Altimate Codeでdbtを直す方法|集計の変更は人が承認

「データチームのコーディングAIにウェアハウスまでつなげば、dbtの修正はかなり速くなるはず」「でも、AIが直した集計がそのまま本番に入って、来週の会議で商談化率が急に変わっていたらどうするのか」——データ基盤を持つBtoB企業の情報システム部門と、数字を使うマーケ分析の担当の両方から聞こえる声です。2026年11月4日、米国の Altimate AI はオープンソースの Altimate Code の新版を公開し、dbtとウェアハウスの道具を Claude Code や Codex といった外のコーディングAIから直接呼べるようにしました。問われているのは、AIがSQLを書けるかどうかではありません。AIが変えた集計の定義を、誰がどこで確かめて本番に通すかです。この記事では、Altimate Code の公式文書を手がかりに、接続の資格、社外に出るデータ、読み取りと書き込みの分け方、変更の確かめ方と承認者、費用の増え方、オープンソースを社内に入れるときの確かめ方を、一つの場面に沿って整理します。
カメ先生データ向けのAIの道具というと、SQLを速く書いてくれる補助だと思われがちなんだ。でも本当は、ウェアハウスに実際につながり、どの集計がどの表に依存しているかという系譜まで読んだうえで、dbtの定義を書き換える道具なんだよ。
カメ子書くだけではなく、本物のデータを見に行くし、変更もできる、ということですか。
カメ先生そう。だから効き目も大きいし、間違えたときの届き方も大きい。集計の定義が一行変わると、その先のダッシュボードの数字が全部変わる。だから先に決めるべきなのは、AIに読ませる範囲、書かせる範囲、そして本番に通す前に人が見る場所なんだ。
カメ子速さの話の前に、止まる場所を決めておく話なんですね。
- Altimate Code は、dbtとウェアハウスの道具一式をコーディングAIに足すオープンソース。2026年11月の版で、外のAIから道具を呼べるMCPサーバーと命令の入口が加わった
- 道具の呼び出しは既定で読み取りのみ。ただし破壊的な命令の遮断は文面を読む「努力目標」で、確実に止めるのはデータベース側の権限だと公式自身が書いている
- 集計の定義の変更は、コードとしての正しさと、数字の意味の変化を別の人が承認する。AIのレビューは助言にとどめ、本番に通す判断は人が持つ
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。
Altimate Codeとは:dbtとウェアハウスの道具をAIに足すオープンソース
Altimate Code は、米国の Altimate AI が GitHub で公開しているデータ基盤向けのオープンソースです。公式の説明では、dbt(集計や加工の定義をSQLのコードとして持ち、依存関係の順に実行する仕組み)、SQL、クラウドのウェアハウスを扱うための「データエンジニアリングの道具一式」と位置づけられています。使用許諾はMITライセンスで、汎用のコーディングAIである OpenCode を土台に、データチーム向けに作り直したものだと公式の説明文に書かれています。
中身は大きく三つに分かれます。一つ目は、SQLの書き方の問題を見つける検査、列単位の系譜の抽出、方言の違うウェアハウス間のSQLの翻訳、個人情報らしい列の検出といった、モデルに推測させず、SQLを構文として解析して答えを出す道具です。公式はこれを百を超える道具群と説明しています。二つ目は、dbtの定義ファイル一式を読み、テストや説明文の生成、変更の影響範囲の分析を行うdbt向けの機能です。三つ目は、それらを使ってAIが作業する端末上の対話画面と、社外のAIから呼ぶための入口です。
対応するウェアハウスとして、公式は Snowflake、BigQuery、Databricks、Redshift、PostgreSQL などを挙げています。AIのモデルは利用者が選ぶ方式で、Anthropic や OpenAI の利用契約、Bedrock や Azure 上のモデル、手元で動かす Ollama なども使えると説明されています。つまり、Altimate Code は特定のモデルを売る製品ではなく、モデルとウェアハウスの間に入る作業台だと考えると、社内での位置づけを決めやすくなります。
2026年11月の版で変わったこと:外のコーディングAIから道具を呼べる
2026年11月4日に公開された版(0.12.9)の変更履歴には、判断に関わる項目が三つ並んでいます。第一に、モデルを使わない命令の入口とMCPサーバーを通じて、Claude Code や Codex などの外のコーディングAIがデータの道具を直接呼べるようになったこと。第二に、dbtの系譜を構造化した形で返すようになったこと。第三に、利用者がAIに教えた作法を、持ち主の確認を経てチームの規則にする仕組みが入ったことです。2日後の11月6日にも修正版(0.12.10)が出ており、更新は続いています。
この変更の意味は、社内の配り方が変わる点にあります。これまでは Altimate Code という別のAIを立ち上げ、そのAIに作業を頼む形でした。新しい形では、社員がすでに使っている Claude Code のようなコーディングAIが主役のままで、Altimate Code は道具を貸す側に回ります。開発の経緯を説明する公式の変更依頼には、MCPサーバーを禁止している組織でも、同じ道具を命令の入口から使えるようにしたと書かれています。
裏返すと、社内の統制の単位も変わります。どのAIが道具を呼ぶかは社員の手元の設定で決まり、Altimate Code 側から見えるのは「呼ばれた」ことだけです。社員のコーディングAIを管理している部門と、ウェアハウスの権限を管理している部門が別なら、この二つが同じ表で話し合う場を先に作っておく必要があります。隣接するテーマであるデータベースをAIに開く段階の考え方は別の記事で扱ったため、ここでは dbt とウェアハウスの道具に固有の判断に絞ります。
なぜ系譜をAIに読ませるのか:集計の変更はダッシュボードまで届く
dbtの世界では、元の表から中間の加工を経て、最終的な集計表ができ、それをダッシュボードが読みます。系譜とは、この「どの集計がどの表と列に依存しているか」のつながりです。汎用のコーディングAIは、SQLのファイルを書き換えることはできても、その変更が下流のどの集計とどのダッシュボードに波及するかを、ファイルを眺めるだけで正確に知ることは困難です。
Altimate Code は、dbtの定義ファイル一式と、SQLの構文解析から系譜を組み立て、AIに渡します。公式の dbt 向けレビュー機能の説明では、変更が下流のどのモデルを壊すかという影響範囲を、モデルの意見ではなく解析の結果として示すことを中心に置いています。マーケ分析の立場から見ると、これは「この変更で商談化率の表と、営業会議用の画面と、広告の費用対効果の表が変わります」という一覧が、変更の前に出てくるということです。
ただし、系譜は「どこに届くか」を教えてくれても、「その数字の変化が正しいか」は教えてくれません。たとえば有効な商談の定義から自社関係者のテスト登録を除く変更は、系譜の上ではただの絞り込みの追加です。それが事業として正しい定義かどうかは、数字を使う側が決めることです。この線を最初に引いておかないと、影響範囲の一覧が出たことで確認が済んだ気になってしまいます。
場面の前提:マーケの商談化率の定義を変えたい
ここからは、一つの場面に沿って考えます。BtoBの会社で、データ基盤は Snowflake、集計は dbt で管理しています。マーケ部門の月次報告にある「問い合わせから商談への転換率」について、分析の担当から「重複した問い合わせを除いて数えたい」という依頼が来ました。データチームのエンジニアは、普段使っている Claude Code に Altimate Code の道具を足し、この変更を任せようとしています。
この依頼には、性質の違う三つの作業が混ざっています。一つは、問い合わせの表のどの列で重複を判断するかを、実データを見て調べる作業です。もう一つは、dbtの中間の加工と最終の集計を書き換え、テストを足す作業です。最後は、変更後の数字を過去の数字と比べ、報告の読み手に「定義が変わった」と伝える作業です。前の二つはAIが速くできますが、最後の一つは人の仕事のまま残ります。以下の場面1から4は、この順に、情報システム部門とマーケ分析の責任者が決めておくべきことを見ていきます。
| 作業 | AIに任せる範囲 | 人が持つ範囲 |
|---|---|---|
| 実データで重複を調べる | 列の値の傾向や件数の照会、候補の列の提示 | 照会してよい表と列の範囲を決める |
| dbtの定義を書き換える | 加工と集計の書き換え案、テストの下書き、影響範囲の一覧 | 検証環境での実行結果を見て、変更依頼に出すかを決める |
| 数字の変化を確かめる | 新旧の数字の差分の算出 | 差が妥当かの判断、報告の読み手への説明 |
| 本番に通す | レビューの所見の提示(助言) | コードの承認と、数字の意味の承認 |
場面1:誰の資格でウェアハウスにつなぐか
最初に決めるのは、AIがウェアハウスに接続するときの資格です。Altimate Code の接続情報は、プロジェクトの設定ファイルか環境変数で渡す方式で、公式のセキュリティの説明は、資格情報を利用状況の送信や記録に含めないとしています。一方で、道具の命令の入口の説明には、接続を追加する道具の引数にパスワードや鍵を書くと、それを呼んだAIの会話記録に残るので、接続ファイルか環境変数から参照するように、という注意が書かれています。
もう一つ大事なのは、破壊的な命令の遮断の扱いです。公式は、データベースやスキーマを丸ごと消す命令と、表を空にする命令は、書き込みを許可しても拒否すると説明しています。ただし同じ文書で、この遮断はSQLの文面を読む「努力目標」であり、実行時に組み立てられる命令は見えないこと、確実に止めたいならその権限を持たないデータベースの利用者で接続すること、とはっきり書いています。道具の側の遮断を、権限設計の代わりにしてはいけないということです。
場面の会社なら、AI用の接続には、本番の集計スキーマに書き込めない専用の利用者を用意し、照会できる表も問い合わせ・商談・広告など必要な範囲に絞ります。エンジニア本人の強い権限のまま接続すると、AIが何を照会したのか、人が照会したのかが記録の上で区別できなくなります。「誰の資格で動いたか」がウェアハウスの記録から読めるように、AIの接続は人の接続と分けるのが出発点です。
場面2:AIが読むもの、社外に出るもの
次に、データの流れを確かめます。公式の説明では、道具の結果は、その道具を呼んだAIのモデルに渡ります。照会の結果の行そのもの、表ごとの見本の1行、列ごとの値の傾向(よく出る値や一意性など)が、社員が契約しているモデル提供会社へ送られるということです。列の値の傾向を返さない設定も用意されています。個人情報を含む問い合わせの表を扱うなら、この設定を既定にするかどうかを先に決めます。
見落としやすいのが、同社がホストする無料のモデルの扱いです。公式のセキュリティの説明によると、まだ登録していない導入環境は、起動時にこの無料のモデルへ自動で登録され、同意の画面はありません。利用者が設定したモデルが使えないときに限って既定のモデルになり、その要求と応答は記録され、製品やモデルの改善に使われることがあると明記されています。9月23日の版(0.12.3)で、同意の手順なしに既定とする形に変わったことも変更履歴に残っています。社内に配る前に、自動登録を止める設定を配布の手順に入れておくべき項目です。
利用状況の送信も既定で有効です。公式の一覧では、道具の名前、トークン数、費用、所要時間などが送られ、コードや照会の中身、資格情報は送らないと説明されています。サインインしている場合は同社の利用者番号と契約単位の識別子が付きます。また、設定ファイルでの停止は、設定の読み込みに失敗すると効かないことがあり、確実に止めるなら環境変数を使うよう公式自身が注意しています。社内の端末に配るなら、環境変数で止める形を標準にするのが無難です。
- 外部への通信先として公式が挙げるのは、設定したモデル提供会社、同社の無料モデルの窓口、自社のウェアハウス、パッケージの更新元、モデルの一覧の取得先、利用状況の送信先の六つ
- モデルを自社のクラウド契約の中で動かせば、照会の結果は自社の契約の外に出ない、と公式は説明している
- 失敗した照会については、個人情報を伏せた形のSQL文を送る項目が利用状況の一覧にある。中身を一切出したくない環境では送信自体を止める
場面3:三つのモードで、読む作業と書く作業を分ける
Altimate Code には、作業の性質に合わせた三つのモードがあります。分析モード(Analyst)は照会のみで、ファイルの書き換えやシェルの実行はできません。作成モード(Builder)は書き込みができ、データを変える命令の前に承認を求めます。計画モードは、ファイルを読んで手順の案を作るだけで、SQLもシェルも使えません。
場面の作業に当てはめると、重複の調査は分析モード、dbtの書き換えは作成モード、作業の段取りの相談は計画モードです。公式も、初めて使う人には分析モードから始めるよう勧めています。ここで押さえておきたいのは、分析モードの制限は設定ファイルで全部を許可にしても外れない一方で、後から足したMCPの道具や独自の道具は設定に従うため、全部を許可にすると分析モードでも書き込みのできる道具が動くと公式が明記している点です。
つまり、モードの名前だけを見て「読み取り専用だから安全」とは言えません。社内の標準設定では、全部を許可にする書き方を禁止し、足すMCPの道具ごとに許可を書く形にします。また、承認の画面で「今後も許可」を選んだ場合、その許可は起動中の作業の間だけ有効だと公式は説明しています。すべての確認を自動で通す指定もありますが、公式は本番のウェアハウスにつないだ状態では勧めないとしています。社内の手順書では、この指定を検証環境だけに限ると書いておきます。
- 分析モードなら何をつないでも読み取りだけだと考え、全部を許可にする設定を配る
- すべての確認を自動で通す指定のまま、本番のウェアハウスへの接続を持つ端末で作業させる
- 外のコーディングAIからMCPで呼ぶ形にしたのに、そのAI側の権限設定を誰も見ていない
場面4:変更案を、検証環境と変更依頼で確かめる
AIが書いたdbtの変更は、まず検証用の環境で実行します。dbtは接続先を本番と開発で切り替えられるので、AI用の接続は開発用の接続先だけにし、本番用の接続先の資格はAIの作業環境に置かないのが基本です。公式の説明でも、道具の命令の入口は既定で読み取りのみで、書き込みには明示の指定が要ります。
気をつけたいのは、外のAIからMCPで呼ぶ場合と、命令の入口から呼ぶ場合で、許可の既定が一部違う点です。公式の文書では、命令の入口は接続の追加など手元の設定の書き換えにも明示の指定を求める一方、MCPサーバーとして動かす場合は接続の追加を既定で許すと書かれています。AIが勝手に新しい接続を足せる状態を避けたいなら、MCPで開く前にこの点を設定で塞いでおきます。
検証環境で動いたら、変更はGitの変更依頼として出します。Altimate Code には dbt の変更依頼を自動でレビューする機能があり、変更の影響範囲、書き換え前後で同じ行が返るかの判定、新たに露出する個人情報の列などを示します。公式の説明では、変更を止める判定を出せるのは構文解析に基づく層だけで、AIのレビューは助言にとどまる設計です。さらに、このレビューの仕組みは GitHub 上で正式な承認を出さず、常にコメントとして投稿すると明記されています。人の承認なしに統合できてしまうことを避けるためだと公式は説明しています。
AI用の接続は開発用の接続先だけにする。AIが書いた加工と集計を実行し、テストが通ることを確かめる。
変更前の集計と変更後の集計の差を出し、どの月のどの区分がどれだけ動いたかを表にする。差の算出はAIに任せてよい。
影響範囲の一覧とレビューの所見を添えて変更依頼を出す。止める判定が出たら、AIに直させる前に人が理由を読む。
コードとして正しいかをデータチームの担当が、数字の意味が正しいかをマーケ分析の責任者が承認する。どちらか一方では統合しない。
報告の読み手に、定義が変わった日と、過去の数字との差を知らせる。必要なら過去分も同じ定義で引き直す。
承認者を分ける:コードの承認と、数字の意味の承認
場面4の手順で最も大事なのは、承認を二つに分けることです。データチームの担当は、SQLとして正しいか、テストが十分か、性能や費用に問題がないかを見ます。一方で「重複を除いた転換率」が会議で使う指標として正しいかは、その数字で判断する側、つまりマーケ分析の責任者が決めることです。AIのレビューがどれほど詳しくても、この判断の代わりにはなりません。
実務では、マーケ側の承認者が変更依頼の画面を読めないことがよくあります。その場合は、場面4の手順で作った新旧の数字の差の表を、承認の材料として渡します。「どの指標が、どの期間で、何ポイント動くか」が分かれば、SQLが読めなくても判断できます。AIには差の表を作らせ、差が妥当かどうかの判断はさせない、という分担です。
加えて、承認の記録をどこに残すかも決めます。変更依頼の上でのコードの承認はGitに残りますが、数字の意味の承認はチャットで済まされがちです。定義の変更が月次報告に効く指標なら、変更依頼の説明欄に、マーケ側の承認者の名前と承認した日を書く形にしておくと、後から「いつ定義が変わったのか」を追えます。
費用の増え方:モデルの利用料とウェアハウスの計算費
Altimate Code 自体はオープンソースで、ソフトの利用料はかかりません。費用は別のところで増えます。一つはモデルの利用料で、AIが道具を呼んで結果を読み込むたびにトークンが増えます。もう一つがウェアハウスの計算費で、AIが調べ物のために照会を繰り返すと、その分だけ計算が動くことです。人なら一度で済ませる照会を、AIは条件を変えて何度も投げることがあります。
場面の会社のように Snowflake を使っているなら、AI用の接続には専用の計算資源を割り当て、上限を掛けておくと、AIがどれだけ使ったかが金額で見えます。人と同じ計算資源を共有すると、月末に費用が増えても原因が分かりません。なお、Altimate Code には費用の分析の道具もあり、どの照会が高くついたかを調べられると公式は説明しています。ただし、その分析自体も照会を伴うので、分析の頻度も決めておきます。
手元で動く常駐の仕組みにも触れておきます。公式の説明では、道具の命令の入口は、プロジェクトごとに裏で動く処理を立ち上げ、接続と表の情報を温めたまま再利用します。既定では10分使われないと終了します。同じフォルダで作業する複数のAIがこの処理を共有し、一時的に作った表も共有されると書かれているので、複数の作業を同じ場所で並行させると、互いの途中結果が混ざりうる点は、手順書に書いておく価値があります。
教えた作法をチームの規則にするとき:持ち主の確認
11月の版で入ったもう一つの仕組みが、ワークスペースの規則です。公式の変更依頼の説明によると、同社の管理画面のワークスペースにつないだプロジェクトでは、利用者がAIに何度も同じ訂正をすると、AIがそれを「チームの規則」にする提案を出します。本人が確認すると、ワークスペースの持ち主の確認待ちに入り、持ち主が承認した規則だけが、チーム全員の作業に配られる流れです。学んだことを確認なしに送る以前の案を、この形に置き換えたと説明されています。
この設計は、承認の線を考えるうえで参考になります。一人の訂正がそのまま全員のAIの振る舞いになるのではなく、持ち主という一人の判断を挟みます。さらに、検証を弱める規則を承認しようとすると、持ち主の画面では「それでも承認する」という表示に変わるとされています。社内で使うなら、ワークスペースの持ち主を、データ基盤の責任者が務めることを決めておきます。
もう一点、この仕組みはワークスペースの手順書を、Claude Code の設定フォルダにも複製します。公式は、命令の部分を除いた無害化した写しで、利用者が書いた同名のものは上書きしないとしています。とはいえ、社員の手元のAIの振る舞いが、外のサービスから届く内容で変わることには変わりありません。どの手順書が配られているかを、持ち主が定期的に見直す運用にしておきます。
オープンソースを社内に入れるときの確かめ方
Altimate Code はMITライセンスで、ソースを読めて、手元で改変もできます。一方で、開発の主体は一つのスタートアップで、更新の頻度も高い製品です。変更履歴を見ると、9月23日から11月6日までに8本の版が出ており、既定の振る舞いが版ごとに変わることがあります。無料のモデルを同意なしに既定にした9月の変更も、その一つです。
社内に入れるなら、次の点を確かめてから配ります。版を固定して配布し、更新は情報システム部門が変更履歴を読んでから行うこと。導入の手順に、無料モデルの自動登録を止める設定と、利用状況の送信を止める環境変数を入れること。端末での導入方法として、インターネット上のスクリプトを直接実行する方法も案内されていますが、社内ではパッケージの版を指定して入れる方法に統一することです。
また、外のAIから呼ばれる道具は、そのAIの会話記録と一緒に使われます。Claude Code の管理側で許可しているMCPサーバーの一覧に Altimate Code を加えるのか、命令の入口からの呼び出しだけを認めるのかを、社員のコーディングAIの管理規程と同じ場所で決めることが大切です。製品の公式文書には、社内の規程が要求する内容まで書かれているわけではないので、足りない部分は自社で補います。
- 配る版を固定し、更新の前に変更履歴を読む担当を決めた
- 同社の無料モデルへの自動登録を止める設定を、導入の手順に入れた
- 利用状況の送信を、設定ファイルではなく環境変数で止める形にした
- AI用のウェアハウスの利用者を、人の利用者と分けて作った
- AI用の利用者に、本番の集計スキーマへの書き込み権限と、削除の権限を与えていない
- 全部を許可にする設定を禁止し、MCPの道具ごとに許可を書く形にした
- すべての確認を自動で通す指定は、検証環境に限ると手順書に書いた
- 集計の定義の変更は、データチームとマーケ分析の二人が承認する決まりにした
AIに判断させないこと:人が確認する範囲を先に決める
ここまでの場面をまとめると、Altimate Code に任せてよいのは、照会、系譜と影響範囲の一覧、変更案の下書き、テストの下書き、新旧の数字の差の算出です。どれも、根拠となる照会や解析の結果を一緒に示せる作業です。AIには、変更案を出すときに、どの照会の結果からそう判断したかを必ず書かせます。根拠のない提案は、どれほどもっともらしくても採用しません。
逆に、AIに判断させないのは次の四つです。指標の定義が事業として正しいか。差が出たときに、それが改善なのか集計の誤りなのか。過去の報告の数字を引き直すかどうか。本番に通す時期と、読み手への知らせ方です。これらは数字に責任を持つ人が決めることで、AIの所見は材料の一つにとどめます。公式のレビュー機能が、AIの所見を助言に限り、正式な承認を出さない設計にしているのも、同じ考え方だと読めます。
もう一つ、AIが書いたテストが通ったことを、正しさの証明として扱わないことも大切です。AIは自分が書いた定義に合わせてテストを書くので、定義そのものが誤っていればテストも一緒に誤ります。テストの観点は人が先に決めるのが原則です。たとえば「重複の判断に使う列」「除外する問い合わせの条件」は、人が先に決めてAIに渡します。
よくある質問
Q. Claude Code だけでもSQLは書けるのに、足す意味はありますか
汎用のコーディングAIもSQLのファイルは書けます。違いは、ウェアハウスの実際の表の情報、dbtの系譜、方言の違いを、解析の結果として道具から受け取れる点です。影響範囲の一覧や、書き換え前後で同じ行が返るかの判定は、承認の材料として使いやすくなります。ただし、その分だけAIがウェアハウスに触れる範囲は広がるので、場面1と2の準備が前提です。
Q. 本番のウェアハウスにつないでも大丈夫ですか
公式は、自動検出の機能や分析モードを本番の接続でも安全に使える読み取り専用の作業と説明しています。ただ、場面1で見たとおり、破壊的な命令の遮断は文面を読む方式で完全ではありません。本番に接続するなら、書き込みと削除の権限を持たない専用の利用者で、照会できる範囲を絞ってからにします。
Q. 社外秘のデータを扱っても問題ありませんか
照会の結果は、選んだモデル提供会社に送られます。社外秘のデータを扱うなら、自社のクラウド契約の中で動くモデルを選び、同社の無料モデルへの自動登録を止め、列の値の傾向を返さない設定を検討します。最終的には、自社のデータの取り扱いの規程と照らして、情報システム部門が判断します。
Q. 小さな会社の製品なので、続かなかったときが心配です
MITライセンスのオープンソースなので、開発が止まっても手元の版を使い続けることや、自社で改変することは理論上できます。ただし、同社の管理画面のワークスペースや無料モデルのような、同社のサービスに依存する機能は止まる可能性があります。dbtの定義そのものはGitに残るので、集計の資産が製品の中に閉じ込められない点は、乗り換えの判断で有利です。
止め方・やめ方:つないだものを順に外す
試してみて合わないと判断したとき、または問題が見つかったときの止め方も、配る前に決めておきます。最も確実で、道具の設定に左右されない止め方は、AI用に作ったウェアハウスの利用者を無効にすることです。道具の側の設定がどうであれ、資格がなければ照会も変更もできません。人とAIの接続を分けておけば、AIだけを止めても人の作業は止まりません。
次に、外のAIからの入口を閉じます。Claude Code の設定からMCPサーバーの登録を外し、手元で動く常駐の処理を止めます。GitHub のアプリを入れていた場合は、組織の設定からその連携を外します。同社のサービスにサインインしていたなら、サインアウトとワークスペースとの連携の解除を行い、Claude Code の設定フォルダに複製された手順書も消します。
やめた後に残るのは、Gitに入ったdbtの定義の変更と、変更依頼の記録です。AIが書いた変更も、人が承認して統合したものは自社の資産として残ります。やめた時点で、AIが書いた変更のうちどれが本番に入っているかを一覧にしておくと、後から定義の経緯を問われたときに説明できます。
まとめ
Altimate Code は、dbtとウェアハウスの道具一式を、社員がすでに使っているコーディングAIに足すオープンソースです。2026年11月の版で、外のAIから道具を呼べる入口が加わり、使い方の幅は広がりました。その分、決めておくべきことも増えます。AIは専用の利用者で接続し、削除と本番への書き込みの権限は与えない。照会の結果が送られる先と、同社の無料モデルや利用状況の送信を確かめて止める。モードの名前を過信せず、全部を許可にする設定は配らない。そして、AIが書いた集計の変更は、検証環境で新旧の数字を並べ、コードの正しさと数字の意味を別の人が承認してから本番に通す。AIに速く書かせることと、人が数字に責任を持つことは、分担を決めれば両立できます。
※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。
