3行まとめ 既存のExcel帳票から、罫線や塗りの体裁をもとに項目の種別を自動判定させようとして失敗しました。 判定できなかった理由はAIの精度ではなく、対象データに一貫したルールが存在しなかったことでした。 全自動をあきらめ、自動生成した結果を人が確定させる形に変えたことで、作業時間は当初の想定に収まりました。 はじめに 客先で長年使われているExcelの帳票を、新しいフォーマットへ移す作業がありました。項目ごとに、太い罫線で囲まれているもの、細い罫線のもの、セルが塗られているものがあり、見た目で種別が分かるように作られています。 数百行を手で振り分けるのは現実的ではありません。体裁から種別…

3行まとめ 記事本文をブラウザ上の共同編集ドキュメントへ自動入力させたところ、同じ節が二重・三重に並びました。 原因は、送信が完了しても画面への反映が終わっていない状態を「失敗」と判断して送り直したことでした。 自動化に再試行を組み込む前に、その操作が二度実行されても問題ない形かどうかを決めておく必要があります。 はじめに 社内のナレッジ共有用に、手元で書いた記事をブラウザ上の共同編集ドキュメントへ流し込む処理を組んでいました。見出しと段落を含む本文をまとめて投入するだけの、単純な作業です。 一度目の実行では、投入した直後の画面に何も増えませんでした。エラーも出ていません。処理は正常終了してい…

3行まとめ AIに書かせたスクリプトでExcelを自動操作していたところ、PC全体でキーボード入力を受け付けなくなりました。 原因は画面に表示されないまま残っていたExcelプロセスと、そのプロセスが抱えていたダイアログでした。 自動化で最初に決めるべきなのは処理の中身ではなく、途中で停止したときに何が残るかでした。 はじめに 客先提出用の工程表サンプルを作成していたときの話です。列が数十本あり書式の指定も細かく、手作業なら半日はかかる分量でした。そこで、Excelを操作するPythonスクリプトをAIに書かせ、生成を自動化することにしました。 作成しては実行し、想定と違えば停止して修正し、ま…

AIエージェントを業務に入れようとすると、技術の話に入る前に必ず一度立ち止まる場所があります。「いま契約しているツールのAI機能を使うのか、それとも自分たちで組むのか」。ここでの選択が、その後にかかる時間もコストも決めてしまいます。 3行まとめ AIエージェント導入は、既存SaaSのAI機能を使う「SaaS統合型」と、ノーコード/ローコードで内製する「構築型」に大別されます。 SaaS統合型は既存基盤との統合性が高く早く始められる一方、カスタマイズには天井があります。構築型は柔軟ですが、内製力と運用コストを要求します。 現実的な出発点は二択ではなく、「手持ちのSaaSのAI機能を使い倒し、足り…

PoCはうまくいったのに、本番に載らない。AIエージェントの導入で最もよく聞く詰まり方です。デモでは想定どおり動いていたのに、実運用の話になると誰も「行ける」と言えない。足りていないのはモデルの性能でも、プロンプトの精度でもありません。動かす側の枠組みです。 3行まとめ ハーネスエンジニアリングは、AIが安全に成果を出し続けるための環境・枠組みを設計する考え方。コンテキストエンジニアリングのさらに上位に位置します。 迷わず・逸脱せず・失敗したら止まり・人につなげられる。この4つを先に設計しておくことが、PoCを実運用に渡す条件になります。 AI活用の成熟度は、プロンプト最適化 → コンテキスト…

プロンプトをいくら工夫しても結果が良くならない。AIエージェントを触っている人なら、一度は突き当たる壁です。言い回しを変え、役割を与え、手順を細かく指定しても頭打ちになる。その壁の正体は、指示文の外側にあります。 3行まとめ プロンプトエンジニアリングは指示文の最適化、コンテキストエンジニアリングはAIが参照する情報環境全体の設計という上位概念です。 コンテキスト管理の4戦略（Write・Select・Compress・Isolate）を押さえると、エージェントの精度と安定性が変わります。 プロンプトを否定する話ではなく、「プロンプトの上にコンテキスト設計がある」という階層を意識するのが出発点…

AIエージェントに仕事を任せるとき、悩ましいのは「どこまでやらせるか」ではなく「どこで止めるか」のほうです。全部自動にすれば速いが、間違えたときに戻せない。都度確認にすれば安全だが、それならAIを入れた意味が薄れる。この線引きが、そのまま導入の成否になります。 3行まとめ AIエージェントに業務を任せる際、「どこで人間が確認・承認するか」の設計が品質とリスクの分かれ目になります。 外部への送信やシステムへの書き込みなど、後戻りできないアクションの手前に承認ステップを置くのが基本です。 承認はボトルネックではなく、AIとの協業品質を保つ管理拠点として設計します。 「下書きまで」と「実行まで」は、…

「作って」と書いたら動くものが返ってきた。この体験は率直に気持ちがいいものです。ただ、そこで作られたものをそのまま業務に載せていいかというと、話は別になります。バイブコーディングは「作れる」を一気に広げましたが、「運用できる」まで広げてはくれません。 3行まとめ バイブコーディングは、自然言語の指示だけでAIにコードを生成させる開発スタイル。非エンジニアでも動くものを作れる点に価値があります。 一方でセキュリティ・保守性・依存関係・テスト欠如という4つのリスクを抱えており、「作れる」と「運用できる」は別物です。 本番に載せるなら、レビュー・テスト設計・スコープ制限・変更履歴の管理という4ステッ…

「社内のマニュアルをAIに読ませたい」。この相談は本当によく聞きます。ところが実際に組んでみると、期待したほど答えが返ってこない。原因はモデルの性能ではなく、たいていRAGの設計側にあります。 3行まとめ RAG（Retrieval-Augmented Generation）は、AIが答える直前に必要な知識を検索して渡す仕組み。社内文書やマニュアルをAIに参照させるための設計パターンです。 全文をコンテキストに詰め込むのではなく、チャンク分割 → ベクトル化 → 意味検索 → 注入という流れで、必要な部分だけを取り出します。 精度を決めているのはモデルではなく「何を・どう分割し・どう検索するか…

3行まとめ OLTP（業務システム用DB）とOLAP（分析用DB）は、得意な処理がそもそも正反対です。 同じDBで両方をやろうとすると、業務の応答が遅くなったり、分析クエリが重すぎて業務を止めたりする事故が起きます。 DBを分ける理由が分かると、スタースキーマのような分析基盤側の設計思想も理解しやすくなります。 概要 「同じデータなんだから、DBは1つでいいのでは？」という素朴な疑問は、業務システムのDBと分析基盤のDBの違いを知らないと誰もが一度は持ちます。この記事は、その違いを説明できるようになりたい方に向けて、OLTPとOLAPの設計思想の違いと、DBを分けないと何が起きるかを整理します…

3行まとめ SCD（緩やかに変化するディメンション）は、「顧客の所属部署が変わったら、過去の実績はどちらの部署に集計するか」という悩みに答えるための考え方です。 代表的な対処法にType1（上書き）・Type2（履歴を行で残す）・Type3（前の値を列で持つ）があります。 どれを選ぶかは「過去をそのときの姿のまま再現したいか」で決まります。 概要 「異動前の実績はどっちの部署に集計する？」という現場の悩みへの答えがSCDですが、言葉を知らずに毎回その場しのぎで対応しがちです。この記事は、BIレポートで「なぜかこの人の異動前の実績が今の部署に付け替わっている」といった違和感に遭遇したことがある方…

3行まとめ 主キーはテーブル内で行を一意に識別する値、外部キーは他テーブルとの関連を示す値です。 社員番号のような「業務キー」をそのまま主キーにすると、業務ルール変更のたびにテーブル設計が揺らぐ危うさがあります。 サロゲートキー（連番などの代理キー）を使うと、業務の変化に強いテーブルになります。 概要 とりあえずID列を振ってはいるものの、業務キーとの違いや使い分けを説明できない、というのはよくある状態です。この記事は、テーブル設計でキーの張り方を今まで深く考えたことがない方に向けて、主キー・外部キーの役割と、サロゲートキーを使う理由を整理します。 主キーと外部キーの役割 主キーは、1つのテー…

3行まとめ ディメンショナルモデリングとデータボルトは、どちらも「分析基盤のためのテーブル設計流派」ですが、優先する価値がまったく違います。 ディメンショナルモデリング（スタースキーマなど）は分析のしやすさを、データボルトは変更への強さと監査対応を優先します。 どちらか一方が正解ではなく、要件（分析しやすさか、変更耐性か）や組織の規模で選ぶものです。 概要 「うちはデータボルトで」と言われて頷いたものの、スタースキーマと何が違うのか実は曖昧、というのはよくある状態です。この記事は、DWH・分析基盤の設計に関わり始めた方や、モデリング手法の選び方に迷っている方に向けて、ディメンショナルモデリング…

3行まとめ SQL Serverは単体の製品ではなく、SSMS・SSIS・SSAS・SSRSなどのツール群を含む「製品ファミリー」です。 エディションとライセンス体系を理解しておかないと、コストや機能面で想定外のつまずきが起きます。 Azure SQL Databaseは同じ「SQL Server」の名を冠しますが、運用の考え方が異なる別物と捉えた方が理解しやすいです。 概要 「SQL Serverは知っている」つもりでも、SSMS・SSIS・SSAS・SSRSが何者かは意外と説明できない、というのはよくある状態です。この記事は、SQL Serverに触れ始めたばかりの方や、SELECT *は…

3行まとめ オンプレミス vs クラウドの議論は「どっちが良いか」ではなく「何を基準に選ぶか」で考えると結論が出やすくなります。 コスト構造（初期投資か従量課金か）、運用体制、データ量の増減予測、セキュリティ要件が主な判断軸です。 「クラウドにすれば安くなる」という単純な思い込みは、移行後に想定外のコスト増を招くことがあります。 概要 移行案件で必ず出る論点ですが、二元論で語られがちで、実際は判断軸を持てるかどうかで結論が変わります。この記事は、オンプレミスからクラウドへの移行を検討している方や提案を受ける立場の方に向けて、コスト構造の違いとクラウド移行で費用が増える理由、判断軸の持ち方を整理…

3行まとめ IaaS・PaaS・SaaSは「サーバー・OS・ミドルウェア・アプリのどこまでを事業者が持つか」という責任範囲のグラデーションです。 任せる範囲が広いほど楽になりますが、その分だけ自由にカスタマイズできる範囲は狭くなります。 どこまで任せるかを理解しておくと、運用負荷とコストのトレードオフを判断しやすくなります。 概要 提案書に当たり前のように出てくる3語ですが、責任範囲の線引きを説明できるかは別問題です。この記事は、クラウドサービスの提案や選定に関わり始めた方に向けて、3つの階層がそれぞれ何を任せているか、責任範囲の考え方と選択時のトレードオフを整理します。 サーバー・OS・ミド…

3行まとめ 「マネージドだから運用不要」という誤解は現場に多く、実際には肩代わりされる作業と手元に残る作業がはっきり分かれています。 バックアップ・パッチ適用・冗長化などは事業者側が担いますが、設計・チューニング・コスト管理は利用者側に残ります。 「運用ゼロ」ではなく「運用の中身が変わる」と捉えると、任せた先で何を見るべきかが分かりやすくなります。 概要 「マネージドだから運用不要」という誤解が現場に多く、実際に何が肩代わりされ、何が残るのかを整理する記事です。マネージドサービスの導入を検討している方や、導入後の運用体制を考える立場の方に向けて、事業者側がやること、利用者側に残ること、運用が楽…

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…