「SQLを書いて」で終わらない。GoogleのData Agent Kit正式版でAIが“会社のデータを自分で調べる”時代へ

🤖 AIにデータ分析をお願いする。
これまでは、こんな感じでした。
人間：
「このデータを調べるSQLを書いて」
AI：
「こちらです」
↓
人間がコピー。
↓
BigQueryなどへ貼り付ける。
↓
実行する。
↓
結果をコピー。
↓
またAIへ渡す。
便利ではあります。
でも結局、
人間がAIとデータベースの間を行ったり来たりしている。
そんな状態でした。
ところが、この作業がさらに減りそうです。
Google Cloudは2026年9月30日、
「Data Agent Kit」
の一般提供（GA）開始を発表しました。
Data Agent Kitを使うと、
Claude Code。
Codex。
Antigravity。
などのAIエージェントが、
Google Cloud上のデータへ接続し、
クエリを実行して、その結果をAI自身が読み取る
ところまで進められます。
つまり、
AI：
「SQLを書きました。あとは実行してください」
から、
AI：
「調べて結果まで確認しました」
へ。
地味に見えますが、仕事でAIを使うならかなり重要な変化だと思います。
1️⃣ Data Agent Kitが正式版に
Google Cloudは9月30日、
Data Agent Kitの一般提供を開始しました。
Data Agent Kitは、
MCP（Model Context Protocol）のツールと、AIエージェント用のスキルをまとめた無料の仕組み
です。
簡単に言えば、
AIエージェントと、
会社が持っているデータやGoogle Cloudのサービスを、
つなぐための道具
です。
対応するAI側には、
Antigravity。
Claude Code。
Codex。
などがあります。
つまりGoogleのサービスだからといって、
Geminiだけで使う仕組みではありません。
ここも面白いところです。
2️⃣ なぜ普通のAIだけではダメなのか
🧠 例えばAIに、
「先月、売上が落ちた原因を調べて」
と頼んだとします。
でも普通のAIは、
会社のデータベースを知りません。
どんなテーブルがある？
どのデータを会社が信頼している？
どういう構造になっている？
昨夜の処理は正常だった？
こうした情報を最初から知っているわけではありません。
だから人間が、
必要なデータを探す。
↓
AIへ渡す。
↓
AIが分析する。
という作業が必要でした。
Data Agent Kitが目指しているのは、
この間にある壁を減らすことです。
3️⃣ AIが自分でクエリを実行する
💻 ここが一番分かりやすい変化です。
従来なら、
人間：
「SQLを書いて」
↓
AI：
SQLを生成。
↓
人間：
コピー。
↓
データベースで実行。
でした。
Data Agent Kitでは、
AIエージェントが、
必要なデータを確認。
↓
クエリを作る。
↓
クエリを実行。
↓
結果を読む。
↓
次に何を調べるべきか考える。
というところまで進められます。
つまり、
「分析方法を教えてくれるAI」から「実際に分析作業をするAI」
へ近づいています。
4️⃣ 一つのデータだけ調べればいいとは限らない
📊 実際の仕事では、
答えが一つのExcelやデータベースだけに入っているとは限りません。
Google Cloudが紹介している例では、
「平均注文額が7％落ちたのに、総売上は変わっていない。なぜ？」
という質問を使っています。
原因を調べるには、
販売履歴。
顧客情報。
キャンペーン設定。
など、複数の情報を見る必要があります。
人間がやると、
BigQueryを見る。
↓
PostgreSQLを見る。
↓
JSONを見る。
↓
条件を変えてまた検索。
↓
別のデータを見る。
となります。
気づけば、
ブラウザのタブだらけ。
Data Agent Kitは、この横断的な調査をAIエージェントへ任せるための仕組みです。
5️⃣ BigQueryだけではない
🔗 9月30日の正式版では、対応範囲も広がりました。
Googleによると、
BigQuery Graph
Bigtable
Managed Service for Apache Spark
などへの対応が追加されています。
もちろん、これまでからGoogle Cloudの各種データサービスとの連携が進められていました。
重要なのは、
AIが一つの表を見るだけではなく、
複数のデータ環境を横断して仕事できる方向へ進んでいる
ということです。
6️⃣ MCPがかなり重要になってきた
🔌 今回よく出てくる言葉が、
MCP（Model Context Protocol）
です。
簡単に言えば、
AIと外部の道具・データを接続するための共通規格のようなものです。
例えば、
AI。
↓
MCP。
↓
データベース。
という形で接続する。
これによって、
AIが単に文章を生成するだけではなく、
外部の情報を調べたり、
ツールを操作したりできるようになります。
生成AIが、
「チャット」から「エージェント」
へ変わるうえで、こうした接続部分がかなり重要になっています。
7️⃣ 「AIが会社のデータを見る」なら怖くない？
⚠️ 当然、ここで気になることがあります。
AIが会社のデータへアクセスする。
大丈夫なの？
という問題です。
会社のデータには、
顧客情報。
売上。
社内情報。
重要な業務データ。
などが含まれる可能性があります。
だから、
何でもAIに見せればいいわけではありません。
Google Cloudのデータエージェント関連機能では、
企業データのコンテキストやガバナンスを維持しながらAIを利用することが重視されています。
AIエージェント時代には、
AIが何をできるか
だけでなく、
AIに何を見せるか
がかなり重要になります。
8️⃣ これ、普通の事務仕事にも欲しい
📁 ここからは個人的な応用の話です。
今回のData Agent Kitは、
Google Cloudを使うデータエンジニアなどを主な対象とした専門的な仕組みです。
でも、
この考え方自体は普通の仕事にも欲しい。
例えば、
AI：
「今月の売上が落ちています」
人間：
「なんで？」
AI：
Excelを見る。
↓
販売データを見る。
↓
前年を見る。
↓
商品別を見る。
↓
「A商品の販売数が前年同月比で減っています」
と回答。
これなら、
人間が、
Excelを開く。
フィルターをかける。
表を作る。
数字をコピー。
AIへ貼る。
という作業が減ります。
個人的には、
AIにデータを渡す作業そのものをなくしたい
と思います。
9️⃣ 「データ分析できる人」の意味も変わりそう
📈 これまでデータ分析には、
SQL。
Python。
データベース。
統計。
などの知識が必要でした。
もちろん、これらの専門知識が不要になるわけではありません。
特に重要な分析では、
AIの結果が正しいか確認できる人が必要です。
でも、
「売上が落ちた理由を調べたい」
という人全員が、
SQLを書ける必要はなくなる可能性があります。
人間：
「なぜ？」
AI：
データを調査。
↓
分析。
↓
グラフ。
↓
説明。
となれば、
データ分析の入口はかなり下がります。
人間側で重要になるのは、
何を知りたいのかを明確にすること。
そして、
AIが出した答えを鵜呑みにしないこと。
になりそうです。
🔟 「AIへデータを渡す」から「AIがデータを取りに行く」へ
🚀 個人的には、今回ここが一番重要だと思います。
これまでの生成AIは、
人間：
ファイルを準備。
↓
AIへアップロード。
↓
質問。
でした。
でもAIエージェントでは、
人間：
「これ調べて」
↓
AI：
必要なデータはどこ？
↓
AI：
データへアクセス。
↓
AI：
調査。
↓
AI：
分析。
↓
AI：
結果を報告。
という形になります。
つまり、
人間がAIのために仕事を準備する必要が減る。
AIを使って仕事を楽にしているはずなのに、
「AIへ渡すための作業」が増えてしまう。
個人的には、ここをなくしてほしいと思っていました。
Data Agent Kitは専門的な製品ですが、
方向性としてはかなり理想に近いです。
✍️ 著者の感想
今回のData Agent Kitを見て、
自分がAIに一番やってほしいことは、
やっぱり、
「自分で必要なものを探して仕事を進めてほしい」
なんだと思いました。
AIを使っていると、
結構あります。
「このファイルをアップロードしてください」
「そのデータを貼ってください」
「結果をコピーしてください」
という作業。
もちろん以前よりは楽です。
でも、
AIに仕事をさせるために、
人間がAI用の資料を準備している。
これがちょっと面倒なんですよね。
例えば記事作成でも、
理想は、
「次の記事お願い」
だけ。
AIが、
過去の記事を見る。
↓
投稿済みか確認する。
↓
最新ニュースを探す。
↓
一次情報を確認する。
↓
記事を書く。
↓
チェックする。
↓
サムネイルを準備する。
↓
「できました」
と持ってくる。
人間が途中で、
ファイルを探したり、
URLをコピーしたり、
データを貼ったりしなくていい。
これが理想です。
今回のData Agent Kitは企業向けのデータ分析なので、そのまま自分の日常作業へ使えるという話ではありません。
でも、
AIが必要なデータへ自分でアクセスして、作業を進める
という考え方はまさにこれです。
そして、もう一つ大事なのが、
AIがデータへアクセスできるほど、
権限管理が重要になる
こと。
便利だから、
全部見せる。
全部操作させる。
では怖い。
AI：
「このデータを見たいです」
↓
人間：
「そこまではOK」
↓
AI：
分析。
↓
重要な操作だけ、
「実行していい？」
と聞く。
個人的には、やっぱりこの形が好きです。
AIが99％仕事を進める。
最後の重要な判断だけ、
人間に戻す。
最近のAIを見ると、
「もっと賢くなりました」
だけではなく、
「AIが実際の仕事環境へ入っていく」
ニュースが増えてきました。
個人的には、
モデルのベンチマークが数ポイント上がることより、
自分でファイルを探して、調べて、仕事を終わらせてくれる
進化のほうが気になります。
AIにデータを持っていく時代から、
AIが必要なデータを取りに行く時代へ。
この変化が進めば、
「AIを使うための作業」
そのものが、かなり減っていきそうです。
📌 まとめ
Google Cloudは2026年9月30日、
Data Agent Kit
の一般提供を開始しました。
Data Agent Kitは、
MCPツール。
AIエージェント用スキル。
などを組み合わせ、
Claude CodeやCodexなどのAIエージェントからGoogle Cloudのデータ環境を扱えるようにする仕組みです。
従来は、
AIにSQLを書かせる。
↓
人間がコピー。
↓
実行。
↓
結果をAIへ戻す。
という流れでした。
Data Agent Kitでは、
AIが、
必要なデータを確認。
↓
クエリを実行。
↓
結果を読む。
↓
さらに調査する。
ところまで進められます。
つまり、
「AIに分析方法を聞く」から「AIに分析そのものを任せる」へ。
生成AIが、
チャット。
↓
エージェント。
へ進むほど、
人間がAIのために準備する仕事は減っていきそうです。
最終的には、
人間：
「なんで売上落ちた？」
AI：
「調べておきます」
そしてしばらくして、
AI：
「原因はこれでした」
そんな使い方が、普通になっていくのかもしれません。
出典
Google Cloud
「Data Agent Kit is now GA: Bring Google Data Cloud to any coding agent」
2026年9月30日
Google Cloud
「Agentic analytics with the Data Agent Kit」
2026年9月8日
Google Cloud
「Conversational analytics in BigQuery brings trusted agentic reasoning to everyone」
2026年6月30日
※Excelや一般的な事務仕事、note記事制作へ応用した例は、GoogleがData Agent Kitの具体的用途として発表したものではありません。公式発表された機能をもとに、筆者が一般的なAI活用へ置き換えて考察したものです。
ハッシュタグ
#Google #GoogleCloud #生成AI #AIエージェント #ClaudeCode #Codex #MCP #データ分析 #仕事効率化 #業務自動化