Zetarisでデータを移さずに渡す4工程|元の場所の権限を残す

「データ基盤を作り終えるまで、AIエージェントには社内データを渡せないと言われた」「エージェント用にデータを複製したら、元のシステムの閲覧制限がどこまで残っているのか誰も説明できない」——生成AIを業務に広げようとする企業の情シスとデータ担当から、2026年に入って増えている声です。社内データをAIに使わせるには、まず1か所に集めて整えるのが当たり前だと考えられてきました。けれども本当に決めるべきなのは、集めるかどうかではなく、どのデータを集め、どのデータを元の場所に置いたまま照会させるかです。この記事では、2026年10月に「データを移さずにAIエージェントへ渡す」仕組みを提供し始めた Zetaris を手がかりに、置いたまま照会させるときに元の権限がどこまで効くか、照会の費用と元のシステムへの負荷、答えの正しさを誰が持つかを、4つの工程に分けて整理します。製品の画面や操作手順は扱いません。
カメ先生社内データをAIに渡すときは、データ基盤に全部集めてからと思われがちなんだ。でも集める作業には時間もお金もかかるし、複製した瞬間に、元のシステムで決めていた閲覧の制限が別物になる。最近は、元の場所に置いたまま照会させる形を選ぶ会社も出てきているんだよ。
カメ子置いたまま照会させれば、元のシステムの権限がそのまま効く、ということですか。
カメ先生そこが一番の誤解でね。照会する仕組みがどの資格でデータを読むか、利用者ごとに絞れるかで、効く範囲は大きく変わる。それに、毎回元のシステムに問い合わせるから、費用と負荷の出方も集める形とは違ってくるんだ。
カメ子集めるか置いたままかは、権限と費用と負荷をまとめて比べないと決められないんですね。
- Zetaris は2013年創業のデータ基盤の会社で、2026年10月に Zetaris Cloud と AI Data Harness を提供し始めた。データを移さずに、元の置き場所へAIエージェントから SQL や MCP で照会させる仕組みである
- 置いたまま照会させても、元の置き場所の権限が自動で利用者ごとに効くとは限らない。照会の仕組みが持つ資格と、列・行の絞り込みをどこで掛けるかを先に決める
- 答えの正しさはAIにも照会の仕組みにも任せず、データの持ち主と業務の言葉の定義者が持つ。AIには照会の中身と元の置き場所を根拠として書かせる
うちの業務、AIで何が自動化できる?
「AIで何ができるかは分かったが、自社の業務のどこに使えるのかが分からない」という段階の方へ。30業務の判定と5つの実務例から、最初に自動化する1業務を選ぶための無料ガイドです。
集めてから渡すか、置いたまま照会させるか
AIエージェントに社内データを使わせる方法は、大きく二つに分かれます。一つは、各システムのデータをデータ基盤に集め、整えた表をAIに渡す形です。もう一つは、データを元のシステムに置いたまま、AIの問い合わせを受けた仕組みがその都度元の場所に照会し、結果だけを返す形です。前者は「集めて整えた後のデータ」を渡し、後者は「今その場にあるデータ」を渡します。
集める形の長所は、表の意味と品質を一度整えれば、何度でも同じ答えが返ることです。加工の段階をどう分けるか、どの段の表をAIに渡すかは、データ基盤を扱った別の記事ですでに整理されているので、ここでは繰り返しません。この記事が扱うのは、集める前提をいったん外し、置いたまま照会させる形を選んだときに何が起き、誰が何を決めるかです。
置いたまま照会させる形は、昔から「データの仮想化」や「連合照会」と呼ばれて存在していました。新しいのは、照会する側が人や集計の道具ではなく、AIエージェントになったことです。エージェントは人より速く、人より多く、人が想定しない組み合わせで問い合わせます。照会する主体が変わったことで、権限・費用・負荷・答えの責任の決め方を見直す必要が出てきた、というのがこの記事の出発点です。
Zetarisとは:2013年創業、データを移さずに照会する会社
Zetaris は2013年に創業したデータ技術の会社で、分散した複数のシステムにまたがる情報を、組織が集めずに参照・分析できるようにする製品を作ってきました。2026年の発表は米国サンフランシスコ発で出されています。公式サイトには、オーストラリアの通信会社や銀行、医療機関などの名前が利用企業として並んでいますが、個々の企業がどの範囲で使っているかまでは示されていません。
公式の説明では、Zetaris の中心にあるのは、問い合わせを実行時に分解し、それぞれに適した処理の仕組みへ振り分けて、データのある場所でそのまま実行する照会の振り分け機能です。処理の仕組みとしては Spark などの既存の分散処理の技術を使い、それらを置き換えるのではなく組み合わせて使うと説明されています。接続先として Snowflake、Databricks、業務で使う一般的なデータベース、Amazon S3 などが挙げられています。
日本語で紹介された記事はほとんど見当たらず、国内では名前を知らない担当者のほうが多い製品です。だからこそ、評判ではなく公式の説明と自社の条件を突き合わせて判断する必要があります。この記事の数字と機能は、公式サイトと2026年10月・11月の発表、それを報じた記事で確かめられた範囲に限っています。
2026年10月の発表:Zetaris Cloud と AI Data Harness
Zetaris は2026年10月6日、Zetaris Cloud と AI Data Harness の提供開始を発表しました。報道によれば、AI Data Harness はAIのモデルやエージェントが、データを移したり複製したりせずに、元の置き場所へ直接照会できるようにする仕組みです。対象は表形式のデータだけでなく、文書のような非構造化データや、流れ続けるデータも含むとされ、クラウド・社内設置・現場の機器側のシステムにまたがって使えると説明されています。照会の入口として、SQL、プログラムから呼ぶAPI、MCP が挙げられています。
最高経営責任者で共同創業者のヴィナイ・サミュエル氏は、企業がデータを複製して1か所に集めるたびに、保存・計算・通信の費用が二重にかかり、AIによってその重複はさらに高くつくと述べています。会社は、この構成で総保有コストを最大67%減らせると主張していますが、これは導入前後の顧客評価に基づく社内の測定とされ、算定方法は公開されていません。自社の見積もりに使う数字ではなく、どこで費用が減ると考えているかを読む材料として扱うべきです。
同じ時期に Zetaris は米国のAI企業のパートナー制度に加わり、10月22日から27日にかけて開かれた、5,000人以上・100か国以上の開発者の参加が見込まれたオンラインの開発イベントで、AIの開発支援の道具と組み合わせて使われる場を設けました。11月4日には、販売会社や導入支援会社向けのパートナー制度も始めています。直近の半年で製品の提供・提携・販売網の整備が続いており、事業としては拡大の局面にあると読めます。
エージェントから見ると、何が変わるのか
公式サイトによれば、AIエージェントは Zetaris の MCP サーバーを通じて、接続されたデータ源の一覧を確かめ、照会を投げる道具を使えます。Claude、Codex、Cursor から接続するための手引きも用意されています。データベースへの標準的な接続方式や SQL の画面からも同じデータに届くので、人の分析とエージェントの照会が同じ入口を通る構成になります。
もう一つの特徴は、統一された「意味の層」です。方針、表の定義、業務用語集といった業務の文脈を、実行時に照会できる形で持たせ、接続したエージェントがすべて同じ定義でデータを見るようにすると説明されています。表定義や用語集から、AIがデータの束をまとめた「データ製品」を自動で作る機能もあるとしています。
エージェントから見ると、元のシステムごとに別の接続と別の言葉を覚える必要がなくなります。一方で、エージェントが一つの入口から多くのシステムに届くようになるということは、入口の設定を一つ誤ると、届いてはいけない範囲まで一度に開くということでもあります。便利さと危うさが同じ場所に集まる点を、最初に押さえておく必要があります。
置いたまま照会が向くデータ、集めたほうがよいデータ
すべてのデータを置いたまま照会させるのも、すべてを集めるのも、どちらも現実的ではありません。判断の軸は、データの鮮度がどれだけ大事か、何度も同じ集計に使うか、元のシステムが照会に耐えられるか、そして答えの正しさを誰が保証できるかです。
| 判断の軸 | 置いたまま照会が向く | 集めてから渡すほうがよい |
|---|---|---|
| 鮮度 | 在庫・受注・問い合わせの状況など、今の値が必要 | 月次の売上や予算など、締めた値を使う |
| 使う頻度 | たまに、さまざまな切り口で聞かれる | 毎日同じ集計を何度も使う |
| 元のシステム | 照会に耐える余力があり、持ち主が負荷を許す | 基幹業務を動かしていて、照会で遅くなると困る |
| 定義のずれ | システムごとの意味の違いが小さい | 部門ごとに同じ言葉の意味が違い、整える作業が要る |
| 権限 | 元の場所で列・行の制限が整っている | 複製先で別の制限を作り直したほうが管理しやすい |
表で分けてみると、置いたまま照会が力を発揮するのは、今の値が必要で、切り口が毎回違い、元のシステムに余力がある場面です。営業担当がエージェントに「この顧客の未出荷の注文と、直近の問い合わせをまとめて」と聞くような使い方がこれに当たります。逆に、経営会議で使う月次の数字を毎回元のシステムから計算させると、答えが聞くたびに変わり、誰の責任で確定した数字かが分からなくなります。
4工程の全体像
置いたまま照会させる形を社内に入れるときは、次の4つの工程で決めていきます。順番には意味があり、権限と費用を決める前にエージェントを接続すると、後から閉じるのが難しくなります。
どの業務の、どの質問に答えさせるかを先に決め、そこに必要な置き場所だけを接続する。全部をつないでから使い道を探さない。
照会の仕組みがどの資格で元の場所を読むか、利用者ごとの列・行の絞り込みを元の場所と照会の仕組みのどちらで掛けるかを決め、記録の置き場所も決める。
意味の層に載せる用語と表の定義を、データの持ち主と決める。AIが自動で作った定義は下書きとして扱う。
照会の量、計算資源の使い方、元のシステムへの負荷を小さな範囲で測り、上限と止め方を決めてから利用者を増やす。
この4工程は、Zetaris に限らず、置いたまま照会させる仕組みに共通する骨格です。以下では各工程で、Zetaris の公式の説明から読み取れることと、公式に書かれていないので自社で確かめる必要があることを分けて書いていきます。
工程1:照会させるデータと質問を絞る
最初の工程は、エージェントに何を聞かせたいかを決めることです。Zetaris の発表は、構造化データから流れ続けるデータまで、クラウドから社内設置まで幅広くつなげることを強調していますが、つなげられることと、つなぐべきことは別です。接続した置き場所が増えるほど、権限・負荷・定義のずれを確かめる対象も増えます。
始め方としては、一つの業務と、その業務で繰り返し出る質問を5〜10個書き出し、それぞれの答えに必要な置き場所を洗い出します。例えば、営業の商談準備なら「顧客の契約状況」「未解決の問い合わせ」「直近の請求」で足りるかもしれません。人事や経理のように機微な情報を持つ置き場所は、最初の範囲から外し、必要が確かめられてから個別に足すほうが安全です。
質問を書き出すと、置いたまま照会が向かない質問も見えてきます。前月の確定値や、複数部門で定義を合わせた指標は、集めて整えた表から答えさせたほうが、聞くたびに答えが揺れません。工程1の成果物は、「この質問には元の場所から、この質問には整えた表から」という対応表です。この表があると、後の工程で権限と費用を見積もる範囲がはっきりします。
工程2:権限をどこで効かせるかを決める
二つ目の工程が、この記事で最も重要な部分です。公式サイトによれば、Zetaris Cloud は利用企業自身のクラウドの契約の中で動き、データは利用企業の環境から出ないと説明されています。接続にはクラウド側の権限の仕組みにある「役割の信頼関係」を使い、Zetaris は長期間有効な資格情報を持たないとしています。鍵は企業ごとの専用の保管庫で管理し、自動で更新すると説明されています。
ここで区別しておきたいのは、「Zetaris の会社がデータに触れない」ことと、「社員一人ひとりが見てよい範囲に照会が絞られる」ことは別の話だという点です。公式の料金表では、列の伏せ字、行単位の方針、Microsoft のアカウントでの一括ログインは、有料の中位プラン以上の機能として挙げられています。一方で、元の置き場所で利用者ごとに設定した閲覧権限を、照会のたびにそのまま引き継ぐのかどうかは、確かめた範囲の公式の説明には明記されていませんでした。
つまり、権限を効かせる場所は二つの候補があります。元の置き場所の権限に頼るなら、照会の仕組みが利用者本人の資格で元の場所を読む構成になっているかを確かめます。照会の仕組みの側で列と行を絞るなら、元の場所の権限と照会の仕組みの方針が二重に存在し、どちらかを変えたときにずれることを前提に、変更の手順と照合の方法を決めておきます。どちらを選ぶかを製品に任せず、導入前に文書で決めるのがこの工程の成果物です。
監査の記録について、公式は「監査の記録はすべて既存の法令順守の範囲の中に留まる」と説明していますが、記録の形式や保存期間の詳細は公開されていません。エージェントが誰の依頼で、どの置き場所に、どんな照会を投げたかを後から追えるかは、契約前に実際の記録を見せてもらって確かめるべき点です。
元の権限が効かなくなる場面
置いたまま照会させる形は、複製しない分だけ権限の管理が楽になると思われがちです。けれども実際には、次のような場面で、元の置き場所で決めた制限がエージェントの答えまで届かなくなります。
- 照会の仕組みが管理者に近い広い資格で元の置き場所を読んでいて、利用者ごとの絞り込みを掛けていないため、誰が聞いても全件から答えが返る
- 元のシステムで退職者や異動者の権限を外したのに、照会の仕組み側の利用者一覧と方針が更新されず、古い権限のまま照会できる
- 二つの置き場所をつなぎ合わせた答えの中に、片方では閲覧を制限している顧客名や金額が、もう片方の項目と組み合わさって出てくる
- エージェントが返した答えを社員がチャットに貼り、元の置き場所の閲覧制限を知らない人に共有される
特に三つ目は、置いたまま照会させる形に特有の問題です。それぞれの置き場所では問題のない項目でも、つなぎ合わせると、個人や取引の特定につながる情報になることがあります。複数の置き場所をまたぐ照会を許す前に、どの組み合わせを禁じるかを持ち主どうしで決めておきます。エージェントの答えが社外に出るかどうかは、照会の仕組みではなく、答えを受け取った人の行動で決まることも忘れないようにします。
工程3:業務の言葉を持ち主と定義する
三つ目の工程は、意味の層に載せる言葉の定義です。置いたまま照会させると、システムごとに違う言葉の意味が、そのままエージェントの答えに混ざります。営業管理の「顧客」と請求の「取引先」が同じ単位なのか、「売上」が受注か請求か入金か、といった違いです。意味の層は、この違いを一か所で決めておくための場所であり、決める作業そのものを代わりにしてくれるわけではありません。
Zetaris は、表定義や業務用語集からAIがデータ製品を自動で作る機能を持つと説明しています。こうした自動生成は、最初の下書きを作る時間を短くする点で役に立ちます。ただし、AIは表の列名から意味を推し量れても、その数字を社内でどう使ってきたかまでは分かりません。下書きの定義は、データの持ち主と、その数字を報告に使う部門の担当者が確かめ、確定させます。確定した人の名前と日付を定義に残すことが、後で答えの正しさを問われたときの拠り所になります。
公式の説明では、データの目録は Git で版を管理し、分岐・確定・巻き戻しができるとされています。定義を変えると、それを使うすべてのエージェントの答えが一斉に変わるので、定義の変更にも、表の変更と同じ承認と記録の手順を通すようにしておきます。どこで誰が定義を決めるかという持ち主の置き方自体は、データメッシュの考え方として別の記事でも扱っています。ここでは、エージェントが読む定義を誰が確定させるかだけを決めれば足ります。
工程4:照会の費用と元のシステムへの負荷を測る
四つ目の工程は費用と負荷です。公式サイトの料金表では、無料の入門プランは単一の計算機で最大12個の仮想CPUまで、計算の費用は利用企業がクラウド事業者に直接払う形です。有料の中位プランは仮想CPU1個・1時間あたり0.14ドル、上位プランは0.20ドルとされ、上位プランは最大320個の仮想CPU・20台までの規模と、24時間の支援窓口を備えると説明されています。費用は、照会を処理する計算資源をどれだけの時間使ったかで増える構造だと読めます。
ここで見落としやすいのは、Zetaris の料金の外にある費用です。利用企業のクラウドの中で動くため、計算機そのものの費用はクラウド事業者に払います。さらに、照会を受ける元のシステム側でも、読み出しの処理と通信の費用が発生します。元の置き場所が従量課金のデータ基盤なら、エージェントの照会が増えるほど、そちらの請求も増えます。集めないことで保存の重複は減っても、照会の回数が増えれば、別の場所で費用が増えることがあります。
負荷も同じです。エージェントは人より頻繁に、人より大きな範囲を照会することがあります。基幹業務を動かしているデータベースに、日中の業務時間にエージェントの重い照会が重なると、本来の業務が遅くなるおそれがあります。小さな範囲で試す期間に、照会の回数・1回あたりの処理時間・元のシステムの使用率を記録し、元のシステムの持ち主と許容できる上限を合意してから利用者を増やします。
- 総保有コストを最大67%減らせるという数字は、会社が導入前後の顧客評価に基づく社内の測定として示したもので、算定方法は公開されていない
- 料金表の金額は公式サイトで確かめた時点のもので、契約条件や為替によって変わりうる。見積もりでは、何の数で費用が増えるかを必ず書面で確かめる
- 元の置き場所の費用(読み出し・通信)と、クラウド事業者に払う計算機の費用は、照会の仕組みの料金とは別に発生する
答えの正しさは誰が持つか
置いたまま照会させる形で最も曖昧になりやすいのが、答えの正しさの責任です。エージェントは照会を組み立て、照会の仕組みはそれを元の場所で実行し、元の置き場所はその時点のデータを返します。どこかで誤りがあっても、三者のどれもが「自分は言われたとおりに動いただけ」と言える構造になっています。
そこで、責任を三つに分けて決めておきます。元のデータの値が正しいかは、各置き場所の持ち主が持ちます。言葉の定義が正しいかは、工程3で定義を確定させた人が持ちます。そして、エージェントの答えを業務の判断や社外への説明に使ってよいかは、答えを使う人が持ちます。AIに判断させず、AIには材料をそろえる役を担わせるという線を、ここで明文化します。
この線を実際に守るには、エージェントの答えに根拠を書かせることが欠かせません。どの置き場所の、どの表に、どんな条件で照会したかを、答えと一緒に返させます。根拠が付いていない答えは、会議の資料や顧客への回答に使わないという規程にしておくと、誤った答えが独り歩きするのを防げます。照会の中身が分かれば、数字がおかしいときに、データの誤りか、定義の誤りか、照会の組み立ての誤りかを切り分けられます。
自社のクラウドで動くことの意味
Zetaris Cloud が利用企業自身のクラウドの契約の中で動くという説明は、データが外部の会社の設備に出ないという点で、情報管理の担当者には安心材料になります。11月の発表によれば、Zetaris Enterprise は公開クラウドのほか、自社の設備や社内設置の環境にも対応するとされています。データの置き場所の国や法域を気にする会社にとっては、選べる構成が多いこと自体に意味があります。
一方で、自社のクラウドで動くということは、計算機の構成、障害時の切り分け、費用の監視の一部を自社で持つということでもあります。公式は数十分で動き始めると説明していますが、動き始めることと、本番の業務で安定して動き続けることは別です。誰がクラウドの設定を管理し、照会の仕組みの更新をいつ当てるか、障害が起きたとき Zetaris とクラウド事業者と自社のどこに連絡するかを、導入前に決めておきます。
また、エージェントそのものがどこで動くかも別に確かめます。照会の仕組みが自社のクラウドにあっても、エージェントが外部のAIサービスで動いていれば、照会の結果はそのAIサービスに渡ります。データが出ないのは照会の仕組みまでで、答えはエージェントを通じて外へ出ることがあります。外部のAIサービスとの契約で、入力と出力の保存期間や学習への利用がどう扱われるかを、照会の仕組みとは別に確かめます。
止め方とやめ方を先に決める
置いたまま照会させる形は、複製を作らない分、やめるときの後始末は比較的軽く済みます。それでも、止め方とやめ方は導入時に決めておく必要があります。まず、エージェントの照会だけを即座に止める手順です。誤った照会が続いている、元のシステムが重くなっている、権限の設定に誤りが見つかったといったときに、人の分析の利用を止めずに、エージェントからの入口だけを閉じられるかを確かめます。
次に、元の置き場所ごとに接続を外す手順です。ある部門の持ち主が照会をやめたいと言ったときに、その置き場所だけを外せるか、外したときにどのエージェントのどの質問が答えられなくなるかを、工程1の対応表で追えるようにしておきます。接続を外したときに、エージェントが「データが無い」と正直に返すか、古い答えや推測で埋めてしまうかは、実際に試して確かめます。
最後に、製品そのものをやめる場合です。意味の層の定義や目録は版管理されていると説明されていますが、他の仕組みに移すときにどの形式で持ち出せるかは確かめておきます。苦労して確定させた業務の言葉の定義は、製品をやめても残すべき社内の資産です。定義の原本を照会の仕組みの中だけに置かず、社内の文書としても管理しておくと、乗り換えのときに一から作り直さずに済みます。
導入前に確かめる項目
ここまでの4工程を踏まえて、Zetaris のような置いたまま照会させる仕組みを社内に入れる前に、情シス・データ担当・データの持ち主・利用部門で確かめておく項目をまとめます。
- エージェントに答えさせる質問と、それぞれに必要な置き場所の対応表があり、機微な置き場所が最初の範囲から外れている
- 照会の仕組みがどの資格で元の置き場所を読むかが分かっており、利用者ごとの絞り込みをどこで掛けるかを文書で決めた
- 退職・異動のときに、元の置き場所と照会の仕組みの両方で権限を外す手順と担当者が決まっている
- つなぎ合わせると個人や取引の特定につながる組み合わせを洗い出し、禁じる組み合わせを持ち主どうしで合意した
- 意味の層の定義をAIの下書きのまま使わず、持ち主が確定させ、確定した人と日付を残している
- 照会の回数・処理時間・元のシステムの使用率を測り、元のシステムの持ち主と上限を合意した
- 照会の仕組みの料金、クラウドの計算機の費用、元の置き場所の読み出し費用を同じ表で見積もった
- エージェントの答えに照会の中身と置き場所を根拠として付けさせ、根拠の無い答えを業務に使わない規程がある
- エージェントの入口だけを止める手順と、置き場所ごとに接続を外す手順を試した
この項目のうち、製品の機能で満たせるのは一部です。多くは、社内の誰が何を決めるかという取り決めで満たすものであり、製品を選ぶ前から準備できます。逆に言えば、この取り決めが無いまま照会の仕組みを入れても、集めて渡す形と同じ問題が、より速く、より広い範囲で起きるだけです。
まとめ
AIエージェントに社内データを使わせるとき、データ基盤に集めてから渡すか、元の場所に置いたまま照会させるかは、技術の好みではなく、権限・費用・負荷・答えの責任をどう持つかの判断です。2026年10月に Zetaris が提供を始めた Zetaris Cloud と AI Data Harness は、データを移さずに SQL や MCP でエージェントに渡す選択肢を現実的なものにしつつあります。一方で、元の置き場所の権限が照会のたびに利用者ごとに効くかは公式にも明記されておらず、費用は照会の仕組みの外でも増え、元のシステムには新しい負荷がかかります。質問と置き場所を絞り、権限を効かせる場所を文書で決め、業務の言葉を持ち主が確定させ、費用と負荷を測ってから広げる。AIには根拠を書かせ、答えを使ってよいかの判断は人が持つ。この4工程を踏めば、データを移さない形の便利さを、元の場所の約束を壊さずに取り込めます。
※本記事にはAIが活用されています。編集者が確認・編集し、可能な限り正確で最新の情報を提供するよう努めておりますが、情報の完全性、正確性、最新性、有用性等について保証するものではありません。本記事の内容に基づいて行動を取る場合は、読者ご自身の責任で行っていただくようお願いいたします。
うちの業務、AIで何が自動化できる?
「AIで何ができるかは分かったが、自社の業務のどこに使えるのかが分からない」という段階の方へ。30業務の判定と5つの実務例から、最初に自動化する1業務を選ぶための無料ガイドです。
