3行まとめ 正規化は「データの矛盾を防ぐための整理法」、非正規化は「集計や参照を速くするための割り切り」です。 第1〜第3正規形は暗記対象ではなく、更新・挿入・削除のたびに起きる矛盾を防ぐための考え方です。 業務システムは正規化、分析基盤は非正規化と使い分けるのが実務の基本線です。 概要 資格試験や研修で正規形を暗記したきり、実務で「どこまで正規化すべきか」を自分の言葉で判断できる人は意外と少ないです。この記事は、DB設計やテーブル定義に関わり始めた方や、正規化の意味を「なんとなく」で通過してきた方に向けて、正規化が防ぎたい問題と、非正規化との使い分けの考え方を整理します。 正規化は何を防いで…

3行まとめ スタースキーマは「速く集計するために、あえて正規化を崩す」分析基盤の定番設計です。 中心に数値を集めるファクトテーブル、周りに切り口を並べるディメンションテーブル、という単純な星形が基本形です。 Power BIなど多くのBIツールはスタースキーマを前提に最適化されているため、これに沿うだけで速度も保守性も上がります。 概要 業務システムの設計では「正規化しろ」と徹底的に叩き込まれます。ところが分析基盤・DWHの世界では、逆にデータを重複させる（非正規化する）スタースキーマが定番です。この一見矛盾した設計思想が、初めて分析基盤に触れる人のつまずきポイントになりがちです。 この記事は…

3行まとめ Microsoft.FabricPipelineUpgrade モジュールを使うと、Import-AdfFactory | ConvertTo-FabricResources | Export-FabricResources という3段のパイプライン処理で一括移行できます。 Copy・Lookup・ストアドプロシージャ実行など一般的なパターンはカバーされますが、カスタムコネクタや複雑な式は手動フォローが必要です。 PowerShell 7.4.2以降と、ARM・Synapse・Fabricそれぞれのトークン取得が事前準備として必要になります。 はじめに 大量のパイプラインを抱えるA…

生成AIパスポートの受験者数が、累計で9万人を超えました。AIリテラシーの「共通言語」として資格が広く普及した一方で、企業のAI活用は個人任せにとどまっています。この記事では、普及の数字と企業の実態のギャップを見たうえで、資格を組織の力に変えるために推進担当が何をすべきかを整理します。 生成AIパスポートは累計受験者92,738名・有資格者72,841名（2026年4月時点）、直近の合格率は79.35%まで拡大しました。 一方で商工中金の調査（2026年1月）では、生成AI利用を個人任せにする企業が64.9%、推進人材の不足が32.0%と、企業の活用は個人依存にとどまっています。 資格保有者は…

生成AIの資格は、一度取れば一生使えるものだと思われがちです。ですが生成AIパスポートは、毎年シラバスを改訂し、合格済みの人向けに更新テストまで用意する方向へ舵を切りました。2026年2月試験から適用された新シラバスをもとに、「資格が古くならない仕組み」がどう設計されているのかを、保有者の視点で整理します。 生成AIパスポートは毎年2月を基本に年1回以上シラバスを改訂する方針で、2026年2月試験から新シラバスが適用されました。 2026年版ではRAGやAIエージェントの項目が新設され、AI事業者ガイドライン第1.1版・AI新法にも対応。有資格者向けの「資格更新テスト」も2026年2月から始ま…

資格は取得した時点がゴールになりがちです。ですが生成AIパスポートのオープンバッジは、「取った資格を可視化して使う」ところまで設計できる仕組みになっています。この記事では、そのバッジがどういう仕組みかを見たうえで、社内のAI人材可視化にどう組み込めるかを整理します。 生成AIパスポートは、ブロックチェーン技術を使った国際標準規格Open Badges準拠のデジタル証明書を発行し、資格は無期限で利用できます。 バッジは名刺記載が公式に認められ、フリーランス向けにはクラウドソーシング上での認証バッジ表示にも対応。「資格を持っている」ことを外部に証明しやすくなりました。 資格×バッジ×社内スキルマッ…

3行まとめ グローバルパラメーターは移行の対象外で、Fabricの「変数ライブラリ」への手動移行が必要です。 Web・WebhookアクティビティでURLを動的式にしている場合、そのままでは移行できません。 Fabricに存在しないアクティビティは代替設計が必要で、Mapping Data FlowsはDataflow Gen2への変換になります。 はじめに 移行ツールが「完了」と表示しても、それは動作を保証するものではありません。実際に移行作業を進める中でハマったポイント・ハマりやすいポイントを整理しておきます。 想定する読者は、これからADFパイプラインの移行作業に着手する担当者です。この…

2026年7月9日、OpenAIが新モデルファミリー「GPT-5.6」と自律型エージェント「ChatGPT Work」を同時に一般公開しました。同じ週のAnthropicや欧州委員会の動きと合わせて見ると、生成AIの競争軸が「モデルの賢さ」から「実業務で動かす実行力」へ移った一週間でした。この記事では、何が起きたのかと、導入する側が次に何を設計すべきかを整理します。 3行まとめ 7月9日、OpenAIがGPT-5.6（Sol / Terra / Luna の3階層）と自律型エージェントChatGPT Workを同時公開し、競争の軸が「モデルの賢さ」から「実業務での実行力」へ移りました。 Ant…

3行まとめ 移行プロジェクトは、資産の棚卸しと不要パイプラインの整理から始めるとスコープが明確になります。 パリティギャップを洗い出し、低リスク・高パリティの資産から着手する優先順位付けが移行を計画的に進める鍵です。 単なる引っ越しではなく、命名規則やフォルダ構成を整備する好機と捉えると、数年戦えるデータ基盤への投資になります。 はじめに これまでの記事では、Fabricの機能やツールの使い方を中心に扱ってきました。シリーズの最後に、実際の提案経験を踏まえて「プロジェクトとしてどう進めるか」というマネジメント視点を整理します。 想定する読者は、Fabric移行プロジェクトの計画立案を担う、意思…

3行まとめ ADFの移行アシスタントは、既存のADFをFabricワークスペースに「マウント」するところから始まり、この時点では容量を消費しません。 パイプラインごとに「Ready」「Needs review」「Not compatible」の3段階でアセスメント結果が判定され、CSVにもエクスポートできます。 トリガーは無効状態で移行されるため、本番影響を気にせず安全に並行検証できます。 はじめに ADF/Synapse→Fabricの公式移行体験がプレビュー公開され、注目度が高まっています。実際に触ってみた記録として、移行アシスタントの使い方と挙動を整理します。 想定する読者は、自社のAD…

3行まとめ Fabricの無料試用版を使えば、契約なしでワークスペースとLakehouseを作成し、パイプラインを試せます。 Copy activityを使うと、CSVファイルをLakehouseのテーブルへ取り込む処理を数クリックで組めます。 取り込んだデータはSQLエンドポイントとPower BIの両方からすぐに確認でき、「取り込み→確認」を一気通貫で体験できます。 はじめに これまでの記事でFabricの全体像や料金体系を説明してきましたが、実際に手を動かして初めて実感できることも多くあります。今回は無料試用版で完結するハンズオンを紹介します。 想定する読者は、ADFでCopy acti…

3行まとめ Synapseからの移行は「リフト&シフト」「モダナイゼーション」「ハイブリッド」の3つのアプローチに整理できます。 パリティ（Fabricで同等機能があるか）・規模・体制の3軸で、今すぐ動くべきか待つべきかを判断できます。 移行自体を決めきれない場合も、アセスメントだけなら低コストで現状把握ができ、単体で実行する価値があります。 はじめに ADF・Synapseへの機能強化は相対的に縮小傾向にあり、「今動いているから大丈夫」と放置するリスクが少しずつ大きくなっています。 想定する読者は、Synapseを本番運用しており、Fabricへの移行を検討すべきか判断に迷っている意思決定者…

3行まとめ Fabric Data Factoryは、ADFのパイプラインエンジンをほぼそのまま引き継いでいます。 Outlookメール送信やTeams通知、Copilotによるパイプライン作成支援など、Fabric側だけの機能も追加されています。 CI/CDはARMテンプレートからGit統合・デプロイパイプラインへと変わっており、ここが最も学び直しが必要な部分です。 はじめに Fabric Data Factoryは「次世代ADF」と位置づけられており、既存ADFユーザーが最も気にするのは「これまでの知識やパイプラインがどこまで通用するのか」という点です。 想定する読者は、ADFでパイプライ…

3行まとめ Fabricは「F SKU」という容量単位で課金され、確保したCU（Capacity Unit）の枠内で全ワークロードを動かす仕組みです。 Azure Data Factoryの多くの機能は使った分に応じた課金ですが、Fabricは使わない時間帯もF SKUを確保している限り課金が発生する点が異なります。 小さく始めたい場合は、最小構成のF2を選び、使わない時間帯は一時停止する運用が現実的な入口になります。 はじめに Fabricの導入検討では、必ずと言っていいほど料金の話になります。Azure Data Factoryの課金感覚に慣れていると、Fabricの容量課金モデルは最初分…

3行まとめ OneLakeは組織で1つの論理データレイクで、FabricのLakehouse・Warehouse・Power BIはすべてこの上のデータを参照します。 LakehouseとWarehouseは「非構造化データも扱うか」「SQL中心で運用するか」で使い分けます。 ショートカット機能とDirect Lake接続を使うと、データをコピーせずにそのまま活用できます。 はじめに Fabricの学習で最初につまずきやすいのが、OneLake・Lakehouse・Warehouseという聞き慣れない概念です。ここを整理しておくと、Power BIユーザーがFabricに触れる際の心理的なハー…

3行まとめ Microsoft Fabricは、ADF・Synapse・Power BIなどバラバラだったデータ関連サービスを1つのSaaSに統合したプラットフォームです。 OneLake・容量課金・ワークスペースという3つの概念を押さえると、Fabric内の各機能の位置づけが理解しやすくなります。 Fabricは「新しいツール」ではなく「既存ツール群の統合先」であり、Microsoftの今後の投資もFabricに集中していきます。 はじめに Microsoftのデータプラットフォームは、いまFabricへの集約が進んでいます。「ADFやSynapseは今後どうなるのか」という不安や疑問を持つ…

3行まとめ SLM（Small Language Model）は、パラメータ数を抑えた軽量な言語モデルで、定型処理・分類・要約などのタスクでLLMと遜色ない精度を出せる。 コスト・速度・オンプレミス運用の面でLLMより有利なため、すべてを最上位モデルに頼る運用はコスト最適化の観点から見直しが必要。 「適材適所」がAI運用コストを抑えるカギ。タスクの特性に応じてSLMとLLMを使い分けるルーティング設計が重要になる。 はじめに Claude・GPT-4・Geminiなどの大規模言語モデル（LLM）が普及する一方、軽量なSLM（Small Language Model）で十分なケースが多いという指…

3行まとめ AnthropicはSonnet 5で、初めて期間限定の「導入価格」を採用しました（入力$2・出力$10、2026年8月31日まで。以降は標準価格の入力$3・出力$15）。 この時期はAnthropicがSECへ機密のIPO申請（S-1）を行った直後でもあり、業界全体のAIコスト削減競争のなかでの低価格投入という文脈があります。 モデル選定は「性能」だけでなく「価格の期限」「競合との比較」も含めた判断が必要になっています。導入検討には割引期間が好機です。 はじめに Sonnet 5では、Anthropicとして初めて期間限定の導入価格（プロモ価格）が採用されました。技術的な進化だけ…

3行まとめ Fable 5停止騒動の一因は、ジェイルブレイク（AIの安全機構の回避手法）の深刻度を評価する業界共通の基準がなかったことだとAnthropicは主張しています。 Anthropicは、Amazon・Microsoft・GoogleらProject Glasswingのパートナーとともに、深刻度スコアリングの共通フレームワーク作りを進めています。評価軸は「能力向上度」「適用範囲の広さ」「悪用の容易さ」「発見の容易さ」の4つです。 ソフトウェア脆弱性管理がCVE/CVSSという共通言語で成熟してきた歴史を、AI安全性の分野がなぞり始めています。 はじめに Fable 5の停止では、同…

3行まとめ 再開したFable 5は、Pro・Max・Team・一部Enterpriseプランで「週間利用上限の50%まで」という条件付きで2026年7月7日まで利用でき、以降はusage credits（従量課金）での提供に移行します。 APIの料金は入力$10・出力$50（100万トークンあたり）で、credits換算レートは未公表です。標準Enterpriseシートには含まれず、最初からcreditsが必要になります。 「定額サブスクで最上位モデルを使い放題」という前提が崩れつつあります。フロンティアモデルの課金モデルの変化として注目に値します。 はじめに 7月1日に再開したFable …

3行まとめ 再開版Fable 5には安全分類器（safety classifier）が組み込まれ、危険と判定されたリクエストは自動的にOpus 4.8へ切り替えられて処理されます。 新分類器は停止の発端となったジェイルブレイク手法を99%以上のケースでブロックします。切替時にはユーザーに通知が表示されます。 「モデルの能力」と「安全装置」を分離して配布する設計（defense in depth）の実例であり、誤検知と安全性のトレードオフをどう扱うかが実務上の注目点になります。 はじめに 2026年7月1日に再開されたFable 5は、停止前と同じものがそのまま戻ってきたわけではありません。安全…

3行まとめ Claude Fable 5は2026年6月9日の公開からわずか3日後、米政府の輸出管理指令により全面停止されました。Anthropicに与えられた猶予は90分でした。 6月26日にMythos 5が米国の一部組織向けに部分再開、6月30日に商務省が輸出管理を解除し、7月1日にFable 5が全世界で全面再開。停止期間は19日間でした。 「政府指令で特定モデルが即日止まる」ことが現実に起きました。特定モデルに依存したワークフローは規制一発で止まるため、マルチモデル前提の設計が必要になります。 はじめに 政府指令によるフロンティアAIモデルの全面停止という前例のない事態が発生し、19…

3行まとめ Sonnet 5は「これまでで最もエージェント的なSonnet」と位置づけられています。従来のSonnetでは途中で止まっていた複雑なタスクを完遂できる点が最大の変化です。 指示がなくても自分の出力を検証する挙動が報告されており、「始めるAI」から「終わらせるAI」への進化を示しています。 ターミナル操作（Terminal-Bench 2.1）やコンピュータ操作（OSWorld-Verified）のベンチマークでも、前世代から大きくスコアが向上しています。 はじめに 2026年のAI業界では、エージェント的な運用が中心的なテーマになっています。Sonnet 5の「タスクを完遂する」…

3行まとめ Sonnet 5は、望ましくない挙動・ハルシネーション・追従（sycophancy）のいずれも前世代Sonnet 4.6より低減されており、プロンプトインジェクション耐性や悪意ある要求への拒否性能も向上しています。 一方でサイバー能力は現行Opusより大幅に低く、意図的に抑えられています。サイバー関連のセーフガードはデフォルトで有効化されています。 「能力を最大化すること」だけでなく「用途に応じて能力と安全性のバランスを設計すること」が、モデル選定における新しい観点になってきています。 はじめに モデルの安全性設計は、能力の向上と並んで重要なテーマになっています。Sonnet 5で…

3行まとめ Sonnet 5はFree・Proのデフォルトモデルになったため、既存の運用に影響が出る可能性があります。まずはデフォルトモデル変更の影響範囲を確認することが第一歩です。 effortレベルの設定次第でコストが大きく変わるため、導入価格期間（〜2026年8月31日）中にコスト試算と動作検証を行うのが得策です。 「出たから使う」のではなく、「自社ワークロードで測ってから移行する」判断プロセスが、失敗を避けるカギになります。 はじめに Sonnet 5はデフォルトモデルの変更を伴うため、何も対応しなくても既存の利用体験が変わる可能性があります。この記事では、導入前に確認すべき点を整理し…

3行まとめ Sonnet 5・Opus 4.8・Sonnet 4.6は、性能・価格・用途で明確に役割が異なります。「常に最上位を使う」から「タスクに応じて選ぶ」への転換が進んでいます。 高精度で難しい判断が要る仕事にはOpus 4.8、日常業務・大量処理・エージェント実行にはSonnet 5が適します。ナレッジワークではSonnet 5がOpus 4.8を僅かに上回る場面も報告されています。 APIの「effort（努力度）」パラメータで思考の深さを調整でき、Sonnet 5とOpus 4.8の間でコストと性能のバランスを取る運用が可能です。 はじめに Sonnet 5の登場でモデル選定の選択…

3行まとめ 2026年6月30日、AnthropicはClaude Sonnet 5を発表しました。「これまでで最もエージェント的なSonnet」として、計画立案・ブラウザ操作・ターミナル操作・自律実行が大幅に強化されています。 性能はOpus 4.8に肉薄しつつ、価格は標準でも約60%安くなっています（入力$3・出力$15 対 Opus 4.8の入力$5・出力$25、いずれも100万トークンあたり）。前世代Sonnet 4.6からは推論・ツール利用・コーディング・ナレッジワークのいずれも明確に向上しました。 Free・Proプランのデフォルトモデルとなり、Max・Team・Enterpris…

3行まとめ 業務で使う専門用語・社内略語の定義リストをコンテキストに含める「Dictionary Injection」という手法で、AIの回答精度が大きく改善する。 RAGを組まなくても効果が出る軽量テクニックで、用語集をテキストで渡すだけで始められる。 「AIが見当違いの答えを返す」問題の多くは、知識不足ではなく文脈不足。用語集はその最短の処方箋。 はじめに 専門用語や社内独自の略語が多い業務でAIを使うと、AIが文脈を取り違えた回答を返すことがあります。「MRRを改善するには？」と聞いたのに全然違う話になった、「アクティブユーザーの分析をして」と言ったら定義がズレていた、といった経験は多く…

3行まとめ コンテキストウィンドウが広くなったからと大量の資料を放り込むと、入力の中盤に置いた重要情報が無視されやすい「Lost in the Middle」という現象が起きる。 情報を詰め込みすぎると全体の精度が落ちる「Context Rot」も報告されており、「全部渡せばいい」は誤り。 重要な指示は冒頭か末尾に配置し、必要な情報を適量だけ渡す設計が精度の分かれ目。 はじめに Claude・GPT・Geminiなどの最新モデルは数十万〜百万トークンものコンテキストウィンドウを持つようになりました。「全部入れれば精度が上がる」と思っている方も多いですが、実態は違います。AIに大量の資料を渡して…

3行まとめ 「ステップバイステップで」「これは私のキャリアに重要」などの定番フレーズが、2026年の最新モデルでは効果が薄れているという研究が出ている。 最上位モデルでは細かい制約を盛りすぎると逆効果になる「プロンプティング逆転」現象が報告されている。 モデルが賢くなったぶん、プロンプトは「盛る」より「削る」時代へ。古いテクニックの棚卸しが必要。 はじめに 「このプロンプトを使えばAIの精度が劇的に上がる！」という記事は今も後を絶ちません。しかし2026年現在、最新モデルを使っている人ほど「以前効いていたテクニックが効かなくなった」と感じているようです。AIツールを業務で活用している方や、「昔…