自然言語でデータ処理ルートを組み立てられる時代へ

データの収集・加工・連携といった処理フロー（日本でいうETLパイプライン）は、これまで専門のデータエンジニアが担う領域だった。Pythonで書かれた複雑なワークフロー管理コード、Airflowの設定ファイル、DAGと呼ばれる処理の依存関係定義——これらを一人でこなせる人材は限られており、「やりたいことはあるけど実装できない」という詰まり方をしている場面は多い。

GoogleがGoogle Cloud NEXT '26で発表し、続けて公開したData Agent Kitは、この前提を変える可能性がある。自然言語でデータ処理の流れを指示すると、本番レベルのワークフローを自動生成・デプロイできるオープンソースのツールキットで、VSCodeやClaude Codeといった使い慣れたIDEから直接操作できる設計になっている。発表内容を読むと「アナリストからMLエンジニアまで」という表現が使われており、対象をコードの深い読み書きができる層に限定していないのが特徴だ。

Data Agent Kitが実現しているのは、大きく二つの機能の組み合わせだ。一つは「Data Engineering タブ」と呼ばれるパイプライン管理UI、もう一つはAirflowのDAGを自然言語の指示から生成・デプロイ・トラブルシュートできるエージェントスキルだ。

従来、Airflowでワークフローを組むには、Pythonで処理の順序・依存関係・エラー処理を書き下ろす必要があった。Data Agent Kitではこの部分をYAMLのDSL（設定記述言語）と自然言語の指示が肩代わりする。「このCSVを毎朝8時に読み込んでBigQueryに流して、失敗したらSlackに通知する」という指示を書けば、対応するコードの骨格が生成されるイメージだ。

注目したいのは、Python不要で動かせる部分と、Pythonが書けると有利になる部分が明確に分かれていることだ。基本的なパイプラインの構築・デプロイはノーコードで進められる一方、カスタムの変換ロジックや複雑なエラーハンドリングを組み込もうとすると、生成されたコードを読み解いて修正する場面が出てくる。「処理の設計者として動く」ことと「コードを完全に理解して運用する」ことは、まだイコールではない。

動画もLPも分析も自分で回す人間にとって、データ処理の自動化は「やりたいけど後回し」になりやすい領域だ。APIからデータを引いてスプレッドシートに整形する、SNSのインサイトを定期取得して比較する——こうした繰り返し処理をスケジュール実行に乗せるだけで、毎週の手作業が消える場面は多い。

Data Agent Kitが面白いのは、その入り口が「IDE上での自然言語の記述」になった点だ。以前紹介したAIにアーキ図を自動生成させるツールが登場のように、「設計を言葉で出力させる」ことへのAIの適性は上がり続けている。今回のData Agent Kitはそれをパイプラインの実装・デプロイまで一気通貫でつないでいる。

ただし現時点では、Google CloudのOrchestration Pipelinesフレームワークに乗る前提があり、AWSやオンプレのデータ基盤にそのまま適用できるわけではない。Google Cloud環境をすでに使っている人、あるいはこれから選ぶ人にとって選択肢として入ってくる、という温度感で見ておくのが適切だろう。