BigQuery AI ハッカソン: イノベーションを称え、新機能を紹介

※この投稿は米国時間 2026 年 1 月 30 日に、Google Cloud blog に投稿されたものの抄訳です。

2025 年 9 月 22 日に終了した 6 週間に及ぶイベント、BigQuery AI ハッカソンには、世界中から数千人の開発者たちが集まり、BigQuery の最先端の AI 機能を使用して革新的なソリューションを構築しました。5,350 人の参加者により 277 件の提出があり、ハッカソンは大成功を収めて、BigQuery AI のパワーと汎用性が示されました。

参加者は、BigQuery の生成 AI、ベクトル検索、マルチモーダル機能を使用して、実際のビジネス上の問題に取り組むことが求められました。その結果は、高度にパーソナライズされたマーケティング エンジンからインテリジェントなトリアージ bot まで、開発者がさまざまなものを作成し、まさに刺激的なものでした。

コンテストは終了しましたが、プラットフォームは急速に進化を続けています。ここでは、基準となる受賞プロジェクトを紹介します。その後、大規模なパフォーマンス アップデートを含む、最新の SQL ベースの AI 機能をリストアップします。この情報を利用すれば、今すぐ同様のソリューションを構築できます。独自の革新的なソリューションを構築する準備ができたら、Google Cloud で BigQuery AI を使ってみましょう。

受賞作品特集

BigQuery AI ハッカソンの受賞者を発表いたします。これらのプロジェクトは、創造性、卓越した技術力を備えており、影響力のあるソリューションであることが評価されました。

AI アーキテクト: 大規模な精密腫瘍学

このカテゴリは、インテリジェントなビジネス アプリケーションの構築に焦点を当てたもので、受賞者は複雑な問題を解決する革新的なアプローチで審査員に感銘を与えました。

OncOmix AI は、BigQuery 内に患者データと医学文献を統合することで、医療従事者を支援します。このシステムは、BigFrames を使用して、患者固有の遺伝子プロファイルと関連する科学論文を照合する RAG パイプラインをオーケストレートします。その後、GeminiTextGenerator がこのデータを引用付きの要約に統合し、治療経路の可能性に関する科学的根拠を強調します。

• インタビューを見る: AI アーキテクト

セマンティック探偵: AI を活用した言語療法

「セマンティック探偵」カテゴリでは、参加者はデータ内の深いセマンティックな関係を明らかにするという課題に挑戦しました。この受賞プロジェクトは、BigQuery のベクトル検索機能を巧みに活用したものでした。

SpeakAura AI は、非構造化音声データを処理して、吃音のパターンを分析します。ベクトル検索を使用して、セマンティック パターン マッチングを行い、過去の音声データから類似のケースを見つけます。また、ML.GENERATE_EMBEDDING を使用して音声文字起こしからエンベディングを生成し、VECTOR_SEARCH 関数を使用してセマンティック検索を実行し、保存された分析結果から類似する上位 k 行を見つけます。これにより、音声パターンの詳細なマッチングが可能になります。

• インタビューを見る: セマンティック探偵

マルチモーダル パイオニア: デジタル サービスにおいて関連性を明らかにする

「マルチモーダル パイオニア」カテゴリでは、参加者は構造化データと非構造化データを組み合わせて、新たな分析情報を引き出すことが求められました。

優勝したプロジェクト「TriLink」は、マルチモーダル分析を使用したホーム セキュリティ問題の自動チケット処理システムです。TriLink は、ObjectRef を使用して、Google Cloud Storage にある顧客から提出された画像への、クエリ可能で安全な参照を作成することで、AI.GENERATE_TABLE を使用して、問題の説明の非構造化テキストと提出された画像の両方を分析できます。これにより、システムが自動的に問題をトリアージし、現場に技術者が必要かどうかを判断できます。現場訪問が不要な場合でも、顧客に DIY の手順を提供することができます。

• インタビューを見る: マルチモーダル パイオニア

BigQuery AI の新機能: ソリューションを強化する

イノベーションはハッカソンだけにとどまりません。Google は、開発者がより強力でインテリジェントなアプリケーションを構築できるよう、BigQuery AI に新機能を追加し続けています。

AI アーキテクト: よりスマートで高速なアプリケーションを構築する

Google は最近、AI.IF を導入しました。これは、セマンティック フィルタリングを実行し、高度なビジネス ロジックを BigQuery 内で直接構築できる強力な関数です。そして今、Google はそれをさらに一歩進めています。

このたび、AI.IF に劣線形スケーリング機能（プレビュー版）が追加され、パフォーマンスが大幅に向上しました。この新しい最適化により、大規模言語モデル（LLM）の呼び出し回数が大幅に減り、以前は 1 時間かかっていたクエリがわずか数分で完了するようになりました。

この魅力的な新機能のプレビュー版には、こちらからご登録いただけます。

AI.IF に加えて、BigQuery AI は AI.CLASSIFY 関数もリリースしました。これは、AI アーキテクトにとってもう一つの強力なツールとなります。この関数はテキスト分類タスクを簡素化するため、たとえば、1 回の関数呼び出しでサポート通話ログを自動的に分類することができます。

セマンティック探偵: 手間をかけずに詳細な分析情報を引き出す

「セマンティック探偵」カテゴリでは、ベクトル検索を活用してデータ内の隠れた関係を見つけることに重点が置かれました。Google による以下の新機能により、このプロセスがこれまで以上にアクセスしやすく、強力になります。

• 自律型エンベディング生成と AI.SEARCH: エンベディング生成から検索までのワークフロー全体が合理化されます。自律型エンベディング生成（プレビュー版）は、テキストデータのエンベディングの作成を自動化します。この基盤により、新しい AI.SEARCH 関数が利用可能になります。この関数を使用すると、1 回の関数呼び出しでそのデータに対してセマンティック検索を実行できます。

• AI.SCORE: データの検索は最初の一歩にすぎません。2 番目のステップは、データのランク付けです。AI.SEARCH（または VECTOR_SEARCH）は最近傍（「干し草の山」）を見つけるのに役立ちますが、AI.SCORE は針に焦点を絞るのに役立ちます。これらの関数をパイプライン化して、まずベクトル検索で広く関連する結果を取得し、次に AI.SCORE を使用して、「緊急度はどの程度か」や「このフィードバックはどの程度実用的か」といった微妙な質問に基づいて結果を再ランク付けできます。

• AI.EMBED: 自動パイプラインの外でアドホックなベクトル生成が必要な実務担当者向けに、新しい AI.EMBED 関数は、SQL クエリ内でエンベディングを直接生成する合理的な方法を提供し、詳細なセマンティック分析情報をこれまで以上に簡単に引き出せるようにします。

詳しくは、ベクトル検索のドキュメントをご覧ください。

マルチモーダル パイオニア: データタイプのギャップを埋める

「マルチモーダル パイオニア」カテゴリでは、開発者が構造化データと非構造化データを組み合わせて使用することが求められました。最新の機能は、あらゆるマルチモーダル ワークフローに大きなプラスの効果をもたらす可能性があります。

これらの新しい生成関数（AI.IF、AI.SCORE、AI.CLASSIFY）を使用して、オブジェクト テーブルに保存された非構造化データを分析できます。入力タイプの違いに注目してください。AI.IF と AI.SCORE はマルチモーダルですが、AI.CLASSIFY はテキストのみの入力です。しかし、このギャップは簡単に埋めることができます。たとえば、マルチモーダル モデルを使用して画像の説明テキストを生成し、AI.CLASSIFY を使用してそれらの説明を分類できます。

これにより、マルチモーダル データの分析に新たなインテリジェンス レイヤを追加できます。詳しくは、マルチモーダルのドキュメントをご覧ください。

まとめ

これらは、BigQuery AI の魅力的な新機能のほんの一部です。Google は、次世代の AI 搭載ソリューションを構築するための最適なツールを提供できるよう、プラットフォームの継続的な改善に取り組んでいます。皆様がどのようなものを生み出していくのか、楽しみにしています。詳しくは、BigQuery AI のドキュメントをご覧ください。

- エンジニアリング担当ディレクター、Jing Jing Long

- Google Cloud、デベロッパー アドボケイト、Alicia Williams