LlamaIndex, Inc. が提供する、AIによるドキュメント理解・推論・自動化のための開発プラットフォーム。中核となるのは、PDF・表・画像・手書きメモまで幅広いファイル形式を高精度に読み取るエージェント型OCR「LlamaParse」と、複数ステップの処理をつなぐイベント駆動型のワークフローエンジンである。2022年11月に登場したオープンソースのRAG（検索拡張生成）フレームワークを出発点に、いまはクラウドサービスと開発フレームワークの両輪で展開している。Python と TypeScript の SDK が用意され、公式サイトによれば累計10億件超のドキュメント処理実績と、Boeing傘下のJeppesen、KPMG、PepsiCoといった大手の採用事例を持つ。
主な特徴
- LlamaParse ─ 高精度なドキュメント解析: 埋め込み画像・複雑なレイアウト・複数ページにまたがる表・手書きメモなど、従来のOCRが苦手としてきた要素を扱える。単純な読み取りは低コストで、難易度の高い文書だけAIによる詳細解析に回す、といった使い分けができる
- Parse / Extract / Index / Split / Classify の5機能: 読み取り（Parse）だけでなく、スキーマを指定した項目抽出（Extract）、RAG向けのチャンク分割と埋め込み生成（Index）、自然言語による論理セクション分割（Split）、自然言語ルールでの文書分類（Classify）まで、文書処理の前後工程が一通り揃っている
- イベント駆動型ワークフロー: 「文書を読む → 項目を抽出する → 検証する → 基幹システムに登録する」といった多段階の処理を、エージェントとツールを組み合わせて構築できる。人手の確認を途中に挟む設計も可能
- オープンソースのフレームワーク: RAG・エージェント・データコネクタ・クエリエンジンなどを備えたフレームワーク本体はオープンソースとして公開されている。外部サービス連携をまとめた LlamaHub も含め、自前環境で組み上げられる
- Python / TypeScript の両対応: PyPI と npm の双方で配布され、バックエンドがPythonでもフロント寄りのNode.js環境でも同じ発想で扱える
- LiteParse によるローカル解析: クラウドを経由せず手元でPDF・Officeファイル・画像を解析するオープンソースツールも用意されており、機密文書を外に出せないケースに対応できる
料金
クレジット制で、消費量は文書の複雑さによって変わる。単純な解析は1クレジットから、AIによる高度な解析ほど多くのクレジットを消費する。
| プラン | 月額料金 | 含まれるクレジット | 主な特徴 |
|---|---|---|---|
| Free | $0 | 10,000 | 100ユーザーまで、基本サポート、コミュニティ |
| Starter | $50 | 40,000 | 従量課金で月40万クレジットまで、メールサポート |
| Pro | $500 | 400,000 | 従量課金で月$5,000まで、Slackでの優先サポート |
| Enterprise | 要問い合わせ | 要問い合わせ | クレジットのボリューム割引、レート上限5倍、SSO、SaaS／ハイブリッドクラウド、専任担当者 |
追加クレジットは1,000クレジット=$1.25が目安。無料枠の10,000クレジットだけでも試用には十分な量がある。
料金は2026年8月時点の情報です。最新の料金は公式サイトをご確認ください。
メリット・デメリット
✅ メリット
- 表・画像・手書きを含む「崩れた」文書に強く、汎用OCRで精度が出なかった案件の受け皿になる
- 解析だけで終わらず、抽出・分割・分類・インデックス化まで同じプラットフォームで完結する
- フレームワーク部分がオープンソースで、ベンダーロックインを避けた構成を選べる
- 無料枠が10,000クレジットあり、コストをかけずに実データで精度を確かめられる
- Python と TypeScript の両方にSDKがあり、既存のスタックに合わせやすい
⚠️ デメリット
- クレジット消費が文書の複雑さに依存するため、事前のコスト見積もりが立てにくい
- 本格運用に必要なPro プランは月額$500からで、個人や小規模チームには負担が大きい
- 使いこなすにはプログラミングとRAGの基礎知識が必要で、ノーコードで完結するツールではない
- 機能追加・APIの変更が速く、ドキュメントのURL構成も変わることがあるため、追随の手間がかかる
- クラウド版に文書を送る構成では、機密文書の扱いについて別途検討が必要（LiteParseやハイブリッド構成で回避は可能）
類似サービスとの比較
| 比較項目 | LlamaIndex | LangChain | Unstructured | Azure AI Document Intelligence |
|---|---|---|---|---|
| 主な用途 | 文書解析＋RAG／エージェント基盤 | LLMアプリの汎用フレームワーク | 文書の前処理・構造化 | 帳票・文書のOCRと項目抽出 |
| 得意分野 | 複雑な表・画像を含む文書の読み取り | 幅広い外部連携とチェーン構築 | 多形式ファイルのパース | 定型帳票の高精度な項目抽出 |
| オープンソース | あり（フレームワーク） | あり | あり | なし |
| 料金体系 | クレジット制（無料枠あり） | OSSは無料、クラウドは別料金 | 無料枠＋従量課金 | 従量課金 |
| 対象ユーザー | 開発者 | 開発者 | 開発者・データエンジニア | 企業のシステム部門 |
こんな人におすすめ
- 契約書・請求書・技術文書など、レイアウトが複雑な社内文書をAIに読ませたい開発者
- 汎用OCRでは精度が足りず、表や図を含む資料の読み取りに困っているチーム
- RAGの検索精度を上げたいが、前処理（分割・構造化）の作りこみに手が回らない人
- 文書処理を単発の変換で終わらせず、抽出から後続処理までワークフロー化したい業務担当者
- オープンソースを軸に、必要な部分だけマネージドサービスを使う構成を取りたい組織
まとめ
LlamaIndexは、RAGフレームワークとして知られた出発点から、「文書を読み解いて業務を自動化する」プラットフォームへと軸足を広げてきた。強みは、汎用OCRが苦手とする複雑なレイアウトの文書を扱える LlamaParse と、その結果を抽出・分類・インデックス化まで運べる一貫性にある。一方でクレジット制の料金は文書の複雑さで変動するため、まずは無料枠の10,000クレジットで実際の書類を通し、1件あたりの消費量を測ってから本格導入を判断するのが現実的である。