あなたの最も高いコストは人件費ではない。あなた自身の「1日たった16時間の稼働時間」だ。

一人の人間がこなせる仕事量など、たかが知れている。3人分の仕事をこなそうとすれば、人を雇う（金が出ていく）か、受注を半分に減らすしかない——過去10年間、スモールビジネスのオーナーはずっとこの壁に阻まれ続けてきた。

2026年の解決策は違う。Agent（エージェント）で社員を代替するのだ。自ら役割を分担し、互いに成果物を納品し、ローカル環境で24時間365日フル稼働するAIチーム。LobeHubというオープンソースプロジェクト（GitHubで81.5k Star、340以上の貢献者）が、すでにこの道を切り開いた。どう構築し、どう受注し、どうやって「社員」として使い倒すのか。以下で徹底的に解説しよう。

一、まず規模を見よ：8万 Starは偶然ではない

このプロジェクトは当初、LobeChatというオープンソースのChatGPTクライアントとしてスタートした。わずか1年で自らをLobeHubへと再構築し、単なるチャットツールからAgent協作プラットフォームへと進化を遂げた。リポジトリはlobehub/lobe-chatからlobehub/lobehubへ移行。ポジショニングは「Chief Agent Operator」（最高Agent責任者——「運営ディレクター」のようなものだが、管理されるのは人間ではなくAI Agentだ）へと変更された。

UI上で目にするのは、Agentの組織図だ。各Agentには名前と分担があり、タスクを受け取ることができる。

GitHub上の別プロジェクトであるAutoGPT（Star数186k）は早い段階から走り出していたが、2026年のトレンドはすでに変わりつつある——業界の共通認識はこうだ。単体のAgentでは不足、Agentのチーム体制こそが未来だ。Mem0（Star数62.9k、メモリ特化）やRAGFlow（Star数86k、ナレッジベース特化）といった周辺プロジェクトも今年になって爆発的に成長しており、エコシステム全体が「チーム化、メモリ化、プライベートデプロイ可能」という3つの方向へ向かっている。

LobeHubの強力な護城河は、これらを一度にパッケージ化している点にある。内蔵のナレッジベース、10,000以上のスキルマーケット（MCPプロトコルベースの標準プラグイン）、複数モデルの統合スケジューリング、Dockerによるワンクリックでのプライベートデプロイ。導入してしまえば、もう4〜5個のツールを継ぎ接ぎする必要はない。すべてが1つのコンソール上で完結する。

二、実際にどう動くのか：4つのAgent協調モデル

Agent Groupsこそが、このツールの真の価値である——単一のAgentでは処理しきれない作業を、チーム単位でのタスク割り振りによってこなせる仕組みが組み込まれているのだ。公式では4つの協調モデルが提供されており、利用頻度の高い順に並べると以下の通り：

① 流水線モデル（Sequential）——タスクの80%はこれで回す：Agent Aが執筆してAgent Bへ渡し、修正が終わったらAgent Cがレイアウトする。直列で納品し、各ステップでレビューと差し止めが可能。

② 並列モデル（Parallel）——バッチタスクの10%に採用：1つのタスクをN分割し、N個のAgentが同時並行で処理して最後に結果を統合。バッチ処理に最適——例えば30個の商品タイトルを一括生成、100枚の商品画像の説明文をまとめて作成。

③ 反復モデル（Iterative）——磨き込みが必要な一部コンテンツ向け：1人のAgentが書き、別のAgentが編集者として採点し、閾値に達しなければ書き直す。LIPSのバズる見出し改善や、ブログの深掘り記事など「質重視・スピード不問」の仕事に使う。

④ ディベートモデル（Debate）——多視点が必要な一部タスク向け：複数のAgentが同じ議題（例：「この商品は本当に買う価値があるか」）を巡ってディベートし、Moderator（進行役）が対立点と合意点を取りまとめる。製品レビューや調査レポートに最適。

実例をお見せしよう。あなたがSaaSツールサイトを運営していて、毎日50製品の機能紹介、価格、ユーザーレビューを更新しなければならないとする。パイプライン方式を使えば、第1のAgentがデータを取得し、第2のAgentが日本語版を執筆し、第3のAgentが英語版を執筆し、第4のAgentがSEOキーワードを最適化する。かつては1人が丸1日かけていた作業が、今では1つのワークフローで30分で完了する。

三、最もコスパの良い一手：ローカルDockerデプロイ、モデルは自由自在に切り替え

多くの人が「自分の環境では大規模モデルが動かない」という壁にぶつかる。LobeHubの解決策は、フロントエンドだけを差し替え、モデルはAPI経由で利用するというものだ。

Dockerのコマンド1行でサービスが起動する（docker run -d -p 3210:3210 --name lobehub lobehub/lobehub、Docker Desktopをインストールしたらターミナルに貼り付けるだけで完了）。ブラウザでlocalhost:3210を開けばすぐに使える。すべての計算処理はクラウド上の大規模モデル側で行われるため、ローカル環境はUIの役割を果たすだけだ。だから、メモリ8GのMacBook Airでも、余裕で動かせる。

モデルは組み合わせ自由だ。公式のサンプルが推奨している組み合わせは以下の通り：

• Gemini 2.5 Pro：ロングコンテキスト（100万トークン規模）対応、分厚いドキュメントの読み込みに最適
• Kimi（2M コンテキスト）：中国語処理に強み、中国語資料の分析に最適
• DeepSeek V4 Flash：圧倒的に安い（2026年8月現在のレートで概算すると入力1元/Mトークン、出力2元/Mトークン、公式のドル表示価格は$0.14/$0.28 per 1M）、バッチ処理に最適

「翻訳＋リライト」のタスク1件完了あたりのコストは、わずか3銭未満。1日に100タスク回しても3元。これこそが「AI受託案件」のリアルなコスト構造だ——クライアントには1,500元で見積もり、AIコストは30元、残りの1,470元がそのままあなたの粗利になる。

受託する案件が顧客の契約書や内部データを扱う？LobeHubは完全なプライベートデプロイにも対応している。ナレッジベースはPGVectorによるベクトル検索を採用し（単なるキーワード一致ではなく「意味が近い」段落を抽出可能）。ナレッジベースと対話履歴は完全にローカル環境に保存され、機密データが端末から外に出ることはない——ただし推論処理は依然としてクラウドのLLM APIを経由するため、この境界線は把握しておくべきだ。

四、受託可能な3つの案件、月額制で見積もる

今すぐ受託できる3つの案件を、月額制で見積もるなら：

シナリオ1：コンテンツ運用代行（月額3,000〜8,000元）

顧客は中小のEC事業者。毎週LIPSの投稿5本、TikTok用のキャプション3本、メルマガ記事2本を納品しなければならない。Agent Groupsのパイプラインで次の一式を組めばいい。テーマ選定Agent → ライティングAgent → レイアウトAgent → 画像生成Agent（通常はMidjourneyやImagenなどの画像生成APIを繋ぎ、1枚あたり数銭程度）。1人で顧客5社を受持ち、1日2時間はクオリティチェックに使い、残りの時間はAgentが勝手に回す。APIコストは月額200〜500人民元で、理論上の粗利は1.5万〜4万人民元まで乗せられる。

シーン2：競合モニタリング日次レポート（月額1500〜3000人民元）

毎日20件の競合サイトの価格・在庫・新製品をスクレイピングし、Google Sheetに自動で書き込み、9時に顧客の受信箱へメール送信。並列モードでバッチ取得し、重要な変動だけ個別にアラートを飛ばす。1人で十数社の顧客を同時に回せる。

シーン3：AIカスタマーサポートの外注（月額2000〜5000人民元）

小規模ブランドのShopifyストアやAmazon店舗が最も頭を抱えるのは夜間のサポート対応だ。LobeHubのIMゲートウェイ機能（Telegram、Discord、LINE、Slackに対応）で顧客からの問い合わせを受け付け、質問タイプに応じて対応するAgentへ自動で振り分ける。お前が寝ている間に、店は注文を取り続ける。

これら3つのシナリオに共通するのは、1件あたりの見積額がAPIコストの50倍以上をカバーしているという事実だ。AIの案件受託というビジネスで売っているのは、紛れもなく「時間」である。

五、今夜すぐに構築できる

もし、とりあえず動く最小限の構成だけを手早く用意したいなら、以下の3ステップで進めろ：

第一歩：サーバーを立ち上げる。Docker Desktopをインストールし（Mac/Win両対応、公式サイトからワンクリック）、続いて docker run -d -p 3210:3210 --name lobehub lobehub/lobehub を実行する。ブラウザで http://localhost:3210 を開こう。もし 3210 ポートが既に使用されている場合は、-p 3211:3210 に変更すればいい。

第二歩：3つの Agent を作成する。1人は「リサーチャー」（Gemini 2.5 Proをアサインし、長文ドキュメントの読み込みを担当）、1人は「ライター」（Claude または GPT をアサインし、コンテンツ生成を担当）、そしてもう1人は「レビュアー」（DeepSeek V4 Flashなどの低コストモデルをアサインし、誤字脱字の修正や事実確認を担当）だ。3つのモデルで役割を分担させることで、高額な単一モデルにすべての作業を押し付ける無駄を省く。各モデルの API key は各社の公式サイトで申請可能だ。Google AI Studio で Gemini を、OpenAI で GPT を、DeepSeek Platform で DeepSeek を取得でき、いずれも無料枠からスタートできる。

ステップ3：最初のワークフローを回す。Agent Groupを構築し、パイプライン形式で3つのAgentを直列につなげる。タスクは自然言語で記述する：「アップロードしたこのPDFを読み込み、800字の中国語要約を作成、3つのコアポイントをリストアップし、最後にLIPS向けのタイトルを5つ出す」。

一式回し終えると、3つのAgentがそれぞれ作業し、受け渡しを行い、最終成果物を納品する様子が見て取れる。出力に満足したら、このワークフローを保存し、次回はそのまま再利用すればいい。

このステップをクリアした時点で、あなたはすでに90%の人より先行している——大半は「ツールは入れたが何から手を付ければいいか分からない」で止まっているからだ。まずは1本のワークフローを完走しろ。その後で案件受注の話を考えろ。

このルートの境界線：AI は人間じゃない、社員扱いするな

稼ぐルートを語ったら、境界線も語らなきゃならない。越えてはいけないラインが3つある——AIで受注する仕事は、すべて「定型化されたプロセス仕事」だけ。線を越えれば、即やり直し（返修）待ったなし。

第一に、判断を完全に代行はできない。Agentが得意なのは「決められたプロセスを回すこと」で、「そもそもこの仕事を請けるべきか」の判断は不得手だ。受注案件の方向性、見積もり、リスク評価——最終的に決めるのは、すべてあなたの仕事だ。

第二に、システム間のシームレスな連携ができない。LobeHubにはIMゲートウェイ、メール、データベースが揃っていますが、顧客の社内ERP、Slack、Salesforceとは「すぐ使える」状態ではありません。複雑な連携には二次開発が必要です。私自身、ある外食チェーンのカスタマーサポート外包案件を請けた際、先方が自社開発のCRMとの連携を求めてきましたが、結局このプロジェクトは断念せざるを得ませんでした——想定3週間の開発が8週間まで長引いてしまったからです。

第三に、AIが「もっともらしくでたらめを並べる」こと。Agentが出力したファクト系のコンテンツは、必ず人の目でレビューしてから顧客に納品しなければなりません。実在しない顧客名や、でっち上げた製品価格を、まるで本物のようにスラスラ書き上げてしまうからです。私が初めてAgentのグループチャットモードで製品レビューを作らせたとき、3つのAgentが「互いの意見に同意」し合った結果、出力された5つの推奨はすべて同じブランドばかり。とても多角的な視点とは言えませんでした。この5〜10分の「人間による最終チェック」は絶対に省略できません。省けば手直しが発生し、評判が崩壊します。

この3つの原則を理解しておけば、他の人が恐れて引き受けない案件をあなたは取れる——AI受注ビジネスで最も不足しているのは、境界線を本当に理解している受注側です。きれいなスローガンを叫ぶだけの人なら、街中にいくらでもいます。

今日すぐできること：GitHubへ行き lobehub/lobehub を検索し、Starを押すこと。その後、ローカル環境に戻ってDockerコマンドを走らせ、最初のAgent Groupを構築し、最近書いたドキュメントを1つ入力して、5つの異なるプラットフォーム向けのタイトルを出力させてみよう。10分もあれば、このツールが使う価値があるのかどうかが即座に分かるはずだ。次なる「AIの新概念」を追い回すより、はるかに実践的だ。