SQLを書く能力の価値が変わった
Snowflake Cortex Code CLIが2026年2月にGA（一般提供）になった1。自然言語で指示すればSQLが生成される。インストールは1コマンドで完了する。
curl -LsS https://ai.snowflake.com/static/cc-scripts/install.sh | sh「売上データを月別に集計して」と入力すれば、テーブル構造を読み取って適切なSQLが出てくる。dbtプロジェクトのコンテキストも理解してくれるので、「このモデルのテストを追加して」という指示も通る。
便利だ。しかし、ここで立ち止まって考えるべきことがある。 SQLを書く能力そのものの価値が下がったとき、データエンジニアは何をする人になるのか という問いだ。
「書く人」から「検証する人」へ
AI登場前後で、データエンジニアのワークフローは根本的に変わる。
従来は「問い→人間がSQL記述→結果」だった。AI時代は「問い→AIがSQL生成→ 人間が検証 →結果」になる。一見、人間の負担が減ったように見える。だが実際には、 検証というステップが新たに加わり、そこには高い専門性が求められる 。
AI生成SQLの落とし穴
もっともらしい誤り
AI生成コードの精度に関する研究では、単純なクエリの正答率は高い一方、複雑なクエリになるほど精度が下がることが示されている2。私たちが現場で実感しているのも同じだ。
単一テーブルの集計は問題ない。2テーブルのJOINもだいたい正しい。しかし 3テーブル以上のJOINが必要になると、AIは「自信満々に間違える」 ようになる。生成されたSQLは文法的に正しく、実行もできる。結果も返ってくる。しかし、その結果が正しいかどうかは別の話だ。
業務文脈を理解しない
典型的な失敗パターンがある。
「去年と今年の売上比較を出して」とAIに依頼する。AIはカレンダー年（1月〜12月）で集計するSQLを生成する。しかし、その会社の会計年度は4月始まりだった。結果は正しい形式で返ってくるが、 ビジネス上の意味としては完全に間違っている 。
「解約率を出して」と依頼する。AIはシンプルな割り算のSQLを生成する。しかし、その会社では「無料トライアルからの離脱」と「有料契約の解約」を区別しており、KPIとして見ているのは後者だけだった。AIにはその区別がわからない。
ミッションクリティカルな場面でのリスク
経営会議に出す数字、投資家向けのレポート、監査対応のデータ。これらを自然言語クエリで生成し、 検証なしに提出するのは危険 だ。AI生成SQLを本番運用に組み込む場合、人間による検証プロセスは省略できない。
検証力を鍛える具体的なアプローチ
では、どうすれば「検証する力」を身につけられるのか。
まず、 AI生成SQLを必ず読む こと。生成されたSQLのJOIN条件、WHERE句、GROUP BYを目視で確認する。特にJOIN条件は、意図しないクロスジョインやデータの膨張を引き起こしやすい。
次に、 小さなデータセットで結果を手計算と照合する こと。10件のサンプルデータで手計算した結果と、AIが生成したクエリの結果が一致するか。ここで差異があれば、ロジックに問題がある。
そして最も重要なのは、 「何を聞くべきか」を設計する力 だ。Cortex Code CLIは「どうやって聞くか」を解決してくれる。しかし「何を聞くか」「なぜそれを聞くのか」は人間にしか決められない。ビジネスの文脈を理解し、適切な問いを立てる能力。これがAI時代のデータエンジニアの中核スキルになる。
ツールとしての価値は高い
誤解しないでほしい。Cortex Code CLIは優れたツールだ。
探索的にデータを見るとき、テーブル構造を素早く把握したいとき、dbtモデルのテストコードを生成したいとき。こうした場面では生産性が明確に上がる。エラーメッセージの説明と修正提案も的確で、「このエラーはNULL値が原因です」のように具体的に教えてくれる。Snowflakeアカウントがなくても使えるスタンドアロン版も用意されている。
ポイントは、 ツールの能力を正しく理解し、適切な場面で使うこと だ。探索的分析には積極的に使う。本番運用のクエリには検証プロセスを必ず挟む。この使い分けができるかどうかが、データエンジニアの腕の見せどころになる。
エンジニアの仕事は「問いの設計」になる
SQLを書く時代が終わるわけではない。しかし、SQLを書くことだけがエンジニアの価値だった時代は終わる。
AIがコードを生成する時代に求められるのは、「正しい問いを立てる力」「生成された結果を検証する力」「業務文脈をシステムに翻訳する力」の3つだ。皮肉なことに、AIが高度になるほど、 人間にはより深い専門性が求められる 。
Cortex Code CLIのようなツールは、エンジニアの仕事を奪うのではなく、仕事の重心を移動させる。手を動かす時間が減る分、頭を使う時間が増える。それは脅威ではなく、この職種の進化だと私は考えている。
Footnotes
-
Snowflake「Cortex Code CLI - General Availability」（2026年2月GA） ↩
-
Liu et al.「Is Your AI-Generated Code Really Correct? A Systematic Evaluation of Large Language Models for Code Generation」NeurIPS 2023。複雑なクエリほどLLMの正答率が低下する傾向を報告。 ↩