AI機能がどんどん出てきています。SnowflakeのCortex AI FunctionsがGAになり、IAG LoyaltyのようにMLプラットフォームをSnowflake上で構築する事例も出てきた。

でもそもそも「AIが使えるデータ」って何だろう？現場で考えてみました。

AI Readyなデータ、AI Readyじゃないデータ

AI Readyなデータの条件を整理してみます。

条件意味例
構造化されている行と列がある。意味がわかるBigQueryのテーブル、CSVファイル
メタデータがあるカラム名に意味がある。単位がわかるsales_amount_yen vs col1
すぐ取り出せるAPIやSQLで抽出できるDWH、Metabase
定期的に更新される最新データが入っている自動同期されたデータ

AI Readyじゃないデータ：

  • 共有フォルダの奥底にあるExcelファイル
  • メール添付のPDF報告書
  • 紙の帳簿をスキャンしたもの
  • 「○○さんのPCにしかない」データ

自分の経験では、お客さん先で「AIを使いたい」と言われるが、データがAI Readyじゃない場合が 9割 です。

最短ルート: Metabase → JSON → NotebookLM

自分が実際にやっている「AI Ready」の作り方はこうです。

① データをBigQuery（or Snowflake）に入れる
② Metabaseでダッシュボードを作る
③ ダッシュボードからJSON形式でダウンロード
④ NotebookLMに投入
⑤ 「このデータを分析して、主な傾向を教えて」と聞く
⑥ 分析レポートが出てくる

Metabaseがポイントです。直感操作でデータを絞り込み、JSON形式でダウンロードし、そのままAIに渡せる。構造化されたデータがそのまま保持されるので、AIが理解しやすい。

お客さんとの打ち合わせで「AI分析との連携がしやすいダッシュボードだというのは正直感動した」と言われたことがあります。MetabaseのJSON出力は、実は地味に強力な機能です。

Cortex AI Functions: DWHの中でAI処理が完結する

Snowflakeが2025年11月にGA（一般提供）にした機能も見てみます。

関数機能使い道
AI_CLASSIFYテキストや画像を自動分類問い合わせメールの分類
AI_TRANSCRIBE音声・動画からテキスト抽出会議録画から議事録を自動生成
AI_SIMILARITYテキストの類似度を計算重複データの検出
AI_TRANSLATEテキスト翻訳多言語データの統一
AI_EXTRACTテキストから情報抽出請求書から金額・日付を自動抽出

データを外に出さずにAI処理ができる。セキュリティ的にも安心です。外部のAIサービスにデータを送る必要がないので、機密データを扱う企業でも導入しやすい。

現場でよくある会話

  • 「AIで売上を予測したい」 → まず過去の売上データが整理されていますか？
  • 「ChatGPTで分析したい」 → どのデータをChatGPTに渡しますか？機密データは大丈夫？
  • 「AIレポートを自動化したい」 → レポートの元になるデータはどこにありますか？

AI活用の議論の 8割は「データをどう整理するか」 で終わります。残り2割が「AIをどう使うか」。

地味ですが、 AIを入れる前にデータ整理 。ここが9割です。

まとめ

  • AI Readyなデータ = 構造化・メタデータ付き・取り出しやすい・最新
  • 最短ルートはDWH + Metabase + NotebookLM
  • Cortex AI FunctionsでDWH内でのAI処理も現実的に
  • AIを入れる前にデータ整理。地味だけどここが9割
  • 次の記事では、dbtを使った「壊れないデータ基盤」の作り方を調べてみます