このAIはスプレッドシートをアプリに変えます。

スプレッドシートは本来、意思決定が行われる場所であるべきでした。それが今やデータの墓場となってしまいました—何千もの行、何十ものタブ、そして「ステータス」、「オーナー」、「作成日時」といった暗号のような列が静かに重要なメモ、通話の結果、そして誰も見ようとしないサポートチケットを飲み込んでいます。CRMもあまり助けにはなりません；同じテーブルをより重たいユーザーインターフェースで包むだけです。

ほとんどのチームはこの状態にあります：データは豊富でも洞察は貧弱。営業はすべての通話を記録し、マーケティングはすべてのクリックを追跡し、サポートはすべてのチケットにタグを付ける。しかし、誰かが「先週何が実際に変わったの？」と尋ねると、部屋は静まり、誰かがVLOOKUPと格闘する羽目に。貴重なコンテキストは、フィルタリングやグループ化、手作業でのチャート作成に時間がない自由形式のメモ、タイムスタンプ、ステータスフィールドに隠れています。

手動分析は深刻な認知的負荷を要求します。「過去30日間で最も多くの有 qualified リードを生み出したキャンペーンはどれですか？」という質問に答えるためには、日付範囲、セグメント、そして「有 qualified」の定義を頭の中で組み合わせながら、ピボットテーブル、フィルター、そして部分的に壊れたチャートを縫い合わせる必要があります。次の質問—「では、地域別はどうですか？」—が出ると、その精神的体操を再び始めなければなりません。

そのオーバーヘッドは、基本的な質問をミニプロジェクトに変えます。人々はデータそのものを詳しく調べるのではなく、生のテーブルをスライドにスクリーンショットします。ダッシュボードが存在する場合、それはいくつかの事前に用意されたビューを時間の中で凍結させる一方で、他の全てはCSVエクスポートや忘れ去られたGoogleシートの中で腐っています。

さあ、すべてを飛ばしてデータと直接会話することを想像してください。「先週のコール数を前の2週間と比較して」と尋ねれば、AIエージェントがあなたのGoogleシートやCRMから情報を引き出し、インタラクティブなチャートと概要指標を返してくれます：4,800件のコール、4,200件のアポイントメント、トレンドライン、そして何が変わったのかを説明する短いナラティブが付いています。

これはデータ入力からデータ対話へのシフトです。システムに行を放り込んで誰かがそれを分析してくれることを願うのではなく、ビジネスユーザーは積極的な質問者になります。「見込み客からの主な反対意見を示して」「解約リスクのあるアカウントを強調して」「応答時間の異常値を浮き彫りにして」。インターフェースは静的な表から、応答性のある対話型の存在へと変わります。

n8nのようなツールとThesis.devを組み合わせることで、この効果がさらに向上します。既存の自動化はスプレッドシートに書き込み続けますが、AI駆動の生成的なUIレイヤーがその静的なグリッドを生きたダッシュボードに変え、応答するようになります。

あなたの新しいAIデータアナリストに出会いましょう：ソフトウェアというよりも、実際にあなたのスプレッドシートを読み込む同僚のように振る舞う三部構成のスタックです。n8nは自動化の頭脳として機能し、Google Sheetsは記憶を保持し、Thesis.devは回答をクリック、ホバー、探索できるダッシュボードに変える声と顔を提供します。

n8nの内部で、分析のためのAIエージェントがこのスタックの中心に位置しています。これは、シートからの生データを受け取り、「先週のコールボリュームを前の2週間と比較して」といった自然言語のプロンプトを理解し、どの分析を実行するかを決定します。そして、Thesis.devが即座に表示できるような、チャート、KPI、および物語的な洞察を説明する構造化されたレスポンスを返します。

手動でスキーマを構築したりチャートライブラリを設計する代わりに、音声エージェントのログ、ウェブスクレイピングで得たリード、通話統計など、既存のデータをエージェントのワークフローに統合します。エージェントは日付範囲でフィルタリングしたり、結果ごとにグループ化したり、「4,800件の通話から4,200件のアポイントメントが生まれた」といったパターンを引き出すことができますが、SQLやピボットテーブルに触れる必要はありません。あなたが話すと、それがクエリとビジュアルに変換されます。

Thesis.devは、エージェントの出力を取り込み、インタラクティブなコンポーネントに変換する生成的UIレイヤーとして機能します。一つの応答から生成できるものは次の通りです： - コールボリュームの時系列チャート - 総コール数、アポイントメント、コンバージョン率のKPIカード - 主な反論の一覧表 - 推奨される次のステップを含む短いテキスト要約

従来のBIツールであるTableauやPower BIは、事前のモデリング、データウェアハウス、ダッシュボードを管理する専門家を必要とします。CSVをインポートし、次元を定義し、結合を調整してから、新しいレポートができるまで数日、あるいは数週間待たされます。新しいステークホルダーからの質問は、すべてバックログの別のチケットとなります。

このAI駆動のスタックは、そのダイナミクスを逆転させます。一度接続すれば、同じワークフローで追加のモデリングなしに数十の新しい質問に答えます。「エージェント別のパフォーマンスを表示」、「離脱のあった日をハイライト」、「予約されたコールでキャンペーンをランク付け」。数秒で新しいダッシュボードが得られ、長時間の作業は不要です。

スピードが主要な特徴となります。非技術系のチームは、タイプする速さでライブの運用データを照会できる一方で、n8nとThesis.devは裏で静かに配管、レイアウト、タイムスタンプを処理します。

生成的ユーザーインターフェースとは、AIが段落で回答するのをやめ、インターフェースで回答し始めるときに起こります。長いテキストの壁の代わりに、「先週のコールボリュームを前の2週間と比較する」といった単一のプロンプトからチャート、カード、テーブル、完全なダッシュボードが現れるのです。

内部では、AIはピクセルを描画することはありません。代わりに、画面がどのように見えるべきかの構造化された説明を生成します：「日々のコールの棒グラフ、x軸は日付、y軸はコール数、過去7日間をハイライト、総コール数とアポイントメントのための2つのKPIカードを追加し、短いナarrativeサマリーを付ける。」そのJSONのようなスキーマはThesis.devに送られ、ブラウザ内ですぐにUIがレンダリングされます。

Thesis.devを、LLMに接続されたリアルタイムのフロントエンドエンジンだと考えてください。n8nがGoogle SheetsやCRMから生データをリアルタイムで供給し、AIエージェントがどのビジュアルが適切かを判断します。そして、Thesis.devがそれをインタラクティブなダッシュボードに変換します。コードに手を触れずに、ホバー、フィルター、スタイル変更が可能です。Reactコンポーネント、CSS変数、ビルドステップは不要です。

提案は非常にシンプルです：フロントエンド作業ゼロ。あなたの望むものを自然な言葉で説明すると、システムは以下を生成します： - レイアウト - ビジュアルコンポーネント - バウンドデータとインタラクション

「今月の見込み客からの主な異議を教えて、週ごとにトレンドを示してほしい」と言えるなら、実用的な分析UIを提供できるでしょう。

アナロジーとして、スピードランナーのアーティストに絵を描くのを説明することを想像してください。 “背景を暗くして、中央に明るい赤い線を加えて、ピークを注釈してください。” ジェネレーティブUIはそれを実現しますが、ここでの「絵画」は、タイムスタンプ、フィルター、メトリックに駆動されるライブデータコックピットです。

自分でこれを配線する方のために、n8nはオーケストレーションとAIプロンプトを処理し、Thesis.devはレンダリングを担当します。公式のチュートリアル：n8nでAIワークフローを構築する（公式n8nドキュメント）では、Thesis.devのような生成UIレイヤーが期待する構造化された応答を生成するAIエージェントを作成する方法が説明されています。

ダッシュボードやチャートの前に、キャンバスが必要です。このビルドでは、そのキャンバスはn8nです。これは、すべてのロジックがフローチャート上のノードとして存在するビジュアル自動化プラットフォームです。まず、無料のn8nクラウドアカウントにサインアップし、「新しいワークフロー」をクリックして、空のエディターにたどり着きます。そこには、接続を待っている孤独なエントリーポイントが1つだけあります。

cronジョブやウェブフックの代わりに、このシステムは会話から始まります。n8nのチャットトリガーノードはフロントドアとして機能し、Thesis.devインターフェースから届くすべてのメッセージをキャッチし、それをワークフローの構造化された入力に変えます。「チャットトリガー」を最初のノードとして追加することで、n8nに「ユーザーが質問を入力するたびに、このフローを開始してほしい」という指示を出したことになります。

そこから、脳を追加します。n8nには、言語モデル、メモリ、ツールを1つのオーケストレーターにまとめたAIエージェントノードが付属しています。「AIエージェント」を検索し、次のステップとして追加すると、n8nが自動的にそれをチャットトリガーにリンクし、すべてのユーザーのクエリがエージェントに直接ルーティングされるようになります。

初期設定では、チャットモデルの選択と資格情報の設定に焦点を当てます。AIエージェントノードでは、チャットモデルプロバイダー（例えば、OpenAI互換）を選択し、新しい資格情報を作成します。その際、標準のOpenAIキーの代わりにThesis.devのC1ミドルウェアからAPIキーを貼り付けます。また、全てのモデル呼び出しが生成UIレイヤーを通過するように、ベースURLをapi.openai.com/v1からThesis.devエンドポイントに更新します。

その2つのノードが配置されると、アプリの骨格が存在します：ユーザーメッセージ → チャットトリガー → AIエージェント → 応答。追加の動作—Google Sheetsへのクエリ、日付範囲によるフィルタリング、通話統計の集計、ダッシュボード用の出力のフォーマット—はすべてこのスパインからの新しいノードやブランチになります。あなたは関数を書いているのではなく、ロジックを描いているのです。

視覚的なノードベースのモデルを理解することは重要です。各ノードは特定のアクションを表し、接続はデータの流れを定義します。これにより、「先週の通話を前の2週間と比較する」という質問が、トリガーやエージェント、データフェッチを経てどのように流れ、最終的にレンダリングされたダッシュボードに出力されるかを実際に見ることができます。

このステップをあなたのAIに眼鏡をかけさせることだと考えてください。リクエストを送る場所を変更しない限り、あなたのn8n AIエージェントはOpenAIのデフォルトAPIに接続された別のチャットボットに過ぎず、レイアウト、チャート、またはダッシュボードのアイデアには目が見えていません。

エージェントを api.openai.com に向けるのではなく、Thesis.dev に再指向します。AIエージェントノードで新しいチャットモデルのクレデンシャルを追加し、OpenAIを選択して、あなたのThesis.dev APIキーを貼り付けます。次に、リクエストがOpenAIのサーバーではなくThesis.devのミドルウェアエンドポイントに届くように、Base URLフィールドを上書きします。

その単一のフィールドの置き換えが生成的UIを解き放ちます。Thesis.devはAPIプロキシとして中央に位置しており、エージェントのプロンプトをインターセプトし、コンポーネント、スタイル、レイアウトに関する指示を注入し、洗練されたプロンプトを基盤となるLLMに転送します。LLMが応答すると、Thesis.devはその応答をUI対応のスキーマに再フォーマットし、フロントエンドがチャート、カード、テーブル、または完全なダッシュボードとして表示できるようにします。

テキストの塊の代わりに、エージェントはビジュアルを説明する構造化されたJSONを返します。例えば、「先週のコールボリュームを前の2週と比較する」というクエリは次のようになります： - x軸に日付、y軸にコール数を表示した折れ線グラフの仕様 - 総コール数とアポイントメントのKPIカード（例：4,800コール、4,200アポイントメント） - 説明的なインサイトと推奨される次のステップ

この設定を行うには、Thesis.devにアクセスして無料アカウントを作成してください。ログインしたら、アカウントメニューを開き、APIキーをクリックして新しいキーを生成します（「n8n‑test」など、用途を思い出せる名前を付けてください）。そのキーをコピーし、n8nのOpenAI認証情報のAPIキー欄に貼り付けてください。

ベースURLを修正してください。デフォルトでは、n8nは`https://api.openai.com/v1`で設定されています。その値を、Thesis.devのドキュメントまたはダッシュボードに記載されているエンドポイントに置き換えてください。これ以降、すべてのAIエージェントの呼び出しはOpenAIに直接アクセスするのではなく、Thesis.devのミドルウェアを介してルーティングされます。

もう一つ重要な要素として、AIエージェントの後にシンプルメモリノードを追加してください。メモリ機能により、エージェントは以前の質問、フィルター、エンティティを記憶することができ、「今、それを担当者別に分解して」や「先月だけ表示して」などのフォローアップが、同じデータセットとタイムスタンプに関連付けられます。これがないと、すべての質問が新たなスタートとなり、「ダッシュボードとの会話」は孤立した記憶喪失のクエリの連続に変わってしまいます。

AIエージェントはあなたのスプレッドシートを魔法のように「見る」ことはできません。彼らはツールが必要です。これは、要求に応じて外部システムを読み取り、書き込み、検索するための明示的な機能です。n8nのAIエージェントでは、ツールはロードアウトのように機能します。あなたはモデルが呼び出すことのできるサービスを決定し、n8nはそれらを安全でパラメータ化された操作として公開します。

n8nでAIエージェントノードを開き、ツールタブに移動します。新しいツールを追加し、基本的なアクションとしてGoogle Sheetsノードを選択します。これにより、既に知っているSheets統合が、ユーザーが「先週の通話量を見せて」と尋ねたときのように、会話の途中でエージェントが呼び出すことのできるものに変わります。

アクセスを許可するには、そのツールの設定から直接 Google Sheets の認証情報を作成または選択します。n8n は、Google アカウントでサインインし、ローボールログ、リードデータ、またはパフォーマンス指標を保存するスプレッドシートを読み取るためのスコープを承認するように促します。承認されると、エージェントはそのドキュメントへの安全で取り消し可能なアクセス権を持つことになります—それ以上ではありません。

次に、エージェントに使用してほしい正確なデータセットを指定します。設定内容： - ボイスエージェントログのスプレッドシートIDまたはURL - 特定のシート名（例：「Calls_2024」） - 範囲またはモード（「すべての行を読み取る」など）

列（日付、発信者ID、結果、タイムスタンプ）を制約することもでき、無関係なノイズをモデルに流し込むのを避けることができます。これらのガードレールは、AIが正確に質問に答えるのを助け、ダッシュボードをスムーズに保ちます。

エージェントの視点から見ると、データに関連するあらゆる自然言語の質問はこのツールを経由します。「過去7日間に予定されたアポイントメントを教えて」と尋ねると、AIはGoogle Sheetsノードにアクセスし、該当する行を取得し、Thesis.devに構造化された概要を渡します。Thesis.devはそれを自動的にチャート、カード、またはテーブルに変換します。

同じツールパターンはシートを超えてスケールします。Airtableノードを使ってベースをクエリしたり、PostgreSQL/MySQLノードを使ってパラメータ化されたクエリで本番のSQLデータベースにアクセスすることができます。これらの自動化を接続する方法について詳しく知りたい方は、n8nを使ったAIワークフローの構築方法 – freeCodeCampが、この生成的なUIスタックにぴったりと組み込まれる高度なパターンを詳しく解説しています。

ワークフローがダイアグラムから生きたプロダクトのように振る舞い始めるとき、力がようやく訪れます。それは、AIエージェントがどのように話し、聞き、実際のユーザーのためにオンラインでいるかを制御する、いくつかの見かけ上は小さなスイッチによってn8nで実現されます。

レスポンスの速さを最優先にしましょう。チャットトリガーとAIエージェントノードの両方でストリーミングをオンにする必要があります。ストリーミングをオフにすると、ユーザーはモデルが全ての応答を終えるまで空白のUIを見つめることになりますが、ストリーミングを利用することで、Thesis.devはモデルが考えている間にリアルタイムで部分的な出力を表示し、チャートやカード、説明が徐々に現れます。

Chat Triggerノードでストリーミングを有効にして、n8nが全体の応答をバッファリングするのではなく、トークンが届くたびに転送するようにします。次に、AIエージェントノードを開き、そこでもストリーミングを切り替えます。これにより、基盤となるThesis.devエンドポイントにデータを段階的に発信するよう指示します。これらの2つの設定を組み合わせることで、ダッシュボードは「送信して待つ」から、まるでライブアナリストがタイピングして返答しているかのような体験に変わります。

インタラクティビティは信頼性にも依存します。n8n Cloudでワークフローを常時オンモードに設定するか、自己ホストされたインスタンスが常に稼働していることを確認して、公開エンドポイントが夜間にダウンしないようにしてください。データが乱雑になったりAPIに問題が発生したりすることを予想している場合は、基本的なエラーハンドリングノードを追加してください。特にGoogle Sheetsが数千行を超える場合は注意が必要です。

ストリーミングと安定性が設定されたら、ワークフローの アクティブ化 をクリックします。n8n はそれをライブエンドポイントとして公開し、パブリックURL を提供します。通常、これは外部アプリからのPOSTリクエストを受け入れるウェブフックスタイルのリンクです。

このウェブフックURLをすぐにコピーしてください。このアドレスは、あなたのn8nバックエンドとThesis.devフロントエンドの間の架け橋となります。Thesis.devの設定に貼り付けることで、生成されたUI内のすべてのユーザー問い合わせがあなたのAIエージェントに直接ルーティングされ、リアルタイムで構造化されたUIコンポーネントが返されます。

あなたのデータとの最初の実際の接触は thesis.dev/n8n で行われます。最小限のフロントエンドが用意されています：1つのURLフィールドと1つのチャットボックスです。上部のフィールドにあなたのn8nウェブフックURLを貼り付けて保存をクリックすると、ブラウザタブがあなたが構築したワークフローと直接対話するようになります。

先週のコール件数を前の2週間と比較してください。その一文が完全なリクエストパイプラインになります：Thesis.devがそれをn8nに送信し、あなたのAIエージェントがGoogle Sheetsにアクセスして正しい行を引き出し、テキストの塊ではなく構造化された回答を返します。

レスポンスが返ってくると、Thesis.dev はただ数字を表示するだけではなく、3週間にわたるコール数の比較チャートを描画します。ホバー可能なポイントとラベル付きの軸があり、日々の変動や週ごとの増減を一目で確認できます。

チャートの上または横には、ストーリーを要約したKPIカードが表示されています。このデモでは、これらのカードには4,200件のアポイントメントや4,800件のコールなどの合計が含まれており、以前は行とタイムスタンプだけだった同じライブシートから計算されています。今では、ハックされたスプレッドシートのビューというよりも、SaaS分析ツールのダッシュボードのような感覚になっています。

下にスクロールすると、UIが物語の文脈を追加します。エージェントは、コールボリュームが上昇しているのか下降しているのかを説明し、急増や急減を指摘し、特定の日にエージェントのキャパシティを増やす、あるいはコールボリュームに対してアポイントメントが遅れている場合はリードの質を再確認するなどの次のステップを提案することがあります。

ここから、積極的に実験してください。以下の質問をしてみてください： - 「過去30日間の完了したアポイントメントによるトップパフォーマンスのエージェントを表示してください。」 - 「最も一般的なコール結果とそのコンバージョン率を表示してください。」 - 「コールと予約されたアポイントメントの間で異常なドロップオフがあった日を強調表示してください。」

新しい質問ごとに同じスタックを再利用します：n8nがオーケストレーションを行い、Google Sheetsがデータを提供し、Thesis.devがインターフェースを自動生成します。タイムシリーズチャートからセグメント化された棒グラフ、KPIカードから詳細テーブルへ、チャートビルダーに触れることも、フロントエンドコードの1行も書くことなく、自由に移動できます。

突然、これはシンプルなAIデモではなく、販売可能な製品に見えてきます。SheetsとThesis.devに接続されたAIエージェントを持つことで、再利用可能なテンプレートを実質的に構築したことになります。新しいデータソースを接続し、プロンプトを調整し、クライアントにログインを提供して、「AI駆動の分析」のために月額料金を請求できます。

自動化エージェンシーや個人フリーランサーは、これを「AIアナリティクスコックピット」として定額サービスにパッケージ化できます。あなたはデータの整備とプロンプトデザインを担当し、クライアントは「チャンネルごとの月次収益を表示」とか「今週の販売担当者のパフォーマンスはどうか？」などの質問ができるプライベートURLを手に入れ、ダッシュボードがリアルタイムで表示されるのを楽しむことができます。

スタートアップはこれをライブのセールスコックピットとして利用するかもしれません。n8nをHubSpotやPipedriveに接続し、5分ごとにGoogle Sheetsと同期させて、創業者が「先週、どのアウトバウンドシーケンスが$5k ARRのデモを生み出しましたか？」と問いかけることができます。システムはコンバージョンファネル、リプレ代表のリーダーボード、そして取引が停滞している場所に関する短いナarrティブで応えます。

マーケティングエージェンシーは、クライアントごとにリードパフォーマンストラッカーを販売できます。広告プラットフォームのデータ、ランディングページのイベント、CRMの結果を統合シートに流し込み、次のような質問を可視化します： - 「どのキャンペーンがチャンネルごとに最も安価なSQLを生み出していますか？」 - 「私たちのトップ3の広告セットのクリエイティブの飽和状態を示してください。」 - 「今週のCPLを4週間の平均と比較してください。」

Eコマースブランドは、BIチームを雇うことなく運営の概要を把握できます。n8nは、注文、返金、在庫、サポートチケットを取り込み、AIコックピットが「どの製品が80％の返品を引き起こしているのか？」や「今日のAOVが30日間の中央値の20％以下に下がった場合に警告してください」といった質問に答えます。あなたはCSVの代わりに、取締役会に出せるダッシュボードを提供します。

価値は、BIのタイムラインを数ヶ月から数時間に圧縮することから生まれます。従来のダッシュボードは、スキーマ設計、ETLパイプライン、フロントエンド作業を必要としますが、このスタックは生成UIを利用して、生のデータからインタラクティブなチャート、カード、そしてタイムスタンプ駆動のレポートを単一のワークフローで実現します。ハイブリッドAIと静的モニタリングを希望するクライアントのために、n8nDash – n8n向けのオープンソースダッシュボードのようなコミュニティツールと組み合わせることも可能です。

価格設定は単純明快になります：初期コックピットの設定費用に加えて、メンテナンス、新しい質問、追加データソースのための定期的な料金がかかります。「n8nワークフロー」を売っているのではなく、常に稼働する会話型分析を提供しているのです。

Composable AI は、この n8n + Thesis.dev のセットアップの背後に隠れているパターンです。全てを一つのモデルやプラットフォームに頼るのではなく、小さく専門化されたサービスを組み合わせます。n8n はオーケストレーションとロジックを担当し、Google Sheets はストレージを、Thesis.dev は 生成的 UI を担当します。それぞれのパーツは特定の仕事を非常に良くこなし、次のパーツに引き渡します。

モノリシックな「AIプラットフォーム」はエンドツーエンドの魔法を約束しますが、すぐに陳腐化し、彼らの作業方法にロックインされます。コンポーザブルスタックは現代のウェブアプリのように振る舞い、全てを壊さずにより良いコンポーネントを交換します。今日の組み合わせはn8n + Thesis.devですが、明日にはSheetsをPostgresの倉庫に置き換えたり、ベクターデータベースを追加したりして、UIレイヤーには手を触れずに済むかもしれません。

このパターンは、ソフトウェアを構築できる人々を静かに変えています。無料のn8nクラウドアカウント、Googleスプレッドシート、Thesis.devのAPIキーを持つ個人オペレーターが、以前はフルスタックエンジニア、データ可視化スペシャリスト、フロントエンドチームが必要だったAIダッシュボードを作成できるようになりました。ノードをドラッグし、キーを貼り付け、動作を自然言語で説明することで、ReactやSQL、チャート設定を手で書く必要がなくなりました。

非開発者は、コードの壁の代わりに機能のメニューを手に入れます。ダッシュボードを超えたいですか？次を追加できます： - フォローアップをトリガーするリードスコアリングエージェント - 担当者別の通話タイムスタンプを要約するQAコパイロット - あなたのデータのキュレーションされた部分を公開するクライアント向けポータル

すべてが同じコンポーザブルなバックボーンを再利用します。

あなたはすでに材料を持っています：乱雑なスプレッドシート、半分使われたCRM、誰も開かない孤立したレポート。ワークフローを複製し、自分のデータに向けて設定し、thesis.dev/n8nでThesis.devのフロントエンドを接続してください。行や列だけでは決して答えられない質問を始め、あなたの将来の競争相手が今まさに静かに構築しているようなAI駆動のツールを生み出しましょう。

Thesis.devとは何ですか？

Thesis.devは「生成的UI」プラットフォームです。AIモデルからの構造化出力を受け取り、それを自動的にインタラクティブなユーザーインターフェースコンポーネント、例えばチャート、テーブル、ダッシュボードとしてレンダリングし、手動でのフロントエンドコーディングの必要を排除します。

このチュートリアルに従うためにコーディングスキルは必要ですか？

いいえ。このワークフローはn8nのビジュアルでノードベースのインターフェースを使用して構築されています。ノードを設定し、AIにテキストプロンプトを提供しますが、従来のプログラミングは必要ありません。

このAIダッシュボードはどのようなデータと連携できますか？

n8nがサポートする任意の構造化データソースに接続することができます。これにはGoogle Sheets、Airtable、HubSpotなどのCRM、または任意のSQLデータベースが含まれます。基本的な要件は、データが行と列の形式であることです。

このプロジェクトにn8nは無料ですか？

はい、n8nは無料のクラウドプランを提供しており、このワークフロー全体を構築しテストするのに十分なクレジットが含まれています。より大規模な使用や本番環境向けには、有料プランや自己ホスティングオプションも用意されています。