生成AIやAIエージェントの実用化が進む中で、「専門家の手を借りずに誰もが自律的にデータを扱える時代」が近づいている。Googleが提供するAIエージェントは、分析業務の在り方をどう変えるのか。
「データの民主化」が議論されて久しい。生成AI（AI：人工知能）の実用化が進むことで、自然言語による対話を通して“誰もがAIの力を借りてデータを活用できる世界”が現実味を帯びてきた。
しかし現場では、依然として分析業務の多くを専門家に頼らざるを得ず、データからビジネス価値を引き出すまでに時間がかかるのが実情だ。こうした状況を打開する存在として注目されるのが、自律的にタスクを遂行する「AIエージェント」だ。AIエージェントの活用により、データ活用のハードルは一層下がると期待されている。
Googleは、自律的なデータ分析を実現するAIエージェント群を「データエージェント」として提供する計画だ。企業が抱えるデータ活用の課題は、どこまで解消されるのか。分析業務の在り方は、今後どう変わるのか。
Googleのクラウド部門Google Cloudでデータ分析領域のカスタマーエンジニアを務める山田裕人氏は「データは持っているだけでは意味がなく、価値に変えてこそ意味がある」と強調する。
従来のデータ分析業務において、整形されていないローデータ（生データ）のクレンジングや検証には、データベース言語SQLの記述やプログラミング環境Jupyter Notebookでのコード実装が必要だった。そのため、現場の担当者は都度データエンジニアやデータサイエンティストに依頼する必要があり、こうした属人化が業務全体のボトルネックになっていた。
AIエージェントを活用すれば、データのクレンジングから予測モデル作成までの一連の工程を業務部門側が自然言語で完結できるようになる。その結果、データがビジネスの価値に変わるまでのリードタイムは大幅に短縮される。
データ専門家の業務は、定型的な作業やユーザーへの個別対応から「AIエージェントが活躍できる環境づくり」へとシフトしていく。具体的には、AIエージェントが参照するデータ基盤の整備、AIエージェントがデータの意味やコンテキストを理解するためのセマンティックレイヤーの整備、データ品質の改善などだ。
AIエージェント導入の成果は、業務効率化やコスト削減にとどまらない。これまで時間やスキルの制約から困難だった高度な分析が可能になる他、専門家以外もデータにアクセスできるようになり、業務に多様な視点が取り込まれるといった「攻めの価値」も期待できる。
山田氏はAIエージェントを構成する3つのコンポーネントについて解説する。
AIエージェントは、基本的に1つの目的を遂行するよう設計されている。そのため複数のエージェントが連携し、チームとしてタスクを解決するのが一般的な構成となる。こうした複雑な連携を内包しながらも、ユーザーは自然言語で依頼するだけで目的を達成できる。これがAIエージェントの大きな特長だ。
Googleはこうした自律的なデータ分析を担うAIエージェント群を「データエージェント」としてマネージドサービスで提供する計画だ。具体的には以下の4種がある。
データエンジニアリングエージェントは、従来データエンジニアが手動で進めてきたデータ準備作業を代行する。例えば、オブジェクトストレージ「Google Cloud Storage」（GCS）からデータウェアハウス（DWH）「BigQuery」へのデータ取り込みや前処理を自然言語で依頼すれば、自動でデータパイプライン（分析用のデータを準備するための一連の工程）を構築してくれる。
データエンジニアリングエージェントを構成する機能は以下の通り。
AIエージェントの登場で、従来より多くの人がデータを活用するようになると見込まれる。それに伴い、データガバナンスの重要性は一層高まる。データガバナンスエージェントは、AIエージェントが扱う業務知識（ナレッジベース）や参照権限を管理し、回答の信頼性と一貫性を確保する役割を担う。
データガバナンスエージェントを構成するコンポーネントは以下の通り。
AIモデルの構築や実験プロセスを効率化し、分析のスピードと精度を高める役割を担う。具体的には、Jupyter Notebook環境でのデータラングリング（データの整形・加工）やデータ探索（EDA：データの特性や構造の理解）、予測モデル構築といった一連のデータサイエンス業務を支援する。
例えば、「テーブルAのデータをベースに売上予測モデルを作成して。エンジンは『Spark』、モデルは『TimesFM』を使って」と指示すると、Pythonのコードテンプレートを自動生成してくれる。一から書くより工数の削減になり、必要に応じて手直しも可能だ。
自然言語による対話型のデータ分析を実現し、誰でも分析を使える環境を提供する。単なる質問への回答にとどまらず、グラフの作成、予測、算出したデータの根拠まで出力できる。データ分析ツール「Looker Studio Pro」から利用可能になる計画だ。
カンバセーショナルアナリティクスエージェントは以下のような機能で構成される。
図 Google Chatの画面から「今週の売り上げを基に予測して」と依頼すると、エージェントが回答と併せてグラフも表示。「これは登録されたカスタマーのみが対象です」といった、どのデータに基づいて計算したのか補足説明もしてくれる。（出典：Google Cloud資料）《クリックで拡大》紹介したデータエージェント以外にも、セキュリティ面への懸念から、今後は「自社専用のデータエージェントを社内サーバに構築したい」というニーズも増えてくると山田氏は見込む。Googleのこうしたニーズに応えるため、以下のようなツールを提供予定だ。
Google Cloudは今後も、データの収集から活用までをエンドツーエンドで支援する製品群を拡充していく方針だ。例えば、データの収集にはデータ連携サービス「DataStream」、蓄積と分析にはBigQuery、データガバナンスにはDataPlex、処理のオーケストレーションにはワークフロー自動化ツール「Composer」を活用する。これらの各ツールとデータエージェントを連携させることで、スピード感のある活用が可能になる。
「データエージェントが登場しても、データ分析の基本的な流れやツール構成が大きく変わるわけではありません」と山田氏は話す。これまで通りの構成にデータエージェントを組み込むことで、各処理の自律化が進み、分析業務全体のスピードや効率が高まる。これこそがデータエージェントの本質的な価値だ。
Copyright © ITmedia, Inc. All Rights Reserved.
なぜクラウド全盛の今「メインフレーム」が再び脚光を浴びるのか
メインフレームを支える人材の高齢化が進み、企業の基幹IT運用に大きなリスクが迫っている。一方で、メインフレームは再評価の時を迎えている。
「サイト内検索」＆「ライブチャット」売れ筋TOP5（2025年5月）
今週は、サイト内検索ツールとライブチャットの国内売れ筋TOP5をそれぞれ紹介します。
「ECプラットフォーム」売れ筋TOP10（2025年5月）
今週は、ECプラットフォーム製品（ECサイト構築ツール）の国内売れ筋TOP10を紹介します。
「パーソナライゼーション」＆「A／Bテスト」ツール売れ筋TOP5（2025年5月）
今週は、パーソナライゼーション製品と「A／Bテスト」ツールの国内売れ筋各TOP5を紹介し...
ITmediaはアイティメディア株式会社の登録商標です。
Googleの山田裕人氏
