テクニカルブログ|XIMIX エンジニアの実践ノウハウ

[Google Cloud Next '26 Las Vegas] セッション参加レポート - AIはなぜレポートを間違えるのか?データ辞書(LookML)による正確なデータ活用

作成者: NTTインテグレーション|2026.04.24

Google Cloud Next '26 Las Vegasとは

Google Cloud Next '26は、2026年4月22日から4月24日の3日間、アメリカ・ラスベガスのMandalay Bayにおいて開催されるGoogleのクラウドサービスに関する世界最大級のイベントです。「ディープ ラーニング、刺激的なセッション、共同での問題解決など、充実した 1 週間になることでしょう。業界の専門家や、あなたと同じ課題や機会に直面している同業者から直接学ぶチャンスです。Next 26 を終える頃には、他では得られない斬新なアイデア、最先端のスキル、行動につながる知見を身につけていることでしょう。」と銘打っており、AIコンテンツで大いに盛り上がった昨年や一昨年にも勝るとも劣らないイベントとなることが期待されます。

私たちNTTインテグレーションも、Google Cloudに精通した専門家として、技術イノベーションの最新動向を取り入れ、顧客に対するソリューション提供に活かしていくことを目指して参加しています。

このような貴重な機会ですので、現地からいち早くブログで最新情報や熱量を発信してまいります。

本記事で紹介するセッション概要

  • セッションタイトル:Is AI Getting Reports Wrong? Try Google LookML, Your Data Dictionary!

  • 講演日時:2026年4月22日 12:00 PM - 12:25 PM

  • 内容サマリ:  AI(LLM)が生成するレポートの「誤回答」を防ぐため、BigQuery CanvasLooker (LookML) を組み合わせる手法についてのセッションです。AIの直感的なインターフェースと、LookMLの確定的なロジックを融合させることで、信頼性の高いデータ活用を実現する仕組みが紹介されました。 

このセッションで期待できること

現在、BigQuery Canvasのようにデータ分析基盤上でも自然言語でデータ探索ができるようになっています。しかし、AIが「売上」や「顧客数」の定義を勝手に解釈し、間違った数字を出してしまう「ハルシネーション」が大きな課題です。

本セッションでは、Lookerを単なるBIツールとしてではなく、AIが参照すべき「正しいビジネスルールの辞書」として活用し、AIの回答を正確にコントロールする具体的な方法を学ぶことを目的としました。

 

セッション内容:AIとセマンティックレイヤーの融合

セッションでは、AIをビジネスの現場で「使える」ものにするための、2つのレイヤーの役割分担が解説されました。 

1. AIがレポートを間違える理由

LLMは確率的なモデルであるため、ビジネス特有の複雑な指標定義を正しく解釈できないことがあります。そこで、AIを確定的なロジックにグラウンディングさせる仕組みが必要となります

2. LookMLによるセマンティックレイヤーの構築

LookMLは、指標(メトリクス)や計算ロジックを一元管理する「セマンティックレイヤー」として機能します

特徴 AIレイヤー (BigQuery Canvasなど) セマンティックレイヤー (LookML)
得意なこと 意図の理解、要約、自然な対話 正確な計算、ルールの一元管理
性質 確率的(だいたい合っている) 確定的(ルール通り、常に同じ)
役割 データの「窓口」 データの「辞書・正解」

この2つが組み合わさることで、以下のような流れが生まれます。

  1. ユーザーの質問(自然言語): 「先月の優良顧客のリストを出して」

  2. AIの解釈(確率的): 「『優良顧客』という言葉は、LookMLの中にある『LTV(顧客生涯価値)』という定義を使えば良さそうだ」と判断します。

  3. LookMLの実行(確定的): AIから指示を受けたLookMLエンジンが、定義済みの正しいSQLを生成してBigQueryへ投げます。

  4. 正確な回答: データベースから返ってきた「絶対に間違っていない数値」を、AIがまた自然な言葉に直してユーザーに返します。

3. 会話型分析を成功させるための推奨事項

スピーカーのRif Kiamil氏は、以下のポイントを強調しました。

  • ビジネス用語での定義: 技術用語ではなく、ユーザーが使う「ビジネス言語」でフィールドを定義する

  •  一元管理(SSOT): 定義を分散させず、LookMLという「信頼できる唯一の情報源」に集約する。 

  •  AIへの教育: LookerのQuick Startsなどを活用し、AIに「この会社ではこう分析するのが正解」というパターンを教え込む。 

まとめ・感想

「AIに自由に分析させる」のではなく、「人間が決めた正しいルール(LookML)というレールの上で、AIを走らせる」という考え方が、今後のエンタープライズAI活用のスタンダードになると強く感じました。

Lookerを導入することは、単にグラフを作るためだけではなく、AI時代における「データのガバナンス」を確立することなのだと再認識できた、非常に有意義なセッションでした。

参考

Google Cloud、Google Workspace に関するご相談はXIMIXへ!

Google Cloud、Google Workspaceに関する お問い合わせはこちら
XIMIX®はNTTインテグレーションが所有する登録商標です。(商標登録第6755234号)