【ITニュース解説】ローコードツールで生成AI実行！Snowflake Cortex × DataSpiderでLLMを試してみた

この取り組みは、最新のAI技術である生成AIを、プログラミングの知識が少なくても活用できる「ローコードツール」と組み合わせて、日々の業務にどのように取り入れられるかを探った事例について語るものである。具体的には、クラウド上でデータを管理・分析する「Snowflake」が提供するAI機能「Cortex」と、国産のデータ連携ツール「DataSpider Servista」を連携させることで、大規模言語モデル（LLM）を使った業務の自動化や効率化がどこまでスムーズに実現できるかを検証した結果が紹介されている。

近年、AI、特にChatGPTに代表されるような生成AI（大規模言語モデル、LLM）は、人間のような自然な文章を作成したり、複雑な質問に答えたりする能力を持ち、ビジネスでの活用が大きく期待されている。しかし、これらの高度なAIを実際の業務システムに組み込むには、専門的なプログラミング知識やAIモデルの構築に関する深い理解が求められることが多く、多くの企業にとって導入のハードルが高いのが現状だ。ここで、この課題を解決する鍵として登場するのが、プログラミングの記述を最小限に抑え、視覚的な操作でシステム開発を可能にする「ローコードツール」である。ローコードツールは、IT専門家でなくても、ビジネスの現場で求められる機能やシステム間の連携を迅速に実現する手助けをする。

この試みでは、まずデータの蓄積と分析の基盤として「Snowflake」が使われている。Snowflakeは、クラウド上で動作するデータウェアハウスと呼ばれるサービスで、膨大な量の企業データを効率的に保管し、高速に処理・分析できる特徴を持つ。企業が持つ様々なデータを一箇所に集約し、ビジネス上の意思決定に役立つ洞察を得るための強力なプラットフォームとして多くの企業で利用されている。このSnowflakeが近年、「Cortex」というAI機能を発表した。Cortexは、Snowflakeのデータ基盤上で直接生成AI（LLM）を呼び出し、SQLというデータ操作言語を使って簡単にAIを活用できる画期的な機能である。これにより、データを分析する延長線上で、そのデータに対してAIに質問をしたり、要約させたりといった高度な処理が、専門的なAIエンジニアでなくても可能になる。

そして、Snowflake Cortexと連携するのが、国産のデータ連携ツール「DataSpider Servista」だ。DataSpider Servistaは、企業内に散らばる異なるシステムやアプリケーションの間でデータを「抽出（Extract）」「変換（Transform）」「格納（Load）」する、いわゆるETL処理を、プログラミングコードを書くことなく、アイコンを配置したり線を繋いだりといった直感的な操作で行えるローコードツールである。企業内には顧客情報システム、販売管理システム、ウェブサイトのログデータなど、様々な場所にデータが散在している。DataSpider Servistaは、これらのデータを集約し、必要な形に加工して、Snowflakeのようなデータウェアハウスに送り込む役割を担う。また、データの流れを自動化し、人の手を介さずに定期的に処理を実行することも得意としている。

この取り組みの核心は、このDataSpider Servistaを使って、Snowflake CortexのLLM関数を呼び出す試みにある。これにより、DataSpider Servistaが持つ「様々なシステムからデータを集めて加工する能力」と、Snowflake Cortexの「データに基づいて生成AIの力を活用する能力」が融合される。具体的には、DataSpider Servistaで取り込んだ顧客の問い合わせ履歴や商品レビューなどの非構造化データをSnowflakeに渡し、CortexのLLM関数を使って自動で要約したり、感情を分析したり、あるいは問い合わせ内容に応じて適切な回答案を生成させたりといった一連のプロセスが、ほとんどプログラミングなしで実現できることを示した。

この連携の最大のメリットは、高度なAI機能を業務プロセスに組み込む際の手間と専門知識を大幅に削減できる点にある。通常、AI機能をシステムに組み込むには、APIの呼び出しやデータ形式の変換、エラー処理など、複雑なプログラミングが必要となることが多い。しかし、ローコードツールであるDataSpider Servistaと、SQLで簡単にLLMを利用できるSnowflake Cortexの組み合わせにより、これらの複雑な工程が視覚的な操作だけで完結する。これにより、IT部門の専門家だけでなく、業務部門の担当者でも、アイデア次第でAIを活用した新しい業務フローを構築し、既存の業務を効率化したり、新たな価値を創造したりする可能性が広がる。

この試みは、「想像以上にスムーズで実用的だった」と報告されており、たとえば大量の顧客からの問い合わせメールを自動で分類し、AIが要約した上で担当者に通知したり、顧客からのフィードバックデータから製品改善につながるインサイトを自動で抽出したりといった具体的な応用例が示唆されている。これは、単にAIを試すだけでなく、AIとデータ連携を組み合わせることで、まさに「AI × ETLで業務が変わる」という冒頭の問いに対する有力な回答を提示している。この試みは、システムエンジニアを目指す人々にとって、将来のシステム開発やデータ活用の現場で、ローコードツールとAIがどのように組み合わされ、業務の効率化や新たな価値創造に貢献していくのかを理解する上で、非常に重要な示唆を与えるものとなるだろう。