【データ横丁主催】AI エージェント時代のTranslytical Data Platform

【データの世界観チャンネル#2】AIエージェント時代のエンタープライズ基盤
＜全３回＞第2回テーマは「AIエージェントは、データ基盤をどう変えるのか」
https://datayokocho.connpass.com/event/407398/

Transcript

1. データの世界観チャンネル #2 × AIエージェント時代のエンタープライズ基盤 第2回 AIエージェントは、データ基盤をどう変えるのか AI エージェント時代の Translytical Data Platform 企業の価値がるデータと処理 業務データ 検索・分析 Oracleが描く業務データの世界 業務処理 登壇者 ⼩川 航平 ⽇本オラクル株式会社 Principal Enterprise AI GTM Architect EnterpriseZine連載「AIエージェントのための記憶と境界の設計論」著者 1 データの世界観チャンネル #2（2026-10-22, オンライン） ⼈とAgentの仕事へ
2. ⾃⼰紹介 Data for AI, AI for Data, AIを社会実装する仕事 ⼩川 航平 Kohei Ogawa Principal Enterprise AI GTM Architect aiX, ACE, Cloud Business Unit X @shisyu_gaku フォロー＆DM Welcomeです︕ 2 BOOKS 共著 SERIES 連載中 EnterpriseZine ⼩川航平の「AIエージェントのための 記憶と境界の設計論」 今⽇の話は、この連載の第1〜4回がベースです
3. 資料の公開 本⽇の資料は、すでに公開されています← Speaker Deck speakerdeck.com/shisyu_gaku スマートフォンのカメラで読み取ると、この資料が開きます 3 画⾯スクショSNS投稿 Welcome!です︕ ＃データ横丁
4. はじめに 本⽇伝えたいこと “業務データベースを基点に進化しているOracle AIDBは、 業務でAgentを本番稼働させるためのデータ基盤を着実に揃えてきている“ Oracleが企業の仕事を⽀えてきた蓄積を、Agentの仕事にも活かす 01 02 03 04 市場の変化 Oracleの蓄積 ⼈の仕事 Oracleの世界観 Agentに任せる仕事と 必要なデータ 同じ業務データに 検索・分析・処理を重ねる 調査の依頼から 業務の案を確認する仕事へ 今のAgentとクラウドから 企業の資産を使う 次の問い 4 Agentに、どんな仕事を任せたい︖ Copyright © 2026, Oracle and/or its affiliates
5. CHAPTER 00 はじめに Agentに仕事を任せると、 どんなデータが必要になる︖ 任せる仕事から、データと調べ⽅を考える 5 Copyright © 2026, Oracle and/or its affiliates
6. はじめに 任せる仕事が広がるほど、必要なデータの組み合わせが増える 例︓⽋品した部品の代わりに、来週までに納品できる候補を探し、⾒積もりを準備する 01 説明する 02 判断する 03 準備する 04 継続する 代替品の仕様を知る この顧客に使えるか 納期・数量・価格を揃える 変更を⾒て提案を直す 仕様書・規程 仕様書・規程 仕様書・規程 仕様書・規程 ＋ 製品関係・契約 ＋ 製品関係・契約 ＋ 製品関係・契約 ＋ 在庫・注⽂・価格 ＋ 在庫・注⽂・価格 ＋ イベント・履歴 要点 6 ⽂書だけでは完結しない仕事では、業務データも必要になる Copyright © 2026, Oracle and/or its affiliates
7. はじめに AI Agentに尋ねたいことによって、情報の探し⽅が変わる 例︓来週までに納品できる代替部品を探し、⾒積もりを準備する 仕事の中で確かめたいこと 調べ⽅の例 1 仕様が似た部品はどれ︖ 仕様書・マニュアル 全⽂・ベクトル検索 2 この設備で使える︖ 設備と部品の関係 照合・グラフ探索 3 必要な数を⽤意できる︖ 在庫・⼊荷予定 SQLで現在の状態を確認 4 他の注⽂に影響しない︖ 受注・引当・履歴 SQLで集計・分析 要点 7 使うデータ ⼀つの依頼に、検索・照合・分析を組み合わせて答える Copyright © 2026, Oracle and/or its affiliates
8. はじめに AIに重要なデータは、⽂書だけではない 2025年までのAIの取り組みで重要になるデータの種類 実は… IDC調査 2024年7⽉ N = 891 複数回答 現在起きていること 商品・顧客の定義 実際に発⽣した取引 オペレーショナル・イベント アクセスログ・操作履歴・設備イベント マスターデータ 41% 顧客・商品・取引先 半構造化の業務⽂書 43% 39% トランザクションデータ 受注・出荷・決済 コミュニケーション 36% 35% ⾮構造化の⽂書 33% ※ROIの⽐較ではありません。ロゴ・具体例は登壇者による補⾜です。 要点 Agentに任せたい仕事を考えると、⽇々たまっているログや業務データも使いたくなる。 IDC Directions 2025 “Dataʼs Future” p.6 / Future Enterprise Resiliency & Spending Survey Wave 7, July 2024, N=891 8 Copyright © 2026, Oracle and/or its affiliates 業務システム間を 流れるデータ SaaSに蓄積する 業務の⽂脈 ⽂書検索・RAGで 扱う知識
9. はじめに 調べる時間が短くなっても、その後の仕事は残る AI活⽤についての調査 たとえば、⾒積もりの仕事では 個⼈の便利さと、企業全体の成果 個⼈の 80% ⽣産性向上 企業のEBITへの 37% プラスの寄与 EBIT︓利払い・税引き前利益 AI全般の⾃⼰申告。ROI率・PoC成功率ではない。 次の問い その判断材料や業務機能は、企業のどこにある︖ 左︓McKinsey, The state of AI in 2026（2026年5–6⽉、97カ国、N=1,719）。 9 Copyright © 2026, Oracle and/or its affiliates Agent 候補を探して提⽰する 担当者 契約条件を確認する 担当者 現在の在庫を確認する 担当者 価格を計算する 担当者 ⾒積書へ転記する
10. はじめに Agentがデータを読む場所と、仕事を進める⼊⼝ SaaS・データベース・ストレージを、利⽤先と⽤途から整理する Agentの利⽤先と製品例 分析・判断に使う SaaS Salesforce 案件・顧客・対応履歴を調べる ⾒積もり・申請・案件更新など 既存の業務機能を呼ぶ 在庫・受注を照合・集計する 照合・集計の結果を業務へつなぐ 更新は正本側のAPI・処理を呼ぶ 仕様書・契約書・ログ・ 分析⽤ファイルを読む ⽂書から条件を取り出し、 後続の業務処理へ渡す Oracle Fusion データベース Oracle AI Database ClickHouse ストレージ S3やObject Storageに加えて、 SharepointやOnedrive IDC︓既存アプリ内Agentや、ローコード／ノーコードAgentの導⼊が進む 次の問い 10 その場所には、どんな形式のデータがある︖ Copyright © 2026, Oracle and/or its affiliates 業務を進めるために使う
11. はじめに データの置き場所と、データの形式は別の軸 どの場所にも、表・JSON・⽂書などがある。仕事に応じて組み合わせる データベース 扇形 ＝ データの利⽤先 格納⽂書 テキスト SaaS ストレージ イベント JSON 添付ファイル ⽂書 チケット JSON Agentが、どこから情報を取り出すか 帯 ＝ データの形式 注⽂・在庫 表 顧客・契約 レコード SaaS・データベース・ストレージ ログ JSON 集計データ Parquet等 仕様書 規程PDF 内側 → 外側 構造化 表・レコード 半構造化 JSON・API応答など ⾮構造化 Agent 次の問い ⼀件の⾒積もりでは、この中のどれを使う︖ 配置は説明例。内外の距離は重要度やアクセスの難しさを⽰しません。製品によって、対応形式や扱う⽅法は異なります。 11 Copyright © 2026, Oracle and/or its affiliates ⽂書・画像・動画
12. はじめに ⼀件の仕事で、Agentは複数の基盤を使う 「来週までに納品できる代替部品を探し、⾒積もりを準備して」 この仕事で必要な判断材料 データベース ⻩⾊の①〜④が、図の参照先と対応 格納⽂書 テキスト SaaS ストレージ 1 SaaSの顧客・契約レコード イベント JSON 顧客の契約単価・購⼊条件を確認 2 添付ファイル ⽂書 チケット JSON 3 在庫・⼊荷 1 ログ JSON 4 受注・履歴 顧客・契約 レコード 2 代替候補の仕様・対応機種を確認 3 濃い⻘︓この仕事で参照する領域 次の問い 12 この要求に、データ基盤はどう応えてきた︖ Copyright © 2026, Oracle and/or its affiliates 必要数を納期までに揃えられる︖ DBの在庫・⼊荷予定 引当可能在庫・⼊荷⽇・配送条件 4 条件に合う代替候補を探し、 ⾒積もりを準備する 同じ⽤途で使える︖ ストレージの仕様書・規程PDF 仕様書 規程PDF 集計データ Parquet等 Agent この顧客の条件に合う︖ 他の注⽂に影響しない︖ DBの受注・履歴 既存受注・引当と照合し、影響を確認
13. CHAPTER 01 市場とデータ基盤の変化 データ基盤は、 Agentの仕事に どう応える︖ 業務と分析を近づける、市場の変化 13 Copyright © 2026, Oracle and/or its affiliates
14. ① 市場とデータ基盤の変化 市場は、業務と分析を組み合わせる仕組みを広げている 分析のために分けたデータを、アプリやAgentの仕事へつなぐ 業務処理 顧客・注⽂・在庫を更新する 分析の環境 2025–26年の動き 集めるデータと⽤途が広がる Databricks Lakebase アプリの状態を扱う 業務と分析を 近づける仕組み 1990年代 2010年代 2010年代 2020年代 DWH・OLAP データレイク クラウドDWH Lakehouse 業務に負荷をかけず 履歴を分析したい いろんなデータを そのまま安くためたい 分析の計算⼒を 必要な分だけ使いたい レイクのデータで BIも機械学習もしたい 更新されたデータを すぐ分析したい CDC HTAP 年代は普及の⽬安。吹き出しは主な課題の要約。各技術は併存する。 14 Copyright © 2026, Oracle and/or its affiliates データの変更分だけ 別の基盤へ届けたい Snowflake Postgres 分析側への反映を取り込む ClickHouse アプリ・Agentへ届ける
15. ① 市場とデータ基盤の変化 市場は、業務と分析を組み合わせる仕組みを広げている IDCの将来像︓使い⼿にAgentが加わると、基盤をまたいで使う場⾯が増える ⽤途ごとに発展してきた基盤 ⼀件の仕事で、横断して使う 業務DB 「来週届く代替品と、⾒積案を⽤意して」 注⽂・在庫・取引の状態 分析の基盤 DWH・Data Lake・Lakehouse 組み合わせる 候補を探す 影響を調べる ⾒積案を作る 仕様・互換関係 現在の在庫・受注 契約条件・価格 ベクトル・グラフ リアルタイム分析・イベント 既存API・業務処理 ⽂書・検索の基盤 ⽂書・JSON・グラフ・ベクトル 図はIDCの将来像をもとに再構成。右の仕事は説明例です。 各社の動きにも、この要求が表れている Databricks Lakebase Snowflake Postgres ClickHouse アプリの状態を扱う 分析側への反映を取り込む アプリ・Agentへデータを届ける 要点 15 ⽤途ごとの基盤を、⼀件の仕事で使えるようにつなぐ Copyright © 2026, Oracle and/or its affiliates
16. ① 市場とデータ基盤の変化 表・JSON・グラフ・ベクトルを、⼀緒に使う⼒も評価される The Forrester Wave™ / 2026年Q2・14社を評価 Oracleは、4社のLeaderの1社 「⼀緒に仕事へ使えるか」を⾒る観点 整合性 表・JSONなど、データの扱い⽅をまたいで整合させる 共通の権限・統制 データを共通のルールで管理する 業務処理と分析 表・JSON・グラフ・ベクトルを横断して処理する AI・Agent対応 Agentへのデータ提供と、基盤運⽤へのAI組み込み 次の問い この基盤の能⼒を、HTAPやTranslyticalでどう捉える︖ Forrester Wave™: Multimodel Data Platforms, Q2 2026 16 Copyright © 2026, Oracle and/or its affiliates 左︓原図（Figure 1）／右︓評価観点の要約。全評価項⽬ではありません。
17. ① 市場とデータ基盤の変化 HTAPは処理の両⽴、Translyticalは基盤の能⼒に着⽬する 同じ「代替部品を提案する仕事」を、異なる焦点から⾒る HTAP 受注の更新と、納期別必要数の集計を両⽴できるか 処理⽅式・設計の観点 受注を更新 P241の受注表 取引と分析の 両⽴に着⽬する Translytical 必要数を集計 必要な鮮度 ／ 混合負荷 ／ 整合性 ／ 資源配分 部品P241の受注・必要数・互換条件を結び、代替案を作れるか Forresterの基盤の捉え⽅ 統合データ基盤の 能⼒・⽤途に着⽬する 部品P241の受注 部品P241の必要数 部品P241の互換条件 複数モデル・分散データ・AI利⽤も含め、基盤の能⼒を捉える 要点 同じ基盤に、両⽅の呼び⽅が当てはまることもある 本発表での焦点の整理。世代順や厳密な包含関係ではなく、AI対応の有無で分けるものでもない。 HTAP Databases: A Survey（2024） ／ Forrester Translytical Architecture 2.0（2023）公開概要。 17 Copyright © 2026, Oracle and/or its affiliates 代替案を作る
18. CHAPTER 02 Oracleの技術の蓄積 企業が育てた データと処理を、 Oracleはどう活かす︖ 検索・分析・業務処理を、⼀件の仕事へ 18 Copyright © 2026, Oracle and/or its affiliates
19. ② Oracleの技術の蓄積 同じ業務資産を活かし、Agentが使える処理を増やす Converged Database︓多様なモデルと処理を、共通のDBで扱うという考え⽅ Agentの仕事 必要数を分析する ／ 使える候補を照合する ／ ⾒積もり案を作る 受注全体の必要数を分析 顧客・契約をJSONで扱う 設備と部品の関係をたどる 仕様と業務条件で候補を絞る Database In-Memory JSON Relational Duality SQL Property Graph AI Vector Search 呼出 ⾏形式 IM列形式 JSON ⽂書 埋め込み ID照合 同じ論理表を、⾏＋列で保持 表の対応と更新のルールを定義 表の上に、頂点・辺を定義 埋め込みを作り、商品IDと結ぶ 2014 23ai（2024年GA） 23ai（2024年GA） 23ai（2024年GA） 受注・在庫の表 顧客・商品・契約の表 設備・互換関係の表 仕様⽂書と業務対象 受注ID・商品ID 顧客ID・商品ID 設備ID・商品ID ⽂書ID・商品ID Agentが呼ぶ既存処理 要点 19 SQL 格納PL/SQL︓価格計算・⼊⼒検証（1992） 企業が育てた表・ID・処理を核に、Agentが使うモデルと処理を組み⽴てる Copyright © 2026, Oracle and/or its affiliates ⾒積もり案 結果
20. ② Oracleの技術の蓄積 似た部品を、今回使える候補へ絞り込む 包装機の電磁弁 P240（SV-24A）が⽋品。来週までに2個ほしい 1 仕様から候補を探す Text / Vector 3 業務条件を照合する SQL Property Graph 24V・5ポート 取付⼨法が同じ仕様書 商品ID／型番 2 設備との関係を調べる 包装ライン2 PK4-07 対象設備 SQL / JSON PK4-08 隣の設備 PK-400 包装機モデル 1 P241 / SV-24B 技術適合 承認済み 2 仕様書︓P242_spec.pdf 仕様書︓P241_spec.pdf 似ていても、使えるとは限らない PK-500 倉庫 在庫 引当 余⼒ 東 W01 2 2 0 ⻄ W02 4 1 3 P240 SV-24A 適合NG コネクタ相違 P241 SV-24B 今回確認する関係の範囲 GRAPH_TABLEで、設備から商品IDをたどる 20 商品ID P241 の在庫 順位 P242 / SV-24X 要点 制御盤 C08 仕様書・設備の関係・在庫と契約を、同じ商品IDで照合する Copyright © 2026, Oracle and/or its affiliates P242 SV-24X P250 顧客 C017︓代替使⽤の承認待ち 配送︓⻄倉庫から10/29に到着可能 P241を⻄から2個、条件付きで提案
21. ② Oracleの技術の蓄積 既存の⾒積もり処理を、Agentの道具として使う 検索・分析で選んだ「部品P241を2個」を、いつもの価格計算へ渡す Agentからの依頼 既存の業務API・PL/SQL 項⽬ 値 既存のルールを使う 顧客 C017 契約単価を照会 9,000円／個 部品・数量 出荷元 P241を2個 ⻄倉庫 9,000円 × 2個 = 18,000円 今まで⼈の画⾯から呼んでいた処理を、公開した道具としてAgentからも呼ぶ 要点 21 データだけでなく、企業が育てた計算や⼿続きもAgentの資産になる Copyright © 2026, Oracle and/or its affiliates 返ってくる⾒積案 18,000円 ⾒積もりの下書き 担当者が内容を確認する
22. CHAPTER 03 ⼈と仕事の変化 業務を知る⼈は、 いつものAgentで 何ができるようになる︖ ⾃分で問い直しながら、判断の根拠を確かめる 22 Copyright © 2026, Oracle and/or its affiliates
23. ③ ⼈と仕事の変化 いつものAgentの先に、企業のデータと道具を⽤意する ⾃然⾔語の⼊⼝はそのまま。企業側で、使えるデータ・意味・処理を整える 業務担当者 「来週の出荷に⾜りない部品は︖ 代替品なら間に合う︖」 いつものAgent Gemini Enterprise 企業側に⽤意するAgent・道具 A2A Select AI Agent Team Autonomous AI Database上で、仕事を受ける Claude Codex MCP 公開した検索・集計・業務処理の道具 SQL／⽂書・ベクトル検索／既存API・PL/SQL 企業側で整えるもの Oracle AI Database 業務⽤語の定義／対象データ／権限／公開ツール 業務データ・検索・分析・既存処理 要点 23 同じ画⾯から問い、企業が公開したデータと処理を使える Copyright © 2026, Oracle and/or its affiliates
24. ③ ⼈と仕事の変化 業務に詳しい⼈が、その場で仮説を確かめられる 業務の知識を問いに変え、データで確かめて、優先順位や対応を決める 従来︓追加の集計を依頼する場合 集計を依頼 業務に詳しい⼈ これから︓いつものAgentで追加質問を続ける 業務のドメイン知識を持つ⼈が直接データと対話できる 抽出・集計 データ担当 レポート 結果を受け取る 業務に詳しい本⼈ いつものAgent （Gemini/Copilot） ⽋品はどの注⽂に影響︖ → 重要顧客の分だけなら︖ 結果を⾒て、追加の条件に気づく 追加の問いを、もう⼀度依頼する≒時間と⼿間がかかる・・ → 別倉庫なら間に合う︖ 結果と根拠を⾒て、次の問い・対応を決める データ担当︓公開範囲・業務の定義・品質・権限・使える道具を整える 営業︓顧客対応の優先順位 ⽬指すこと 24 調達︓代替品と納期の確認 待ち時間の短縮に加えて、業務の仮説を確かめる機会が増える Copyright © 2026, Oracle and/or its affiliates 部⾨責任者︓⼈・在庫の配分 企業のデータ
25. ③ ⼈と仕事の変化 同じDBのデータと処理を、職種ごとの⼊⼝から使う データを使える⼈が増えると、できる仕事も広がる 使う⼈ 仕事に合った⼊⼝ 業務担当者 アプリ開発者 業務アプリ作成者 分析担当・管理職 データ サイエンティスト DB・データ基盤担当 要点 25 Agent ⾃然⾔語 ORDS REST API APEX ローコード できる仕事 ⾃然⾔語で照会し、 許可された処理を頼む データのCRUD ／ 既存の業務⼿続きをAPIで呼ぶ 照会・申請・承認などの 業務アプリを作る Oracle Analytics Cloud DBへ集計を任せ、 BIで可視化 BI OML SQL / Python 対応するDB内モデルで 学習・予測する 権限・指標・品質・性能を設計し、それぞれの⼊⼝を⽀える 蓄積してきたデータや処理を、それぞれの仕事の⼊⼝から使える Copyright © 2026, Oracle and/or its affiliates 共通のDB資産 Oracle AI Database 顧客・受注・在庫 SQL・業務⼿続き 検索・分析・予測
26. CHAPTER 04 Oracleの世界観 今のAgentやクラウドと、 どう⼀緒に使う︖ 使い慣れた環境で、企業のデータと処理を活かす 26 Copyright © 2026, Oracle and/or its affiliates
27. ④ Oracleの世界観 既存のAgentの横に、Autonomous AI Databaseを配置する 各クラウドのAIサービスと、そのクラウド内のAutonomous AI Databaseを組み合わせる AWS環境 AI・データサービス Microsoft Azure環境 Oracle Database @AWS AI・データサービス AI / Agent Oracle Database @Azure 環境 AI・データサービス AI / Agent Amazon Bedrock Oracle Database @Google Cloud AI / Agent Gemini Enterprise Agent Platform Microsoft Foundry 旧 Vertex AI Autonomous AI Database ストレージ 業務DB 分析 Amazon S3 Amazon Aurora / Amazon RDS Redshift Autonomous AI Database Autonomous AI Database ストレージ 業務DB 分析 ストレージ 業務DB Blob Storage Azure SQL Database Synapse Analytics Cloud Storage Cloud SQL / BigQuery AlloyDB / Spanner API・MCP・A2A等で連携（構成に応じて選択） 要点 27 普段使っているクラウドの環境でAgentのためのOracleデータベースが使える︕ Copyright © 2026, Oracle and/or its affiliates 分析
28. ④ Oracleの世界観 Oracleは、業務データを核に根拠・分析・処理をつなぐ 共通DBで組み合わせる範囲と、外部の基盤を使い続ける範囲を選ぶ Gemini Enterprise ⼈・アプリ・今使っているAgent Claude SQL・API／NL2SQL／MCP・A2A 各サービスのAPI・コネクタ SaaS・既存業務 顧客・契約 既存の業務機能 外部ストレージ 仕様書・規程・ログ Parquetなどのファイル Oracle AI Database 検索・照合 集計・分析 業務処理 Text・Vector・Graph SQL・In-Memory 既存API・PL/SQL 表・JSON・⽂書・グラフ・位置情報・ベクトル 業務の表・ID・既存処理 必要なデータを連携・選択取込・対応形式で参照 要点 28 蓄積した技術の使い⼿に、Agentが加わる Copyright © 2026, Oracle and/or its affiliates Codex 各基盤のSQL・API・ツール 他社の分析・AI基盤 Databricks
29. まとめ 企業の価値あるデータと処理が、Agentの仕事を広げる 何が必要になるか 任せる仕事が広がるほど、⽂書・業務データ・イベントを⼀緒に使う Oracleの蓄積は 業務データを核に、検索・分析・既存の業務処理を組み合わせる どこから使えるか 今のAgentやクラウドから、外部のSaaS・データ基盤とも⼀緒に使う まず⼀つの仕事で、Agentに渡したいデータと処理を考えてみる AI on Live Data 29 Copyright © 2026, Oracle and/or its affiliates ありがとうございました︕