製品の側がどれだけ減らしているかで、実務での使い物度は変わります。セルから文書に飛べる形は、確認の手間を最短にする答えの一つです。根拠に戻れる出力は、速い出力より価値がある。金融の現場では、この順序が逆になることはありません。

二つ目は、接続の広さです。公式が挙げる接続先を並べると、公開書類、市場データ、社内の保管場所、業務システム、専門家の話と、ほぼ全ての情報源が入ります。調査の質は、読める資料の範囲で決まる部分が大きいので、ここを広く取っているのは理にかなっています。ただし、接続先が多いほど初期設定は重くなります。広さは武器であり、同時に導入の負担でもあります。

三つ目は、公式が規模の数字を出していることです。トップページには、利用企業の運用資産の合計が30兆ドル、1日あたり平均20万回の指示、累計15億ページの処理という数字が並びます。公式ブログでは、処理ページ数が10億を超え、1年前の4,700万ページから増えたと説明されています。これらはベンダーの公表値で、第三者検証はありません。それでも、どのくらいの規模を想定した製品なのかは伝わります。数字の出どころが自社であることは、読む側が覚えておくべき前提です。

気になるところ。閉じた製品ゆえの確かめにくさ

• 料金も試用も不透明。金額がなく、個人が触って確かめる道もない
• 日本語の文書での挙動が分からない。公開情報は英語圏の利用例が中心
• 接続先が広いぶん、初期設定と権限設計の負荷が読めない
• 出力の精度を測る材料が公式の事例に限られる。第三者の比較検証が見当たらない
• 対象が大規模な組織に寄っている。中小企業には機能過剰になりやすい

気になるのは、確かめにくさが製品の作りと一致しているところです。料金が非公開で、試用の導線もなく、公開されているのは公式の事例だけ。これは高額な法人向け製品では普通の形ですが、比較記事を読む側には不利です。「導入企業に名前が出ているから安心」という判断は、その企業と自社の条件が同じである場合にしか成り立ちません。

二つ目は、言語の壁です。公開されている事例も画面も英語が中心で、日本語の契約書や有価証券報告書をどこまで正確に扱えるかは分かりません。日本語は主語の省略が多く、同じ事実を別の言い方で書く傾向があります。横断して比較する用途では、この揺れが効いてきます。ここは未検証と明記して、自分の文書で試すしかありません。

三つ目は、機能の広がり方です。公式ブログでは、調査の深化、エージェント、金融データの連携が追加されたと説明されています。機能が増えること自体は良いのですが、増えるほど「どこまでが製品で、どこからが自社の運用か」が曖昧になります。導入の提案を受けるときは、機能の一覧ではなく、誰が何をするのかの分担表をもらうほうが役に立ちます。

向く組織と、向かない組織の線引き

向くのは、案件ごとに大量の文書を読み、判断の根拠を残す必要がある組織です。投資会社の案件調査、銀行の提案資料、法律事務所の契約比較、大企業の事業開発。いずれも、読む量と根拠の重要度が高い仕事です。向かないのは、文書の量が少ない業務、根拠を示す必要のない要約、そして1人で完結する調査です。根拠を残す文化がある組織でなければ、この製品の価値は半分も出ません。道具が良くても、レビューの習慣がなければ出力は読まれません。

Glean・Harvey・ChatPDFとの違いは？用途で分ける比較

比較の前に断っておくと、読み取りの精度を並べた優劣は書けません。同じ文書を同じ条件で読ませていないためです（未検証）。公開情報で並べられるのは、何を読むか、誰が使うか、答えの形、そして根拠の残し方です。この4つで候補を絞ると、比較の議論が具体的になります。

社内の情報を横断して探す用途なら、Gleanが近い位置にいます。ただしGleanは全社の検索と知識の共有が中心で、案件ごとに表を組む使い方ではありません。法務に絞るならHarveyで、契約のレビューや案件の整理に寄っています。Hebbiaは法務も対象にしていますが、どちらかと言えば投資や銀行の案件調査が土台です。同じ「法務向け」でも、契約を読むのか、案件全体を比較するのかで別の製品になります。

個人の調査なら、選択肢はもっと軽くなります。ChatPDFはPDFを対話で読む道具で、数本の資料を理解するには十分です。論文の調査ならElicitやConsensusが、根拠の抽出に強みを持っています。メールの中のやり取りを探すならShortwave、Web上の集合を条件で集めるならExa Websetsという具合に、入口を絞った道具のほうが速い場面は多い。Wokeloのように調査レポートの形まで寄せた製品もあります。Perplexityで下調べをしてから、重い調査だけHebbiaに回す、という組み合わせも考えられます。

比較で見落としやすいのは、社内文書の置き場所です。Notion AIのように、普段の文書がその中にある製品なら、検索の対象は自然に決まります。Hebbiaは外部の保管場所に接続する設計なので、社内の文書がどこにあるかを把握していないと、接続の設計が進みません。製品の比較より先に、自社の文書の地図を作る作業が要ります。ここが曖昧な組織では、どの製品を選んでも同じところで止まります。

候補を絞る順序も決めておくと、比較が長引かずに済みます。最初に、扱う文書が社外に出せるかで分けます。出せない文書が多いなら、導入形態と契約の条件を先に確認します。そのうえで、1案件あたりの文書の本数で分けます。締めは、答えの形を表で欲しいのか、文章で欲しいのかという分け方です。この3段階で落としていくと、残る候補は多くて2つになります。

判断の分かれ目。読む量と、根拠の重さで決める

一つ目の軸は、1案件あたりに読む文書の量です。数十本なら軽い道具で足り、数百本を超えると横断の仕組みが要ります。二つ目の軸は、根拠の重さです。社外に出す資料なら、根拠の辿れる出力が必須になります。社内の下調べなら、要約の速さのほうが大事です。量と根拠の重さ。この2つが上がるほど、Hebbiaの位置づけは強くなります。どちらも高くない業務に導入すると、機能の大半を使わないまま費用だけが残ります。

導入前に決めること。最初の案件をどう選ぶか

最初に確認するのは、データの扱いです。文書がどこで処理され、どこに保存され、誰が管理者になるのか。学習に使わないという公式の記載はありますが、自社の規程で許容できるかは別の判断です。暗号化の方式や保存期間も、原文で確認する項目になります。ここを飛ばしてPoCを始めると、途中で情報システム部門から止まります。

最初の案件は、小さくて、答えが自分たちで分かっているものを選びます。過去に人が時間をかけて仕上げた案件を1つ持ってきて、同じ問いを製品に投げる。出てきた表を、当時の結論と突き合わせる。この方法なら、精度の良し悪しを自分たちの基準で判断できます。新しい案件で試すと、正解が分からないまま、出力の良し悪しを議論することになります。

測る項目は3つで足ります。抜けの数、根拠の正しさ、そして人が直すのに要した時間。この3つが揃えば、導入の可否は数字で語れます。項目を増やすと、誰も読まない報告書になります。比較表の出来栄えではなく、直す時間が減ったかどうかで判断する。これが、文書を読む道具を評価するときの正しい物差しだと考えます。

人の役割も決めておきます。AIが出した表を、誰が最終確認するのか。確認する人が決まっていないと、表は作られるだけで使われません。案件の責任者が確認するのか、専門の分析担当が確認するのかで、運用の重さは変わります。ここを曖昧にしたまま導入すると、便利な道具が誰も使わない棚に置かれます。

費用の妥当性を社内で説明するときは、置き換える作業を具体的に書きます。「調査が速くなる」では予算は通りません。「1案件あたりの資料読みに要する時間が、週あたり何人日減るか」まで落とす必要があります。この換算ができるかどうかは、製品の性能より、自社の業務の見え方に左右されます。数字が出せない場合は、導入の前に業務の計測から始めたほうが確実です。

法務と情報システムの確認も、早めに走らせます。扱う文書に個人情報や未公開の重要事実が含まれるなら、保存の場所と閲覧の権限を、契約の前に詰めておく必要があります。金融の現場では、誰がいつ何を読んだかの記録が問われることがあります。この種の要件は、製品の機能表には出てきません。規程を持っている部門を最初から議論に入れると、後戻りが減ります。

最初の1か月で見るべき三つ

初月は、対象の案件を1つに絞り、同じ問いを人と製品の両方に投げます。見るのは、抜けの数、根拠の正しさ、直す時間の3つ。この3つが揃えば、2件目に広げるかどうかの判断ができます。広げる判断を急がないことが、結果的に定着につながります。最初の案件で人を説得できれば、次の展開は自然に進みます。

よくある質問

まとめ

主な参照元：Hebbia公式サイト（2026年11月3日確認。製品の説明、MatrixとMaxの案内、接続先の一覧、認証の表示、公表されている規模の数字はここによります）。Hebbia公式ブログ「Hebbia Crosses 1 Billion Pages Processed」（同日確認。処理ページ数の推移と追加機能の記述はここによります）。料金ページは同日に開き、本文が読み込めない状態を確認。創業年と創業者は公式サイトに記載がないため、複数の企業情報サイトの記述（2026年11月3日確認）で一致した範囲にとどめています。個別の記事名は、確認日に本文を取得できたものを除いて挙げていません。実機検証は未実施です。