Agent Ready になるためにデータ基盤チームが今年やること / How We're Making Our Data Platform Agent-Ready

第6回福岡データエンジニアリング勉強会（居酒屋LT）
https://fukuoka-data-engineering.connpass.com/event/381028/

Transcript

1. Agent Ready になるために データ基盤チームが今年やること 財津大夏 (@zaimy) GMOペパボ株式会社 技術部データ基盤チーム 2026.02.20 第6回福岡データエンジニアリング勉強会 logo
2. 自己紹介 財津 大夏　ZAITSU Hiroka GMOペパボ株式会社 技術部データ基盤チーム シニアエンジニア 自社データ基盤の開発/運用 二児の父, スバルのファン 13サービスの事業会社 Google Cloud と AWS Python と SQL データ分析も少し
3. 2026年はペパボ「Agent Ready」元年 Agent Ready のための三本柱 Toolset: Agent-First な運用の実現 Dataset: 正しい情報の整備 Mindset: AI 前提を率先垂範 特に Dataset を支えるためにデータ基盤は重要 Agent Ready: 技術部が挑むAIエージェント前提の技術基盤づくり https://tech.pepabo.com/2026/02/19/tech-division-agent-ready-2026/ 3
4. SSoT（信頼できる唯一の情報源）を確立する Dataset を支えるデータ基盤になるために 現状は SSoT ではない ログはログ基盤、システムメトリクスは監視ツール、ナレッジは Wiki 異なる「売上」を示す複数の集計 AI は暗黙知を持たない 人間とAIが見ている数字が違えば判断が崩れる 統一データマートを全事業部門へ展開する 人間と AI が同じデータを見て判断する環境 4
5. SSoT な統一データマートを作るための 2 つの取り組み 基盤を Agentic-AI Ready にする 1. dbt とワークフロー環境を AI 前提にする dbt Cloud Google Cloud Workflows 2. データマートの開発プロセスを AI 前提にする 散逸しているメトリクスを一旦そのまま取り込む ユーザーインターフェースを変えずに AI がリファクタリングしていく 5
6. アーキテクチャの変化 1. dbt とワークフロー環境を AI 前提にする Before: Google Cloud Composer（Airflow）+ Cosmos 自由度が高いワークフロー フルマネージドではなく運用コストと金銭的コストが高い DAG 実行のオーバーヘッドが大きく開発サイクルが遅くなりがち After: Google Cloud Workflows + dbt Cloud 制約はあるがシンプルなワークフロー定義 フルマネージドで運用コストと金銭的コストが低い 実行のオーバーヘッドがほぼ無いので AI でトライアンドエラーを回しやすい 6
7. dbt とワークフロー環境を AI 前提にする CI 実行時間の比較 中央値:約17分→約30秒 平均値:約42分→約2.5分 Cloud Composer: count 622.000000 mean 41.758601 50% 17.591667 Cloud Workflows: count 476.000000 mean 2.497689 50% 0.516667 7
8. 人間の注力するポイントを変える 2. データマートの開発プロセスを AI 前提にする 従来：人間がモデリングを頑張る モデリングのスキルを持つ人とドメイン知識を持つ人が異なる問題 時間的コストが掛かりがちで投資を回収するのが難しい 新しいアプローチ：まず SSoT を作る 既存の SQL を dbt model としてそのまま基盤に乗せる SSoT（信頼できる唯一の情報源）を確立 ガバナンスの保証、メタデータ付与が可能な状態にする AI がリファクタリングしていく 8
9. 2026年、データ基盤もエージェント時代へ まとめ dbt とワークフロー環境を AI 前提にする Cloud Composer → Cloud Workflows + dbt Cloud シンプル・高速・AI フレンドリー データマートの開発プロセスを AI 前提にする まず SSoT を作り、リファクタリングは AI の力を借りる ガバナンスの保証、メタデータ付与が可能な状態にする AI の進歩をデータ基盤と組織の競争力に転換する 9