【ITニュース解説】I built IntentLens to make metric definitions visible before generating charts

データ分析は現代のビジネスにおいて非常に重要だ。しかし、データからグラフを作成する際、そのグラフが示す数字が本当に知りたいことと一致しているか、誤解を招くことがないか、という根本的な問題がある。例えば、ある商品やサービスの「コンバージョン率」（訪問者が目標とする行動（購入など）に至った割合）を計算するケースを考えてみよう。

グループAは訪問者100人中10人がコンバージョンし、コンバージョン率は10%だ。 グループBは訪問者10人中5人がコンバージョンし、コンバージョン率は50%だ。

この二つのグループのデータから、「全体のコンバージョン率」を計算すると、合計訪問者110人（100+10）、合計コンバージョン数15人（10+5）なので、約13.64%になる。

しかし、「各グループのコンバージョン率の平均」を計算すると、(10% + 50%) / 2 = 30%となる。

どちらの計算も数学的には「正しい」が、これらは異なる「質問」に答えている。前者は「全体としてどれくらいの人がコンバージョンしたか」を知りたいときに使い、後者は「各グループが平均してどれくらいのパフォーマンスを出したか」を知りたいときに使うだろう。もし、この違いを意識せずにグラフを作成し、その数字だけを見て意思決定をしてしまうと、間違った判断につながる可能性がある。

このような問題意識から開発されたのが「IntentLens」というツールだ。IntentLensは、ExcelやCSVファイルに入っているデータを元にグラフを作成する際に、どのような計算や集計が行われるかを事前に明確にし、ユーザーが確認できるようにすることを目指している。

IntentLensの基本的なワークフローは、まず分析したいデータをExcelやCSVファイルから読み込むことから始まる。次に、ユーザーは「どのような質問に答えたいか」をツールに伝える。例えば、「商品の月ごとの売上合計を知りたい」とか、「顧客セグメントごとの平均購入額を比較したい」といった具体的な問いを入力するのだ。

ユーザーが質問を入力すると、IntentLensは「分析計画」を提案する。この計画こそが、このツールの核心部分だ。計画には、データをどのようにグループ分けするか、どのような方法で集計するか（合計、平均など）、比率をどのように計算するか、そしてデータに欠けている部分（欠損値）をどのように扱うか、といった詳細なステップが示される。ユーザーは、この計画をじっくりとレビューし、自分の意図した質問に対して、正しい計算方法が提案されているかを確認できる。もし計画が意図と異なれば、そこで修正を加えることが可能だ。

この「計画のレビュー」ステップが非常に重要な理由は、先述のコンバージョン率の例からもわかるように、データ分析においては、同じデータからでも複数の「正しい」解釈や計算結果が導き出される可能性があるためだ。ユーザーが自分の意図に合った計算がされることを事前に確認することで、誤ったグラフが生成されたり、それに基づいて誤った意思決定をしてしまったりするリスクを大幅に減らすことができる。これは、データ分析の透明性を高め、データの信頼性を向上させる上で不可欠なプロセスだ。

IntentLensでは、「モデル」と呼ばれる仕組みが、ユーザーの自然言語による質問を解釈し、分析計画を提案する役割を担っている。ここでいう「モデル」は、人工知能や機械学習の技術を活用して、データの特性や過去のパターンから最適な分析方法を推論するものだ。そして、提案される分析計画は「宣言的」な形式をとる。これは、PythonやJavaScriptといったプログラグラミング言語で具体的な処理手順をコードとして記述するのではなく、「このカラムを基準にグループ化しなさい」「このカラムの合計を計算しなさい」といった、より高レベルで、かつ誰にでも理解しやすい形で分析の「意図」を宣言するものだ。これにより、プログラミングの知識がない初心者でも、複雑なデータ分析のロジックを理解し、確認できるようになる。アプリケーションはこの宣言的な計画を検証し、実際にデータから結果を計算する。

このツールは現在開発中だが、誰でも手軽に試せるサンプルが公開されている。ウェブブラウザでアクセスするだけで、インストールやユーザー登録、APIキーの設定などは一切不要だ。サンプルでは、コンバージョン率に関する質問を選び、全体のコンバージョン率と月ごとの平均コンバージョン率を比較してグラフを生成したり、グラフのタイトルを変更したり、結果をダウンロードしたりといった一連の操作を体験できる。サンプルで使用されるデータは固定されたものであり、AIを呼び出すことも、ユーザーがファイルをアップロードすることもできないため、安心して試すことができる。

フルバージョンのIntentLensが提供する機能は、さらに多岐にわたる。ユーザー自身のExcelやCSVファイルをアップロードして分析できるようになるほか、設定されたモデル（AI）との対話を通じて、より柔軟に分析計画を生成・修正できるようになる。このモデルとの連携にはAPIキーが必要となり、分析対象のデータの一部（フィールド名や統計情報など）が外部のAIプロバイダーに送信される場合があるため、その点には注意が必要だ。また、様々なグラフ描画エンジンに対応したり、分析の履歴を管理したりする機能も追加される予定だ。開発者は、合成データを使って、CSVファイルをアップロードし、質問を入力してAIモデル（DeepSeek）から計画を受け取り、チャートを生成する実際のワークフローの様子も公開している。

IntentLensはまだ開発の途上にあり、現時点では信頼できる単一ユーザーがローカル環境で利用することを想定している。開発者は、この「分析計画の確認」というステップが、実際のレポーティング業務においてどれほどの価値を持つのか、ユーザーからの具体的なフィードバックを求めている。例えば、スプレッドシートを日常的に利用する人に対し、これまでのレポート作成作業で、もしメトリクスの定義を確認するステップがあれば、間違いを防げたか、あるいは逆に作業の妨げになったか、といった問いを投げかけている。また、サンプルの利用中に困った点や、現在使用している別のツールがあれば、そのツールの優れた点なども知りたいと考えている。さらに、定期的にレポート作成業務を行っているユーザーを対象に、実際のデータ（公開データか、個人情報を削除したデータ）を使ってフルアプリケーションを試してもらう協力者も募集している。

このツールは、データ分析における「正確性」と「透明性」を高め、データの裏にある意味を深く理解することで、より良い意思決定を支援することを目指していると言える。データサイエンスやシステムエンジニアリングの分野を目指す初心者にとって、データがどのように解釈され、可視化されるかのプロセスを理解する上で、非常に示唆に富むプロジェクトだ。