Amazon Quickに新機能「Agentic Catalog Experience」が追加、AIとデータカタログの連携で分析準備を効率化
要点
-
AWSが、ビジネス分析サービス「Amazon Quick」において、データ管理をAIで効率化する「Agentic Catalog Experience」を発表した。
-
企業が持つデータカタログからデータの関係性や定義を自動で引き継ぎ、分析ダッシュボード構築までの期間を大幅に短縮する。
-
データの探索や作成を支援するAIエージェント「Quick Agent」を搭載し、自然言語での対話によるデータ準備を可能にした。
-
上流のデータ定義の変更が自動反映されるため、手動設定による定義のズレやデータの信頼性低下を防ぐことができる。
-
米アマゾン・ウェブ・サービス（AWS）は2026年7月31日、ビジネス分析（BI）サービスである「Amazon Quick」において、AIを活用してデータの意味情報を整理・連携する新機能「Agentic Catalog Experience in Amazon Quick」を発表した。本機能は、企業内のデータチームが整備したデータ定義をAIが直接読み取り、意思決定のためのダッシュボードやデータ検索環境の迅速な構築を支援するものである。
-
AWSは公式ブログにおいて、AIを搭載したデータ分析が普及する中、自然言語を用いてデータを抽出する「Text2SQL」（テキストからデータベース操作用のプログラムであるSQLを自動生成する技術）の価値は、その背景にあるビジネス上の文脈（データの正しい意味や定義情報）の正確さに左右されると指摘している。現在は、上流のデータカタログや定義ツールで整備された「テーブルやカラムの説明」や「データ同士の関連性」といった意味情報が、そのまま下流のAI製品に直接連携される環境が必要とされているという。
-
企業はこれまで、AWS Glue Data CatalogやDatabricks Unity Catalogをはじめ、Snowflake Horizon、Collibra、dbtといったデータ管理プラットフォームに対して多大な投資を行ってきた。これらのシステム上では、データ管理者によってテーブルの説明やカラムの意味情報、データの主キーと外部キー（テーブル間の関係性を示す識別子）の結びつき、用語集、各種ビジネス指標の定義などが設定されている。
-
しかし、これらのデータをAmazon Quickなどの分析ツールと連携させ、営業やマーケティング、財務といったビジネス部門のユーザー向けに信頼性の高いAI回答やダッシュボードを提供するまでには大きな障壁があった。AWSは、管理者が利用環境を構築する際に直面する「3つの課題」を挙げている。
-
1つ目は、データの見つけにくさ（発見可能性の制限）である。企業内のカタログには数千ものテーブルが存在するため、レポート作成に適した承認済みのデータ資産を見つけ出すことは、極めて困難な作業となっていた。
-
2つ目は、定義情報の断片化と手動での再作成である。上流のシステムに存在するビジネス定義が分析ツールに自動で引き継がれないため、管理者は手動でデータセットを再作成し、定義を再入力する必要があった。その結果、例えば「売上」が総額か純額かといった、上流で厳密に決定された定義に食い違いが生じる原因となっていた。
-
3つ目は、分析の実行までに時間がかかることである。手動でのデータ探索と再定義の作業により、データを実際の分析に活用できるまでに数週間を要することがあった。また、上流のデータ定義が変更された際に分析ツール側の設定が更新されないままだと、定義のズレ（セマンティック・ドリフト）が発生し、AIの回答やダッシュボード全体の信頼性が損なわれる原因となっていた。
-
今回発表された「Agentic Catalog Experience in Amazon Quick」は、これらの課題を解決し、データ管理者が対象のデータ範囲を素早く設定し、上流の定義情報を継承できるようにするAI駆動のワークフローを提供する。
-
この機能の中核となるのが、データの探索、作成、および定義の継承に特化したAI「Quick Agent」である。「Quick Agent」は、接続されたデータカタログの意味情報を読み取ることで、カタログ全体の概要をひと目でわかるように要約する。また、管理者と自然言語で対話しながら、特定のユースケースに応じて最も関連性の高いテーブルやその関係性を提示し、メタデータの準備状況を評価する役割を果たす。
-
なお、Amazon QuickはAWSが提供するクラウド型のビジネスインテリジェンス（BI）ツールであり、蓄積されたデータをグラフやダッシュボードとして可視化する役割を持っている。