---
title: Google Cloud Next Tokyo ’25_AI に業務の意味を教えるオントロジー入門
tags: 
author: [岩尾一優](https://image.docswell.com/user/kazumasa-iwao)
site: [Docswell](https://www.docswell.com/)
thumbnail: https://bcdn.docswell.com/page/8EDK11157G.jpg?width=480
description: Google Cloud Next Tokyo ’25_AI に業務の意味を教えるオントロジー入門 by 岩尾一優
published: August 02, 26
canonical: https://image.docswell.com/s/kazumasa-iwao/ZL39YD-2026-07-31-141000
---
# Page. 1

![Page Image](https://bcdn.docswell.com/page/8EDK11157G.jpg)

AI に業務の意味を教える
オントロジー入門
対話型データ分析で AI の判断を曖昧にしないためには
どうすれば良いのか？
Proprietary


# Page. 2

![Page Image](https://bcdn.docswell.com/page/V7PKQQQDJ8.jpg)

イワオ
カズマサ
岩尾 一優
株式会社 MBK デジタル
執行役員 CTO
Google Developer Experts /
Google Cloud
Google Cloud Next Tokyo
Proprietary


# Page. 3

![Page Image](https://bcdn.docswell.com/page/2JVV555GJQ.jpg)

株式会社 MBK デジタル
企業のデータ活用 / AI 活用を支援
データ活用戦略の策定から、業務データの分析、データ基盤・
分析環境の整備、生成 AI / AI エージェントの実装までを
一気通貫で支援しています。
対話型データ分析・ AI エージェント活用
自然文でデータを扱う体験を、業務で使える形にするために、
データ・業務用語・判断ルールをつなぐ設計と
実装に取り組んでいます。
Google Cloud Next Tokyo
Proprietary


# Page. 4

![Page Image](https://bcdn.docswell.com/page/5EGL66PDJL.jpg)

発表サマリー
対話型データ分析で AI の判断を曖昧にしないためには、
AI に業務の意味を教える必要があります。
本日は、
1. なぜそれが必要なのか
2. 何を整理すればよいのか
3. Google Cloud でどう実装するのか
をお話しします。
Google Cloud Next Tokyo
Proprietary


# Page. 5

![Page Image](https://bcdn.docswell.com/page/4JQY442X7P.jpg)

01.
なぜ今、業務の意味の
話をするのか？
Google Cloud Next Tokyo
Proprietary


# Page. 6

![Page Image](https://bcdn.docswell.com/page/K74WQQL2E1.jpg)

AI は個社ごとの業務を知らない
自然文でデータを使えるようになり、
AI がデータに直接アクセスする場面が増えている。
ただし、AI が賢くなっても、
その会社で使われる言葉や判断基準 までは自動では分からない。
だからこそ、データを渡す前に、業務の意味を渡す必要がある。
Google Cloud Next Tokyo
Proprietary


# Page. 7

![Page Image](https://bcdn.docswell.com/page/LJ1YPPLKEG.jpg)

同じデータでも、前提が違えば答えは変わる
例：P1 障害 INC-2048 で、今すぐ連絡すべき顧客 は？
解釈 A
解釈 B
解釈 C
影響を受ける顧客を広く見る
法人顧客だけに絞る
優先連絡順まで固定する
→ A社・C社・D社
→ A社・C社
→ C社・A社
データは同じでも、前提と優先順位が違えば答えは変わる。
だから、言葉・データのつながり・判断ルールを先に整理する。
Google Cloud Next Tokyo
Proprietary


# Page. 8

![Page Image](https://bcdn.docswell.com/page/GJWG22VP72.jpg)

前提を 3 つに分けて整理する
言葉
「今すぐ連絡すべき顧客」
とは誰か
データの
つながり
障害から顧客まで、
どのデータをたどるか
判断ルール
優先連絡の対象と順番を
どう決めるか
この発表では、この 3 つを軸に、AI の判断を曖昧にしない方法を見ていく。
Google Cloud Next Tokyo
Proprietary


# Page. 9

![Page Image](https://bcdn.docswell.com/page/4EZLDD4673.jpg)

02.
業務の意味を、
軽量なオントロジー
として整理する
Google Cloud Next Tokyo
Proprietary


# Page. 10

![Page Image](https://bcdn.docswell.com/page/Y76W113L7V.jpg)

オントロジー =
業務判断の前提をそろえるための軽量な知識モデル
ここでは、学術的な定義ではなく、
実装で使うための整理として扱います。
指標の定義（セマンティックレイヤー）に、
用語とデータのつながり・判断ルールまで含めたもの、と
捉えてください。
言葉
Google Cloud Next Tokyo
+
データのつながり
+
判断ルール
Proprietary


# Page. 11

![Page Image](https://bcdn.docswell.com/page/G75M44LM74.jpg)

まず、曖昧な言葉を定義する
今すぐ連絡すべき顧客
障害対応優先顧客
（曖昧な言葉）
（定義された業務用語）
人によって解釈が変わる
連絡・対応の優先対象として、
条件を満たす顧客
曖昧な言葉を、Knowledge Catalog 上の業務用語として定義する。
Google Cloud Next Tokyo
Proprietary


# Page. 12

![Page Image](https://bcdn.docswell.com/page/9J29VVLRER.jpg)

障害から顧客まで、
データのつながりを整理する
顧客
Customer
契約
Contract
サービス
Service
障害 → コンポーネント →
サービス → 契約 → 顧客 → 担当者
この順番でたどることで、障害時に連
絡すべき顧客と担当者を特定する。
ポイント
担当 CSM
CSM
障害
Incident
コンポーネント
Component
実装では、このつながりを
BigQuery Graph として扱う
※BigQuery Graph は Preview
Google Cloud Next Tokyo
Proprietary


# Page. 13

![Page Image](https://bcdn.docswell.com/page/DEY433Q5JM.jpg)

「今すぐ連絡すべき顧客」の
判断条件を固定する
正式用語
障害対応優先顧客
このデモでは、 5 つの条件で
「障害対応優先顧客」を
定義する。
指定した障害について、以下の条件をすべて満たす法人顧客。
B2B 顧客である
有効契約を持つ
ポイント
契約更新まで 60 日以内
実装では、この条件を
検証済みクエリ として固定し、
BigQuery のエージェントが質問
をそのクエリへつなぐ。
対象障害が P1 かつ OPEN
契約サービスが、障害の影響を受けるコンポーネントに依存している
Google Cloud Next Tokyo
Proprietary


# Page. 14

![Page Image](https://bcdn.docswell.com/page/VJNYVVK478.jpg)

整理した意味を、
役割ごとに Google Cloud へ実装する
言葉を定義する
つながりをたどる
判断を固定する
自然文で使う
Knowledge Catalog
BigQuery Graph
検証済みクエリ
BigQuery のエージェント
定義・関連語・公式データとの
対応
障害から顧客までの
到達経路
5 条件で絞り込むクエリを固定
質問を受け取り、
検証済みクエリにつなぐ
言葉・データのつながり・判断ルールを分けて実装することで、それぞれを個別に検証・変更・版管理できる。
契約サービスが、障害の影響を受けるコンポーネントに依存している
言葉
判断ルール
+ データのつながり
+
Google Cloud Next Tokyo
→ 根拠つきの回答
Proprietary


# Page. 15

![Page Image](https://bcdn.docswell.com/page/YE9P66V4J3.jpg)

03.
定義した意味を
BigQuery の
エージェントで使う
Google Cloud Next Tokyo
Proprietary


# Page. 16

![Page Image](https://bcdn.docswell.com/page/GE8DZZPVED.jpg)

BigQuery のエージェント
Conversational Analytics in BigQuery
自然文の質問を、
業務の文脈に基づく分析結果へつなぐ
インターフェース
Google Cloud Next Tokyo
Proprietary


# Page. 17

![Page Image](https://bcdn.docswell.com/page/LELMDD1R7R.jpg)

エージェントが回答するまでの流れ
1
2
3
自然文の質問を受け取る
用語集と手順を参照し、質問の意味をそろえる
エージェントがやること
●
質問の言い換えを吸収する
●
業務用語の意味を参照する
●
実行すべき検証済みクエリを選ぶ
●
質問に含まれる障害 ID や
対応する検証済みクエリを選ぶ
いつ時点で判定するかを、
クエリの入力値として渡す
4
質問からパラメーターを抽出してクエリに渡す
判断条件はエージェントがその場で考えるのではなく、検証済みクエリに固定する。
Google Cloud Next Tokyo
Proprietary


# Page. 18

![Page Image](https://bcdn.docswell.com/page/4JMYPPWPJW.jpg)

<project_id>
<project_id>
エージェントに
登録するもの
<project_id>
A
ナレッジソース
B
手順
C
検証済みクエリ
D
用語集
参照するデータ
振る舞いを誘導する指示
判断ロジックを固定するクエリ
業務用語の意味
エージェントには、
参照データ・手順・検証済みクエリ・用語集
Google Cloud Next Tokyo
を登録する。
Proprietary


# Page. 19

![Page Image](https://bcdn.docswell.com/page/PJR911YY79.jpg)

検証済みクエリと入力パラメーターを定義する
クエリが受け取る入力パラメーター
@incident_id
@as_of_date
<project_id>
@as_of_date は、
契約更新日までの日数を計算する基準日。
エージェントは、質問からこれらの値を
抽出し、検証済みクエリに渡す。
Google Cloud Next Tokyo
Proprietary


# Page. 20

![Page Image](https://bcdn.docswell.com/page/PEXQYYG4JX.jpg)

質問から入力を抽出し、検証済みクエリに渡す
ユーザーの質問
検証済みクエリの入力
INC-2048 で、
今すぐ連絡すべき顧客は？
@incident_id = INC-2048
理由と担当 CSM も教えて。
基準日: 2026-07-30
@as_of_date = 2026-07-30
エージェントは、質問から必要な値を取り出し、検証済みクエリに渡す。
Google Cloud Next Tokyo
Proprietary


# Page. 21

![Page Image](https://bcdn.docswell.com/page/3EK9334PED.jpg)

つながりの判定は、検証済みクエリの中で行う
検証済みクエリ
通常の SQL 条件
BigQuery Graph
つながりをたどる
B2B 顧客である
契約サービスから障害影響コンポーネントまでの、直
有効契約（ ACTIVE）
接・間接の依存関係をたどる。
契約更新まで 60 日以内
対象障害が P1 / OPEN
顧客属性や契約状態は SQL 条件で絞り込み、
サービスとコンポーネントの依存関係は BigQuery Graph でたどる。
Google Cloud Next Tokyo
Proprietary


# Page. 22

![Page Image](https://bcdn.docswell.com/page/L73WGGL475.jpg)

エージェントは、定義済みルー
ルに基づいて回答する
C社
1
担当 CSM
鈴木 葵
契約更新まで
21 日
対象サービス
Reporting API
A社
2
担当 CSM
山田 花子
契約更新まで
45 日
対象サービス
Analytics Enterprise
優先順位は、エージェントが考えたものではなく、
検証済みクエリに定義したルールによって決まる。
Google Cloud Next Tokyo
Proprietary


# Page. 23

![Page Image](https://bcdn.docswell.com/page/87DK11N5JG.jpg)

回答には対象顧客だけでなく
根拠と再現方法も含める
回答に残るもの
正式用語
障害対応優先顧客
判定根拠
契約 / 更新日 / サービス / 障害状態
影響経路
どのサービスが、どの障害に関係したか
再現方法
rule_version / as_of_date /
evidence_selection_policy
検証済みクエリの返却列とエージェントの手順で、
同じ判断を再現できる情報を回答に含める。
Google Cloud Next Tokyo
Proprietary


# Page. 24

![Page Image](https://bcdn.docswell.com/page/VJPKQQ5DE8.jpg)

AI に任せるのは業務判断ではなく、橋渡し
固定したもの
正式用語
対象条件
入力 @incident_id / @as_of_date
検証済みクエリ
判定根拠
再現方法
AI に任せたもの
質問の言い換え吸収
入力の取り出し
回答文の組み立て
読みやすい説明
最終的な業務判断はルールとして固定し、自然文との橋渡しを AI が担う。
定義した範囲の外では推測で答えず、検証済みクエリを追加しながら、答えられる範囲を育てる。
Google Cloud Next Tokyo
Proprietary


# Page. 25

![Page Image](https://bcdn.docswell.com/page/2EVV55PGEQ.jpg)

1
AI に答えさせたい業務質問を 1 つ決める
2
その質問で使う正式用語を決める
3
必要なデータのつながりを整理する
4
対象条件と優先順位をクエリに固定する
5
エージェントから、
そのクエリを呼び出せるようにする
6
根拠と再現方法を回答に残す
CLOSING
まずは 1 つの業務質問を
再現できる判断にする
AI に業務の意味を教える第一歩は、
全社のオントロジーを作ることではなく、
1 つの業務質問を再現できる形にすること。


# Page. 26

![Page Image](https://bcdn.docswell.com/page/57GL66QDEL.jpg)

Thank you
本資料はこちらで公開予定 →
Proprietary