最終編集日時：2026年10月26日
DocuSignで信頼できるデータ製品および分析エンジニアリングの近代化に取り組んでいたビシャル・グプタ氏は、データの信頼性を維持するための制御を犠牲にすることなく、自チームが分析エンジニアリングにAIをどこまで導入しているかを語りました。
グプタがまず指摘したのは、SQL生成自体は本来ボトルネックではなく、むしろコンテキストスイッチングが問題だったという点である。エンジニアたちは、Jiraの要件、主に人間の頭の中にしか存在しないdbtの規約、そして繰り返される検証の間を行き来しており、作業の各段階の間で明確な引き継ぎが行われていなかったのだ。
彼の解決策は、Claude Codeをオーケストレーターとして据え、dbt Agent Skillsがプロジェクトの規約や命名パターンを提供し、dbt MCPサーバーが構造化されたメタデータとリネージュを供給し、さらにdbt v2がプルリクエストが送信される前にコンパイル済みのSQLを検証するというものです。
一つの大きなエージェントがすべてをこなそうとするのではなく、Guptaはワークフローを発見、dbt開発、オーケストレーションの各フェーズに分割したため、あるフェーズで失敗（コンパイルの失敗や単体テストのスキップ）が生じても、パイプライン全体を再起動するのではなく、そのフェーズのみが自動的に再試行されるようになっています。
ライブデモにおいて、グプタ氏はワークフローに新しい四半期集計モデルの構築を指示し、適切な dbt エージェントのスキルと MCP コンテキストを取得し、モデルと YAML を生成、dbt v2 に対してコンパイルおよび検証を行い、さらにプルリクエストと対応するオーケストレーションジョブを生成する様子を確認しました。なお、本番環境へのデプロイに際しては、引き続きブランチの分離と人的レビューが求められます。
Gupta氏は、要件から検証済みでレビュー準備が整ったdbtアセットへの移行により、生産性が50％向上したと報告しました。さらに、チーム全体で命名規則、テスト手法、セマンティックパターンが一貫性を保つようになったため、レビュアーはスタイルの修正に時間を費やすことなく、エンジニアリング上の判断に集中できるようになりました。彼の考え方では、AIが提案を行い、実際にマージされる内容についてはエンジニアが責任を負うという形です。
聴衆からの質問はガードレールに集中しました。グプタ氏は、エージェントが誤って数十億行規模のビルドを起動しないよう、テスト実行の上限を1,000行に設定していると説明し、さらに、マスタースキルファイルを通じてどのチームのカスタムスキルを共有ワークフローに組み込むかを管理する、初期段階でまだ進化中のアプローチについても述べました。
dbt Summit 2026の基調講演および分科会をすべてオンデマンドで視聴できます。dbt Summit 2026をオンデマンドで視聴する →
dbtの利用を開始する
実際にスケールするデータインフラを構築しているアナリティクスエンジニアの仲間に加わりましょう。
dbt Wizard CLI をインストールする
分析エンジニアリング専用に設計されたエージェントで、すぐに使い始めることができます。どのツールを呼び出すべきか、どのコンテキストを取得すべきかを把握し、あなたに結果を提示する前に自らの作業を確認します。
最新の投稿
プロンプトからPRまで：CareemのAIが、人間が目にする前にどのようにdbtモデルを書き込み、検証するのか
2026年10月26日
バージン・メディア・O2が、dbtにメモリを提供することでコンピュートコストを30％削減した方法
2026年10月26日
Rampの社内AIエージェントが100万セッションを突破した方法
2026年10月26日
データを形作る最大のコミュニティに参加しよう
dbt Communityは、世界中の数千ものデータリーダーやAI実務者とのベストプラクティス、イノベーション、直接的な協業への玄関口です。質問を投げかけ、知見を共有し、専門家とともにより良いものを構築しましょう。