AIがデータを自力で横断調査する時代へ

月曜の朝、上司から「1月の平均注文額が7%下がったのに、売上合計はほぼ横ばいだった。なぜ？」とチャットが飛んでくる。この問いが厄介なのは、答えが一か所にないからだ。

注文履歴はデータウェアハウスに、顧客情報はPostgreSQLの本番DBに、キャンペーン設定はオブジェクトストレージ上のJSONファイルに——それぞれ別のシステムに散らばっている。既存のBIツールやダッシュボードは「あらかじめ決まった問いに答える」のは得意だが、こういう横断的・探索的な問いには弱い。結局、人がSQLを書き直しながら10個のブラウザタブを開き、半日が溶ける。

Googleが公開したData Agent Kitは、このボトルネックを構造ごと変えようとしている。

Data Agent Kitは、MCPサーバー群とエージェントスキルのセットで構成されたツールキットだ。「自然言語で問いを投げると、AIが必要なクエリを自分で組み立て、複数のデータソースを横断しながら答えを探しにいく」というアーキテクチャで動く。

具体的な流れはこうだ。「客単価が下がった理由を教えて」という問いに対して、エージェントはまずデータウェアハウスの注文テーブルを調べ、次にPostgreSQLで顧客セグメントを確認し、さらにJSONファイルで該当期間のプロモーション設定を参照する。人間なら3つの異なるシステムに別々にアクセスして、クエリの方言も書き換えなければならない作業を、エージェントが自律的につないでいく。

注目したいのは「試行錯誤しながら答えを絞り込む」構造にある点だ。最初のクエリで答えが出なければ、条件を変えて再クエリする。これは従来の「事前に定義されたパイプライン」ではなく、探索型の分析に近い動き方をする。

Googleはこれを「アジェンティック・アナリティクス（Agentic Analytics）」と呼んでいる。日本語でいうなら「AIが自律的に調査を回す分析」というイメージが近い。先日のASADASHIで紹介したGitHub Copilotが複数AIを同時に動かす新技術とも発想が重なる部分があり、「人が管理するのではなく、AIに調査そのものを委ねる」方向への流れが加速している。

Data Agent Kitはdev向けのツールであり、「コードが少し書ける人」を前提にした設計だ。ただし、ハードルは思っているより低い。

コードなしでできることはほぼない。ただし「拡張を入れてドキュメント通りに設定する」程度なら、SQLが読める・書けるレベルで十分に入門できる。

コードが書けると有利なことは大きく3つある。ひとつ目は自分のデータソースへの接続設定。どのDBに・どの認証情報で・どのテーブルを参照させるかを設定ファイルに書く作業が必要になる。ふたつ目はエージェントスキルのカスタマイズ。「この種の問いにはこのデータを優先して見ろ」という指示をスキルとして追加できる。三つ目は既存のIDEワークフローへの統合。VS Code系のエディタ（CursorやAntigravity IDE）への拡張として提供されているため、いま使っている開発環境にそのまま組み込める。

以前紹介したターミナルで動くオープンソースのAIコーディングエージェント登場と組み合わせて使うような構成も、設定次第では視野に入る。