「Google Cloud Next '26」で発表された、BigQueryの最新機能を使ってみよう

Transcript

1. 「Google Cloud Next '26」 で発表された、 BigQuery の最新機能を使ってみよう Google Cloud Next ‘26 Re:Cap ｰ Agentic Eraの幕開け ｰ 2026年6月1日 デジタルイノベーション事業本部 DX推進部 橋本 俊哉、松村 賢 NRIネットコム株式会社
2. 1 Copyright（C） NRI Netcom, Ltd. All rights reserved. 1. 「人間の規模」から「エージェント（Agent）」の規模へ ⚫ 人間がツールを使うのではなく、人間が多数のAIエージェントを指揮するようになる ⚫ 24時間動き続ける膨大なエージェントの負荷に耐えられる、常時稼働・高速・自律的なデータ基盤が求められる 2. 受動的なインテリジェンスから自律的な実行（action）へ ⚫ 従来は「昨日何が起きたか」をレポートしたり、予測モデルの結果を出して「人間が行動するのを待つ」だけ ⚫ これからは、AIエージェントがデータをもとにその場でリアルタイムに判断し、自ら行動を起こすシステムへの変更 3. データから意味を持つナレッジへ ⚫ 単なるデータの羅列（カタログ）ではなく、ビジネスの文脈や言葉の定義を正しく理解できる「知識」への昇華 ⚫ AIエージェントが誤った行動・回答（ハルシネーション）を防ぐためのガバナンス整理が必要 System of intelligence から System of action への進化
3. 2 Copyright（C） NRI Netcom, Ltd. All rights reserved. ※API、料金体系（SKU）、既存機能への影響はなし サービスの名称変更 従来サービス名 新名称 概要 BigLake Lakehouse BigQuery + オープンテーブル形式(Iceberg等)を 含む Lakehouse 基盤 Dataplex Knowledge Catalog データ資産・メタデータ・ビジネス用語・データ品質な どを管理するアクティブメタデータ基盤 Dataproc Managed Service for Apache Spark Spark クラスタのフルマネージド実行環境 （大量データ高速加工） Composer Managed Service for Apache Airflow Apache Airflow のマネージドワークフロー基盤 （データ処理の自動化） Looker Studio Data Studio （日本名称：データ ポータル） BI ダッシュボード
4. 3 Copyright（C） NRI Netcom, Ltd. All rights reserved. 主要な Data Cloud のアップデート
5. 4 Copyright（C） NRI Netcom, Ltd. All rights reserved. アップデートの３軸 ① Universal Context ⚫ 社内に散らばった構造化・非構造化データをAIが横断的に理解 ⚫ ファイルを保存するだけで、自動でタグ付けや要約、メタデータを生成 ⚫ 会社独自のルールや指標定義を AI エージェント向けに共有 ② AI-Native な Cross-Cloud Lakehouse ⚫ AWS や Azure を含む複数クラウド上のデータを、移動せずにまとめて AI 活用 ⚫ 別クラウドのデータでも、ガバナンスやメタデータなどの検索を実施可能 ③ AI エージェント ファーストのユーザー体験 ⚫ エンジニア・非エンジニア向けにデータ エージェントを気軽に開発できる環境の整備 ⚫ 単なるチャット回答ではなく、原因分析・ワークフロー実行・レポート生成までを自律的に行う機能が強化 主要な Data Cloud のアップデート
6. 5 Copyright（C） NRI Netcom, Ltd. All rights reserved. ◼ データソース層とエージェント層の間に「Knowledge Catalog」層を実装する設計が主流に ⚫ Knowledge Catalog でメタデータやセマンティクスを設定・各エージェントへ連携 ※Google Cloud Next 2026 の下記セッション資料から引用 「What's new with data and AI governance: Building the catalog for AI （https://content-cdn.sessionboard.com/content/aYBpjHFS4S4pCGIXyTgZ_BRK1-039.pdf）」 ①ナレッジ カタログ (Knowledge Catalog) 主要な Data Cloud のアップデート
7. 6 Copyright（C） NRI Netcom, Ltd. All rights reserved. ◼ AWS や Azure のデータに対しても BigQuery の性能や AI 機能をそのまま利用可能 ⚫ キャッシュ機能により、初回の読み取り時にデータを一時保存し、２回目の検索を高速化（今後プレビュー実装予定） ※Google Cloud Next 2026 の下記セッション資料から引用 「What’s new in BigQuery: The data platform for agentic AI （https://content-cdn.sessionboard.com/content/MtHjrBBWTMKnNWKhMdAl_BRK1-037.pdf）」 ②Cross-Cloud Lakehouse、Catalog Federation 主要な Data Cloud のアップデート プレビュー
8. 7 Copyright（C） NRI Netcom, Ltd. All rights reserved. ③データ エージェント関連機能の一般提供 主要な Data Cloud のアップデート ◼ 昨年からプレビュー版として提供されていた機能が一般提供 機能 概要 Data Engineering Agent 自然言語による指示から、データの取り込み・変換・パイプライン構築 およびトラブルシューティングを支援 Data Science Agent 自然言語による対話を通じて、データ探索・特徴量生成・機械学習モデルの 構築および評価を支援 Conversational Analytics for BigQuery 自然言語による対話を通じて、BigQuery 上のデータ分析や 予測・要因分析などの高度な分析を支援 Conversational Analytics for Looker Looker に接続された各種データソースに対して、自然言語でアクセスし、 ガバナンスを保ったデータ分析を支援 Conversational Analytics API 自然言語による対話型データ分析機能を API として提供し、 アプリケーションへの組み込みを支援 一般提供開始
9. 8 Copyright（C） NRI Netcom, Ltd. All rights reserved. ③BigQuery のデータエージェントをデータ ポータルで利用 ◼ 「レポート作成ツール」 から 「データ探索・分析・AI エージェント活用を一元化するプラットフォーム」 への進化 ⚫ BigQuery で作成した分析エージェントに対して、データポータルから質問可能 ⚫ 自然言語を用いたデータの集計や可視化だけでなく、予測分析などもサポート 主要な Data Cloud のアップデート プレビュー
10. 9 Copyright（C） NRI Netcom, Ltd. All rights reserved. ③ Agentic Workflows ◼ 質問の応答から一連の処理を実行するエージェントへ進化 ⚫ AI がデータの変化を継続的に監視し、定期的な分析を自動実行 ⚫ 会話のやりとりから、分析に必要な一連の処理（データの検知～レポートの作成・配信まで）を自動で構築 ※Google Cloud の下記ブログ記事から引用 「エージェンティック時代を支える BigQuery の新機能 （https://cloud.google.com/blog/ja/products/data-analytics/unveiling-new-bigquery-capabilities-for-the-agentic-era/）」 主要な Data Cloud のアップデート 「最近のトピックは？」 というユーザーの質問に対して エージェントが特定地域の売上増加について回答 ユーザーの依頼から、エージェントが下記のワークフローまで構築 【該当地域の売上推移、要因分析結果を 指定のメールアドレスに定期配信】 プレビュー
11. 10 Copyright（C） NRI Netcom, Ltd. All rights reserved. ③Google Cloud Data Agent Kit 主要な Data Cloud のアップデート ◼ VS Codeなどの開発環境上でデータの探索や分析、パイプラインの構築といった作業を一つの画面でまとめて実行。 ※Google Cloud Next 2026 の下記セッション資料から引用 「What's new with data agents（https://content-cdn.sessionboard.com/content/bmKi5trrQjCbwxmgeQgk_BRK2-037.pdf）」 プレビュー
12. 11 Copyright（C） NRI Netcom, Ltd. All rights reserved. ◼ ユーザーと分析エージェントの会話を自動で記録 ⚫ ユーザーの質問やエージェントの回答、実行された処理内容を、BigQuery で保存 ⚫ 蓄積されたデータから、エージェントの応答速度やユーザーのよくある質問、満足度を分析 ※Google Cloud Next 2026 の下記セッション資料から引用 「What's new with data agents（https://content-cdn.sessionboard.com/content/bmKi5trrQjCbwxmgeQgk_BRK2-037.pdf）」 BigQuery Agent Analytics Plugins 主要な Data Cloud のアップデート 一般提供開始
13. 12 Copyright（C） NRI Netcom, Ltd. All rights reserved. BigQuery Agent Analytics Plugins 実装とエクスポートデータの確認
14. 13 Copyright（C） NRI Netcom, Ltd. All rights reserved. ◼ Agent Development Kit （ADK）で構築したエージェントの対話データを、BigQuery Storage Write APIを利用 して低遅延・高スループットでリアルタイムにエクスポートするためのプラグインです。 ◼ 主に以下のようなデータが BigQuery へ連携されます。 BigQuery Agent Analytics Plugins とは BigQuery Agent Analytics Plugins 実装とエクスポートデータの確認 分類 代表的なカラム名 データの内容 ユーザー行動 user_id, session_id ,agent など 誰が、どのセッションで、どのエージェントと対話したか パフォーマンス attributes 応答速度と消費トークン（コスト）の追跡 対話内容 content ユーザーの発言とエージェントの回答 システム状況 status, error_message など エージェント動作の成否、エラーメッセージ
15. 14 Copyright（C） NRI Netcom, Ltd. All rights reserved. ◼ ADK で開発したエージェントにプラグインを実装すると、エージェントの動作（質問の受け取り、ツールの動作開始な ど）を検知し、BigQuery テーブルにデータをエクスポートします。 実装イメージ BigQuery Agent Analytics Plugins 実装とエクスポートデータの確認 Agent Development Kit get_table BigQuery Agent Analytics Plugin execute_sql Tools Plugin BigQuery （分析元テーブル） BigQuery （ログ記録先テーブル） ユーザー 追加実装箇所 AI Agent BigQuery Storage Write API を利用し リアルタイムで BigQuery へ書き込み
16. 15 Copyright（C） NRI Netcom, Ltd. All rights reserved. ◼ イベントデータの送信先となる BigQuery のデータセットを作成します。 ◼ プラグインを実装すると、イベントデータが送信された際にテーブルが自動で作成されます。 ※テーブル名を指定する場合は事前に作成し、プラグイン内にテーブル ID を追加する必要があります。 BigQuery データセットの準備 BigQuery Agent Analytics Plugins 実装とエクスポートデータの確認 プロジェクトID、データセット ID は プラグインの実装で必要になります。
17. 16 Copyright（C） NRI Netcom, Ltd. All rights reserved. ◼ ADK 内でエージェントを実装している python ファイル内に下記ドキュメントに記載のコードを参考に「プラグインを初期 化」「アプリを作成」部分を実装します。 https://cloud.google.com/blog/ja/products/data-analytics/introducing-bigquery-agent-analytics ※今回のデモでは動作を確認するために必要最低限のコードを実装しています。 ◼ オプション「BigQueryLoggerConfig」を指定し、記録するイベントの選択や整形が可能です。 https://adk.dev/integrations/bigquery-agent-analytics/ BigQuery Agent Analytics Plugins の実装 BigQuery Agent Analytics Plugins 実装とエクスポートデータの確認 プラグインの初期化 アプリを作成
18. 17 Copyright（C） NRI Netcom, Ltd. All rights reserved. ◼ プラグインを実装後、BigQuery テーブルへ質問文などのデータがエクスポートされます。 BigQuery へのエクスポート BigQuery Agent Analytics Plugins 実装とエクスポートデータの確認
19. 18 Copyright（C） NRI Netcom, Ltd. All rights reserved. ◼ エージェントが実行したツール別の回答数やエラー発生回数を確認できます。 蓄積されたデータの集計例（１） BigQuery Agent Analytics Plugins 実装とエクスポートデータの確認 get_table_info execute_sql list_table_ids
20. 19 Copyright（C） NRI Netcom, Ltd. All rights reserved. ◼ AI関数（AI.SCORE）を利用し、質問文からユーザーの感情をスコアリングできます。 蓄積されたデータの集計例（２） BigQuery Agent Analytics Plugins 実装とエクスポートデータの確認
21. 20 Copyright（C） NRI Netcom, Ltd. All rights reserved. ◼ AI関数（AI.CLASSIFY）を利用し、質問を指定した分類に分け、質問件数が多い分類を確認できます。 蓄積されたデータの集計例（３） BigQuery Agent Analytics Plugins 実装とエクスポートデータの確認
22. 21 Copyright（C） NRI Netcom, Ltd. All rights reserved. BigQuery 関連のアップデート
23. 22 Copyright（C） NRI Netcom, Ltd. All rights reserved. BigQuery パフォーマンス改善 ◼ 昨年と今年の BigQuery を比較すると、クエリ性能が35%向上し、レイテンシも40%削減 ◼ 「Fluid Scaling」が登場し、実際に使用した計算リソースに対して秒単位で課金 ※Google Cloud Next 2026 の下記セッション資料から引用 「What’s new in BigQuery: The data platform for agentic AI （https://content-cdn.sessionboard.com/content/MtHjrBBWTMKnNWKhMdAl_BRK1-037.pdf）」 BigQuery 関連のアップデート
24. 23 Copyright（C） NRI Netcom, Ltd. All rights reserved. ◼ BigQuery に 「データ同士の関係性分析」 が追加され、AI による 「関係性理解」 を強化 ⚫ BigQuery の中でテーブルのデータをグラフ化し、顧客・口座・取引などのデータの関係性を分析 ⚫ Conversational Analytics と連携することで、「不正に関連する顧客グループ」 などを自然言語で分析 ※Google Cloud Next 2026 の下記セッション資料から引用 「What’s new in BigQuery: The data platform for agentic AI （https://content-cdn.sessionboard.com/content/MtHjrBBWTMKnNWKhMdAl_BRK1-037.pdf）」 BigQuery Graph BigQuery 関連のアップデート プレビュー
25. 24 Copyright（C） NRI Netcom, Ltd. All rights reserved. ObjectRef 型 ◼ 非構造化データと構造化データを並行して扱うための ObjectRef 型が登場 ⚫ テキストやドキュメントだけ別のパイプラインで処理して、結合してから分析するという手間の削減 ※Google Cloud Next 2026 の下記セッション資料から引用 「What’s new in BigQuery: The data platform for agentic AI （https://content-cdn.sessionboard.com/content/MtHjrBBWTMKnNWKhMdAl_BRK1-037.pdf）」 BigQuery 関連のアップデート 一般提供開始
26. 25 Copyright（C） NRI Netcom, Ltd. All rights reserved. AI 関数の強化 ◼ 大規模なデータに対して AI 処理を走らせる際のコストを抑える「Optimized Mode」（プレビュー）も発表。 BigQuery 関連のアップデート 関数 内容 利用イメージ 提供状況 AI.GENERATE Geminiを使って自由形式の 生成を行う テキスト要約、FAQ生成、レビュー要約、エンティティ 抽出、JSON生成など 一般提供 AI.CLASSIFY 自然言語ベースでデータを自 動分類する 問い合わせ分類、ニュースカテゴリ分類、商品カテゴ リ分類、画像分類など 一般提供 AI.SCORE 自然言語条件に対する関連 度スコアを返す 「問い合わせにつながりそうなセッション」をランキング、 FAQ検索、類似検索、優先順位付けなど 一般提供 AI.PARSE_DOCU MENT PDFや資料をAIが検索・回 答しやすい形へ自動変換す る マニュアルPDFや提案書を読み込み、「社内検索 AI」や「RAGチャットボット」の元データを作成する プレビュー 一般提供開始 プレビュー
27. 26 Copyright（C） NRI Netcom, Ltd. All rights reserved. Colab Data Apps ◼ BigQuery の分析ノートブックを、共有可能なデータアプリとして公開できる 「Colab Data Apps」 が登場 ⚫ Python ライブラリや外部サービス、さまざまなデータソースを柔軟に利用可能 ⚫ ノートブックで作成したグラフをデータポータル（旧：Looker Studio）へ連携可能 BigQuery 関連のアップデート プレビュー
28. 27 Copyright（C） NRI Netcom, Ltd. All rights reserved. BigQuery Graph の紹介
29. 28 Copyright（C） NRI Netcom, Ltd. All rights reserved. ◼ グラフデータベース（GDB）は、データをノード（実体）とエッジ（関係）として整理し、データ間の関係性を表現・ク エリするように設計された（グラフベースの）NoSQLデータベース。 ⚫ ノード：人・商品・場所・イベントなどの「エンティティ（実体）」 ⚫ エッジ：ノード間の「関係」（SNSでのフォロー関係、買い物客と購入した商品とのつながり） 比較観点 リレーショナルデータベース グラフデータベース データの持ち方 行・列のテーブル、厳格なスキーマ ノード＋エッジ、関係を柔軟に表現 クエリの効率 テーブルの接続に関して、JOINに依存するため、関係が 増えると複雑かつ重い エッジを直接たどるため、関係に焦点を当てたクエリが より高速かつ直感的 クエリ言語 構造化クエリ言語（SQL） グラフクエリ言語（GQL） ユースケース 財務システムや在庫管理など、構造化された予測可 能な環境で優れたパフォーマンスを発揮 ソーシャル ネットワーク、不正行為の検出、ルートの最 適化など、関係性が中心となるアプリケーションに最適 グラフデータベースとは BigQuery Graph の紹介 顧客 ID 注文 ID 顧客A XXX 顧客B YYY 注文 ID 商品 名 XXX リンゴ XXX なし YYY リンゴ ▪リレーショナルデータベース ▪グラフデータベース 顧客A リンゴ 顧客B なし 購入 購入 購入 ノード エッジ
30. 29 Copyright（C） NRI Netcom, Ltd. All rights reserved. BigQuery Graph とは ◼ BigQuery Graphとは ⚫ BigQuery の分析基盤上で、データをノード・エッジとしてモデル化し、大規模なグラフ分析を実行できる機能（Preview）。 ◼ 主な機能 ⚫ リレーショナルモデルとグラフモデルの統合 グラフクエリと SQL が完全に相互運用でき、データサイロを作らずにユースケースごとに最適な手法を選べる（ETLの運用負荷を 増やさない）。 ⚫ グラフの可視化 グラフクエリの結果を グラフ形式で表示でき、データの探索・調査・説明が容易。 ⚫ 組み込みの検索機能 ベクトル検索と全文検索がグラフと統合され、意味（セマンティック）やキーワードを使った探索・分析ができる。 ⚫ 自然言語を使用したクエリ 会話分析でグラフに質問でき、エージェントが SQL/GQL を生成して結果や可視化を提供できる。 さらに、グラフで定義した 説明・同義語・指標をエージェントが活用して、回答品質を向上できる。 ◼ 料金 ⚫ 標準のBigQuery容量ベース課金（Compute＋Storageの使用量のみ）。 • コンピューティング料金：Enterprise/Enterprise Plusの予約が必要、グラフクエリはスロット課金。 • ストレージ料金：基盤テーブルに1回だけ課金。テーブル上に構築されるグラフのモデル数に関係なく、通常のストレージ（ア クティブ/長期）に準拠。 BigQuery Graph の紹介
31. 30 Copyright（C） NRI Netcom, Ltd. All rights reserved. BigQuery Graph を触ってみた① ◼ 今回は、BigQuery の公開データセット「thelook_ecommerce」 を使用します。 ⚫ Googleが作成した、架空のECサイトのデータセットであり、顧客・商品・注文・行動ログなどが含まれています。 ◼ 本データは、ユーザー→購入→商品、ユーザー→行動など、関係性を持つデータが豊富に含まれており、Graph と相 性の良い構造になっています。 ◼ また、このデータセットにはすでに Graph が定義されているため、後述のスライドではこの Graph を使用していきます。 BigQuery Graph の紹介
32. 31 Copyright（C） NRI Netcom, Ltd. All rights reserved. BigQuery Graph を触ってみた② ◼ グラフを作成すると、左側のデータセット配下に「グラフ」メニューが追加され、その中に作成したグラフが表示されます。 ◼ 右側の「グラフ」タブでは、ノード（実体）とエッジ（関係）の構造が図として可視化され 各ノードやエッジを直感的に確認でき、データ同士のつながりを視覚的に理解できます。 BigQuery Graph の紹介
33. 32 Copyright（C） NRI Netcom, Ltd. All rights reserved. BigQuery Graph を触ってみた③ ◼ リストタブ ⚫ 各ノード・エッジごとに、持っているフィールドや型を確認できる ◼ スキーマタブ ⚫ グラフに含まれる ノード（実体）・エッジ（関係）・ラベルを一覧で確認できる BigQuery Graph の紹介 ▪スキーマタブ ▪リストタブ
34. 33 Copyright（C） NRI Netcom, Ltd. All rights reserved. BigQuery Graph を触ってみた④ ◼ BigQuery Graph では、 CREATE PROPERTY GRAPH ステートメントを使用してテーブルからグラフを作成できます。 ※以下画像は「thelook_ecommerce」内に存在するグラフのコードを一部非表示したものです。 BigQuery Graph の紹介 どのテーブルのどの列を使って、ノード間の 関係（エッジ）を表現するかを定義 SOURCE KEY、DESTINATION KEY、 REFERENCES 句を使用して、ソースノード と宛先ノードの参照を記述 どのテーブルを、どのようなノード（実体）として 扱うかを定義 PROPERTIES 句を使ってID・名前・価格などの 項目の説明や、メジャー（集計値）を定義し、 ノードの中身を具体的に記述
35. 34 Copyright（C） NRI Netcom, Ltd. All rights reserved. BigQuery Graph を触ってみた⑤ ◼ 「HDE Classic Bow Tie」を含む注文を起点に、同じ注文内で一緒に購入された別の商品をたどって可視化。 BigQuery Graph の紹介 • MATCH 句で Product → OrderItem → Order → OrderItem → Product の経路（パス）を 指定し、同じ注文（Order）に紐づく別の商品（other）を抽出。 • JOIN を意識せずに、商品を起点にたどる形で併買商品を探すことができる。 • FILTER 句で、元の商品（HDE Classic Bow Tie）自身を除外し、併買商品のみを対象とする。 • RETURN 句でパス全体を返すことで、クエリ結果内の「グラフ」タブで可視化（Preview） • HDE Classic Bow Tie を中心に、その商品を買った人が他に何を買っているかが、 つながりとして見えています。 • JOINで追うと複雑になる関係も、グラフだと一目で分かるのがポイントです。