AIに頼りすぎない新人育成術

【予告】
「UNION ALLしかできないです」
ある日、新人Tは最終試練として難易度MAXの広告データ統合を任された
G〇〇gle広告、Yah〇〇!検索広告、Micr◯s◯ft広告……
三つのAPIが絡む地獄のマルチチャネル。
BigQueryの画面を睨む日が続いたが答えはでない・・・

そこに現れたのはChatGPTという名の
「頼れるんだか頼れないんだかよくわからない相棒」
これは、新人と生成AIが起こす、全く新しい奇想天外コメディ

本資料は8月8日の生成AI活用で開発生産性を爆上げNightで発表されたものです。
https://contrea.connpass.com/event/360975/

1. 〜どっちが師匠?生成AI VS メンター 〜
 広告データ統合プロジェクトが生んだ、 
 AIに頼りすぎない新人育成術 
 株式会社キュービック テクノロジーエキスパートセンター Tech Lead/データエンジニア 尾﨑勇太 2025.08.08 開示範囲:公開ドキュメント 
 1
2. 自己紹介 2 株式会社キュービック 役割：Tech Lead/データエンジニア 名前： 尾﨑 勇太（おざき ゆうた） 覚え方：尾崎豊(おざきゆたか)と一字違い 　　　 業務領域 「データに関わる全て」 X：@waichang111 DATA Saber 2025年6月〜
3. 3 　「UNION ALLしかできないです 」
 ある日、新人Tは最終試練として 難易度MAXの広告データ統合 を任された
 G〇〇gle広告、Yah〇〇!検索広告、Micr◯s◯ft広告…… 
 三つのAPIが絡む地獄のマルチチャネル。 
 BigQueryの画面を睨む日が続いたが答えはでない・・・ 
 そこに現れたのはChatGPTという名の 
 「頼れるんだか頼れないんだかよくわからない相棒」 

4. 登場人物 4 データエンジニア見習い 実現可用性調査を担当 ChatGpt モデル：4O 新人君のよき相談相手 新人T君 技術メンター データエンジニア 新人T君育成/全体統括 視点
5. 5 やることなすこと、全部 UNION ALL に戻る
 でも、諦めなかった。
 ──これは、新人と生成AIが起こす、
 全く新しい奇想天外コメディ 

6. と・・・思われたが・・・ 6 プロンプトの 履歴残ってる？ えっ消しました よね？
7. 大丈夫再現できるよね！・・・しっかり学習されていた 7
8. どうする・・・・ 8 それならめっちゃ あるわ 逆に裏話を公開す るというのは？
9. ネタバレ_概要(解決すべきテーマ) 9 Cloud Run functions 1.スキーマの構造が異なる3つの媒体のデータがBigQueryに存在 2.事前にデータ結合と再蓄積を行うのはNG 3.BIツール上から動的に3つの媒体のデータを結合して可視化せよ
10. ネタバレ_結論 10 Cloud Run functions UI上の媒体フィルタに連動して、対象媒体のフィルタ結果が表示される 1.事前定義したTVF関数をLooker StudioのカスタムクエリからCALL 2.BigQueryのTVFが実行され、結合処理が実行される 3.結合結果をテーブルデータとしてカスタムクエリに返却 4.返却値をデータソースとしてLooker Studio上で可視化 Table Valued Function
11. BigQueryのTVF(テーブル関数)とは？ 11 テーブル関数：TVF(Tableau Valued Function) 端的にいうと：実行結果をテーブルで返すユーザー定義関数 もっというと：メインロジックの責務移転が可能(SELECT句のFROM句でCALL) 制約：UDFとはことなり言語はSQLのみ対応 Tableau Valued Function 😈魔改造へのルートはここにあったのです😈 💀事前に結合データを蓄積できるケースでのご利用は推奨しません💀
12. 新人T君の定着レベル×問題解決力の相関表 12 定義レベル 状態の特徴 問題解決アプローチ 必要な支援 レベル0 チャットを読まない・聞いたことをすぐ忘れる ほぼ動けない。「詰まったら停 止」 一つひとつ指示が必要（手取り足 取り） レベル1 言われた通りにはやるが、意味を理解していない 手順はこなすが、問題発生時に止 まる WHYの理解を促しながら並走 レベル2 ChatGptや検索はするが、選択肢が狭く結論が甘 い 定型トラブルは解決可能 検証方法・判断軸の強化が必要 レベル3 処理の目的や構造を理解し、仮説検証を繰り返す 自力でほぼ解決できるが、最適化 は難しい 複数手法の比較検証をさせる レベル4 再利用・抽象化・レビュー観点も意識し始める 再現性のある開放に辿り着く 信頼して任せつつ、レビューで促 進 レベル5 中期での最適な構造・負債も考慮に入れる 構造から作り直す判断もできる マネジメントや教育側に立たせて よい スタート：大体レベル1と2の間ぐらい ゴール：レベル3相当のタスクを完遂しつつレベル4へ
13. プロセス 13 解決 検証 トラブル 実現可用性調査 レビュー 確認 方法提案 調査結果 OK FB NG OK 適用 　HELP 　NG OK 　NG
14. 新人君の生成AIとの共闘 14 解決 検証 トラブル 実現可用性調査 レビュー 確認 方法提案 調査結果 OK FB NG OK 適用 　HELP 　NG OK 　NG
15. 生成AI VS メンターの精度比較 15 解決 検証 トラブル 実現可用性調査 レビュー 確認 方法提案 調査結果 OK FB NG OK 適用 　HELP 　NG OK 　NG
16. 16 新人T君へのFBの記録 Take1.データソースは自身で取りに行け Take2.前提を疑え Take3.問題の原因箇所を見極めよ Take4.磨くのはそこじゃない Take5.レベルが上がった
17. 17 　　ChatGPTに 聞きました！！ 否定はしないけど 一次情報の確認までやろうね ファクトはChatGPT!!
18. 定義レベル 状態の特徴 問題解決アプローチ 必要な支援 レベル0 チャットを読まない・聞いたことをすぐ忘れる ほぼ動けない。「詰まったら停 止」 一つひとつ指示が必要（手取り足 取り） レベル1 言われた通りにはやるが、意味を理解していない 手順はこなすが、問題発生時に止 まる WHYの理解を促しながら並走 レベル2 ChatGptや検索はするが、選択肢が狭く結論が甘 い 定型トラブルは解決可能 検証方法・判断軸の強化が必要 レベル3 処理の目的や構造を理解し、仮説検証を繰り返す 自力でほぼ解決できるが、最適化 は難しい 複数手法の比較検証をさせる レベル4 再利用・抽象化・レビュー観点も意識し始める 再現性のある開放に辿り着く 信頼して任せつつ、レビューで促 進 レベル5 中期での最適な構造・負債も考慮に入れる 構造から作り直す判断もできる マネジメントや教育側に立たせて よい まずは情報収集/意図理解を強化 18
19. 19 新人T君へのFBの記録 Take1.データソースは自身で取りに行け Take2.前提を疑え Take3.問題の原因箇所を見極めよ Take4.磨くのはそこじゃない Take5.レベルが上がった
20. 20 調べても出てこないですし エラーも解消できないですし ChatGPTや情報収集で正攻法では解決できないものが出てくる できなければ代替策や回避方法 を探すのが僕たちの仕事では？
21. 21 壁に当たってからが勝負 検証 トラブル 実現可用性調査 報告 方法提案 調査結果 　NG 起きていたこと 生成AIの提案内容で試してみて、できなければ「やはりできない」という思考に
22. 22 思考プロセスを改善しよう 改善 生成AIの提案内容で試してみて、できなければ「FB」を入れつつ 個人での思考/試行も促進するような働きかけを実施 解決 検証 トラブル 実現可用性調査 レビュー 確認 方法提案 調査結果 OK FB 適用 　HELP 　NG OK 　NG 　NG OK
23. 23 確かに、受け身で余念がないかは 考えもしなかったです 大事なのは言語化と意思決定 意思決定の根拠を自身の言葉で 説明できる状態を目指すと良いよ 思考のロックがはやい段階でかかっていた
24. Whyを思考させることで選択肢と結論の甘さを強化 24 定義レベル 状態の特徴 問題解決アプローチ 必要な支援 レベル0 チャットを読まない・聞いたことをすぐ忘れる ほぼ動けない。「詰まったら停 止」 一つひとつ指示が必要（手取り足 取り） レベル1 言われた通りにはやるが、意味を理解していない 手順はこなすが、問題発生時に止 まる WHYの理解を促しながら並走 レベル2 ChatGptや検索はするが、選択肢が狭く結論が甘 い 定型トラブルは解決可能 検証方法・判断軸の強化が必要 レベル3 処理の目的や構造を理解し、仮説検証を繰り返す 自力でほぼ解決できるが、最適化 は難しい 複数手法の比較検証をさせる レベル4 再利用・抽象化・レビュー観点も意識し始める 再現性のある開放に辿り着く 信頼して任せつつ、レビューで促 進 レベル5 中期での最適な構造・負債も考慮に入れる 構造から作り直す判断もできる マネジメントや教育側に立たせて よい
25. 25 新人T君へのFBの記録 Take1.データソースは自身で取りに行け Take2.前提を疑え Take3.問題の原因箇所を見極めよ Take4.磨くのはそこじゃない Take5.レベルが上がった
26. 26 やっぱり無理ですね！ エラーがでます それでも解決できないものはまだまだでて来る これは構文エラーだね 断定するのは早いね
27. 27 SELECT CASE WHEN @media = 'Google広告' THEN keyword_match_type ELSE CAST(NULL AS STRING) END AS keyword_match_type, FROM `projectId.dataset.ads_*` WHERE _TABLE_SUFFIX LIKE CONCAT(@media, '%') AND date BETWEEN PARSE_DATE('%Y%m%d', @DS_START_DATE) AND PARSE_DATE('%Y%m%d', @DS_END_DATE) エラー内容：Unrecognized name: keyword_match_type 
 アプローチ 共通のデータセット配下に異なる媒体のパフォーマンスデータをTable suffix違いで格納 対象媒体をパラメータで分岐し、Looker Studioから動的にフィルタできるようにする エラーの原因箇所 Table prefixによる分岐 がNGだったと判断する のは早計 どこまで担保できているのか？が答えられない
28. 28 それはやってないです！ やってみます！！ それってデバッグできていないだけでは？ 処理を切り分けて 机上確認をやってみて
29. 原因の切り分けと問題解決から選択肢と結論の甘さを強化 29 定義レベル 状態の特徴 問題解決アプローチ 必要な支援 レベル0 チャットを読まない・聞いたことをすぐ忘れる ほぼ動けない。「詰まったら停 止」 一つひとつ指示が必要（手取り足 取り） レベル1 言われた通りにはやるが、意味を理解していない 手順はこなすが、問題発生時に止 まる WHYの理解を促しながら並走 レベル2 ChatGptや検索はするが、選択肢が狭く結論が甘 い 定型トラブルは解決可能 検証方法・判断軸の強化が必要 レベル3 処理の目的や構造を理解し、仮説検証を繰り返す 自力でほぼ解決できるが、最適化 は難しい 複数手法の比較検証をさせる レベル4 再利用・抽象化・レビュー観点も意識し始める 再現性のある開放に辿り着く 信頼して任せつつ、レビューで促 進 レベル5 中期での最適な構造・負債も考慮に入れる 構造から作り直す判断もできる マネジメントや教育側に立たせて よい
30. 30 新人T君へのFBの記録 Take1.データソースは自身で取りに行け Take2.前提を疑え Take3.問題の原因箇所を見極めよ Take4.磨くのはそこじゃない Take5.レベルが上がった
31. 31 どんなpromptで 投げたんですか ある日のT君 そういうこと じゃないんだよ
32. 32 すいません 自分で調べてませんでした 再度、思考プロセスのスタートラインを解説 Take3でも一次情報の話をしたよね？ 付いてないのは調査力
33. 33 確かに問題解決はできても ChatGPTなしだと解決できな くなってますね・・・ 時には厳しい指摘も ChatGPTでも良いんだけど 特定のキーワードから気づきを得て、 さらに深掘れないと進歩とは言えないよ?
34. 34 定義レベル 状態の特徴 問題解決アプローチ 必要な支援 レベル0 チャットを読まない・聞いたことをすぐ忘れる ほぼ動けない。「詰まったら停 止」 一つひとつ指示が必要（手取り足 取り） レベル1 言われた通りにはやるが、意味を理解していない 手順はこなすが、問題発生時に止 まる WHYの理解を促しながら並走 レベル2 ChatGptや検索はするが、選択肢が狭く結論が甘 い 定型トラブルは解決可能 検証方法・判断軸の強化が必要 レベル3 処理の目的や構造を理解し、仮説検証を繰り返す 自力でほぼ解決できるが、最適化 は難しい 複数手法の比較検証をさせる レベル4 再利用・抽象化・レビュー観点も意識し始める 再現性のある開放に辿り着く 信頼して任せつつ、レビューで促 進 レベル5 中期での最適な構造・負債も考慮に入れる 構造から作り直す判断もできる マネジメントや教育側に立たせて よい 選択肢と結論の甘さを仮説検証で補完
35. 35 新人T君へのFBの記録 Take1.データソースは自身で取りに行け Take2.前提を疑え Take3.問題の原因箇所を見極めよ Take4.磨くのはそこじゃない Take5.レベルが上がった
36. 36 この３つのやり方なら 比較検討ができると思います 変化は突然訪れた 事前疎通確認済み？ 判断軸は何にするつもり？
37. 37 疎通済みですパフォーマンスと メンテナンス性を考慮して 判断とさせてください 提案→判断ができる形に そこまでやり切れる？短期で実現で きる方を選択しつつ、検証を並行で 行なってスイッチしようか
38. 理解が進み、応用へ 38 定義レベル 状態の特徴 問題解決アプローチ 必要な支援 レベル0 チャットを読まない・聞いたことをすぐ忘れる ほぼ動けない。「詰まったら停 止」 一つひとつ指示が必要（手取り足 取り） レベル1 言われた通りにはやるが、意味を理解していない 手順はこなすが、問題発生時に止 まる WHYの理解を促しながら並走 レベル2 ChatGptや検索はするが、選択肢が狭く結論が甘 い 定型トラブルは解決可能 検証方法・判断軸の強化が必要 レベル3 処理の目的や構造を理解し、仮説検証を繰り返す 自力でほぼ解決できるが、最適化 は難しい 複数手法の比較検証をさせる レベル4 再利用・抽象化・レビュー観点も意識し始める 再現性のある開放に辿り着く 信頼して任せつつ、レビューで促 進 レベル5 中期での最適な構造・負債も考慮に入れる 構造から作り直す判断もできる マネジメントや教育側に立たせて よい
39. かくして、この形に落ち着いたのであった 39 Cloud Run functions UI上の媒体フィルタに連動して、対象媒体のフィルタ結果が表示される 1.事前定義したTVF関数をLooker StudioのカスタムクエリからCALL 2.BigQueryのTVFが実行され、結合処理が実行される 3.結合結果をテーブルデータとしてカスタムクエリに返却 4.返却値をデータソースとしてLooker Studio上で可視化 Table Valued Function
40. 40 展望 定義レベル 状態の特徴 問題解決アプローチ 必要な支援 レベル0 チャットを読まない・聞いたことをすぐ忘れる ほぼ動けない。「詰まったら停 止」 一つひとつ指示が必要（手取り足 取り） レベル1 言われた通りにはやるが、意味を理解していない 手順はこなすが、問題発生時に止 まる WHYの理解を促しながら並走 レベル2 ChatGptや検索はするが、選択肢が狭く結論が甘 い 定型トラブルは解決可能 検証方法・判断軸の強化が必要 レベル3 処理の目的や構造を理解し、仮説検証を繰り返す 自力でほぼ解決できるが、最適化 は難しい 複数手法の比較検証をさせる レベル4 再利用・抽象化・レビュー観点も意識し始める 再現性のある開放に辿り着く 信頼して任せつつ、レビューで促 進 レベル5 中期での最適な構造・負債も考慮に入れる 構造から作り直す判断もできる マネジメントや教育側に立たせて よい 生成AIのモデルが肩代わりしてくれることで問題解決能力は進むはず
41. 41 問題提起 定義レベル 状態の特徴 問題解決アプローチ 必要な支援 レベル0 チャットを読まない・聞いたことをすぐ忘れる ほぼ動けない。「詰まったら停 止」 一つひとつ指示が必要（手取り足 取り） レベル1 言われた通りにはやるが、意味を理解していない 手順はこなすが、問題発生時に止 まる WHYの理解を促しながら並走 レベル2 ChatGptや検索はするが、選択肢が狭く結論が甘 い 定型トラブルは解決可能 検証方法・判断軸の強化が必要 レベル3 処理の目的や構造を理解し、仮説検証を繰り返す 自力でほぼ解決できるが、最適化 は難しい 複数手法の比較検証をさせる レベル4 再利用・抽象化・レビュー観点も意識し始める 再現性のある開放に辿り着く 信頼して任せつつ、レビューで促 進 レベル5 中期での最適な構造・負債も考慮に入れる 構造から作り直す判断もできる マネジメントや教育側に立たせて よい 一方で僕たちは成長機会を失っているのかもしれない
42. 42 私の主張 定義レベル 状態の特徴 問題解決アプローチ 必要な支援 レベル0 チャットを読まない・聞いたことをすぐ忘れる ほぼ動けない。「詰まったら停 止」 一つひとつ指示が必要（手取り足 取り） レベル1 言われた通りにはやるが、意味を理解していない 手順はこなすが、問題発生時に止 まる WHYの理解を促しながら並走 レベル2 ChatGptや検索はするが、選択肢が狭く結論が甘 い 定型トラブルは解決可能 検証方法・判断軸の強化が必要 レベル3 処理の目的や構造を理解し、仮説検証を繰り返す 自力でほぼ解決できるが、最適化 は難しい 複数手法の比較検証をさせる レベル4 再利用・抽象化・レビュー観点も意識し始める 再現性のある開放に辿り着く 信頼して任せつつ、レビューで促 進 レベル5 中期での最適な構造・負債も考慮に入れる 構造から作り直す判断もできる マネジメントや教育側に立たせて よい AIにできない領域はまだあるはずだ。審美眼はここにある。
43. 43 ご清聴、ありがとうございました