【Oracle Cloud ウェビナー】[Oracle AI Database + Google Cloud] AIとデータ分析でイノベーションを推進

Oracle Cloud ウェビナーシリーズ情報: https://oracle.com/goto/ocws-jp
セッション動画: https://go.oracle.com/ocws-jp-ondemand

Transcript

1. Oracle Cloud ウェビナー [Oracle AI Database + Google Cloud] AIとデータ分析でイノベーションを推進 ⽇本オラクル株式会社、グーグル・クラウド・ジャパン合同会社 2026年1⽉28⽇
2. オラクルでは、クラウド・サービスをお客様が希望する場所で実⾏できる、分散クラウド戦略を推進しています。 そして、マルチクラウド・ソリューションとしてOracle AI Databaseサービスを、OCIはもちろん、Azure、Google Cloud、 AWSでもご利⽤いただけるようになりました。これにより、Oracle RAC、Exadata、Autonomous AI Database、そして ⾰新的な機能を実装したOracle Database 26aiを活⽤し、あらゆる要件のOracle Databaseワークロードを希望するク ラウドで実⾏することができます。 このセッションでは、Oracle AI DatabaseとGoogle Cloudの先進サービスを利⽤したAI/データ活⽤ソリューションをご紹 介します。 アジェンダ • オラクルの分散クラウド戦略、Oracle AI Database 概要 • Oracle Database@Google Cloud 概要、Google Cloud サービスとの連携 本セミナーについて Copyright © 2026, Oracle and/or its affiliates 2
3. オラクルが提供する分散クラウド Copyright © 2026, Oracle and/or its affiliates 3 Roving Edge Infrastructure Dedicated Region Exadata Cloud@Customer Compute Cloud@Customer ハイブリッドクラウド(@オンプレミス) AWS Azure Google Oracle Database@Azure Interconnect for Azure Oracle Database@Google Interconnect for Google Oracle Database@AWS HeatWave on AWS マルチクラウド Public Region Full Service Full Service
4. 今では信頼できるデータベースを”どこでも”サービスとして実⾏可能に ハイパースケール・パブリック・クラウドで実⾏ クラウドをオンプレミスで実⾏ Same Database. Same Features. Same Pricing. Exadata Cloud@Customer OCI Dedicated Region OCIフルサービスを お客様データセンターで提供 OCI Exadataサービスを お客様データセンターで提供 Copyright © 2026, Oracle and/or its affiliates 4
5. “どこでも”同じデータベース・サービスを同じ価格で提供 Copyright © 2026, Oracle and/or its affiliates 5 Autonomous AI Database@OCI 1ヶ⽉ 101,040円 • 744時間(31⽇×24時間) • 2 ECPU/ストレージ 1TB/バックアップ 5TB • https://www.oracle.com/jp/autonomous- database/pricing/ Autonomous AI Database@Google Cloud 1ヶ⽉ 101,040円 • 744時間(31⽇×24時間) • 2 ECPU/ストレージ 1TB/バックアップ 5TB • https://www.oracle.com/jp/cloud/google/oracle -database-at-google-cloud/pricing/ * 各社の為替レートにより、完全に同⼀価格にはならないケースがあります
6. Copyright © 2026, Oracle and/or its affiliates 6 Oracle Databaseは各クラウドにインストールすれば使えましたよね︖ → どうして Oracle Database@Hyperscaler が必要だったのでしょうか
7. どうしてOracle Database on IaaSではクラウドのメリットが得られにくいのか Copyright © 2026, Oracle and/or its affiliates 7 3 データベース運⽤の 負荷が減らない データセンターやHWの運⽤ 負荷は低減できるが、データ ベースについてはオンプレミス と同様の運⽤負荷がかかる 3 2 性能と可⽤性 と拡張性の不⾜ オンプレミスで担保していた 性能や可⽤性の要件を汎 ⽤サーバやストレージでは満 たせず、要件の断念やデータ ベース分割等の⼤幅なシス テム変更が必要になる 2 1 完全な柔軟性 が得られない HWリソースは増減できるが 、ピークに合わせたライセンス 費⽤が必要になりコスト最 適化効果が⼩さい 1
8. Oracle Database@Hyperscaler であれば… Copyright © 2026, Oracle and/or its affiliates 8 3 データベース運⽤は 低減もしくはゼロに 定常的な運⽤は効率化 Autonomous AI Databaseではチューニング を含めた⾼度な運⽤タスクも ⾃動化 3 2 最⾼の性能と可⽤性 と拡張性を実現 Oracle Databaseに最適化 されたハードウェアで全ての サービスが稼働 ⼩規模から超⼤規模システ ムにも対応 (0.5コア-6,080コア)* 2 1 完全な柔軟性 の獲得 必要なリソースに準じた料⾦ で利⽤可能 ⾃動的なリソース変動による 最適化も可能 1 * 選択できるリソースサイズは各クラウドで異なります
9. Google Cloudのリージョン内にOCIが導⼊され、データベース・サービスを直接提供 Oracle Database@Google Cloud Copyright © 2026, Oracle and/or its affiliates 9 これによりOracle RACおよびExadataの実装と⾃律型データベースである Autonomous AI Databaseの提供が可能になりました
10. Oracle Cloud Infrastructure: グローバル・フットプリント 200+ live or planned regions1 10 1 ⼀部リージョンは未発表のため、地図には表⽰されていません マルチクラウドもOCIリージョンとして位置づけられます マルチクラウド・リージョンは急速に拡⼤中 11 (2024年) → 38 (2025年) → 71 (計画中を含む) Copyright © 2026, Oracle and/or its affiliates 10
11. あらゆる場所のすべてのデータにAIをもたらす Oracle Database は Oracle AI Database へ進化 Copyright © 2026, Oracle and/or its affiliates 11 次世代AIネイティブデータベース 数⼗の新規および強化されたAI機能 23aiからのシームレスな切り替え ⻑期サポート・リリース
12. AI-Readyなデータプラットフォームを、⼀つのデータ・アーキテクチャで実現 Oracle AI Database 26ai Copyright © 2026, Oracle and/or its affiliates 12 AIに求められる、あらゆるワークロード ワークロード データタイプ データ・エンジン OLTP OLAP AIベクトル検索 Agentic AI AIに求められる、あらゆるデータタイプ リレーショナル ベクトル ⾳声・画像 JSON 地理・空間・位置 グラフ 1つのデータ・エンジン ハイパフォーマンス 拡張性 ⾼可⽤性 セキュリティ あらゆるワークロードと、あらゆるデータを ⼀つの⾼性能なデータ・エンジン上でセキュアに利⽤可能
13. 「社員がごく⾃然にAIと⼀緒に働く環境」 を実現する “AI DB を核とした⾼精度・ハイレスポンスな 社内Q&Aチャットシステム” 会社概要 • オフィスや店舗等の家具・什器の製造・販売や空間設計、物流システム機器の開発など、 幅広い事業を⼿がける プロジェクト背景 • 社内Q&Aチャットシステムのコンセプト • 膨⼤な社内ドキュメント情報や知⾒に効率的にたどり着けるようAIの⼒を活かした新しい情 報基盤を開発・提供することで、「社員がごく⾃然にAIと⼀緒に働く環境」を実現する • 既存の仕組みにおける課題 • 散在していたデータを集約するシステムを構築したものの、検索対象データのほとんどが⾮構 造化データのままでは、検索精度・回答⽣成内容ともに期待にマッチしない状況だった • 強化・改善の⽅向性 • 様々な形式で存在する有益なデータの中⾝を テキスト化またはベクトル化し、テキストに対 するキーワード検索とベクトルに対する意味検索 を組み合わせることで検索を強化する 構造化データ(Q&A表のテキストなど)＋⾮構造化データ(画像・製品仕様書・図⾯データな ど) • 検索は、チャット形式での⾃然⾔語による問合せとし、問合せ内容に合わせて適切な検索 ⽅法を⾃動選択する仕組みを設ける 製品に関するニーズ 1. 構造化データと⾮構造化データを⼀箇所で扱い、シンプルかつ柔軟に検索を⾏えること 2. 検索対象データを⾃然⾔語に適したデータ構造へ変換するデータパイプラインを実装できる こと 3. データ登録・管理⽤のブラウザインターフェースAPを⼿をかけずに開発できる環境 4. ハイブリッド検索(ベクトル＆キーワード)等、⾼精度な検索⼿法を効率的に適⽤可能なこと サービスに関するニーズ • データ と AI に精通しており、提案から実装まで⼀環して協働できるコンサルティングサービス システム構成イメージ 評価ポイント 1. 検索の精度と速度 ▶ 「正解ドキュメントを⾼い精度(平均7位)で取得、しかもレスポンスは1秒以下」 2. 取得したデータを元に AI Agent が適切な回答を⽣成できるか ▶ 「想定以上に精度の⾼い回答を得ることができており、驚いている」 3. さらなる強化・発展ができるか ▶ 「今後、グラフDB機能を活⽤したさらなる精度向上案を作成できた」 利⽤サービス・製品 • Oracle Autonomous AI Database (AI Vector Search機能) • Oracle APEX (UI開発) 顧客事例︓オカムラ 様 Copyright © 2026, Oracle and/or its affiliates 13 • OCI Functions (データパイプライン処理) • OCI Generative AI (エンベディング) • Oracle Consulting Service Oracle APEX Autonomous AI Database ⾮構造化データ (図⾯やマニュアル) (PDFやPPTなど) ⽣成AIモデル 構造化データ (各部⾨の Q&A情報) ⽇本語問合せ 結果 ⾮構造化データの テキスト⽣成・べクトル化 AI Agent REST API 結果 質問例: ABC社aaa店舗は何系統ですか︖ （該当案件の電気系統について、 図⾯の情報から読み取って回答して） ⾮構造化データの中⾝を解釈・検索可能にしたことで、 Q&A整備の負担を増やさずに回答⽣成精度向上に成功 ハイブリッド検索 Point Generative AI データ 登録・管理⽤IF データパイプライン Functions
14. AI/機械学習を利⽤した完全⾃動運⽤、チューニングをはじめとしたDB運⽤は消滅 Oracle Autonomous AI Database - ⾃律型サービスによる運⽤の⾃動化 Copyright © 2026, Oracle and/or its affiliates 14 Oracle AI Database + 運⽤⾃動化 = Oracle Autonomous AI Database ⾃動 チューニング ⾃動 プロビジョニング ⾃動 コンフィグレーション ⾃動 暗号化 ⾃動 オンラインパッチ適⽤ アップデート ⾃動 エラスティック スケーリング 運⽤業務 の排除 ⼈的エラー の排除 ダウンタイム の排除 複雑な スケーリング 作業の排除 チューニング 作業の排除
15. Oracle AI Database と Google Cloud AI エコシステムによるAI/データ活⽤ Copyright © 2026, Oracle and/or its affiliates 15 Oracle AI Database Autonomous AI Database Google Cloud
16. AI とデータ分析でイノベーションを推進 〜Oracle Database@Google Cloud と AI /データ活⽤〜 2026 年 1 月 28 日 Oracle AI Database + Google Cloud
17. アジェンダ 前半パート - Google Cloud 佐藤（20 分） • Oracle Database@Google Cloud の概要 • Oracle Database@Google Cloud のはじめかた 後半パート - Google Cloud 西村（20 分） • Oracle AI Database のデータを Google Cloud の AI / データ分析基盤で活用 する 2
18. 自己紹介 佐藤 貴彦 DB Specialist 日本オラクル 新卒で日本オラクルに入社。コンサルティング サービ ス部門でインフラ及びデータベース、ミドルウェア案件 に従事。 Google Cloud 現在は Google Cloud の DB スペシャリストとして Google Cloud で提供する DB 製品全般の専門家とし て、お客様の支援を行っている。 最近は Spanner と Oracle DB 案件担当が多め。 3
19. Oracle Database@Google Cloud 概要 01 4
20. Google Cloud で利用できるデータベース製品 Spanner Bigtable Firestore BigQuery AlloyDB Database Migration Service Datastream Google’s native database engines Managed third-party database engines Relational In-memory Document Key value MySQL PostgreSQL SQL Server Exadata, Autonomous Database and RAC availability Redis Cluster Redis Memcached PostgreSQL Compatible, Runs anywhere with AlloyDB Omni HBase Interface PostgreSQL Interface Analytics Oracle DB@ Google Cloud Memorystore Cloud SQL 5
21. Oracle と Google Cloud のパートナーシップ Oracle AI Database の資産を Google Cloud で 活用 • Oracle AI Database 上のあらゆるワークロードを 移行・モダ ナイズ • Oracle の自社開発 / サード パーティー / ISV アプリケーショ ンを移行し、Google の AI エコシステムと連携 • Oracle と Google Cloud の両社が連携し、 Google Cloud 全リージョンでミッション クリティカル用途を含む Oracle 上 のアプリケーションの動作をサポート Oracle Database@Google Cloud 東京リージョンでサービス提供中 大阪リージョンも 2026 年初頭にサービス開始予定 2025 年 1 月 30 日付けプレスリリース： オラクルとGoogle Cloud、サービス提供地域を拡大しOracle Database@Google Cloudに強力な新機能を追加 6
22. DB + AI：パートナーシップによって双方の価値を活用 Database leadership Enterprise solutions ERP CRM Ecosystem Great people AI leadership Data analytics Industry solutions Open ecosystem Innovation Great people Access to the best of both Google Cloud and Oracle Database One integrated system Cost optimization Robust security Seamless data movement 7
23. Google Cloud 上で Oracle が使えることによる新たな可能性 Looker Vertex AI BigQuery Google Maps Platform Oracle AI Database Oracle 上のデータ を Google Cloud の AI エコシステムへ (Vertex AI, BigQuery) Google の Gemini モデルを Oracle 環境へ（ OCI & Fusion Apps) 8 ユースケース例： ・BigQuery と Oracle の連携 ・Oracle から Google のサービスへ接続 ・閉じた環境で Gemini と Oracle を利用 ・etc..
24. Oracle + Google Cloud の構成パターン Google Cloud の VM 上で利用 Oracle 製品を BYOL にて GCE や GKE 上で実行可能に 01 Cross Cloud Interconnect で 接続 Google Cloud ↔ OCI 間は、データ転送 が双方向無料で接続可能 02 Oracle Database@Google Cloud OCI の各種マネージド DB サービスを、 Google Cloud データセンター内で直接動 作 03 Oracle products on GCE / GKE GCE GKE Cloud Run Oracle Cloud Infrastructure in Google DC GCE GKE Cloud Run Oracle Cloud Infrastructure GCE GKE Cloud Run 9
25. Oracle Database@Google Cloud とその特徴とメリット 特長とメリット 01 OCI のデータベース サービス各種を Google Cloud のデータセンター内で実行。 02 Exadata Database、Exadata Exascale、 Autonomous AI Database、Base Database から必要なデータベースを選択可能。 03 マーケットプレイスを通じての利用となり、価格 は OCI の価格表と同じものを利用。 （プライベート オファーも選択可能） 04 マーケットプレイスを通じての利用なので、費用 は Google Cloud 側に合算。 10
26. Iowa Oracle Database@Google Cloud 対応リージョン Montréal Salt Lake City São Paulo London Delhi 東京 Toronto Turin Frankfurt Ashburn (N Virginia) 大阪 Mumbai Sydney Melbourne Milan Mexico 「Oracle Multicloud Capabilities」の情報を元に整理 GA Planned 東京リージョンは 2025 年 5 月に GA 大阪リージョンもまもなく提供開始 11 2026年 1月 15日時点
27. Oracle Database@Google Cloud で利用可能な 4 サービス Exadata Database on Dedicated Infrastructure (通称：ExaDB-D) Autonomous AI Database on Serverless Infrastructure (通称：ADB) Exadata Database on Exascale Infrastructure (通称：ExaDB-XS) Base Database Service (通称：BaseDB) ミッションクリティカル 自動化 顧客占有型 ミッションクリティカル含む様々なワークロード シングル、開発環境 自動化 完全自動化（フルマネージド） 共有型 12
28. Exadata とは 日本オラクル資料より引用 日本オラクル資料「Exadata Database Service on Dedicated Infrastructure (ExaDB-D) サービス技術詳細」より引用 https://speakerdeck.com/oracle4engineer/exadata-database-cloud-technical-detail?slide=3 13
29. Oracle Real Application Clusters (Oracle RAC) とは 日本オラクル資料より引用 日本オラクル資料「Oracle Database 入門 - Oracle Real Application Clusters【アーキテクチャ詳説編】 」より引用 https://speakerdeck.com/oracle4engineer/oracle-dbasecamp-6?slide=5 14
30. Autonomous AI Database (ADB) とは 日本オラクル資料より引用 日本オラクル資料「Autonomous AI Database Serverless 技術詳細」より引用 https://speakerdeck.com/oracle4engineer/adb-s-technical-detail-jp?slide=8 15
31. ADB と ExaDB / BaseDB の管理範囲の違い フルマネージドである ADB を利用するこ とで、運用自動化の恩恵を最大限に引き 出すことが可能。ADB は共有リソースに よるサーバーレス構成となっており、突 発的な負荷にも自動スケーリングで対応 し、コストを最適化することが可能。 ExaDB-D、ExaDB-XS、BaseDB は OS ログインが可能で、オンプレミス環境で 使ってきた Oracle AI Database の使い 勝手と、クラウド環境の恩恵の双方を受 けることができる。 日本オラクル資料「Oracle Database@Google Cloud：サービス概要のご紹介 」より引用 https://speakerdeck.com/oracle4engineer/oracle-database-at-google-cloud?slide=14 日本オラクル資料より引用 16
32. 参考：ADB の自動スケーリング 無停止での自動スケーリングは、 ECPU 単位で拡張・縮小を行い、秒単位での課 金となる。 ECPU とはコンピュートリソースを抽象化 された単位。 これまでの物理コアや vCPU を元にサイ ジングする場合は以下の式となる。 1 ECPU = 0.5 vCPU = 0.25 物理コア 日本オラクル資料より引用 日本オラクル資料「Autonomous AI Database Serverless 技術詳細」より引用 https://speakerdeck.com/oracle4engineer/adb-s-technical-detail-jp?slide=16 17
33. 同じデータベース サービスを同じ価格で提供 日本オラクル資料より引用 詳細：Oracle Database@Google Cloudの価格 https://www.oracle.com/jp/cloud/google/oracle-database-at-google-cloud/pricing/ 日本オラクル資料「Oracle Database@Google Cloud：サービス概要のご紹介 」より引用 https://speakerdeck.com/oracle4engineer/oracle-database-at-google-cloud?slide=6 18
34. Oracle Database@Google Cloud のサポートについて Oracle AI Database 及び OCI に絡むサポート 問い 合わせは、My Oracle Cloud Support 経由でサービ ス リクエスト（SR）を起票 例）データベース接続の問題、 Oracle AI Database の エラー、OCI テナンシーとの通信に関係するネット ワーク、など Google Cloud 側に絡む各種サポート 問い合わせ は Google Cloud の Cloud Console 経由でサポー トケースを起票 例）Google Cloud サブネットに関連するネットワー ク、Google Cloud コンソール側に表示される情報や メトリクス、請求関連、など 詳細：Oracle Database@Google Cloudのサポート https://docs.oracle.com/ja-jp/iaas/Content/database-at-gcp/support.htm 19
35. Oracle Database@Google Cloud のはじめかた 02 20
36. マニュアルは Google Cloud と OCI 双方に掲載 21 Google Cloud のドキュメントと OCI のドキュメントの双方を読むことをおすすめ。 • https://docs.cloud.google.com/oracle/database/docs/overview • https://docs.oracle.com/ja-jp/iaas/Content/database-at-gcp/overview.htm
37. Oracle Database@Google Cloud のはじめかた 〜オンボーディング〜 22 2. オファー の要求 1. 前提条件 詳細：Oracle Database@Google Cloudによるオンボーディング https://docs.oracle.com/ja-jp/iaas/Content/database-at-gcp/onboard.htm 3. 購入 4. リンク 5. 検証 Google Cloud 側の請求先アカウントやプロジェクト、OCI アカウントの確認 契約体系には Public Offer と Private Offer の 2種類がある • Public Offer の場合はウェブのみで手続き完結できる為そのまま購入へ • Private Offer が必要な場合は日本オラクル営業まで事前に相談 Google Cloud のマーケットプレイスから購入を行う処理のこと • Public Offer の場合は直接マーケットプレイスから、 • Private Offer の場合はオラクルからの案内に従い手続きを行う OCI アカウントを Oracle Database@Google Cloud とリンクさせる作業 • Public Offer の場合はここで OCI アカウントを新規作成する • Private Offer の場合は既存の OCI アカウントをリンク可能 購入とリンクが正しく行われ Oracle Database@Google Cloud が利用できる 状態にあるかの確認 ・ Public Offer とは、ウェブから お客様のみの手続きで完結でき る契約形態。利用料金は PAYG （従量課金）。利用する OCI アカ ウントは新規に作成する必要が ある。 ・ Private Offer とは、日本オラ クルの営業が対応し購入する契 約形態。利用料金については契 約時に営業経由で会話を行う。 既存の OCI アカウントがある場 合は、それを利用することもでき る。
38. Oracle Database@Google Cloud を開始する　 マーケットプレイス経由での購入とリンクが 完了すると、Google Cloud 側のコンソー ルから DB の作成ができるようになる。 23
39. Oracle Database@Google Cloud を開始する　 24 ADB、ExaDB-XS、BaseDB は、Public Offer の購入とOCI アカウントとのマッピングが終わったらすぐさま使い始める ことができる。 Exadata のハードウェアごと占有する ExaDB-D は 日本オラクルの営業経由で Private Offer を受けた上で Exadata Infrastructure を利用するための事前申請を行う 必要がある。 初めて利用するリージョンでは、最初にネットワーク設定 （サブネットの設定など）を行う。
40. 例： ADB インスタンスの作成の様子 利用するバージョン、ECPU 数、ライセンスを BYOL するかどうかなどを選択する。 25
41. 例： ADB インスタンスの作成の様子（続） 26 ネットワーク関連の設定や、Oracle AI Database の 文字セットなどの設定もここで行える。
42. 例： ADB インスタンス作成完了 インスタンス構築が終わると、OCI 側のコン ソールでも表示され操作可能。 27
43. Oracle AI Database のデータを Google Cloud の AI / データ分析 基盤で活用する 03 28
44. 29 自己紹介 西村 哲徳 DB Specialist 日本オラクル 新卒で日本オラクルに入社。パートナーソリューション 開発、営業、Exadata のパフォーマンスベンチマーク 等を経験 Google Cloud 現在は Google Cloud でデータベース スペシャリスト としてお客様のデータ基盤の課題を解決できるよう 日々活動中です。
45. Oracle AI Database のデータ活用方法 • Google Cloud で Oracle AI Database が使えることの価値 • Oracle AI Database -> BigQuery データ連携 • BigQuery の機械学習や生成 AI でデータ活用する ◦ BigQuery ML ◦ AI 関数 ◦ エージェント • データエージェントから直接 Oracle AI Database のデータを利用する 30
46. Google Cloud で Oracle AI Database が使えることの価値 31 Looker Vertex AI BigQuery Google Maps Platform Oracle AI Database • Oracle AI Database に格納されたミッションクリティ カル、基幹系、業務アプリのデータ (SoR) と BigQuery に格納されるログ、イベントログ (SoE) データを横断的に分析可能 ◦ Google Analytics の ローデータ ◦ Google Maps のプレイス データ • Google Cloud の得意とする強力なデータ分析基 盤 (BigQuery) 、AI 基盤 (Vertex AI ) 、Gemini と で、様々なデータの活用や高度な分析 が可能 ◦ Oracle と Google の AI エコシステムの連携 ▪ Oracle を含めたデータに自然言語で問 い合わせ、エージェントから活用 ◦ Oracle から Gemini を利用
47. データ連携方法 BigQuery Data Transfer Service ◦ サーバレスで全量、増分データ連携可能な簡易的なデータ連携ツール Dataflow (Apache Beam) ◦ Python / Java / Go で記述可能なデータ処理サービス ◦ 簡単なデータ連携はテンプレートを利用することでノーコード ◦ YAML で宣言的に処理を定義 その他 ◦ Oracle 、BigQuery に対応している 3rd party ETL も利用可能 Datastream ◦ CDC の仕組みで Oracle と BigQuery をニアリアルタイム連携* 32 Google Cloud のデータパイプライン サービスで簡単に BigQuery へデータ連携することが可能 * 使用可能なバージョン等に制限あり バッチ リアルタイム BigQuery Oracle AI Database
48. BigQuery: 未来の AI を支えるデータプラットフォーム 33 マルチモーダルなデータ基盤 マネージド、オープン、分析・運用向け クロス クラウド Google, AWS, Azure 分析と AI のためのマルチエンジン ガバナンス (Dataplex Universal Catalog によるデータから AI モデルまでの管理 ) グローバル インフラストラクチャと AI ハイパーコンピュータ (GPUs、TPUs、カスタムシリコン ) データ サイエンティストと エンジニア BQ Studio | Notebooks ビジネスインテ リジェンス データ エージェント Engineering | Data Science | Conversational データ スチュワード Dataplex Universal catalog Powered by Gemini SQL Streaming Streams, Kafka OSS & 3P engines Spark BigQuery ML & LLMs; ベクトル エンベディング powered by Vertex AI データ アナリスト Data Canvas | BI BigQuery は、データを AI につなげる自律型プラットフォームで、マルチモーダル データを統合し、AI でイノベー ションを加 し、企業内のすべてのユーザーがデータ分析を可能とするデータ基盤
49. BigQuery ML で高度な分析を実現 34 • 回帰: logistic、DNN、XGBoost、AutoML、Random Forrest • 顧客セグメント作成： K-means クラスタリング • レコメンデーションなど : 行列分解 • 指標に与える影響分析 : 貢献度分析 • 次元削減: 主成分分析 • 時系列予測、異常検出: ARIMA / TimesFM時系列予測 • 様々なモデルをインポートして利用可能 • 自然言語処理 : 翻訳、要約、ポジネガ分析、抽出 • 非構 化データ分析 : 画像、ドキュメント、音声、動画 • エンベディング生成 1 2 3 BigQuery からデータを移動せずに 機械 学習モデルを作成 使い慣れた SQLで開発 度を向上 ハイパー パラメーター チューニン グなどの ML タスクを自動化 ドキュメント: BigQuery ML の概要
50. TimesFM: 事前学習済みの時系列予測、異常検出 35 Google Research が開発した未知のデータセットに対してもゼロショットで高精度に予測が できるモデル 簡単に使える ゼロショット予測推論：入力時系列を提供し、予測 するだけでよい BigQuery に統合 トレーニングするモデルも、管理するインフラも不 要 高精度 一般的なベンチマークで従来の予測手法を上回 るパフォーマンス 高 でスケーラブル 同等のモデルと比較して、より く推論を生成 WITH citibike_trips AS ( SELECT EXTRACT(DATE FROM starttime) AS date, COUNT(*) AS num_trips FROM `bigquery-public-data.new_york.citibike_trips` GROUP BY date) SELECT * FROM AI.FORECAST( TABLE citibike_trips, -- History Table data_col => 'num_trips', timestamp_col => 'date', horizon => 300, output_historical_time_series => TRUE, model => 'TimesFM 2.5', context_window => 1024);
51. BigQuery ML: 貢献度分析 36 スケーラブルかつ高 : BigQuery ML は小さな セグメントをインテリジェントにプルーニング 関心のある「貢献」セグメントを素早く特定 「なぜ」というビジネス上の重要な質問 に素早く 答える • なぜ先月売上が減少したのか？ • どの地域とチャネルでマーケティングキャ ンペーンが最も効果的だったか？ Jan March May Sales この急増を引き起こした要 因は何？ データのどのセグメントか ら調査を始めるべきか？ 指標が変動した理由を理解する SELECT contributors, metric_test, metric_control, difference, relative_difference, unexpected_difference, relative_unexpected_difference, apriori_support, contribution FROM ML.GET_INSIGHTS( MODEL `bqml_tutorial.iowa_liquor_sales_sum_model`);
52. AI クエリエンジン 37 セマンティックな洞察を得るのは困難 何百万もの製品レビューが与えられた場合 : • 最も頻繁に表面化する繰り返しの問題はどれですか？ • 推奨される代替製品はどれですか？ • 安全性を懸念しているレビューはどれですか？ 高価で、時間がかかり、データから AI へのスキルが必要 AI クエリエンジンで容易に実現 • 使い慣れた SQL と自然言語プロンプト • 使いやすく、AI の専門知識を必要とせずアナリストがアクセス可能 • 対象となるユースケースに合わせて最適化されており、モデルの選択やパラメー タのチューニングは必要 • AI 関数 ◦ AI.IF : セマンティック フィルタリングと結語 ◦ AI.CLASSIFY: データ分類 ◦ AI.SCORE: セマンティック ランキング SELECT * FROM reviews JOIN products ON AI.IF(f"{review} で {product} をよりよい代替製品 として推奨している。") 複雑なプロンプト チューニングや新しいツールを必要とせずに、 SQL クエリ内で一般的な分析タスクに生成 AI を直接使 用できる。
53. “エージェント ” 共創型のデータ業務 Empowering Automation for Every Data Role with Agents データ エンジニア クリーンで有用なデータ取得 機械学習エンジニア デプロイ ビジネスユーザ インサイトと目的 データ サイエンティスト 機能するモデル 開発者 インテリジェント アプリ データ アナリスト クエリと分析 Data Agents
54. Data, AI and Analytics Agents チームの分析力と洞察力を解き放つ - データ、AI、分析タスクの自動化を支援する専 用エージェント - エージェントの組み込みやカスタムエージェン ト構築など専用の複雑なデータタスクを解決 できる柔軟な API Conversational Analytics Agent Data Engineering Agent Data Science Agent Data Agents for Developers (APIs, MCP, ADK, A2A)
55. Data Engineering Agent データ エンジニアリング タスクを自動化する Google の 1st Party エージェント Automates: ➔ Data cleaning: 自動化されたデータ品質 サジェッション ➔ Transformation: 複雑なデータ変換をサ ポート ➔ AI power pipeline generation: AI 支援によるトラブルシューティング & 一 括操作 ➔ 拡張性とカスタム インテリジェント アプリ の構築のための API および CLI アクセス
56. 例: ローテーブル から スタースキーマを作成 自然言語で作成したいスキーマを指示 スタースキーマを作成する SQL が生成される。
57. データマートの作成を自然言語で指示 データマートを作成する SQL が生成される 例: スター スキーマからデータマートを作成
58. 例: メタデータを生成 表と列の説明を追加するように指示 パイプラインを生成する処理の中に description が生成される
59. Data Science Agent データ サイエンスのタスクを自動化する Google の 1st party エージェント Automates: ➔ Data wrangling: データフレームの自 動取り込みとクリーニング ➔ Data exploration: ネイティブな可視 化と自動的な探索分析 ➔ Google Research の TimesFM など の最先端モデルを含む AI を活用した 予測 ➔ より深い精度理解と本番環境の準備 状況を踏まえたモデル評価
60. 例: 予測モデルの作成 自然言語で所得区分を予測するモデルの作成と予測を指 示 データロード、前処理、モデル作成、モデル評価、予測の一連の処理を エー ジェントが自動生成。ユーザは実行するだけ。
61. 例: 予測モデルの作成
62. 047 データ分析タスクを自動化する 1st Party エージェント 以下の作業を自動化 : ➔ 分析の民主化 : 自然言語ベースのインサ イト ➔ Custom data agents : 迅 な導入を可能 にするクイックスタートを備えた柔軟な API ➔ Direct connect to BigQuery : BigQuery でデータを直接探索するか、 Looker のセマ ンティック レイヤーと組み合わせる ➔ Python の Code interpreter : 複雑なデータ サイエンス タスク用の Python コードを生成 ➔ Conversational Analytics in BigQuery / Conversational Analytics in Looker Conversational Analytics Agent Proprietary & Confidential Cosme done
63. 例: Conversation Analytics in BigQuery エージェントを作成するためのデータソース、エージェントの説明を入力 精度向上のために Gemini が自動的に表や 列の説明を生成してくれる
64. エージェントの精度をあげるためクエリのサンプル（ゴール デンクエリ）を Gemini が提案 提案されたゴールデン クエリ 例: Conversation Analytics in BigQuery
65. 分析したい内容を自然言語で指示 結果を表示 例: Conversation Analytics in BigQuery
66. データ エージェントから Oracle のデータを利用する Looker の Conversational Analytics • すぐに利用可能なデータエージェント • BigQuery、Looker のセマンティックレイヤー に対して会話型でデータの探索、分析が可 能 Conversational Analytics API • 自然言語で BigQuery、Looker のセマン ティック レイヤーに関するデータエージェント を作成して API から利用 • 様々なアプリ、エージェントから連携可能 51 Conversational Analyatics API や Conversational Analytics in Looker を活用することで Oracle のデータを簡単 にデータエージェントから活用することが可能です。 　会話型分析 Conversational Analytics Looker セマンティックレイヤー Conversational Analytics API Oracle AI Database BigQuery Chat App Custom App MCP Toolbox for Database ADK(Agent Development Kit) Spanner Cloud SQL AlloyDB
67. なぜ セマンティック レイヤーと AI の親和 性が高いのか？ 一貫性 • ドメインやコンテキストを越えて、 ガバナンスが効いた一貫性のあるデータを提供 • 誰が実行しても常に同じ計算結果を保証 信頼性と正確性 • 生成 AI ではなくセマンティックレイヤーが SQLを生成 • 結果のハルシネーションを防ぎ、 データ取得のエラーを最大 3分の2削減 AI モデル, 会話分析, データエージェント データソース ユーザーのインプットの解釈 SQL 自動生成 クエリ結果 Looker: セマンティックレイヤー マーケティング Customers Events 営業 Orders Order items 調達 Distribution Products データの信頼性と正確性を AI に提供
68. 会話分析 Conversational Analytics 意思決定の強化 迅 な回答を提供し、フォローアップ質問を通じてより深い探 求を可能にし、根拠のあるデータに基づいた行動のための AI を活用した推奨事項を提供 生産性と効率性の向上 セルフサービスによるデータ探索を可能にし、洞察の迅 化とデータリテラシーの向上を実現することで、最終 的に技術チームへの依存を軽減し、ワークフローを合理 化 イノベーションと機敏性 探求心と適応性を促進し、ユーザーが自発的に質問 をしたり、新たな洞察を発見したり、機敏な意思決定 のために分析を迅 に調整が可能 Conversations with data Public Preview available
69. 会話型分析 API カスタマイズされた Looker (Oracle を含む) に対するエージェントを あらゆるアプリケーションに展開 分析のために構築された AI API ビジネス インテリジェンス、データ探索、分析に特化した AI サービス 再利用可能でスケーラブルなセマンティック レイヤー 精度向上と高度な複数テーブル分析 カスタム データ エージェントを迅 に開発 迅 なデプロイを可能にする Quick Starts 付きの柔軟な API BigQuery に直接接続 BigQuery のデータを直接探索、または Looker のセマンティック レ イヤーと組み合わせることが可能 BigQuery Looker Model Public Preview
70. 55 ビジネス全体にエージェンティックなデータ インテリジェンスを Gemini Enterprise Your app Chat apps Google Workspace BigQuery Looker Conversational Analytics API Visualization Insights Query Data Python Reasoning Retrieve Content BigQuery Tables Looker Models Looker Studio Chat/Slack Conversational Analytics API を通して 多様なエージェントから Oracle のデータを利用する Oracle AI Database Spanner Cloud SQL AlloyDB
71. Thank you
72. Oracle Database@Google Cloud • オラクル • 概要ページ • ドキュメント • リファレンス・アーキテクチャ • 提供サービスの確認 • Google Cloud • ドキュメント • 関連記事 • Oracle Blogs - Oracle Database@Google Cloud • Qiita - Oracle Database@Google Cloud データベース・サービス • Autonomous Database • 概要資料｜技術資料 • Exadata Database Service - Dedicated • 概要資料｜技術資料 • Exadata Database Service - Exascale • 技術資料 • Base Database Service • 概要資料｜技術資料 • お客様事例 Oracle Database@Google Cloud: 関連情報 Copyright © 2026, Oracle and/or its affiliates 16