CrewAIはLinkedIn投稿の自動化から始まり、1.4B回のagentic実行基盤になった

CrewAIは、複数のAIエージェントに役割と目標を与えてチーム（Crew）として協調させ、その上にイベント駆動のFlowを置いて業務の流れと状態を制御するオーケストレーション基盤である。

Python製のOSSフレームワークと、trace・RBAC・監査を担う商用のCrewAI AMPで構成する。出典

1.4B回のagentic実行、Fortune 500の60%、GitHub 40,000スター。

CrewAIは、2023年に一人のエンジニアが書き始めたOSSから、企業の業務基盤まで届いた。出典

自分の仕事から始まった

João Mouraは当時、ClearbitでAIエンジニアリング部門のdirectorを務めていた。

自分でAgentsを作ろうとしていたが、当時は選択肢がほとんどなくて苦労した」と振り返る。出典

最初に作ったのは、content creationを自動化するagent群だった。

LinkedInで投稿頻度を上げるための仕組みで、1日あたり最大600件のインバウンドリードを生んだ。出典

同じコードを何度も書き直す作業に飽きていた。

「人生を自動化したい。でも同じことを繰り返したくない。だから再利用できる仕組みを作ろう」と考えた。出典

OSS公開と、Oracleからの電話

2023年10月にCrewAIを完成させ、翌11月にGitHubでOSSとして公開する。

しばらくして、企業から問い合わせが届き始めた。

「Oracleから、CrewAIを本番で使いたいので手伝ってほしいと電話が来たとき、これはビジネスになるかもしれないと思った

2024年1月に会社として正式に始動し、AI起業家のRob Baileyが共同創業者兼COOとして加わった。

半年で150社のbeta enterprise customersが付いた。出典

frameworkと統制の二層

Mouraは、frameworkだけでは現場が止まると見ていた。

ここで作るだけでなく、最適化してdeployし、速く動けると感じられるsoftwareを作ろうと決めた

そこでOSSのCrewsとFlowsの上にCrewAI AMPを置いた。

AMPは実行経路そのものに入り、trace、RBAC、監査、PII redaction、human-in-the-loopを担う。出典

2025年、基盤になる

2025年5月にはCrewAI Factoryを発表し、NVIDIA AI Enterpriseと組んで顧客のVPCやオンプレミスでも動かせるようにした。出典

2025年10月のOSS v1.0では、累計1.4B回のagentic実行、月450M回、Fortune 500の60%、40,000スター、月1.8Mダウンロードという数字を並べた。出典

「いまは月に約4億5000万のAgentsを動かしている。正気の沙汰じゃないと思う」とMouraは言う。出典

結び

CrewAIの道のりは、大きな市場予測から始まったものではない。

自分の作業を楽にする道具を作り、OSSで配り、企業の要望に合わせて統制機能を足していった結果として、業務基盤の位置に着いた。

モデルの性能が上がっても現場で効くのは実行の制御と監査だ、という順序がこの成長の形に表れている。

CrewAIが刺さるのは、agentの試作はできたのに本番で止まる企業の詰まりだ。

部門ごとにPoCが乱立し、誰が何を実行したか追えず、監査や権限の説明がつかない。

CrewAIは役割を持つCrewと状態を持つFlowを分け、その上にtrace・RBAC・監査を置く。出典

半年で150社、Fortune 500の60%という導入実績は、需要がframeworkそのものではなく統制にあったことを示す。出典

40,000スターと250人超のcontributorが支えるOSS ecosystem、CrewsとFlowsの抽象、そして実行経路に入り込む統制機能の組み合わせ。

OSS単体は模倣できるが、企業の監査要件を満たす運用実績は短期間で置き換えにくい。出典

弱い。

agent定義やtool、communityのtemplateは増えるほど便利になるが、利用者間でデータが循環する構造ではない。

効果はGitHubとdocsのecosystem規模に依存し、企業顧客同士のnetwork effectはほぼない。出典

複数の業務システムをまたぐ定型・準定型業務をagentで自動化したい大企業のplatform teamと、その依頼を受ける事業部門。

Pythonで拡張でき、監査要件を満たす実行基盤を求める組織に向く。

個人の簡単な自動化や、OSSだけで完結させたい小規模チームには過剰だ。出典

無料のOSS frameworkを入口にし、月1.8Mダウンロードと40,000スターを集めたこと。出典

その上にtrace・RBAC・監査・PII redactionを商用AMPとして重ね、企業の本番要件に合わせたこと。出典

NVIDIAやIBM、PwCとの提携とcustomer storyで、production利用の証拠を積み上げたこと。出典

ARRと有料顧客数は非公開で、OSSからAMPへの転換率は外部から検証できない。

framework単体の差別化は長続きせず、モデルや他社platformの進化に左右される。

n8nやZapierがagent機能を強めれば、no-code層の競争は厳しくなる。出典

Enterpriseは45日間のonboardingを前提とするため導入が重く、中小規模のチームには届きにくい。出典

入口は無料OSSとGitHub、docs、community event。

launch weekのwebinarやCrewAI Signalのようなイベントで開発者を集め、customer storyで本番導入の証拠を見せる。

企業向けにはAMPとFactoryの契約へ上げ、45日onboardingとforward deployed engineeringで定着させる。出典

トレードオフは、OSSの評判が上がるほど無料利用者が増え、有料転換の説明責任が重くなることだ。

主要チャネル: openSource, github, community, content, events, customerStories, partners

agent製品の価値は、賢いモデルを包むことではなく、実行の制御と説明可能性に移っている。

試作を無料で配り、本番で必要になる監査・権限・承認を有料機能として切り出す順序は、開発者向け製品が企業市場へ上がる再現性のある型だ。出典

日本企業はデータ所在と職務分掌の説明を調達の前提にするため、VPCやオンプレミスで動くFactory構成と、human-in-the-loopの承認を前面に出すと通りやすい。出典

金融の定型レポートや社内問い合わせの一次処理など、工数が読める業務から始め、traceを監査証跡として使う進め方が現実的だ。

日本語の評価データを誰が整えるかが、国内パートナーの差になる。