「AIがSQLを書いてくれる」で終わらせない − 分析基盤の育て方

トリビューでCTOをしている小尾（@obiyuta）です。 弊社ではAIを前提とした全社業務の再構築に取り組んでおり、前回はその中で取り組んでいる社内MCPを載せる共通基盤（認証・認可・ログ）をご紹介しました。 今回は具体的な活用事例として、非エンジニアが自分で本番データを分析できるような分析基盤と、作って終わらない改善ループをどう構築、運用しているかご紹介します。 「SQLが書ける」と「正しく答えられる」は違う 分析基盤そのものは特殊なものではなく、ClaudeやNotion AIなどから自然言語で問いを投げると、SQLを組み立てて、BigQueryで実行して結果を返すという、至ってシンプルな仕組みです。実際にこういったtext-to-SQLの事例は各社でも紹介されており、もう特別なことではなくなってきました。 一方で、意思決定をするにあたって必要な情報を正しく安全に提供するためには、「

[harumomo2006]

昔はAIは無かったけどAccessでマウスグリグリしてSQLに変換してそれをコードにコピーしてたな

[stabucky]

テーブルもクエリもぐちゃぐちゃのAccessがある。AI使うにも影響が怖くて触れない。こうなると手作業でちまちまやっていたものをAIで自動化する方が簡単。

[Eiichiro]

こういう仕組作りたいよねぇ。(まだ未整備な状況を鑑みながら)metabaseとdbtでここまで育てれないか考えたい。

[shoh8]

面白い。ちゃんと読む

[fuji_haruka]

面白い

[hasiduki]

へーへーへー！！！！！！！これに加えて統計解析があるんだろ？？？？？？むずー！！！！！！

[obiyuta]

前回に続いて書きました🎄