Makeでできること・向かないこと

Makeは、複数のappをvisual canvas上でつなぎ、data flowを見ながらautomationを作れるplatformです。

2026年現在は通常のworkflow automationだけでなく、AI Agents、AI Tools、MCP Server、analyticsまで広がっています。

一方、複雑なscenarioほどcredit消費やdebug負荷も増えます。

SaaS同士をつなげられる

Makeでは多くのapp integrationを使い、

Trigger

→ data加工

→ Action

をvisualに組めます。

Google Workspace、Slack、CRM、database、marketing toolなど、複数serviceを一つのscenarioへつなげられます。

RouterとFilterで分岐できる

Makeの強みの一つがvisualなbranchingです。

RouterとFilterを使って、

sales leadならA

supportならB

条件外ならC

のような分岐をcanvas上で確認できます。

複雑な業務logicでもdata flowを追いやすい構成です。

dataを細かくmappingできる

module間でfieldをmappingし、formatterやfunctionを使ってdataを整形できます。

API responseから一部fieldだけ取り出したり、arrayを処理したり、textやdateを変換したりできます。

単純な「AからBへ転送」以上のprocessingが可能です。

HTTP / API連携ができる

専用integrationがないserviceでもHTTP moduleなどを使ってAPIへ接続できます。

internal APIや小規模SaaSもautomationへ組み込めます。

API authenticationやschemaを理解できる人ほど自由度が上がります。

AI Agentを作れる

Make AI Agent (New)では、goal、tool、knowledgeを設定し、Agentへ複数stepのtaskを任せられます。

2026年版はScenario Builder内に統合され、Reasoning panelでAgentの判断を確認できます。

AIだけ別画面で動かすのではなく、通常automationと同じcanvasで扱えるのが特徴です。

MCPを使える

MakeはMCP Serverを提供し、AI interfaceからMake scenarioを利用できる構成を用意しています。

またMake AI Agents側でもMCP toolsを追加できます。

AI assistantと既存business automationをつなぐhubとして利用できます。

AI Toolsで軽いAI処理もできる

複雑なAgentだけでなく、categorizationやsummarizationなどのprebuilt AI taskをscenarioへ入れられます。

すべてをagentic workflowへする必要はありません。

軽いAI処理とdeterministic automationを組み合わせる使い方ができます。

Enterpriseではon-prem networkともつなげられる

EnterpriseではOn-prem agentを使い、public internetへ直接公開していないlocal networkへ接続する構成があります。

社内systemとcloud automationを橋渡ししたいorganization向けです。

Makeそのものをself-hostする方式とは異なります。

向かないこと：完全Self-hostedしたい

Makeは基本的にmanaged platformです。

n8nのCommunity Editionのようにplatform本体を自社serverへ自由にself-hostするtoolではありません。

完全なruntime controlやair-gappedな独自構成を最優先する場合は、別系統のtoolも比較対象になります。

向かないこと：creditを気にせず複雑scenarioを大量実行

Makeはcreditsでusageを管理します。

通常moduleは1 operation = 1 creditが基本ですが、AIやadvanced featureではdynamic creditsになる場合があります。

branchが多く、module数も多いscenarioを高頻度で実行するとcredit消費が増えます。

設計時に1 runあたり何module動くかを確認する必要があります。

向かないこと：すべてのbusiness ruleをAIへ任せる

AI Agentは柔軟ですが、payment、delete、access変更のようなhigh-risk actionをpromptだけで管理するのは避けた方が安全です。

FilterやRouter、manual approvalなどdeterministicなcontrolを残す方が管理しやすくなります。

まずは使ってみる

記事の文脈に合うToolへ進めます。報酬の有無で見た目は変えていません。

• 

  Make

  公式サイトを見るTool詳細を見る

向かないこと：code-firstで全工程を管理したい

Makeはvisual-firstです。

Git中心のcode review、infra-as-code、local developmentを主軸にしたいteamでは、visual scenario管理がworkflowに合わない場合があります。

No-code / low-codeで可視性を重視するteamと相性があります。

15分の適合テストで向き不向きを確かめる

機能一覧だけでは、自分の仕事にMakeが合うか判断しにくいです。最小の業務を一つ選び、入力から結果までを小さく通して、変更しやすさと失敗時の制御を見ます。Makeはvisual-firstのScenario Builderを軸にしています。完全な自社運用環境、Git中心の変更管理、air-gapped構成が必須なら、最初にその要件を満たすか確認し、満たさなければ試作を広げないでください。

15分テスト：

1. 1つのTriggerから取得するfieldを3つ以内に絞る。

2. 単純な変換または分類を1つ加える。

3. 出力先をテスト用のSheetやChannelにし、実データへの更新を避ける。

4. bundleを開き、各moduleのinput/outputと実行順を追う。

5. 欠損fieldと接続エラーを1つずつ作り、停止・通知・再実行の挙動を記録する。

6. 1回あたりのcreditsと、月間件数を掛けた概算を残す。

| 仕事の特徴 | 試す機能 | 合わない兆候 |

| 複数SaaS間の分岐を目で追いたい | Router / filter / mapping | 変更者がScenarioを理解できず、責任者も決まらない |

| 単発の要約・分類 | 通常のAI module / AI Tools | 1出力に複数ツール判断が不要なのにAgentから始める |

| 複数stepからAIがtoolを選ぶ | Make AI Agent (New)を限定試験 | Open Betaの変更可能性を許容できない |

| 独自APIとの接続 | Custom App / API連携 | API権限、rate limit、障害対応を管理できない |

| 全基盤のself-hostが必須 | 要件を先に満たす候補を調査 | Makeをself-host可能と期待している |

| IaC / Git reviewが必須 | 変更履歴・レビュー手順を事前確認 | visual scenarioだけでは既存release processに乗らない |

テストの合否を「設定できたか」だけにしません。入力の欠落を検出できるか、二重実行で二重更新しないか、担当者が失敗を発見できるか、作成者以外がflowを読み取れるかを記録します。ひとつでも重要業務の失敗を検知できない場合、運用設計ができるまで本番接続は保留です。

Make AI Agent (New)はScenario Builder上で使えるOpen Betaとして案内されています。試すなら、決済・削除・権限変更などの不可逆actionをtoolに与えず、読み取りまたは下書き作成までに限定し、固定条件のRouterや人の承認を残します。単純な決まった処理なら通常のmodule構成から始め、Agentが必要な理由を示せる場合にだけ広げます。

15分テストの結果を導入判断へ残す

試作が動いたら、画面の見やすさだけで採用を決めず、運用担当が次のScenario変更をできるか、失敗を発見して再実行できるか、月間creditsを予算内に収められるかを記録します。担当者以外がflowを読めない場合は、命名、説明、owner、alertを決めるまで業務の中核へ広げません。必須のself-host、air-gap、Git reviewがMakeで満たせないなら、画面の完成度が高くても候補から外す判断ができます。

AIものさしの判断

Makeが強いのは、automationのdata flowを視覚的に確認しながら、通常logicとAI Agentを同じplatformで組み合わせられることです。

複雑なbranch、複数SaaS、AI判断を一つのcanvasへまとめたい場合に使いやすい構成です。

一方、完全Self-hostedやcode-firstを重視する場合、あるいは非常に単純なautomationしか必要ない場合は、他toolも比較した方が判断しやすくなります。