AIに浮足立つ今こそ考えたいデータマネジメントの意義──“当たり前にデータを使える状態”を整えるには

“データ運用”までを自動化へ──「DataOps」にAIを掛け合わせるアプローチ

　データパイプラインの構築だけにとどまらず、運用まで自動化する手法は「DataOps」と呼ばれる。DevOpsの方法論をデータエンジニアリングの分野に応用し、データの価値を最大化することを目標に、品質を維持しながらデータ供給のスピードアップを実現するアプローチで、ソフトウェア開発ではなくデータ供給プロセスに焦点を当てている点がDevOpsとの違いだ。分断の多いデータマネジメントから分析までのプロセスを調整し、運用フェーズまでをスコープに入れることで、プロセス全体をアジャイルで一貫性のあるものにできる。

　山本氏は「DataOpsを推進することで、エンドユーザーへデータを供給する際に“データの渋滞”を起こしづらくなる。どこかで異常が起きても迅速に復旧が進むため、常に監視する必要がなくなり、運用の負荷から解放されるといった利点もある。また、データ基盤の継続的改善の仕組みが整うことで、専門知識のあるエンジニアが自社にそろっていなくても運用を回せるようになる」と意義を説明した。これをエンドユーザー視点で見れば、データからビジネス成果を得られるスピードの向上が期待できる。当たり前のようにデータを使っていると裏側の努力に気がつく機会がなかなかないが、DataOpsの確立は、ビジネス成果を得るためのエンジンを強化することにつながるのだ。

　このような理想的な状態を作る上でも、AIに期待される役割は大きい。DataOpsにAIが入ってくると、さらに成果を得られるまでのスピードを加速できる。エラーや不整合の特定、さらには裏側のコードの改修まで任せられるようになると、データエンジニアにとってはかなりの負担軽減になることが予想される。このサイクルの実現は、データの民主化以上に、データエンジニアとエンドユーザーの連携を強化することになるだろう。

　AIエージェントのユースケースは、現時点では顧客対応のフロント業務が中心でも、これから新しいユースケースが次々に登場することは確実だろう。primeNumberは、DataOpsのワークフローマネジメントを強化する形で、このような企業の適用範囲の拡大にも備えていく狙いだ。