BigQuery のデータ エンジニアリング エージェントは、Gemini を活用したインテリジェントなアシスタントであり、単純なコード補完を超えて、エンドツーエンドのタスク自動化を実現します。これは、ユーザーの特定のデータ環境に基づいており、Knowledge Catalog（旧 Dataplex）のメタデータを使用して、スキーマ、リネージ、ビジネス定義を把握します。関連するデータセットの検出、複雑な SQL 生成や PySpark 変換、Dataform や Cloud Composer を介したジョブのオーケストレーションなど、データ ライフサイクル全体を自律的に処理できます。破損したパイプラインの修復、レガシーコードのドキュメント化、古いデータ ウェアハウスからのクエリの移行など、データ エンジニアリングの「トイル」が自動化されることで、データ エンジニアの役割は「手作業でコーディングする人」から「AI を活用したワークフローを監督するアーキテクト」へと変わります。

BigQuery のデータ サイエンス エージェントは、データの探索、変換、ML モデリングを容易にするエージェント機能を備えており、データ サイエンス開発を加速します。

エージェントは、簡単なプロンプトだけで、データの読み込み、探索、クリーニング、可視化、特徴量エンジニアリング、データの分割、モデルのトレーニングや最適化、評価など、データ サイエンス モデリングのあらゆる要素を網羅する詳細なプランを生成します。エージェントでエラーが発生した場合も、自動修正を行い、それを修正するための新しいコードを生成することが可能です。ユーザーは完全な制御を維持できるため、ステップごとに承認を行ったり、必要に応じて手動で編集したりできます。

また、エージェントはユーザーのノートブックのコンテキストを完全に認識し、既存のコード、出力、変数を理解したうえで、計画の各ステップに合わせてカスタマイズされたコードを提供するため、ユーザーは既存のコードに対して反復的な変更を加えることができます。

BigQuery の会話型分析は、高度な AI 搭載の推論エンジンです。データチームが、直感的な自然言語のやり取りを通じてビジネス上の質問と信頼できる回答のギャップを埋められるようにすることで、「分析のボトルネック」を解消します。

最新の Gemini モデルを搭載したこのエージェントは、単純な翻訳を超えて、生成されたすべての結果が社内のビジネス定義と完全に一致するようにします。これは、組織の既存のデータアセット（具体的には、メタデータ、テーブルと列の説明、ビジネス用語集、ユーザー定義関数など）にロジックをグラウンディングすることで行います。エージェントは、単純なレポート作成にとどまらず、BigQuery AI を使用して将来の結果を予測し、オブジェクト テーブル内の画像などの非構造化データを解釈して、隠れた情報を実用的なインテリジェンスに変えます。

Looker の会話型分析は、ビジネス ユーザーが自然言語を使用して回答を見つけられるようにすることで、ビジネス インテリジェンスを簡素化します。これにより、データ アナリストの負担が軽減され、より迅速かつ自信を持って意思決定を行えるようになります。ビジネス ユーザーは、複雑なフィールド名を理解する必要なく、プロダクトのパフォーマンスやトラフィックの傾向について直接質問できます。

単純なクエリ処理を超え、包括的なライフサイクル管理フレームワークを提供するほか、エンタープライズ レベルのセキュリティとユーザー管理機能を利用レイヤに直接組み込んでいます。Looker のユニバーサル セマンティック レイヤは、データのコンテキスト、定義、関係性のための一元的なハブを作成することで、収益や顧客離れなどの指標について社内で一貫性を保つことができます。

Conversational Analytics API により、信頼できるデータアクセスとスケーラブルで信頼性の高いデータ モデリングに支えられた自然言語のクエリ機能を、カスタム アプリケーション、社内ツール、ワークフローに埋め込めるようになります。これは、Looker と BigQuery のすぐに使える会話型エクスペリエンスを支える API と同じものです。

Conversational Analytics API を使用すると、Looker の信頼できるセマンティック モデルによる正確性の確保、BigQuery のエージェントへの重要なビジネスおよびデータ コンテキストの提供が可能となり、これらを活用してデータ、グラフ、テキストの形式の回答を提供するカスタム データ エクスペリエンスを構築できます。この機能を埋め込むことにより、直感的なデータ エクスペリエンスを創出し、自然言語による複雑な分析を実現できます。また、Agent Development Kit を使用して、オーケストレーター エージェントの「ツール」として会話分析エージェントをオーケストレートすることもできます。

Google Cloud のエージェント開発ツールにより、ADK と MCP の統合手法を通じて、デベロッパーがカスタム データベース コネクタを構築する必要性を減らします。

BigQuery 用 MCP サーバーにより、AI エージェントと MCP クライアントがスキーマを解釈し、BigQuery データに対してクエリを実行できるようになります。また、データをコンテキスト ウィンドウに移動する際のセキュリティやガバナンスのリスク、レイテンシを軽減できます。

柔軟性と制御性を高めるには、MCP ツールボックスを使用します。これは、ツールセットのホスティングと管理を一元化するオープンソース サーバーであり、エージェント アプリケーションをデータベースとの直接的なやり取りから切り離します。また、Gemini CLI や Antigravity などのさまざまな IDE やデベロッパー ツールでも利用できるため、AlloyDB、BigQuery、Spanner、Looker などのサービスに AI エージェントを安全に接続できます。

さらに、BigQuery ADK 統合ツールセットには、エージェントの自律的な操作を可能にする、すぐに使用可能な関数が含まれており、自然言語を使用して、データの探索、スキーマの理解、クエリと予測の実行、分析情報の取得などを行うことができます。