【2026年版】生成AIによる情報システムへのインパクト

青山学院大学の社会人コースで使用した資料です。

https://adpisa.si.aoyama.ac.jp/adpisa-z/

Transcript

1. ©2026 Databricks Inc. — All rights reserved 生成AIによる 情報システム へのインパクト 2026/2/21 Databricks Japan 弥生 隆明 1
2. ©2026 Databricks Inc. — All rights reserved 自己紹介 弥生 隆明 (やよい たかあき) Databricks シニア スペシャリスト ソリューションアーキテクト ▪ 2020年からデータブリックス ジャパンにお いて、プレセールス、POCに従事 ▪ 専門領域は生成AI、データエンジニアリン グ、Webアプリケーション ▪ 前職はコンサル、総合電機メーカー にてデータ分析・Webサービス構築 などに従事。インド赴任経験あり。 ▪ Qiitaでいろいろ書いています。 2 @taka_aki
3. ©2026 Databricks Inc. — All rights reserved 20,000+ のお客様 $4B+ の収益 $14B の投資 レイクハウス の発明者 & 生成AIのパイオニア Gartnerが認識するリーダー データベース管理システム データサイエンス、機械学習プラットフォーム Forrester Waveのリーダー データレイクハウス 言語向けAI基盤モデル データ&AIカンパニー 開発者集団 Mosaic MPT 3
4. ©2026 Databricks Inc. — All rights reserved アジェンダ 3時間(180分) 第1部 変化の兆候 15分 2025年に何が起きているか 第2部 変化の原動力 30分 エージェント、MCP、Databricksの3つのツール 第3部 変化の姿 50分 Before/Afterで見る情報システム 第4部 ハンズオン 50分 変化を体験する（Genie/アシスタント/Apps） 第5部 まとめ 15分 変化にどう向き合うか ※ 休憩：第2部後（10分）、第3部後（10分） 4
5. ©2026 Databricks Inc. — All rights reserved 本日のストーリー 変化を軸に、理解から体験へ 第1部 今、何が起きている？ 第2部 なぜ今、変われる？ 第3部 どう変わる？ 第4部 変化を体験する 第5部 どう向き合うか？ 座学で理解 → ハンズオンで体験 → 自分ごととして持ち帰る 5
6. ©2026 Databricks Inc. — All rights reserved 本日のゴール 講義を修了すると、以下のことができるようになります 1 2025年以降、生成AI・AIエージェント領域で何が起きているかを説明できる 2 AIエージェントの概念と、それを支える技術（MCP等）を理解できる 3 情報システムがどう変わろうとしているかをBefore/Afterで説明できる 4 Databricksの3つのAIツール（Genie、アシスタント、Apps）を操作できる 5 自分の立場で変化にどう向き合うべきかのイメージを持てる 前提知識：プログラミング経験は不要です 6
7. ©2026 Databricks Inc. — All rights reserved 第1部 変化の兆候 2025年に何が起きたのか 7
8. ©2026 Databricks Inc. — All rights reserved 生成AI、仕事で使っていますか？ 8 🙋 毎日使っている 🤔 たまに使っている 👀 まだ使っていない ❓ 使ったことがない どの立場でも、今日の講義は役に立つ内容です
9. ©2026 Databricks Inc. — All rights reserved 2025年、何が起きた？ 9 79% の企業が AIエージェントを導入済 PwC AI Agent Survey 2025 80倍 MCPダウンロード数 （1年間で10万→800万） Model Context Protocol 元年 2025年は 「AIエージェント元年」 Gartner Hype Cycle 2025 ※ MCP = Model Context Protocol：AIエージェントがツールと連携するための標準プロトコル
10. ©2026 Databricks Inc. — All rights reserved 業界が「標準」に合意した 史上稀に見る速さで、競合企業が同じプロトコルを採用 10 Anthropic MCP発表 2024.11 OpenAI 採用発表 2025.3 Google Gemini対応 2025.4 Microsoft Windows 11対応 2025.5 2025年12月：Linux Foundationへ移管 Agentic AI Foundation設立 ─ ベンダー中立の標準規格へ "MCPの取り組みはAIの景色を完全に変えた" ─ Jensen Huang, NVIDIA CEO (2025.11)
11. ©2026 Databricks Inc. — All rights reserved 新しい「開発」のかたち 11 従来の開発 • プログラミング言語を習得 • コードを1行ずつ書く • デバッグ・テスト • ドキュメント作成 数日〜数週間 → バイブコーディング • 「〇〇を作って」と指示 • AIがコードを生成 • 動作確認・修正指示 • 完成 数分〜数時間 プログラミングできない人も「開発者」になれる時代が始まった
12. ©2026 Databricks Inc. — All rights reserved 今日お話しする「 3つの変化」 情報システムは今、これらの変化に直面しています 12 1 インターフェースの変化 Before GUI・ダッシュボード ↓ After 対話型・自然言語 Genie 2 開発プロセスの変化 Before 人が設計・実装 ↓ After AIが生成・人がレビュー アシスタント 3 開発の民主化 Before IT部門が開発 ↓ After 業務部門も開発 Apps 座学で理解し、ハンズオンで体験します 第3部：Before/Afterを詳しく解説 → 第4部：3つのツールを実際に操作
13. ©2026 Databricks Inc. — All rights reserved 13 本日の問い この変化は、 情報システムに どう影響するのか？ そして、私たちはどう向き合うべきか？ 本日のゴール • 変化の原動力(エージェント・MCP)を理解する • 情報システムの変化をBefore/Afterで説明できる • Databricksの3つのAIツールを実際に操作する
14. ©2026 Databricks Inc. — All rights reserved 第2部 変化の原動力 エージェントと MCP 14
15. ©2026 Databricks Inc. — All rights reserved 生成AIとは 15 「新しいものを作り出す」 AI 従来のAI 生成AI 分類する 「この写真は犬？猫？」 予測する 「明日の売上は？」 文章を書く 「レポートを作成して」 会話する 「この問題を説明して」 例：ChatGPT、Claude、Gemini、Copilot など
16. ©2026 Databricks Inc. — All rights reserved 生成AIで何ができるか？ 16 文章作成 メール、報告書、議事録 情報整理 要約、翻訳、リサーチ コード作成 プログラム、Excel数式 アイデア出し 企画案、ブレスト相手 分析支援 データ解釈、示唆出し 画像生成 イラスト、デザイン案 「言葉で指示すれば、何かを作ってくれる」 これが生成AIの基本的な価値
17. ©2026 Databricks Inc. — All rights reserved でも、生成 AIには限界がある 17 ❌ 最新情報を知らない 「今日の株価は？」→ 答えられない ❌ 外部システムを操作できない 「会議を予約して」→ できない ❌ 1回の指示で 1回の回答 複数の作業を自動でつなげられない この限界を超えるのが「 AIエージェント」
18. ©2026 Databricks Inc. — All rights reserved AIエージェントとは 18 「自分で考えて、自分で動く」 AI イメージ：優秀なアシスタント 普通のAI（ChatGPT等） AIエージェント あなた：「会議を設定して」 AI：「会議の設定方法を 　　 お教えします...」 （説明だけで終わる） あなた：「会議を設定して」 AI：カレンダーを確認 　　→ 空き時間を探す 　　→ 会議を作成 　　→ 参加者に招待送信 「教えてくれる」から「やってくれる」へ
19. ©2026 Databricks Inc. — All rights reserved AIの進化を振り返る 19 昔 質問応答 決まった質問に 決まった回答 2023 会話AI 自然に会話 文章を作成 2024 賢いAI 検索して調べる ファイルを読む 2025 動くAI 自分で計画 自分で実行 2025年：AIが「手足」を持った でも、AIが色々なツールを使うには、ある問題がありました...
20. ©2026 Databricks Inc. — All rights reserved AIが「手足」を持つには？ 20 問題：AIとツールを繋ぐのが大変 例：スマホの充電ケーブル（昔） 😫 昔（USB以前） ・メーカーごとに違うケーブル ・機種変更のたびに買い直し ・ケーブルだらけ... 😊 今（USB-C） ・どのメーカーでも同じ ・ケーブル 1本でOK ・スッキリ！ AIの世界でも同じことが起きていた AIごとに別々の接続方法 → 開発が大変 → 普及しない そこで登場したのが「MCP」（AIの世界のUSB）
21. ©2026 Databricks Inc. — All rights reserved MCPとは 21 Model Context Protocol(モデル・コンテキスト・プロトコル) AIと外部ツールをつなぐ「共通ルール」 身近な例で考えると... USB → 機器をつなぐ共通規格 コンセント → 電気をつなぐ共通規格 MCP → AIとツールをつなぐ共通規格 2024年11月に登場 → 1年で業界標準に OpenAI、Google、Microsoftなど主要企業が採用
22. ©2026 Databricks Inc. — All rights reserved MCPで何ができるようになるか 22 💬 「来週、田中さんと会議を設定して。空いてる日を探して、招待メールも送って」 MCPがない場合 ❌ AIはカレンダーを見られない ❌ AIはメールを送れない → 結局、自分で全部やる MCPがある場合 ✓ カレンダーで空き確認 ✓ 会議を自動作成 ✓ 招待メールを送信 → AIが全部やってくれる MCPにより、AIが様々なツールを「手足」として使える カレンダー、メール、Slack、データベース、ファイル... 何でもつながる
23. ©2026 Databricks Inc. — All rights reserved MCPのデモ 23
24. ©2026 Databricks Inc. — All rights reserved 参考：MCPの仕組み 24 少し技術的な話 あなた 💬 指示 → AIアプリ 🤖 Claude等 MCP ⇄ 外部ツール 📅 カレンダー 📧 メール 💬 Slack ポイント ・MCPは「AIと外部ツールの間の通訳」のようなもの ・どのAIでも、どのツールでも、同じ方法でつながる ・新しいツールを追加するのも簡単（プラグインを入れる感覚） 詳しい仕組みを覚える必要はありません 「AIが色々なツールを使えるようになった仕組み」とだけ理解していればOK
25. ©2026 Databricks Inc. — All rights reserved Databricksが提供する 3つのツール 25 今日はこの3つを実際に体験します AI/BI Genie 聞くだけで データ分析 アシスタント AIが コードを書く Apps 作ったものを すぐ公開 この3つで「分析 → 開発 → 公開」ができる Genie データを 分析 → アシスタント より深い 分析を開発 → Apps チームに 共有
26. ©2026 Databricks Inc. — All rights reserved AI/BI Genie 26 日本語で聞くだけでデータ分析 使い方のイメージ あなた 先月の売上を教えて Genie 先月の売上は 1,234万円 です あなた 地域別に見せて Genie 📊 地域別売上グラフを表示... SQLやプログラミングを知らなくても、日本語で聞くだけ
27. ©2026 Databricks Inc. — All rights reserved Databricksアシスタント 27 AIがコードを書いて実行 使い方のイメージ 💬 「このデータをグラフにして、トレンドを分析して」 アシスタントが自動で： 1. データを読み込むコードを作成 2. グラフを描画するコードを作成 3. トレンド分析のコードを作成 4. 全部実行して結果を表示 「Agent Mode」：計画 → 実行 → 確認 を自律的に繰り返す まさに「自分で考えて動くAI」を体験できる
28. ©2026 Databricks Inc. — All rights reserved Databricks Apps 28 作ったものをすぐにアプリとして公開 従来 分析結果を共有するには... ❌ IT部門に依頼 ❌ 数週間〜数ヶ月待ち ❌ 予算の確保も必要 Apps 分析結果を共有するには ... ✓ 「アプリにして」と AIに依頼 ✓ 数分で完成 ✓ URLを共有するだけ これが意味すること 業務部門の人が、IT部門に頼らずに、自分でアプリを作れる時代 「開発の民主化」 ── 誰でも作れる、誰でも公開できる
29. ©2026 Databricks Inc. — All rights reserved 29 第2部のまとめ 生成AI 言葉で指示すれば、何かを作ってくれる AIエージェント 自分で考えて、自分で動いてくれる MCP AIが色々なツールを使えるようにする仕組み 3つのツール Genie（聞く）→ アシスタント（作る）→ Apps（公開） 次は第3部：これが情報システムをどう変えるか？ ── 休憩10分の後、第3部へ ──
30. ©2026 Databricks Inc. — All rights reserved 第3部 情報システムへの インパクト 何が、どう変わるのか 30
31. ©2026 Databricks Inc. — All rights reserved 第3部で見ていくこと 31 1 情報システムの「今まで」 従来の形と課題 2 インターフェースの進化 操作方法が変わる 3 データ分析の民主化 誰でも分析できる 4 業務プロセスの変革 仕事の進め方が変わる 生成AIが情報システムのあり方を根本から変えつつある
32. ©2026 Databricks Inc. — All rights reserved 1. 情報システムの「今まで」 従来の形を知る 32
33. ©2026 Databricks Inc. — All rights reserved 情報システムとは 33 会社の仕事を支えるコンピューターの仕組み全体 身近な例 販売管理 売上を記録、在庫を管理 勤怠管理 出退勤、休暇申請 経費精算 領収書提出、承認 顧客管理 お客様情報、商談履歴 これらを作り、動かし、守るのが「情報システム部門」の仕事 そして今、その「作り方」「使い方」が大きく変わろうとしている
34. ©2026 Databricks Inc. — All rights reserved 従来の情報システムの形 34 「ピラミッド型」の分業体制 IT専門家 システム設計・開発 システム管理者 運用・保守・セキュリティ 業務部門（ユーザー） 決められた画面を、決められた通りに使う 「作る人」と「使う人」が分かれていた 業務部門は「こういうシステムが欲しい」→ IT部門に依頼 → 作ってもらう
35. ©2026 Databricks Inc. — All rights reserved なぜこの形になったか 35 専門知識が必要だった プログラミング、データベース、ネットワーク...素人には無理 コストが高かった サーバー購入、ソフト開発...数千万〜数億円規模 ⏰ 時間がかかった 要件定義→設計→開発→テスト...1年以上も普通 だから「専門家に任せる」しかなかった これは合理的な選択だった。でも今、前提が変わりつつある
36. ©2026 Databricks Inc. — All rights reserved 従来のやり方の課題 36 欲しいものがすぐ手に入らない 依頼から完成まで数ヶ月〜数年 伝言ゲームで要望がズレる 「こうじゃない」が完成後に発覚 変化に対応できない 作り直しには再度コストと時間 IT部門がボトルネックに 依頼が集中、対応しきれない ビジネスのスピード ＞ システム開発のスピード
37. ©2026 Databricks Inc. — All rights reserved 生成AIを活用した 開発フローのデモ 37
38. ©2026 Databricks Inc. — All rights reserved 2. インタフェースの進化 「使い方」が変わる 38
39. ©2026 Databricks Inc. — All rights reserved インタフェースとは 39 人とコンピューターの「接点」＝ 操作方法 身近な例 テレビ → リモコンのボタン ATM → タッチパネル スマホ → タッチ＋音声 ChatGPT → 文章を打つだけ インターフェースが進化すると、使える人が増える
40. ©2026 Databricks Inc. — All rights reserved インタフェースの進化の歴史 40 1970s コマンド入力 呪文のような命令を暗記 専門家のみ 1980s GUI（画面操作） マウスでクリック 訓練された人 2010s タッチ 指で直感的に 子供でも使える 2020s 自然言語 話すように文章で 誰でも 使いやすくなるほど、使える人が増える 自然言語インターフェース = 究極の民主化 「日本語が話せれば、コンピューターを操作できる」時代へ
41. ©2026 Databricks Inc. — All rights reserved 「日本語で使える」ことの意味 41 従来 データ分析をしたい ↓ SQLを覚える Excelの関数を覚える 専門ツールの使い方を覚える これから データ分析をしたい ↓ 「先月の売上を 地域別に見せて」 これが意味すること ・学習コストが劇的に下がる（覚えることがほぼない） ・「できる人」の定義が変わる（専門知識 → 何をしたいかの明確さ） ・業務部門が自分で分析できるようになる Databricks Genieは、この「自然言語インターフェース」を実現している
42. ©2026 Databricks Inc. — All rights reserved 3. データ分析の民主化 「誰でも分析できる」時代へ 42
43. ©2026 Databricks Inc. — All rights reserved データサイエンスとは 43 データから「価値ある発見」を引き出すこと 具体的には... 売上が下がった原因は？ → 地域×商品×時期で分析して特定 来月の需要は？ → 過去データから予測 優良顧客の特徴は？ → 購買パターンを分析して発見 ビジネスの意思決定に不可欠。でも従来は「専門家の領域」だった
44. ©2026 Databricks Inc. — All rights reserved 従来のデータ分析の壁 44 スキルの壁 SQL、Python、統計学...専門知識が必要 ツールの壁 高価で複雑な専門ソフトが必要 データの壁 どこにあるか分からない、アクセスできない ⏳ 時間の壁 分析依頼から結果まで数週間 結果：「データはあるのに活用できない」企業が多数
45. ©2026 Databricks Inc. — All rights reserved 生成AIによる変化 45 従来 生成AI時代 スキルの壁 SQL必須 日本語でOK ツールの壁 専門ソフト ブラウザだけ データの壁 どこ？ AIが探す 時間の壁 数週間 数分 4つの壁がすべて低くなる 「専門家だけのもの」から「みんなのもの」へ ── これが民主化
46. ©2026 Databricks Inc. — All rights reserved 具体例：Databricksアシスタント 46 💬 「売上データをグラフにして、伸びている商品カテゴリを教えて」 アシスタントが行うこと 1 データを探す どのテーブルを使うか判断 2 コードを書く Python/SQLを自動生成 3 実行する コードを動かして結果取得 4 可視化する グラフを作成 5 解釈する 結果を日本語で説明 人間は「何を知りたいか」だけ伝えればいい 「どうやるか」はAIが考えて実行してくれる
47. ©2026 Databricks Inc. — All rights reserved 業務部門の新しい可能性 47 営業マネージャー 従来：月次レポートを待つ → これから：自分でリアルタイムに売上分析 マーケティング担当 従来：分析依頼して2週間待ち → これから：キャンペーン効果を即座に確認 経理担当 従来：Excelで手作業集計 → これから： AIに集計させてチェックに集中 「データに基づく意思決定」が誰でもできる時代へ
48. ©2026 Databricks Inc. — All rights reserved 4. 業務プロセスの変革 「仕事の進め方」が変わる 48
49. ©2026 Databricks Inc. — All rights reserved 従来の業務フロー 49 例「営業レポートを作って共有したい」 1 データ依頼 IT部門へ 1週間 2 分析依頼 分析チームへ 2週間 3 開発依頼 開発チームへ 1ヶ月 4 テスト 品質管理へ 2週間 5 公開 インフラへ 1週間 合計：2〜3ヶ月。多くの部門を経由、調整コスト大
50. ©2026 Databricks Inc. — All rights reserved AIエージェントによる変化 50 同じ例「営業レポートを作って共有したい」 1 Genieに聞く 「売上の推移を見せて」 5分 2 アシスタントで深掘り 「地域別の分析を追加」 15分 3 Appsで公開 「これをアプリにして」 10分 合計：約30分。担当者 1人で完結 2〜3ヶ月 → 30分。これが「変革」の意味
51. ©2026 Databricks Inc. — All rights reserved 開発の民主化 51 「専門家だけが作れる」から「誰でも作れる」へ アプリ開発 プログラマーが数週間 → 業務担当が数分 レポート作成 BIツール専門家 → 現場の人が直接 自動化 システム部門に依頼 → 自分で設定 Databricks Appsが、この「開発の民主化」を実現する 第4部のハンズオンで実際に体験します
52. ©2026 Databricks Inc. — All rights reserved 組織への影響 52 従来の組織 業務部門 「こういうのが欲しい」 ↓ 依頼 IT部門 「作ります」 ↓ 調整 開発会社 「作りました」 これからの組織 業務部門 「自分で作る」 （AIの力を借りて） IT部門 「基盤を整え、 高度な案件に集中」 IT部門の役割が変わる 「作る」から「整える」へ：環境構築、ガバナンス、セキュリティ、高度な開発支援 これは「脅威」ではなく「機会」 ── より価値の高い仕事へシフト
53. ©2026 Databricks Inc. — All rights reserved 53 第3部のまとめ インターフェース 専門コマンド → 自然言語 誰でも使える データ分析 専門家の領域 → みんなの道具 現場で判断できる 業務プロセス 数ヶ月 → 数分 スピードが桁違い 組織の役割 依頼する/される → 自分でやる 自律的に動ける 共通するキーワード：「民主化」
54. ©2026 Databricks Inc. — All rights reserved 情報システム部門への影響 54 開発案件が減る 業務部門が自分で作れるようになるため より高度な仕事に集中 基盤整備、セキュリティ、複雑な案件 伴走者としての役割 業務部門をサポートし、品質を担保 イノベーション推進 新技術の評価、導入、教育 「なくなる」のではなく「進化する」 ── 新しいスキルが求められる
55. ©2026 Databricks Inc. — All rights reserved 55 ここまでの話、本当なの？ 「自然言語で分析できる」 「数分でアプリが作れる」 「業務部門だけで完結する」 第4部：実際に体験してみましょう Genie、アシスタント、Appsを使ったハンズオン（50分） ── 休憩10分の後、第4部へ ──
56. ©2026 Databricks Inc. — All rights reserved 第4部 ハンズオン 実際に体験してみよう 56
57. ©2026 Databricks Inc. — All rights reserved ハンズオンの目的 57 第3部で説明した「変化」を、自分の手で体験する 事前課題との違い 事前課題 基礎 「動かしてみる」── 基本操作の確認 今日のハンズオン 発展 「使いこなす」── 実践的なシナリオ 事後課題 応用 「自分で作る」── 実践課題 今日は「発展」レベル。事前課題の先へ進みます
58. ©2026 Databricks Inc. — All rights reserved ハンズオンの流れ 58 1 Genie 発展 複合分析、深掘り質問 15分 2 アシスタント 発展 Agent Mode、複合タスク 20分 3 Apps 入門 カスタマイズ体験 10分 4 まとめ＆事後課題紹介 5分 💡 困ったら挙手 or チャット or 発言してください。講師がサポートします
59. ©2026 Databricks Inc. — All rights reserved 事前課題でやったこと 59 ✅ 基本的な質問 「売上を見せて」「顧客数は？」など、単純な集計・表示 → Genieが質問を理解し、SQLを生成し、結果を返す流れを体験 今日やること 🔍 複合条件での分析（複数の軸を組み合わせる） 📊 比較分析（前年比、地域間比較など） ❓ 「なぜ？」を深掘りする質問 🎯 Trusted Assetの理解と活用
60. ©2026 Databricks Inc. — All rights reserved 1. Genie発展編 複合分析と深掘り質問 60
61. ©2026 Databricks Inc. — All rights reserved 演習1 : 複合条件での分析 61 事前課題と同じGenieスペースを使います シナリオ あなたは営業部長です。 「どの地域の、どの商品カテゴリが、いつ伸びているか」を把握したい やってみよう 1 💬 店舗別・カテゴリ別の売上を月次で見せて 2 💬 先週比で、成長率が高い組み合わせは？ 3 💬 その中で売り上げの高いものに絞って 💡 ポイント：会話の流れで条件を絞り込んでいく
62. ©2026 Databricks Inc. — All rights reserved 演習2 : 「なぜ？」を深掘りする 62 事前実習と同じGenieスペースを使います シナリオ 売上レポートで「Aomoriエリアが前週比マイナス」と出た。 上司に報告する前に、原因を特定したい やってみよう 1 💬Aomoriエリアの売上が下がった原因を分析して 2 💬 特に落ち込んだ商品カテゴリは？ 3 💬 その商品の顧客層に変化はある？ 4 💬 同じ期間、競合が強い地域との比較は？ 💡 ポイント：Genieは「Why」の質問にも対応できる
63. ©2026 Databricks Inc. — All rights reserved 信頼できるアセットとは 63 「この定義で計算してね」と Genieに教えておくルール集 なぜ必要？ ❌ 「売上」の定義が人によって違う → 税込？税抜？返品後？ ❌ 部門ごとに計算ロジックがバラバラ → 営業と経理で数字が合わない ❌ AIが勝手に解釈すると危険 → 間違った数字で意思決定してしまう 信頼できるアセット = 「会社の公式ルールブック」 定義を統一することで、誰が聞いても同じ答えが返ってくる https://docs.databricks.com/aws/ja/genie/trusted-assets
64. ©2026 Databricks Inc. — All rights reserved Genie発展編のポイント 64 複合条件で深い分析 複数の軸を組み合わせて、多角的に見る 会話で絞り込む 一度に完璧な質問をしなくていい。段階的に深掘り ❓ 「なぜ？」を聞ける 原因分析、比較分析もGenieが対応 ✅ 信頼できるアセットで品質担保 定義を統一して、信頼できる数字を得る 事後課題では、より複雑なビジネスシナリオに挑戦します
65. ©2026 Databricks Inc. — All rights reserved 2. アシスタント発展編 エージェントモードと複合タスク 65
66. ©2026 Databricks Inc. — All rights reserved 事前課題でやったこと 66 ✅ 基本的なコード生成 「このデータを読み込んで」「グラフを作って」など、単発の指示 → アシスタントがコードを生成し、実行する流れを体験 今日やること 🤖 エージェントモードの活用（自律的に複数ステップを実行） 📊 複合タスク（データ取得→加工→可視化→解釈） 🔁 試行錯誤の対話（エラー対応、改善指示） 💾 成果物の保存と共有
67. ©2026 Databricks Inc. — All rights reserved エージェントモードとは 67 通常モード 人間が1ステップずつ指示 「データを読んで」 　↓ 実行 「集計して」 　↓ 実行 「グラフにして」 　↓ 実行 エージェントモード ゴールだけ伝える 「売上分析レポートを作って」 ↓ AIが自動で ・データ取得 ・加工・集計 ・可視化 ・解釈まで実行 「自分で考えて、自分で動く」── 第2部で説明したAIエージェントの実装 有効化の方法 アシスタントパネル右下で 「Agent」モードを選択 ※ 実行内容を確認しながら進めたい場合は「Auto-fix errors」のみON https://docs.databricks.com/aws/ja/notebooks/ds-agent
68. ©2026 Databricks Inc. — All rights reserved 演習1: 複合タスクの依頼 68 シナリオ Irisデータセット（アヤメの花の計測データ）を使って、 花の種類を分類するための特徴を分析したい やってみよう（エージェントモード ON） 💬 「scikit-learnのirisデータセットを読み込んで、 以下の分析をしてください： ・種類ごとの特徴量の分布を箱ひげ図で可視化 ・どの特徴量が種類の分類に効きそうか考察 ・簡単な相関分析も見せて」 💡 ポイント： sklearn.datasets.load_iris() だけで即使える セットアップ不要。AIが自動でコードを生成・実行する様子を観察
69. ©2026 Databricks Inc. — All rights reserved 演習2: 対話で改善する 69 シナリオ 演習1の結果を見て、もう少し調整・深掘りしたい 追加の指示を出してみよう 💬 グラフの色を種類ごとに分けて、凡例も追加して 見た目の調整 💬 petal_lengthとpetal_widthの散布図を種類別に描いて 追加の可視化 💬 簡単な決定木で分類して、精度を出して 分析の深掘り 💬 ここまでの分析結果をまとめて レポート生成 💡 ポイント：完璧を目指さず、対話で改善していく
70. ©2026 Databricks Inc. — All rights reserved 演習3: エラーへの対処 70 AIも間違える。そのときどうする？ ❌ テーブルが見つからない → ✅ 「◦◦というテーブルを使って」と具体的に指示 ❌ グラフが意図と違う → ✅ 「棒グラフではなく折れ線で」と修正指示 ❌ 計算結果がおかしい → ✅ 「集計単位を月別から週別に変えて」と条件明確化 ❌ コードエラーが出た → ✅ 「エラーを修正して」だけでOK（AIが自己修正） 💡 エラーを恐れない。 AIとの対話で解決できる
71. ©2026 Databricks Inc. — All rights reserved アシスタント発展編のポイント 71 エージェントモードで自律実行 ゴールを伝えれば、AIがステップを分解して実行 対話で改善 一発で完璧を目指さない。会話しながら調整 エラーも対話で解決 「直して」だけで自己修正できる 複合タスクをワンストップで データ→加工→可視化→解釈を一連で実行 事後課題では、本格的な分析ワークフローに挑戦します
72. ©2026 Databricks Inc. — All rights reserved 3. Apps入門編 カスタマイズ体験 72
73. ©2026 Databricks Inc. — All rights reserved 事前課題でやったこと 73 ✅ テンプレートからのデプロイ 既存のテンプレートを選んで、そのままデプロイ →「アプリを公開する」流れを体験 今日やること 🎨 テンプレートのカスタマイズ（表示内容の変更） 🔗 データソースの切り替え 📱 UIの微調整 ⚠ Apps本格開発は難易度が高いため、事後課題で取り組みます 今日は「カスタマイズの感覚をつかむ」ことがゴールです
74. ©2026 Databricks Inc. — All rights reserved 演習：テンプレートのカスタマイズ 74 1 事前課題でデプロイしたアプリを開く Workspace → Apps → 自分のアプリ 2 デプロイメントの「ソース」のリンクをクリック。 app.pyをクリック コードエディタが開く 3 タイトルを変更してみる st.header("...") の文字列を書き換え 4 アプリの画面の「デプロイ」で公開 変更がライブに反映 💡 ポイント：コードを理解しなくても、文字列の変更だけで見た目が変わる 本格的な開発は事後課題で。今はこの「変更→確認→公開」の流れを体験
75. ©2026 Databricks Inc. — All rights reserved Apps入門編のポイント 75 テンプレートから始める ゼロから作らなくても、カスタマイズで十分使える 編集 → デプロイ この2ステップで変更を即座に公開できる コードの理解は後から まずは文字列の書き換えから始めてOK 事後課題では、ゼロから Streamlitアプリを作成します 今日の体験があれば、ハードルが下がっているはずです ※ 事後課題では、アシスタントを使ってコードを生成しながら進めます
76. ©2026 Databricks Inc. — All rights reserved ハンズオンのまとめ 76 Genie 複合分析、深掘り質問、信頼できるアセット アシスタント エージェントモード、複合タスク、対話で改善 Apps カスタマイズの流れ（編集→デプロイ） 体験した感想は？ ・思ったより簡単だった？難しかった？ ・「これは使えそう」と思った機能は？ ・もっと知りたいことは？
77. ©2026 Databricks Inc. — All rights reserved 事後課題 77 Genie 複雑なビジネスシナリオ分析 異常値検出、トレンド分析、レポート作成 アシスタント 本格的な分析ワークフロー データパイプライン構築、自動レポート生成 Apps ゼロからStreamlitアプリ作成 アシスタントを活用しながらコーディング 💡 詳細な手順書を配布します。困ったときはSlackで質問OK
78. ©2026 Databricks Inc. — All rights reserved 78 お疲れさまでした！ 体験できましたか？ 「日本語で分析できる」 「AIが自分で動く」 「すぐに公開できる」 第5部：まとめ＆明日から何をすべきか 今日の学びを、どう活かすか（15分）
79. ©2026 Databricks Inc. — All rights reserved 第5部 まとめ 明日から何をすべきか 79
80. ©2026 Databricks Inc. — All rights reserved 今日の振り返り 80 第1部 変化の兆候 AIの進化スピードは想像以上 第2部 変化の原動力 生成AI・エージェント・MCPが変革を加速 第3部 インパクト インターフェース・分析・業務プロセスの民主化 第4部 ハンズオン Genie・アシスタント・Appsを体験 キーワード：「民主化」 ── 専門家だけのものが、みんなのものへ
81. ©2026 Databricks Inc. — All rights reserved 今日お伝えしたかった 3つのこと 81 1 変化は「いつか」ではなく「今」起きている 待っていると取り残される 2 技術の詳細より「何ができるか」を知ることが大事 使いこなす側に回る 3 情報システム部門の役割は「なくなる」のではなく「変わる」 より価値の高い仕事へ 「知っている」と「できる」は違う ── 今日の体験を活かしてください
82. ©2026 Databricks Inc. — All rights reserved 明日からできること 82 今週中 事後課題に取り組む 実践力を身につける 今月中 自分の業務で試してみる 「これ、Genieに聞けるかも」を探す 3ヶ月以内 チームに共有する 今日の体験を同僚に伝える 継続的に 情報をキャッチアップ 月1回は新機能をチェック 小さく始めて、徐々に広げる
83. ©2026 Databricks Inc. — All rights reserved 情報システム部門として準備すべきこと 83 スキルアップ 生成AIツールの習熟、プロンプトエンジニアリング基礎 環境整備 データ基盤の整備、信頼できるアセットの設計 ガバナンス 利用ガイドライン策定、セキュリティポリシー更新 組織連携 業務部門との協働体制、教育プログラム企画 「作る」から「整える・育てる・守る」へ ── 新しい役割を担う
84. ©2026 Databricks Inc. — All rights reserved 84 質問タイム 今日の内容について、何でも聞いてください 質問の例： ・自分の部署でどう活用できるか ・導入時の注意点 ・技術的な疑問 後からの質問：Slackチャンネル
85. ©2026 Databricks Inc. — All rights reserved 85 本日はありがとうございました 生成AIは「脅威」ではなく「機会」 使いこなす側に回りましょう 事後課題、頑張ってください！ 講師：弥生 隆明（Databricks Japan）
86. ©2026 Databricks Inc. — All rights reserved 86