AI 搭載アプリケーションでは、ユーザーは自然言語(テキストまたは音声)でやり取りすることを期待しています。そのため、AI エージェントは運用データベースにクエリを実行し、正確で説明可能な回答を返す必要があります。
QueryData は、 Google Cloudの自然言語データクエリ プロダクトです。コア ビジネス ロジックの高速で決定論的な実行と、自然な言い回しや予期しない質問に一般化できる柔軟性を兼ね備えています。このアプローチにより、ほぼ 100% の精度、低いオンライン レイテンシ、認定された説明可能性が実現されます。
QueryData は、AlloyDB for PostgreSQL、Cloud SQL for PostgreSQL、Cloud SQL for MySQL、Spanner(GoogleSQL 言語)、MongoDB 互換の Firestore、Bigtable をサポートしています。
本番環境で単純な LLM SQL 生成が失敗する理由
大規模言語モデル(LLM)をデータベース スキーマ(標準のテキストから SQL への変換、または NL2SQL)に直接接続すると、プロトタイプでは適切に機能し、基本的な質問に対して 80% ~ 90% の精度を達成することがよくあります。しかし、本番環境では、未加工のスキーマから SQL をゼロから生成するよう LLM に依頼すると、次の 5 つの理由で失敗することがよくあります。
- サイレント セマンティック エラー: 構文エラーが明確に失敗するコード生成とは異なり、曖昧な質問に直面した LLM が「わかりません」と答えることはほとんどありません。代わりに、正常に実行される(
200 OK)もっともらしい SQL を記述しますが、必要なステータス フィルタの省略や、不適切な数式や測定値の使用など、自信に満ちた間違った回答を返します。 - スキーマにない、明文化されていないビジネス ロジック: スキーマはテーブルとデータ型を定義するものであり、ビジネスの運営方法を定義するものではありません。ユーザーが不動産アプリに「デルマーの良い学校の近くにある家」を尋ねた場合、スキーマでは、「近く」と見なされる距離、「良い」学校と見なされる評価の基準値、近接性と学校の質のバランスをどのように取るかが定義されていません。これらのルールがないと、LLM は推測する必要があります。
- 不透明なプライベート データとエンティティの曖昧さ: LLM は、プライベート テーブル内に保存されている文字列や、ユーザーがどのようにスペルミスするか(特に音声入力の場合)ではなく、公開されている事実に基づいてトレーニングされます。「Westwod's sold properties in the last month」では、スキーマのみの LLM は「Westwod」が「Westwood」のタイプミスであることや、データベース内の「Westwood」が都市、自治体、仲介業者のいずれであるかを判断できません。
- レイテンシと精度のトレードオフ: エージェントに未加工の SQL ツールを提供して、テーブルの探索、行のサンプリング、マルチターン ループでの自己修正を行うと、レイテンシが質問あたり 30 秒を超え、インタラクティブなアプリとしては遅すぎます。逆に、ビジネスルールを巨大なシステム プロンプトに詰め込むと、指示の競合が発生し、1 つのクエリを修正すると他のクエリがサイレントに破損します。
- 制御されていないデータ公開: 標準アプリケーションでは、バックエンド コードが、実行されるクエリとユーザーが表示できる行を厳密に制御します。LLM が信頼できないユーザー入力から SQL を動的に生成する場合、プロンプトの指示に依存して機密性の高い指標やテナントデータを保護すると、データベースがプロンプト操作に対して脆弱になります。
プロダクション レディなソリューションに必要なもの
本番環境アプリケーションでは、コア ワークフローでほぼ 100% の精度、一貫して高速なオンライン レイテンシ、透明性の高い説明可能性、予期しない質問に対する一般化可能性、データアクセスが重要な厳格なセキュリティが求められます。
これらの要件を満たすには、オープンエンドの SQL 生成を超えて、次の 3 つの基本機能に移行する必要があります。
- キュレーションが容易なオフライン ドメイン コンテキスト: コンテキストは高精度の基盤です。本番環境システムでは、実行時に LLM にビジネスルールとテーブルの関係を推測させるのではなく、オフラインで準備された構造化されたドメイン コンテキストが必要です。エンジニアリング チームが脆弱なルールを手動で作成することに時間を取られないように、コンテキストのキュレーションとメンテナンスを自動化する必要があります。
- 作業を一般化して説明する、高速で決定論的なオンライン マッチング: オンライン レイテンシを低くするには、質問を検証済みのコンテキストに迅速にマッチングし、データベース値を解決し、適用された正確なビジネスルールを説明し、推測ではなく曖昧さをユーザーに提示するエンジンが必要です。同時に、システムは厳格なレポート メニューにすることはできません。関連するコンテキストとスキーマ メタデータを使用して、言い回しのバリエーション、フィルタの組み合わせ、予期しない質問を一般化する必要があります。
- 決定論的なセキュリティ境界: 自然言語インターフェースは信頼できないユーザー入力をデータベースに接続するため、セキュリティが最も重要です。本番環境ソリューションでは、LLM プロンプトに依存してアクセスルールを適用することはできません。不正なデータ漏洩を防ぐために、データベースとコンテキスト レイヤ(マルチテナント アプリケーションの行レベルのプライバシーを含む)で決定論的な制御を適用する必要があります。
QueryData プロダクトがこれらをどのようにまとめるか
QueryData プロダクトは、QueryData API エンドポイントだけではありません。これは、設計時のコンテキスト エンジニアリングと、高速で決定論的なランタイム実行および一般化を組み合わせた、統合された 2 部構成のシステムとして動作します。
設計時のコンテキスト エンジニアリング
ドメイン ロジックをオフラインでキャプチャするには、データベースをコンテキスト セットとペア設定し、コンテキスト エンジニアリング エージェントを使用してキュレートします。
- 未加工のスキーマを超えた構造化されたドメイン コンテキスト: データベースのテーブルと列の説明とともに、コンテキスト セットにはデータベースの事前コンパイル済みのドメイン知識が保存されます。ドメイン コンテキストはさまざまな形式を取ることができますが、コンテキスト セットは次の 3 つの特殊なコンテキスト タイプをサポートしています。
- クエリ テンプレート: 一般化された質問パターンに一致するパラメータ化された SQL パターン。認定済みのインテントの説明とペアになっているため、ユーザーは QueryData がコアビジネスの質問をどのように解釈したかを確認できます。
- クエリ ファセット: テンプレートと動的に組み合わせるモジュラー SQL フィルタ述語とデータベース AI 演算子(
ai.ifやベクトル検索など)。コンパクトなコンテキスト セットで数百のフィルタの組み合わせをカバーできます。 - 値検索: 誤字脱字を解決し、ユーザーの用語を正確な列と値にマッピングし、用語が複数のコンセプトに一致するタイミングを特定する、高速で決定論的なデータベース ルックアップ。
- 自動化されたキュレーションとヒルクライミング: コンテキスト ファイルを手動で作成する代わりに、CLI または IDE(Antigravity や Claude Code など)でコンテキスト エンジニアリング エージェントを実行して、最適化ループを自動化します。
- ゴールデン ベンチマークを生成する: データベース スキーマ、シードクエリ、アプリケーション コードベースから、代表的な質問と SQL のペアを構築して拡張します。
- 自動ヒルクライミング: Evalbench を使用して
QueryDataAPI を評価し、根本原因の失敗パターンを診断して、一般化されたコンテキストを作成します。精度が収束するまで、改善されたコンテキスト セットを CLI から自動的にアップロードします。 - ホールドアウト テストセットで検証する: 最適化の最後に、未確認の質問バリエーションに対して最終的なコンテキスト セットを 1 回評価し、過学習なしで精度が実際のトラフィックに一般化されることを確認します。
ランタイム クエリの実行
本番環境では、エージェント ハーネス(Agent Development Kit(ADK)、LangChain、Antigravity、Claude Code など)が、直接またはデータベース向け MCP ツールボックスを介して、会話型分析 API の QueryData API エンドポイントにユーザーの質問を送信します。
- 一般化機能を備えた高速で決定論的な実行:
- 決定論的なテンプレートとファセットの実行: 質問が、フレーズのバリエーションやフィルタの組み合わせ全体でコンテキスト セットと一致すると、
QueryDataAPI はデータベース値を解決し、検証済みの SQL テンプレートと一致したファセットを組み合わせます。その後、クエリを実行し、回答と認定されたインテントの説明の両方を低レイテンシで返します。 - 曖昧さの検出: プロンプト内の用語が、非公開データ内の複数の有効なコンセプトと一致する場合、
QueryDataAPI は曖昧性除去プロンプトを返します。これにより、エージェントは推測するのではなく、ユーザーに明確化を求めることができます。 - 予期しないクエリへの一般化: 質問が事前定義されたテンプレートとファセットに該当しない場合、
QueryDataAPI は、データベース スキーマ メタデータ、値検索、関連するテンプレートをガイダンスとして使用して、SQL を動的に合成します。
- 決定論的なテンプレートとファセットの実行: 質問が、フレーズのバリエーションやフィルタの組み合わせ全体でコンテキスト セットと一致すると、
- データベースで適用されるセキュリティ: プロンプトの操作から機密データを保護するため、QueryData プロダクトはデータベース レベルのアクセス制御と連携します。AlloyDB と Cloud SQL のマルチテナント アプリケーションの場合、パラメータ化されたセキュアビューは、必須の認証済みユーザー フィルタをデータベース ビュー定義に直接埋め込み、すべてのクエリがテナント分離を尊重するようにします。
料金
コンテキスト セットを作成し、データ エージェントまたはデータベース データソースで QueryData を使用するときに実行されるクエリに対して、AlloyDB のコンピューティング料金が発生します。プレビュー期間中は、コンテキスト セットと QueryData の作成と使用に対して追加料金はかかりません。詳細については、Data Cloud Agent の料金をご覧ください。
次のステップ
- テンプレート、ファセット、値検索がどのように連携するかについては、コンテキスト セットの概要をご覧ください。
- コンテキスト エンジニアリング エージェントを使用してコンテキスト セットを構築するで、コンテキスト セットを自動的に生成してヒルクライムする。
- QueryData をアプリケーションと統合するで、アプリケーションを
QueryDataAPI に接続します。 - パラメータ化されたセキュアビューを使用してアクセスを保護し、マルチテナント データを保護します。