InfraNodus

InfraNodus

Nodus Labs (operated by InfraNodus SAS) · 学習 · ビジネス

InfraNodusは、文書や検索結果、ノートをナレッジグラフに変え、トピックのまとまりとコンテンツギャップ、まだ誰も見ていない切り口を示すAIテキスト分析ツールだ。

InfraNodus の画面プレビュー

InfraNodus について

About

InfraNodusとは

InfraNodusはNodus Labsが提供するテキストネットワーク分析のプラットフォームだ。テキストの束を渡すと、重要な語をノード、語同士の共起を線としてグラフに描く。そこからネットワーク科学が受け持つ。コミュニティ検出が関連語をまとめ、影響度ランキングがグラフ全体を支える概念を示し、ギャップ検出がつながるべきなのにつながっていないクラスターを見つける。

選ばれる理由は最後の一点にある。大半のAIツールは、ページにすでに書かれている内容を要約する。InfraNodusが指すのはトピックとトピックの間の空白で、未検討の切り口、抜けている章、市場の隙間はたいていそこに隠れている。研究者は文献レビューの整理に、SEOチームは検索結果と自社の下書きの比較に、コンサルタントは競合サイトの構造を読むのに使う。

返ってくるのはグラフと、そのグラフから組み立てたAIへの問いの束だ。完成したレポートが出てくるわけではない。媒介中心性やクラスターのラベルが何を意味するかを掴むまでには時間がかかる。AIクレジットは1時間ごとの上限があり、1回の作業がどこまで進むかを左右する。Basicプランのファイル上限も厳しく、PDFが増えると上のプランへ移りたくなる。

使い始める

  1. アカウントを作り、14日間のトライアルを開始して、ダッシュボードから新しいグラフを開く。
  2. テキストを追加する。エディタに貼り付ける、PDF・TXT・MD・CSVをアップロードする、Googleの検索結果やYouTube、ウェブサイト、RSSフィード、Obsidianの保管庫から取り込む、いずれかの方法を選ぶ。
  3. まず全体像を読む。グラフはトピッククラスター、主要キーワード、クラスター間の構造的なギャップを表示した状態で開く。
  4. ギャップをひとつ選び、内蔵AIに研究質問、要約、両側をつなぐアイデアを求める。
  5. グラフを保存し、リンクで共有し、画像として書き出す。同じ分析をClaudeやChatGPT、Cursorの中で回したいならMCPサーバーをつなぐ。

AIツール情報

InfraNodusの料金、対応プラットフォーム、性能を簡単に確認できます。

無料プランいいえ
有料プラン€12 - €66/mo
プラットフォームWeb app, browser extension, Obsidian plugin, MCP server, REST API
開発元Nodus Labs (operated by InfraNodus SAS)
カテゴリ学習 · ビジネス
リリース日Dec 2017
最終更新Oct 2026
サイト訪問数65.3K
サイト世界ランキング589K
API提供状況はい

こんな人におすすめ

このツールが最も力を発揮するユーザー、タスク、シーン。

ユーザー

  • 大学の研究者と大学院生:200本の論文リストが1画面で読める形になり、ギャップ表示は貢献を置ける場所を示す。BasicプランはPDFが1MBまでなので、スキャンした論文はAdvancedが必要だ。
  • SEO担当者とコンテンツ戦略の担当者:検索結果ページのグラフと自分の下書きのグラフを並べれば、競合が書いていて自分が書いていないサブトピックが見える。キーワードのクラスタリングも同じツールで済み、契約をひとつ減らせる。
  • コンサルタントと市場アナリスト:競合サイトや業界レポートを取り込み、まだ誰も結んでいない関係を探す。商用利用はAdvancedからなので、クライアント案件には月32ユーロのプランが要る。
  • 質的研究者:自由回答のアンケートやインタビューの文字起こしを、感情で絞り込み、テーマでまとめられる。最終的なコーディングは人の目が要る。ツールが出すのはパターンで、確定ラベルではない。

タスク

  • 文献レビューを地図にする:論文のフォルダをアップロードし、クラスターをたどって、本体から切り離された研究の流れを見つける。
  • 検索結果のコンテンツギャップを探す:あるクエリのGoogle検索結果を上位40件から100件取り込み、橋渡しのないクラスターの組を探す。
  • アンケートの自由回答をテーマ分析する:CSVを読み込み、列の値で絞り込み、回答を手作業でタグ付けする代わりにセグメントごとのテーマ構造を読む。
  • LLM用のナレッジグラフを作る:MCPサーバー経由でグラフを生成し、文脈として渡す。モデルは断片の山ではなく構造の上で考える。

シーン

  • 論文や長い報告書を書き始めるとき:素材を最初にグラフ化すると、どの章に根拠があり、どの論点に出典を足す必要があるかが見える。
  • クライアントサイトを競合と比べるとき:サイトごとに別のグラフを走らせ、クラスターの一覧を比べて、クライアントが一度も触れていないテーマを探す。
  • 記事を書く前の構成づくり:対象クエリの検索結果をグラフにして、つながりのないクラスターの組を選び、その隙間に向けて書く。

主な機能

テキストネットワークの可視化

テキストは語をノード、共起をエッジとする対話的なグラフになる。ノードの大きさは影響度、色はクラスター、配置は関連する概念が近くに来るように決まる。ハブになる語を外せばその下に何があるか見え、漠然としたテーマが具体的な論点に変わる。

トピッククラスターと影響度ランキング

コミュニティ検出は、いつも同じ文脈に現れる語をまとめる。長い文書は章立てではなく実際のテーマで分かれる。これはトピックモデリングを語の一覧ではなく地図の形で見るやり方だ。媒介中心性のランキングは、それがあるから離れたクラスターがつながっている語を浮かび上がらせる。どちらの表示も編集に合わせて更新されるので、書き終えた後の確認だけでなく、書く途中でも使える。

コンテンツギャップ分析

InfraNodusはクラスター間の構造的な穴を測り、順位をつける。よく育った2つのトピックの間に広い隙間があるなら、その集合の中で両者を結ぶ文章は存在しない。その不在が機会になる。内蔵AIは続いて、その隙間に向けた研究質問を書く。すでに扱われた内容の要約をもう一本増やすより役に立つ。

AIによる洞察生成

エディタには最新のモデルを使うチャットアシスタントが入る。公式によればGPT-5.4とClaude Opusを含む。読むのはグラフの構造で、生のテキストだけではない。だから回答はクラスター、ギャップ、影響の大きい語を名指しできる。クレジットは1時間単位で、Basicが40、Advancedが80、Premiumが200だ。

MCPサーバーとGraphRAG

mcp.infranodus.comのMCPサーバーは、分析エンジンをClaude、ChatGPT、Cursor、Codexなどのクライアントにつなぐ。API呼び出しを自分で書かなくても、アシスタントがグラフを作り、主要トピックを抜き、ギャップを並べ、アイデアを出す。検索の流れでは、グラフが構造化された文脈として働く。これがGraphRAGの型で、モデルは刻んだ断片の山ではなく関係を見る。

取り込み、API、拡張機能

データはPDF、Markdown、TXT、CSV、Google検索と学術検索、YouTubeの文字起こしとコメント、Amazonのレビュー、ウェブサイト、RSSフィード、Xの投稿から入る。REST APIはグラフ生成と統計を公開し、自前の処理につなげる。公式の拡張はObsidian、VS Code、Chrome、Firefox、Safariをカバーする。テキストはアイルランドのサーバーに置かれ、GDPRに従う。

メリットとデメリット

メリット

  • ギャップ検出が他と違う点だ。どの語が最も多いかではなく、どのトピック同士がつながっていないかを示す。
  • グラフはMCPサーバー経由でLLMの道具にもなる。同じ分析をClaude、ChatGPT、IDEの中で回せる。
  • 取り込み先が広い。PDF、検索結果、YouTube、Amazonのレビュー、RSSまで扱え、別途スクレイパーを用意しなくて済む。
  • 枠はテキスト1本ごとに数え、月あたりの本数は無制限だ。小さな分析を何度やっても追加料金は出ない。
  • データはEU内にあり、手法は査読論文として公開されている。学術研究やクライアント案件で説明しやすい。

デメリット

  • 無料プランはなく、14日間のトライアルだけだ。たまに使う人は結局月12ユーロを払うことになる。
  • Basicはアップロード1MB、PDF1MB、グラフ50枚までで、本格的な文献レビューには足りない。
  • AIクレジットは1時間ごとに戻る。Basicで長くアイデアを出していると40で止まる。
  • Basicでは商用利用ができない。安いプランから始めたフリーランスがここで詰まる。
  • グラフを読むには慣れが要る。媒介中心性やクラスターのラベルは、チュートリアルなしでは意味を成さない。

よくある質問

テキストをネットワークとして分析し、トピックの構造とその中の隙間を示す。文献レビュー、SEOコンテンツの計画、インタビューやアンケートのテーマ分析、競合調査、LLMに渡す構造化された文脈づくりが主な用途だ。