自然言語で社内データベースを分析・自動化するAIエージェント基盤
自然言語からSQLを生成して複数DBを分析・更新し、一連の手順をタスク化して自動実行できるAIエージェント基盤。デザインとコードレビューを除く実装全般を単独で担当。
プロジェクト概要
非エンジニアが自然言語だけで社内データベースを操作・分析し、一連の手順を「タスク」として登録して繰り返し自動実行できる、エンタープライズ向けAIエージェント基盤の新規開発（ゼロイチ）です。体制3名（デザイナー1名／テスター1名／私）のうち、デザインとコードレビューを除く実装全般を単独で担当し、要件の仕様化・アーキテクチャ設計・DB設計から、フロントエンド／バックエンド実装、MCPによる外部連携、AWSインフラ構築、テスト・リリースまでを一貫して進めました。
元の業務課題
- 生成AIを導入しても、社内に蓄積された業務データや既存システムとつながらず、実際の業務処理まで到達しない
- データを確認するたびにSQLを書ける担当者へ依頼が集中し、非エンジニアが自力でデータを参照できない
- PDF・Excel・帳票などの非定型データが構造化されておらず、DB上のデータと突き合わせて分析できない
- AIの出力が実行のたびに変わるため、同じ手順を繰り返す定型業務へ組み込めない
- AIがどのDBへ何を実行したかを統制・記録できず、企業として導入判断ができない
Beforeの業務フロー
- 01分析したい内容を、SQLを書ける担当者へ都度依頼する
- 02依頼を受けた担当者がテーブル構造を確認し、クエリを作成・実行
- 03結果をExcelへ貼り付け、集計・加工して報告資料を作成
- 04PDF・帳票のデータは目視で読み取り、手作業でDBへ登録
- 05同じ分析・レポートを、翌月もまた最初から同じ手順でやり直す
提案した解決方法
- 自然言語からSQLを生成するText to SQLを実装し、非エンジニアでもDBを直接参照できる状態に
- PostgreSQL / MySQL / Oracle / SQLite の4種類へ接続し、スキーマを参照したうえで分析・集計・加工を実行
- PDF・帳票を読み取って構造化し、主キー除去・親子階層順インサート・挿入形状の検証を経て安全にDBへ格納
- 条件評価や反復処理をAI任せにせず、ホスト側の決定論的処理へ切り出して同一手順を再実行できる設計に
- AI出力とDBへの書き戻しの前に人が確認するHuman-in-the-loopを挟み、精度100%を前提としない構成に
- LLMプロバイダをOpenAI / Gemini / Claudeの3社で切替可能に抽象化
- arq＋Redisで数十秒〜分単位のLLM処理をワーカーへ退避し、進捗はSSEでリアルタイム配信
- RBAC・SQL実行制限・監査ログ・レートリミットにより、企業利用に必要な統制を確保
システム構成イメージ
主な機能
Text to SQL
自然言語の指示からSQLを生成し、スキーマ構造を理解したうえで最適なクエリを組み立てて実行。
複数データベース連携
PostgreSQL / MySQL / Oracle / SQLite の4種類へ接続し、検索・集計・変換・追加・更新・削除まで対応。
帳票・ドキュメントの構造化
PDF・Excel・各種帳票を読み取って構造化し、検証を経てDBへ格納。
タスク自動実行
自然言語で登録したタスクを、連続実行・条件分岐・パイプライン・Agent Skillsで自動処理。
MCPによる外部サービス連携
Gmail・カレンダー・Drive・ローカルファイルシステムの4種を、AIのツールとして接続。
LLMプロバイダの抽象化
OpenAI / Gemini / Claude の3社を切替可能に抽象化し、用途や制約に応じて選択できる構成に。
非同期処理・進捗配信
arq＋Redisで長時間のLLM処理をワーカーへ退避し、進捗をSSEで配信。日次cronで自動クリーンアップ。
権限管理・監査ログ
JWT／bcrypt／RBACによるDB単位のCRUD権限制御、SQL実行制限、監査ログ、レートリミットを実装。
多形式の成果物出力
HTML / CSV / JSON / SVG / PlantUML / Mermaid の6形式で成果物を出力。
導入効果
- 自然言語からSQLを生成し、4種類のデータベースを横断して分析・更新できる基盤をゼロから構築
- 条件評価・反復処理をホスト側の決定論的処理へ移し、同一入力から同一手順を再実行できる設計に作り替え
- AI出力とDB書き戻しの前にHuman-in-the-loopを挟み、精度100%を前提としない実務耐性のある構成を実現
- 開発・本番ともPostgreSQLに統一し、環境差による不具合を排除
- 体制3名・約1年で、ゼロから本番稼働まで到達
技術構成
関連プロジェクト
生成AIを、
動く業務につなぎませんか。
AI適用可否の検証から、バックエンド開発、AWSインフラ構築、
リリース後の運用改善までご相談いただけます。