Oracle Database 23ai Developer Tech Day : 自然言語処理技術を活用したアプリを構築し、業務を変革

Transcript

1. 日本オラクル株式会社 2025年9月10日 自然言語処理技術を活用した アプリを構築し、業務を変革 Select AIを使って簡単に実現
2. Oracle Databaseで利用可能なAI機能 • Select AI (for Natural Language Interaction) 19c/23ai • 大規模言語モデル（LLM）を利用して、自然言語プロンプトからSQLを生成、実行 • Select AI with Retrieval Augmented Generation (RAG) 23ai • クラウド・ストレージ上の企業データ（ファイル）からベクトル・ストアおよびベクトル索引を作成するプロセスを自動化 • 入力された自然言語プロンプトからベクトル埋め込みを生成し、ベクトル索引を使用してベクトル検索を実行、 ベクトル検索の実行結果を使用して入力された自然言語プロンプトを補強し、LLMに問合せを実行 • Select AI for Synthetic Data Generation(SDG) 19c/23ai • 入力された自然言語プロンプトを考慮し、大規模言語モデル（LLM）を使用して、より適切でスキーマに特化した 合成データを生成 2 Copyright © 2025, Oracle and/or its affiliates
3. Select AIとは 3 Copyright © 2025, Oracle and/or its affiliates DBに対して質問をするだけ • LLMを活用し自然言語でデータ問合せ • 非技術ユーザーが自身でデータベースから 情報を問い合わせることが可能に • データベースのセキュリティや認証を継承
4. 新しい自然言語アプリケーションの拡張や構築が容易 4 Copyright © 2025, Oracle and/or its affiliates 標準的なSELECT文を使用し、 その後に「AI」と自然言語による 質問を続ける アクションキーワード: • runsql：自然言語をSQLに変換し実行 RAGのベクトル検索結果を返す • showsql：生成されたSQLを表示 • explainsql：SQL生成の理由を説明 • narrate：NL2SQL／RAG結果を文章化 • chat：LLMによる応答を返す
5. デモンストレーション：販促がレビューにどう影響したか？を分析 施策のブラックボックス化をなくす、「何が本当に効いたか」が見える化される 5 Copyright © 2025, Oracle and/or its affiliates 商品マスタ、売上 RDB • 商品名、商品コード • メーカー、カテゴリ • 単価、販売チャネル • 販売数量、売上金額 商品別の販促実施履歴 CSV • 商品コード • 開始日 • 販促内容 • 販売チャネル 顧客のレビュー RDB • 商品コード • 評価点 • コメント • 投稿日 この3ヶ月以内に販促した冷凍食品のうち、 レビューが平均2.5以下だった商品を教えて 自然言語 回答 シナリオ • 「販促をした商品」でも「顧客満足度が上がったとは限らない」ことが課題。 • レビュー情報（RDB）と販促履歴（クラウドストレージ）をJOINして分析することで、真に効果のある販促施策を見極めたい。 • これをデータ抽出の担当者に頼ることなく、自然言語でやってみたい。 Autonomous Database クラウド ストレージ RDB
6. 6 Copyright © 2025, Oracle and/or its affiliates | Confidential: Internal/Restricted/Highly Restricted
7. 自然言語の質問に、必要なデータソースからセキュアに回答を作成 Copyright © 2025, Oracle and/or its affiliates 7 • Oracle Autonomous Data Platformの標準機能として、すぐに利用可能 • 回答に必要な全てのデータソースに透過的にアクセス、データコピーなし • セキュリティ、ガバナンスを一元管理 • スキーマ、コメント、アノテーションといったコンテキストを駆使し、SQLクエリ精度を向上 自然言語 SQLクエリ作成 回答 全てのデータソースへ SQLで透過的にアクセス Oracle Autonomous Database マルチクラウド・データソース 既存データベース LLM クエリ結果を返す クエリ結果を元に 回答作成
8. SQL生成のプロセスフロー 大規模言語モデル（LLM）を利用して、自然言語プロンプトからSQLを生成、実行 8 Copyright © 2025, Oracle and/or its affiliates Cohere 先月のトム・ハンクスの各映画の 総視聴回数は何回ですか？ AIプロファイル作成 • メタデータ • 使用するLLM プロンプトの生成 • プロファイル + 質問 • 表、列のコメント （オプション） LLMを使用した SQLの生成 OCI Generative AI クエリーの結果または SQLをアプリに返す REST 1 2 3 4 Azure OpenAI OpenAI Google Gemini Anthropic Hugging Face AWS Bedrock OpenAI 互換
9. 自然言語クエリ用にデータベースを簡単に設定 ビジネスやクラウド環境に最適なSelect AIプロファイルを作成 Copyright © 2025, Oracle and/or its affiliates 9 AIプロバイダーとLLM/ トランスフォーマーを選択可能 1 Cohere Azure OpenAI OCI生成AI サービス OpenAI NL2SQLの処理に使用される スキーマ、テーブル、ビューを指定 2 アクチュアル プラン 財務 顧客 視聴回数 ストリーミング 映画 セグメント データベース、データレイク、クラウドを 横断したデータアクセス Anthropic Claude Google Gemini Hugging Face AWS Bedrock OpenAI API互換 プライベートエンド ポイント Blog: 6 Simple Tips for Better Text-to-SQL Generation using Oracle Autonomous Database Select AI
10. Select AI with RAGとは RAGを簡単に実装可能 Copyright © 2025, Oracle and/or its affiliates 10 {TEXT} 7149 ドキュメント テキスト チャンク ベクトルデータ UTL_TO_TEXT UTL_TO_CHUNKS UTL_TO_EMBED SQL 埋め込みモデル ✓ Oracle AI Vector Searchとのシームレスな統合 ✓ LLMの知識とエンタープライズ・データの間のナレッジ・ギャップを解消 ✓ フルマネージドのベクトル索引パイプラインにより、 新しいデータのオーケストレーション・ステップを自動化 類似検索 Autonomous Database 23ai OCI生成AIサービス
11. Select AI with RAGとは RAGを簡単に実装可能 Copyright © 2025, Oracle and/or its affiliates 11 {TEXT} 7149 ドキュメント テキスト チャンク ベクトルデータ UTL_TO_TEXT UTL_TO_CHUNKS UTL_TO_EMBED SQL 埋め込みモデル ✓ Oracle AI Vector Searchとのシームレスな統合 ✓ LLMの知識とエンタープライズ・データの間のナレッジ・ギャップを解消 ✓ フルマネージドのベクトル索引パイプラインにより、 新しいデータのオーケストレーション・ステップを自動化 類似検索 Autonomous Database 23ai OCI生成AIサービス Select AI with RAGで自動化
12. Select AI with RAGとは Copyright © 2025, Oracle and/or its affiliates 12 データ・ストアとベクトル索引の作成・更新を自動化 1. 入力データ（ファイル） 2. チャンク化したデータを送信 3. ベクトル埋め込みを返す 4. ベクトル埋め込みを格納し、ベクトル索引を作成 一定間隔でベクトル索引を更新 Autonomous Database Embedding モデル AIプロバイダ Object Storage txt, csv, json..
13. Select AI with RAGとは Copyright © 2025, Oracle and/or its affiliates 13 プロンプトのベクトル化、検索、回答生成まで Embedding モデル Autonomous Database 質問 1. プロンプトのチャンクを送信 2. ベクトル埋め込みを返す ユーザー 結果を取得 5. ベクトル検索結果によって拡張されたプロンプトを送信 6. 生成された結果を返す テキスト生成 モデル AIプロバイダ AIプロバイダ 3. ベクトル索引を検索し、検索結果を返す
14. デモンストレーション 架空の製品であるOraBoosterについて自然言語で情報を問い合わせる 使用するデータ： • rocket.pdf - OraBooster（架空のロケットエンジン）の概要が記載 • products.pptx -ロケットエンジン毎の推力や重量等のデータが記載 • sales.xlsx -ロケットエンジンの販売データが記載 デモの流れ： 1. APEX上に事前作成済みの、チャットアプリケーションにログイン 2. インターネット上の情報を元に回答を生成 3. ベクトルデータベースに格納された情報を元に回答を生成 4. オブジェクトストレージに新たにファイルを追加 5. 追加されたファイルの内容を問い合わせ 14 Copyright © 2025, Oracle and/or its affiliates
15. rocket.pdfの内容 当社が開発したロケットエンジンである OraBooster は、次世代の宇宙探査を支える先進的な推進技術の象徴です。そ の独自の設計は、高性能と革新性を融合させ、人類の宇宙進出を加速させるための革命的な一歩となります。 このエンジンの核となるのは、量子ダイナミックス・プラズマ・ブースターです。このブースターは、量子力学の原理に基づいて プラズマを生成し、超高速で加速させます。その結果、従来の化学反応よりもはるかに高い推力を発生し、遠く離れた惑 星や星系への探査を可能にします。 さらに、エンジンの外殻にはナノファイバー製の超軽量かつ超強度の素材が使用されています。この素材は、宇宙空間の 過酷な環境に耐え、高速での飛行中に生じる熱や衝撃からロケットを守ります。また、ハイパーフォトン・ジャイロスコープが 搭載されており、極めて高い精度でロケットの姿勢を維持し、目標を追跡します。これにより、長時間にわたる宇宙飛行 中でも安定した飛行軌道を維持し、ミッションの成功を確保します。 さらに、バイオニック・リアクション・レスポンダーが統合されています。このシステムは、人工知能と生体認識技術を組み合わ せ、ロケットの異常な振動や動きを検知し、自己修復機能を活性化します。 総じて、この新開発のロケットエンジンは、革新的な技術と未来志向の設計によって、宇宙探査の新たな時代を切り開く ことでしょう。その高い性能と信頼性は、人類の夢を実現するための力強い支援となることでしょう。 15 Copyright © 2025, Oracle and/or its affiliates
16. products.pptxの内容 16 Copyright © 2025, Oracle and/or its affiliates エンジン名 推力(kN) 比推力(s) エンジン重量 (kg) 全長(m) 直径(m) 推力重量比 コスト (USD/kg) 信頼性(%) 環境負荷 主要用途 OraBooster -plus 300 450 3500 7 2 85.7 900 98 1.2 大規模ミッ ション、深宇 宙探査 OraBooster 150 420 2000 5 1.5 75 1000 99 1 汎用ミッション OraBooster -light 120 400 2500 6 1.8 48 1200 95 1.5 小型衛星、 探査機
17. sales.xlsxの内容 17 Copyright © 2025, Oracle and/or its affiliates 販売日 販売先の国 エンジンモデル 販売数量 販売金額 (USD) 用途 カスタマイズ内容 顧客評価 2024/4/15 タイ OraBooster 2 200,000,000 月探査 推力向上 高い信頼性と性 能に満足 2024/7/15 スウェーデン OraBooster 3 300,000,000 衛星インターネット 小型軽量化 衛星打ち上げコス トの削減に貢献 2024/8/1 フランス OraBooster-light 5 375,000,000 スターシップ用 再利用性向上 既存のエンジンとの 互換性が高い 2024/8/5 インドネシア OraBooster 2 200,000,000 木星探査 耐放射線性強化 深宇宙探査に必 要な耐久性がある 2024/10/10 アメリカ OraBooster-plus 10 2,000,000,000 火星探査 小型化、高比推力 深宇宙探査に最 適 2024/11/13 インド OraBooster-plus 8 1,600,000,000 衛星コンステレーション 高頻度打ち上げ対応 短期間での大量 打ち上げが可能 2024/11/17 パキスタン OraBooster-plus 6 1,200,000,000 小惑星サンプルリターン 高精度姿勢制御 繊細なミッションに 適している 2024/12/4 日本 OraBooster 3 300,000,000 月面基地建設 低温環境対応 極寒環境での運 用に適している 2024/12/10 中国 OraBooster-light 8 600,000,000 スターシップ用 (追加) 再利用性向上 (改 良) さらに高い信頼性 と耐久性 2024/12/21 日本 OraBooster-light 3 225,000,000 火星探査 低コスト化 経済的な宇宙探 査を実現
18. 構成図 Copyright © 2025, Oracle and/or its affiliates 18 Autonomous Database 質問 ユーザー 回答 チャット アプリケーション Object Storage rocket.pdf APEX Embedding モデル テキスト生成 モデル AIプロバイダ AIプロバイダ プロンプトの チャンクを送信 ベクトル埋め込みを返す ベクトル検索結果によって 拡張されたプロンプトを送信 生成された 結果を返す 入力データ （ファイル） ベクトル索引を検索し、 Top-Kのベクトル検索結果を返す OraBoosterと は？ sales.xlsx products.pptx
19. デモンストレーション 架空の製品であるOraBoosterについて自然言語で情報を問い合わせる 使用するデータ： • rocket.pdf - OraBooster（架空のロケットエンジン）の概要が記載 • products.pptx -ロケットエンジン毎の推力や重量等のデータが記載 • sales.xlsx -ロケットエンジンの販売データが記載 デモの流れ： 1. APEX上に事前作成済みの、チャットアプリケーションにログイン 2. インターネット上の情報を元に回答を生成 3. ベクトルデータベースに格納された情報を元に回答を生成 4. オブジェクトストレージに新たにファイルを追加 5. 追加されたファイルの内容を問い合わせ 19 Copyright © 2025, Oracle and/or its affiliates
20. Copyright © 2024, Oracle and/or its affiliates 20
21. 顧客事例：SOMPOシステムズ様 データ・ドリブンの実現に向け自然言語によるデータ抽出業務の効率化を検証。ユーザー部門による業務利用を目指す。 Copyright © 2025, Oracle and/or its affiliates 21 会社概要 • SOMPOグループの戦略的IT企業としてグループ全体のIT戦略を担い、 保険業 務の多岐にわたるシステムの開発・運用・保守を最先端のITソリューションで実現。 「自然言語によるデータ検索」検証の背景 • 金融機関を取り巻く環境の変化から、データ活用の重要性がこれまで以上に経 営課題となっていた。一方でユーザー部門はデータ活用のために「SQL作成～ データ取得」をSOMPOシステムズに依頼しており、そのためのコストと時間がかかっ ている点が課題認識されていた。 • 自然言語によりデータ検索によって、ユーザー部門の「データの民主化」が促進さ れ、業務効率化と意思決定のスピードアップを図ることが目的であった。 • OCIには情報系システムとして顧客・保険契約情報が保管されており、OCIの技 術を使って容易なデータアクセスとユーザーによるデータ活用が求められた。 評価結果 • 1．Select AIによる構造化データの検索・集計を効率化 • 「支払額が多い代理店上位10社を教えて」など業務ユースケースとして想定される問 合せに、SQLスキルが無くても容易にデータアクセスが可能になることを評価。 • 回答精度を高める方法として、AIがデータの意味を正しく理解するためにメタデータ （データカタログ）整備が重要。 • 2．AI Vector Searchによる非構造化データの回答作成を効率化 • 契約内容の問合せなど、過去に照会のあった問合せを基にRAG実装したベクトル 化データを活用。データ自体の整備（Excelデータの場合は不要な改行の削除な ど）を行うことで精度が高まり、正しい結果を得られることを確認した。 システム構成イメージ 利用サービス・製品 • Oracle Autonomous Database • Select AI機能 • AI Vector Search機能 • Oracle APEX (UI開発) Oracle APEX Autonomous Database 非構造データ (PDF、Wordなどのマニュアル) - SQLの生成 - 文書のベクトル化 問いのベクトル化 生成AIモデル 基幹システム等 (契約情報など) 日本語問合せ 結果 SQL生成
22. Copyright © 2025, Oracle and/or its affiliates 22 重要なポイント 将来対応可能な仕組み 多層的なセキュリティ 今すぐ生成AIとAutonomous Databaseで 革新的なアプリを構築 AIを容易にアプリに組み込める
23. 参考資料 Select AI、Select AI with RAGのチュートリアル 23 Copyright © 2025, Oracle and/or its affiliates LiveLabs： • Chat with Your Data in Autonomous Database Using Select AI • Develop AI RAG Apps with Autonomous Database Select AI OCIチュートリアル： • 111: SELECT AIを試してみよう • 108 : SELECT AI with RAGを試してみよう Qiita： • Select AIを使ってデータベース内のデータと会話してみる • Select AI with RAGを使ってオブジェクトストレージ内の データと会話してみる
24. Q&A（1） ご質問： Select AIを使用する上で、DB側の設定は必要でしょうか？例えば、DBに対して、説明文が必要等。 回答： Select AIの利用に際して、データベース上ではLLMのクレデンシャル作成、AIプロファイルの作成が必要になります。 また、表に対してあらかじめコメントなどを追加してメタデータの補強をすることで、Select AIが返す回答の精度を上げること ができます。コメントなどは精度向上に有効ではありますが、利用に際して必須ではありません。 コメント付与の例 ▼ 参考資料：Example: Improve SQL Query Generation 24 Copyright © 2025, Oracle and/or its affiliates COMMENT ON TABLE table1 IS 'Contains movies, movie titles and the year it was released'; COMMENT ON COLUMN table1.c1 IS 'movie ids. Use this column to join to other tables'; COMMENT ON COLUMN table1.c2 IS 'movie titles'; COMMENT ON COLUMN table1.c3 IS 'year the movie was released';
25. Q&A（2） ご質問： 構造化データと非構造データを同時にRAGの検索対象にはできますか？ 回答： はい、同時にRAGの検索対象にする事は可能です。 今回ご紹介したSelect AIとSelect AI with RAGを使用する場合には、エージェンティックRAGの構成にすることで構造化 データと非構造データをRAGの検索対象とすることが出来ます。 参考資料：エージェンティック AI で RAGを賢く - インデータベースAIエージェント編 また、前のセッションでご紹介したAI Vector Searchを使用すると、オブジェクト・ストレージ等に格納されている非構造 データに加えて、データベース上に格納されている構造化データ等もベクトル化することができますので、構造化データと非 構造データを同時にRAGの検索対象にする事は可能かと思います。 25 Copyright © 2025, Oracle and/or its affiliates
26. Q&A（3） ご質問： スライドにアイコンが見当たらなかったのですが、NetSutieもサポート対象でしょうか？ 回答： Select AIを使用しNetSuite内のデータを問い合わせることも可能です。 Autonomous Databaseが提供しているData Transformを使用いただく等、様々な方法でNetSuiteと連携が可能で すので、NetSuiteのデータもサポート可能かと思います。 26 Copyright © 2025, Oracle and/or its affiliates
27. Q&A（3） ご質問： NetSuiteをMCPサーバにするようなフロントエンドツール提供の予定はあるのでしょうか？ ※既にCDData社様がNetSuiteのMCPツールベータ版を提供されていたのですが・・・。 回答： NetSuiteをMCPサーバにするようなツールはすでに提供開始しております。 2025年8月から「NetSuite AI Connector Service」を提供しており、NetSuite側がMCPエンドポイント （/services/mcp/v1/...）を公開して、AIクライアントから接続できるようになりました。 また、会話からレコード参照・作成などの“道具”を露出できるサンプル拡張「MCP Sample Tools SuiteApp」も用意して おります。 参考資料： • NetSuite AI Connector Service • MCP Sample Tools Overview • NetSuiteも対応！クラウドERPとMCP/AIエージェントで広がる可能性 27 Copyright © 2025, Oracle and/or its affiliates
28. Q&A（4） ご質問： 今の事例で、Excel等のファイルを追加して、RAGとして利用していたようのですが、チャンク化やベクトル化は不要なので しょうか。どういうメカニズムか理解できませんでした。 回答： チャンク化やベクトル化は必須になります。 SOMPOシステムズ様の事例では、AI Vector Searchをご使用いただいていま すので、DBMS_VECTOR_CHAIN.UTL_TO_CHUNKSプロシージャでチャンク化等行っていただいているかと思います。 Select AI with RAGを使用される場合だと、DBMS_CLOUD_AI.CREATE_VECTOR_INDEXプロシージャを実行するこ とによって、オブジェクト・ストレージ上のExcel等のファイルが自動でチャンク化、ベクトル化され、Autonomous Database に格納されます。通常のAI Vector Searchでは手動で行っていた作業を、 Select AI with RAGではパイプラインが作成 されますので、自動で行われます。 28 Copyright © 2025, Oracle and/or its affiliates