# データと会話するエージェント

> データと会話するエージェント - データとの対話を体験できます。

This Markdown file sits beside the HTML page at the same path (with a `.md` suffix). It summarizes the topic and lists links for tools and LLM context.

Companion generated at `2026-07-27T18:44:30.745256+00:00` (UTC).

## Primary page

- [データと会話するエージェント](https://docs.datarobot.com/ja/docs/wb-apps/app-templates/at-talk-agent.html.md): Full documentation for this topic (Markdown sidecar).

## Sections on this page

- [主な機能](https://docs.datarobot.com/ja/docs/wb-apps/app-templates/at-talk-agent.html.md#key-features): In-page section heading.
- [ユースケース](https://docs.datarobot.com/ja/docs/wb-apps/app-templates/at-talk-agent.html.md#use-cases): In-page section heading.
- [アーキテクチャ](https://docs.datarobot.com/ja/docs/wb-apps/app-templates/at-talk-agent.html.md#architecture): In-page section heading.

## Documentation content

> [!NOTE] 本機能の提供について
> データと会話するエージェントのアプリケーションテンプレートには、GenAIとMLOpsの機能が必要です。 現在これらの機能にアクセスできない場合は、30日間の [DataRobotトライアル](https://www.datarobot.com/trial/?utm_source=productbanner&utm_medium=web&utm_campaign=FreeTrial23productct) にサインアップして、このテンプレートをお試しください。

[GitHubでこのアプリケーションテンプレートにアクセス](https://github.com/datarobot-community/talk-to-my-data-agent/)

データと会話するエージェントのアプリケーションテンプレートを利用すると、エージェントワークフローを使って、 `.csv` またはデータベースの表形式および構造化データに関する質問ができます。 このアプリケーションでは、チャットインターフェイスを介してデータのアップロードまたは接続、質問、インサイトによる回答の視覚化を行い、複雑なデータセットから迅速にインサイトを得ることができます。

意思決定者はデータに基づくインサイトを頼りにしていますが、インサイトを得るまでに時間と労力がかかることに不満を感じることがよくあります。 彼らは簡単な質問への回答を待つことを嫌い、このフラストレーションを解消するソリューションには多額の投資を惜しみません。 このアプリケーションは、スプレッドシートやデータベースへの平易な言語によるチャットインターフェイスを提供することで、この課題に直接対処します。 直感的な会話を通じて、元のデータを実用的なインサイトに変換します。 AIの能力を活用することで、より迅速な分析が可能となり、より短時間で情報に基づいた意思決定を行うことができます。

このアプリケーションは、以下のような場合に役立ちます。

- ステークホルダー向けの報告書やダッシュボードを生成し、データアナリストやデータサイエンティストの業務を運用する。
- 各部門の業務、不定期な分析依頼、定期報告書の作成と自動化について、パフォーマンスを追跡、報告、分析する。
- データからインサイトをすばやく抽出することで、意思決定を迅速化する。
- デプロイのセキュリティとガバナンスを制御する。
- 企業のニーズに合わせて業務の規模を調整する。

データと会話するエージェントのアプリケーションテンプレートについての [エンドツーエンドの基本ステップ](https://docs.datarobot.com/ja/docs/get-started/how-to/talk-data-walk.html.md) をご覧ください。

## 主な機能

- エージェントワークフロー：データの準備、辞書の生成、コードの生成など、複数の手順を組み合わせてデータに関する質問に回答します。
- データサイズの制限なし：このアプリケーションは、大量のデータを制限なく管理します。 行数は無制限ですが、データ列の数は選択したLLMによって異なります。
- シームレスなデータ接続：AIカタログと連携して、天気や財務データといった外部データセットを含めたさまざまなソースからのデータをシームレスに組み合わせます。また、アドホックなローカルファイルと事実上あらゆる他のソースからのデータを統合でき、包括的な分析を実現します。
- 自然言語による、コンテキストを認識したQ&A：日常的な言葉遣いと簡単なプロンプトを使用して特定のビジネス上の質問を行い、独自のデータセットを活用して会話形式のチャットで正確な回答を得られます。
- ドメインの専門知識：業界固有のロジックを組み込み、データに関して非常に詳細で正確な分析を生成します。
- あらゆるスキルレベルでの使いやすさ：ユーザーフレンドリーなインターフェイスにより、技術的知識のないユーザーでも簡単な英語によるクエリーでデータを分析できます。一方、技術的な知識のあるユーザーは、必要に応じて透明性を確保しながら生成されたコードを確認できます。
- データの分析と視覚化：BigQueryまたはSnowflake SQLを使用して大規模なデータセットを迅速に分析し、業界固有のカスタマイズ可能な視覚化によって補完することで、実用的なインサイトを得られます。
- あらゆる規模でリスクを最小限に抑え、コンプライアンスを維持：MLOpsは、スケーラブルなガバナンスと堅牢な監視によって運用上の信頼性を確保し、経営陣やアナリストが組織および規制の基準に準拠しながら、自信を持ってインサイトを推進できるようにします。

## ユースケース

データと会話するエージェントを使用するのに適したユースケースを確認します。

- セールスおよびマーケティング分析：表形式のデータを分析して、顧客セグメンテーション、解約分析、キャンペーンの成果、マーケティング費用対効果、販売パイプライン、顧客感情分析に役立てます。
- 財務分析：財務分析により具体的なインサイトを迅速に取得して、キャッシュフロー、支出、収益、採算性を評価します。 需要予測を活用して、過去のデータから将来の収益や支出を予測します。また、ビジネスパフォーマンス分析を実施して、全体的なパフォーマンスを評価し、改善の機会を特定します。
- サプライチェーン分析：在庫管理に関するインサイトで業務を最適化し、高い在庫コストと、サービスを損なうことなく在庫切れを減らす機会を特定します。 サプライヤーの能力を評価し、一貫して高品質の材料を提供している信頼できるパートナーを特定します。また、欠陥の原因となる製造工程に対処することで、品質管理を改善します。

## アーキテクチャ

このテンプレートは、特定のビジネス要件に合わせて高度にカスタマイズ可能でありながら、生入力からデプロイされたアプリケーションまで、以下のエンドツーエンドのAIアーキテクチャを提供します。

> [!WARNING] 注意
> アプリケーションテンプレートは、AIアプリケーションの開発、提供、保守の方法に関する指針を示す出発点となることを目的としています。 本番環境で使用する前に、開発者やデータサイエンティストがビジネス要件に合わせて調整および変更する必要があります。