データ取り込みはAIに書かせるか人が書くか|dltHubで引く線

データ取り込みはAIに書かせるか人が書くか|dltHubで引く線

「取り込みの処理はAIに書かせれば半日で動くと聞いた。もうデータ基盤の担当を待たなくてよいのではないか」「委託先がコーディングエージェントで取り込みを組むと言っているが、こちらは何を渡し、何を握っておけばよいのか」——営業やマーケの数字を自分たちで集めたい部門と、その相談を受ける情報システム部門の両方から聞こえてくる声です。dltHub は、オープンソースのデータ取り込みライブラリ dlt と、その上に載る有償の基盤で、Claude Code・Codex・Cursor といったコーディングエージェントに取り込みの処理を書かせ、動かす使い方を正面から前提にしています。ただ、書く手間が消えたからといって、取り込みの仕事が片づくわけではありません。本当は、書く人がAIに替わっても、接続先の鍵を誰が持ち、本番で走らせてよいと誰が決めるかは、そのまま会社に残るのです。この記事では、dltHub を材料に、取り込み処理をAIに書かせる場合と人が書く場合で何が変わり何が変わらないか、そして社内で定着させるときに引く線を整理します。


カメ先生カメ先生

取り込みの処理をAIに書かせると、データ基盤の仕事そのものが要らなくなると思われがちなんだ。でも本当は、書く作業が速くなるだけで、どのデータをどの資格で読み、どこへ入れるかを決める仕事は少しも減っていないんだよ。


カメ子カメ子

書くのはAI、決めるのは人、という分かれ方になるということですか。


カメ先生カメ先生

そう。しかも書くのが速くなった分、取り込みの本数は増える。本数が増えると、鍵の置き場、本番に上げる承認、表の形が変わったときの備えを決めていない会社ほど、後から追えなくなるんだ。


カメ子カメ子

速く作れるようになったからこそ、作る前に線を引いておく必要があるんですね。


この記事のポイント
  • dltHub は無償の dlt(Apache 2.0)と、エージェント向けの道具・実行基盤を含む有償の dltHub の二枚構成。ライセンスと費用の境目を先に押さえる
  • AIに任せる範囲は「書かせる・試す・本番で走らせる」の三段に分け、段ごとに使う鍵と承認する人を変える。本番の鍵をエージェントの手元に置かない
  • 取り込み先の表は既定では自動で形が変わる。変化を止める設定、社外に出る三つの経路、月額の段差、止める順番まで決めてから配る

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。

目次

誤解:「AIに書かせれば、取り込みは情シス抜きで片づく」

取り込みの処理(パイプライン)は、長いあいだ専門の担当者が順番に作るものでした。顧客管理や広告、請求のサービスからデータを引き、社内のデータ倉庫に入れる。接続先ごとに認証や項目の癖が違い、一本作るのに数日かかることも珍しくありません。そこへコーディングエージェントが入り、業務部門の担当者が自分の言葉で頼むだけで、動く処理が出てくるようになりました。dltHub の共同創業者は2026年11月19日の公式ブログで、営業推進や経理といった技術職でない部門が直接パイプラインを作り始めていると書いています。

ここから「もう情シスやデータ基盤の担当を通さなくてよい」と考えるのが、よくある誤解です。エージェントが引き受けるのは、接続先の仕様を調べ、処理を書き、動かして直すところまでです。どの接続先の鍵を使ってよいか、読んでよい範囲はどこまでか、取り込んだ表を誰が下流で使っているかは、エージェントには分かりません。分からないまま動く処理が増えると、退職した社員の鍵で毎晩動く取り込みや、誰も中身を説明できない表が社内に積み上がります。

つまり、AIに書かせるか人が書くかは、対立する二択ではありません。書く作業はAIに寄せてよい場面が確かに増えました。そのうえで、人が持ち続けるものを先に名指しすることが、この記事の主題です。内製か製品かという土台の選び方や、取り込みが止まる典型の型は別の記事で扱っているので、ここでは dltHub という具体の道具に沿って、エージェントに任せる線だけを見ていきます。

dltHubとは:無償のdltと有償のdltHub、二枚の構成

まず名前の整理です。dlt は、Python で書くオープンソースのデータ取り込みライブラリで、GitHub で Apache 2.0 のライセンスのもと公開されています。接続先からデータを取り出し、形を整え、Snowflake や BigQuery、Databricks、Postgres などの取り込み先へ入れるところまでを受け持ちます。公式の説明では、Python が動く場所ならどこでも動き、特定の基盤には依存しません。2026年10月29日に版 1.32.0 が出ており、8月の 1.30.0、10月上旬の 1.31.0 と、ひと月前後の間隔で更新が続いています。

もう一枚が、同じ名前を冠した有償の dltHub です。公式の説明書きによれば2026年3月に提供が始まり、dlt の上に、コーディングエージェント向けの道具一式(AI Harness)、取り込み後の変換、データ品質の検査、パイプラインを預けて動かす実行基盤、監視の画面を足したものです。AI Harness は、エージェントに手順を教える指示書、常に読ませる規則、エージェントから呼べるMCPサーバーをまとめたもので、Claude Code・Cursor・Codex で検証していると説明されています。公式は、9,700を超える接続先の定義を集めた参照先も用意し、エージェントが処理を書く前にそこを調べる流れにしています。

直近の動きも押さえておきます。2026年11月17日の公式ブログでは、取り込んだデータセットを探して中の表と関係を見る画面を公開プレビューにし、あわせて、データの流れ(来歴)とジョブの依存関係を図で見る画面を限定プレビューで始めたと発表しました。11月19日には、エージェントによる利用の実績をまとめた記事も出ています。公式が掲げる考え方は「エージェントが提案し、人が確かめ、決まった動きをする道具が境界を守る」というもので、この記事の線引きもこの考え方を社内の持ち分に置き換えたものです。

書かせるか人が書くか:差は書き手ではなく確かめ方に出る

公式ブログが示した数字は、流れの速さを伝えています。コーディングエージェントが起点になったパイプラインの実行は、2026年5月の約80万回から10月には790万回に増え、そのうち731万回、割合にして92%が Claude Code からだったと公表しています。接続先の種類でも、利用者が独自に書いたものが約2万8千系統あり、一般的な製品のカタログにある約700種を大きく上回るとしています。なお、エージェントの検知は2026年2月に始めたもので古い版は数えられず、数字は下限として読んでほしいという注記があり、書き手が dltHub の共同創業者である点も割り引いて読む必要があります。

この数字が示しているのは、「カタログにある接続先を買う」から「必要な接続先をその場で書かせる」への移り変わりです。公式によると、経理・請求・基幹系の接続先では9割が独自に書かれたものでした。自社の基幹システムや業界特有のサービスは、出来合いの接続先では足りないことが多く、そこをエージェントが埋めている、という読み方ができます。

比べる点人が書くAIに書かせる
一本できるまで数日。担当者の順番待ちが起きる短い。頼んだ人の手元で動くところまで進む
接続先の仕様の調べ方担当者が資料を読むエージェントが参照先と公開資料を引く。古い情報を拾うことがある
書いた理由の残り方担当者の頭と設計書会話の履歴と、差分として残るコード。会話は消えやすい
確かめ方書いた本人が分かっている書いていない人が差分と取り込んだ中身を読む必要がある
本数の増え方担当者の人数で頭打ち頼む人の数だけ増える。棚卸しが要る
変わらないもの鍵の持ち主・読んでよい範囲・本番に上げる承認・下流への影響の確認同じ。むしろ本数が増える分だけ重くなる

表の下二段が要点です。AIに書かせると、書いた人と確かめる人が最初から別になるので、確かめ方を決めていない会社では、誰も読んでいない処理が本番で動くことになります。dlt の処理は Python のファイルなので、変更は差分として読めます。画面で設定する型の製品と違い、エージェントが触った箇所を人が行単位で追えるのは利点ですが、それは読む人と読む場面を決めて初めて効く利点です。

線は三段に分ける:書かせる・試す・本番で走らせる

社内で任せる範囲を決めるときは、「AIに任せるか任せないか」の一本線ではなく、三段に分けると話が進みます。書かせる段、手元で試す段、本番で走らせる段です。dltHub の作りも、この三段を分けやすい形になっています。作業場所(ワークスペース)には用途別の設定の束があり、公式の説明では、開発用とテスト用は手元だけに置かれて預け先には送られず、本番用と閲覧用だけが、預け入れの操作のたびに実行基盤へ同期されます。

STEP1
書かせる:仕様の調査と処理の下書き

エージェントに接続先の仕様を調べさせ、処理を書かせる段です。ここで渡すのは「何をどこからどこへ入れたいか」という依頼だけで、鍵は渡しません。業務部門の担当者や委託先に広く許してよい段です。

STEP2
試す:手元の小さな入れ物で動かす

開発用の設定で、手元の軽量なデータベースに少量を入れて確かめる段です。公式の利用統計でも、エージェントは書いた処理を手元の入れ物で動かし、入った行とエラーを読んで直す、という回り方をしています。使う鍵は、読み取りだけに絞った検証用のものにします。

STEP3
本番で走らせる:預け入れと定期実行

本番用の設定で、会社のデータ倉庫へ定期的に入れる段です。ここだけは、差分を読んだ人の承認と、本番の鍵を登録する人の操作を挟みます。エージェントが自分の判断でこの段へ進めない形にします。

三段に分けると、段ごとに「誰に許すか」「どの鍵を使うか」「誰が承認するか」を別々に決められます。一段目は広く、二段目は検証用の鍵を持てる人に、三段目はデータ基盤の責任者が承認した場合だけ、といった決め方です。公式の説明書きも、使い始めはエージェントの変更を一つずつ人が承認する動かし方にして、流れを理解するよう勧めています。エージェントに任せきりの自動承認は、少なくとも三段目には持ち込まないのが安全です。

もう一つ、三段目で人が読むものを決めておきます。差分のコードだけでなく、どの接続先のどの範囲を読むか、取り込み先のどの表に書くか、追記か置き換えか、どの頻度で動くかの四点を、依頼した本人の言葉で一枚に書かせます。エージェントにこの一枚を下書きさせるのは構いませんが、根拠としてコードの該当箇所を必ず書かせ、承認する人がそこを開いて確かめる、という順番にします。

接続先の鍵と資格は、誰が持つのか

取り込みの処理は、必ず二つの資格で動きます。データを読む接続先の鍵と、データを書く取り込み先の資格です。dlt は、これらの鍵をコードと分けて持つ作りで、探す順番も決まっています。公式ドキュメントによれば、まず環境変数、次に作業場所の中の専用の設定ファイル、その次にクラウド各社の鍵の保管庫、という順です。鍵がコードの中に書かれない作りにはなっていますが、鍵のファイルが社員のパソコンに平文で置かれうる点は変わりません。

エージェントとの関係では、公式の説明書きに具体的な指示があります。Claude Code・Cursor・Codex のそれぞれの規則ファイルに、「会話の中で鍵を尋ねない。鍵は利用者が自分で直接書き込み、エージェントは読もうとしない」という一文を足すよう勧めています。鍵を扱う専用の道具も、値を伏せた形で一覧を見せるものと、設定の断片を書き足すものに分かれており、エージェントが鍵の生の値を読まずに済む道筋が用意されているわけです。ただし、これは規則と道具による誘導で、エージェントが動くパソコンの上のファイルを技術的に読めなくする仕組みではありません。

そこで会社として決めるのは、次の三点です。一つ目は、本番の鍵は個人のパソコンに置かず、実行基盤の側か鍵の保管庫にだけ登録すること。dltHub の実行基盤では、環境変数と鍵の登録は作業場所の所有者の役割だけができ、開発者の役割では変えられません。二つ目は、試す段で使う鍵を、読み取り専用で範囲を絞った検証用として別に発行すること。三つ目は、社員個人の資格ではなく、取り込み専用の利用者を接続先に作ることです。個人の資格で動かすと、その人の異動や退職で取り込みが止まるか、逆に退職後も動き続けます。

  • 人の操作を介さない接続のための鍵は、作業場所単位で発行でき、既定で90日、最長でも365日で失効する(公開プレビューの機能)
  • この鍵には開発者か閲覧者の役割を固定で付ける。開発者の鍵は預け入れとデータを書く処理の実行ができる
  • サインインは GitHub か Google の資格、またはメールアドレスとパスワード。社用の資格に統一しておく
  • 鍵の値は発行時に一度しか表示されない。控えの置き場を先に決める

エージェントに見えるもの:伏せられた鍵と、見えている表の中身

鍵が伏せられているからといって、エージェントに何も見えていないわけではありません。公式の説明書きにある、作業場所のMCPサーバーの道具の一覧には、表の一覧、表の形の取得、行数の確認に加えて、表の中身を数行見る道具と、SQLを実行する道具が含まれています。エージェントは、取り込んだ結果を自分で読んで、次の修正を決めます。公式も、思い込みではなく実際に入ったデータを見て直せることを利点として説明しています。

これは品質の面では理にかなっていますが、データの流れとして見ると、エージェントが読んだ行は、そのエージェントを動かしているAIモデルの提供元へ会話の一部として送られることを意味します。顧客の氏名や取引金額が入った表を試しに取り込めば、その数行がモデルの提供元に渡ります。鍵は守られていても、中身は出ていく。ここは、取り込みをAIに書かせるときにいちばん見落とされやすい点です。

対策は、試す段で使うデータの線引きです。試す段では、個人情報や取引先の情報を含まない接続先、または項目を絞った検証用の範囲だけを読ませます。どうしても本物のデータで形を確かめる必要があるなら、行数を絞り、氏名や連絡先の列を読み取りの時点で外す処理を先に書かせます。あわせて、会社が契約しているコーディングエージェントの側で、会話の内容が学習に使われない契約と設定になっているかを確かめておきます。個人契約のエージェントで社内データの取り込みを試す使い方は、ここで外れます。

取り込み先の表が勝手に変わる:スキーマの変化への備え

dlt の特徴の一つは、届いたデータの形に合わせて、取り込み先の表を自動で作り替えることです。公式ドキュメントによると、既定の動きでは、新しい表はいつでも作られ、新しい列は既存の表にいつでも足され、既存の列の型に合わないデータは、その型のための別の列に入ります。接続先の側で項目が一つ増えれば、こちらの表にも翌日から列が一つ増えている、という動きです。試す段では便利ですが、本番では、下流の集計や画面が知らないうちに前提を崩されることになります。

これを抑える仕組みが、公式がスキーマ契約と呼ぶ設定です。表・列・型のそれぞれについて、変化を受け入れる、固定する、合わない行を捨てる、合わない値だけを捨てる、の四つから選べます。固定を選ぶと、形に合わないデータが届いた時点で処理はエラーになり、そのデータは取り込み先へ入りません。本番に上げる処理では、少なくとも下流が使っている表の列と型を固定にする、というのが分かりやすい線です。

注意したいのは、エージェントに「エラーを直して」と頼むと、固定を外す方向で直すことがある点です。処理を通すという目的だけを見れば、変化を受け入れる設定に戻すのがいちばん早いからです。固定の設定を変える差分は、承認する人が必ず止めて理由を聞く項目に入れておきます。また、合わない行を捨てる設定は、静かにデータが減っていくので、捨てた件数を毎回記録に出させ、人が見る数字に入れておかないと気づけません。

版の更新も、表が変わる経路の一つです。dlt の公開されている更新履歴を見ると、2026年8月以降の三つの版は、いずれも冒頭に互換性を崩す変更の節があります。たとえば 1.32.0 では、表を消して作り直す操作の対象が広がり、取り込み先に実在する関係の表をすべて消そうとする動きに変わったと書かれています。本番で使う版は固定し、上げるときは更新履歴のこの節を人が読む。エージェントに依存関係の更新まで任せると、この確認が抜けます。

何が社外に出るか:三つの経路で見る

社外に出るものは、経路ごとに分けて確かめます。dltHub の場合、経路は三つあります。エージェントを動かすAIモデルの提供元、dlt のライブラリが送る利用情報、そして有償の実行基盤です。無償の dlt だけを自社の環境で動かすなら三つ目はありませんが、一つ目と二つ目は残ります。

経路出ていくもの止め方・絞り方
AIモデルの提供元依頼の文、書いたコード、エラー、エージェントが読んだ表の形と中身の数行試す段のデータを絞る。会社契約のエージェントに限る
dlt の利用情報の送信実行した命令の名前、取り込み先の種類、パイプライン名などを符号化した値、所要時間、成否、実行環境の概要設定で無効にできる。送り先を自社に向けることもできる
dltHub の実行基盤預け入れたコードと設定、本番用の鍵、ジョブの実行結果と記録組織を作るときに米国か欧州の地域を選ぶ。記録に機微な値を出さない

二段目は知られていないことが多い項目です。公式ドキュメントは、dlt が匿名の利用情報を集めて送ること、個人データは送らないこと、パイプライン名やデータセット名は符号化した値で送ること、いつでも無効にできることを明記しています。送られる中身は公開されており、危険なものではありませんが、社内の規程で外部への自動送信を届け出制にしている会社では、無効にするか届け出るかを先に決めておく必要があります。

三段目について、公式は構成をかなり具体的に説明しています。利用者や権限、ジョブの予定と結果を扱う管理側は米国に置かれ、全組織で共用です。コード、設定、鍵、処理の出力を扱う実行側は、組織ごとに米国か欧州のどちらかを選びます。この地域は組織を作るときに決め、後から変えられません。そして現時点の制約として、処理が出す記録の文字列は、欧州を選んだ組織でも米国を経由して画面に届くと書かれています。公式自身が、鍵や個人情報、規制対象の項目を記録に出さないよう注意を促しています。日本の地域は選択肢にありません。

無償部分と有償部分の境目:ライセンスが縛るのは道具のほう

「オープンソースだから自由に使える」という理解は、dlt のライブラリについては合っています。Apache 2.0 で、料金ページも、ライブラリはこの先も同じライセンスで無償だと明言しています。一方で、エージェントに取り込みを書かせるための道具一式(AI Harness)、変換、品質検査、実行基盤は、公式の説明ではすべて有償の dltHub の一部で、商用のライセンスが必要です。道具一式のコードは GitHub で読めますが、読めることと自由に使えることは別です。

この商用ライセンスの文面には、導入の判断に関わる条項があります。道具一式は dltHub のサービスと結びついた利用に限って使え、この道具で作ったコードやパイプラインを、dltHub 以外の実行基盤や運行管理のサービスに載せて動かす使い方は認められない、という趣旨です。道具を使って生成したコードは派生物として扱われ、条件を守るかぎり dltHub は派生物への権利を主張しない、とも書かれています。ライセンスの権利者として記されているのは、運営会社のスケールベクター社です。

実務の言葉に直すと、次のようになります。エージェントに dlt の処理を書かせること自体は、無償のライブラリと一般のコーディングエージェントだけでもできます。ただ、公式の道具一式を使って書かせたなら、その処理は dltHub の実行基盤で動かす前提になるということです。「道具だけ借りて、動かすのは自社の既存の運行管理で」という設計は、文面どおりに読むと範囲の外に出ます。委託先が公式の道具一式を使って納品物を作る場合も同じ論点が生じるので、契約の前に法務と文面を確かめてください。

費用の増え方:月額の段差と、動かした時間

費用は、無償と有償のあいだに大きな段があります。料金ページによると、有償の dltHub は月額12,000ドルで、毎月5,000クレジットが含まれ、12か月の最低契約を月ごとに支払う形です。申し込むと、最初の14日間と30ドル分のクレジットで、カードの登録なしに試せます。その上に、個別見積の Enterprise があります。人数や行数ではなく、実行基盤で動かした時間に応じてクレジットが減る仕組みで、標準の条件では1クレジットが1時間の実行に当たると説明されています。

増え方で気をつけたいのは三点です。一つ目は、含まれる枠を超えた分が、使った量に応じた単価で追加請求されること。二つ目は、料金ページの記載では、枠を使い切ってもパイプラインは自動では止まらず、管理者に8割と10割の時点で通知が届くだけだという点です。エージェントが処理を次々に預け入れ、短い間隔の定期実行を付けていくと、気づかないうちに実行時間が積み上がります。三つ目は、無人で動くエージェントのジョブを使う場合、AIモデルの提供元に払う利用料が別にかかることです。

年額にすると相応の金額になるため、「有償の基盤が要るのか、無償のライブラリを自社の環境で動かせば足りるのか」を先に切り分けるのが順番です。公式も、運行管理や監視を自前で持てる組織、あるいは自社の設備の中で動かす必要がある組織には無償の dlt が合い、本番で多数を動かし、エージェントに重い作業を任せ、チームで使うなら有償が合う、と書き分けています。役割ごとの権限の管理と監査の記録は、料金ページでは上位の Enterprise の項目として挙げられているので、統制の要件が強い会社は見積の段階で確かめてください。

来歴の記録を誰が見るか:公開プレビューと限定プレビューの差

取り込みの本数が増えると、「この表はどこから来たのか」「この処理を止めると何が困るのか」を誰も即答できなくなります。2026年11月17日の発表は、この問いに答える画面の話でした。公式ブログによれば、パイプラインが動くときに自分で残している記録から三つの図を作ります。接続先からパイプラインを経てデータセットに至る来歴の図、どのジョブが成功・失敗をきっかけに別のジョブを動かすかの依存の図、データセットの中の表と関係の図です。

ここで公式の書き方を正確に読んでおきます。公開プレビューになったのは、データセットを開いて表と関係を見る画面です。来歴の図とジョブの依存の図を含む画面は限定プレビューで、使いたい場合は問い合わせるよう案内されています。つまり、「エージェントが作った取り込みの来歴を、今日から画面で追える」とまでは言えない段階です。判断の前提に置くなら、自社の契約で使えるかを確かめてからにします。

画面が使えるようになったとしても、決めておくことがあります。来歴の図は、見る人がいて初めて役に立ちます。公式は、直近の実行が失敗したジョブと、その下流すべてが赤く表示されると説明しています。赤くなったときに誰が見て、誰に知らせ、下流の利用部門が古い数字を使わないようにどう伝えるかを持ち分として決めます。おすすめは、週に一度、データ基盤の担当が図を開き、持ち主の分からないパイプラインと、下流のない表を拾い出す時間を取ることです。

委託先に任せるときの持ち分

取り込みの構築を外部の会社に頼む場面でも、相手がコーディングエージェントを使うことは普通になりつつあります。このとき、発注側が握っておくものは四つあります。作業場所の所有者の役割、本番の鍵、コードの置き場、そして契約です。

dltHub の役割の仕組みは、この分け方に合っています。組織の役割は所有者・構成員・協力者の三つ、作業場所の役割は所有者・開発者・閲覧者の三つです。公式の説明では、特定の作業場所にだけ招かれた人は、組織の上では協力者として扱われ、招かれた作業場所にしか入れません。委託先は作業場所の開発者として招き、所有者は自社の社員が持つのが基本形です。開発者は処理の作成と預け入れ、本番のジョブの起動まではできますが、環境変数と鍵の管理、構成員の管理、作業場所の設定の変更はできません。

ただし、開発者の役割でも本番のジョブは起動できる点に注意が要ります。委託先のエージェントが、発注側の承認を待たずに本番へ預け入れて動かすことは、役割の上では止まりません。ここは仕組みではなく契約と手順で縛ります。本番への預け入れは自社の承認者が差分を読んでから行う、委託先の作業は試す段までとする、といった線を発注書に書きます。

  • 委託先に作業場所の所有者の役割を渡し、本番の鍵の登録まで任せる
  • 委託先の個人の資格で接続先に入り、契約が終わった後もその資格で取り込みが動き続ける
  • コードが委託先の手元にだけあり、自社の保管場所に差分が残っていない
  • 委託先がどのコーディングエージェントを、どの契約で使っているかを聞いていない
  • 試す段で本物の顧客データを読ませ、委託先のエージェント経由でモデルの提供元に渡っている

四つ目と五つ目は、取り込みに固有の論点です。委託先のエージェントが表の中身を読めば、その数行は委託先が契約しているAIモデルの提供元に渡ります。再委託先としてどのAIの事業者が関わるかを、委託契約の中で開示してもらう必要があります。前の章で触れたライセンスの条項もあるので、公式の道具一式を使うのか、無償のライブラリだけで作るのかも、納品物の条件として決めておきます。

定着させる運用:承認・棚卸し・無人で動くエージェントの扱い

線を引いた後は、それが続く形にします。定着の鍵は、決まりを増やすことではなく、見る場面を定例にすることです。本番に上げる承認は、依頼ごとに一枚(読む範囲・書く表・追記か置き換えか・頻度)と差分をそろえて出す形に固定します。棚卸しは月に一度、動いているパイプラインの一覧を出し、持ち主・使っている鍵・下流の利用者・最後に人が差分を読んだ日の四つが埋まらないものを止める候補にします。

もう一つ決めておきたいのが、無人で動くエージェントの扱いです。dltHub には、予定の時刻や、別のジョブの失敗をきっかけに、人が付かずに動くエージェントのジョブがあり、公開プレビューとして提供されています。公式が例に挙げるのは、失敗したジョブの原因を調べて結果を返す調査役です。エージェントの定義には、手元のファイルと命令の実行、取り込み先のデータ、実行の記録、という三つの領域ごとに、読む・書く・実行するなどの許可を宣言する欄があります。

ここでの線は明快です。無人のエージェントには読む許可だけを与え、データを書く許可と命令を実行する許可は与えないところから始めます。公式の説明でも、実行基盤の上のエージェントのジョブは、既定で読み取り専用の閲覧用の設定で動きます。原因の調査と報告まではAIに任せ、直すかどうか、再実行するかどうかは人が決める。調査の報告には、根拠にした記録の箇所を必ず書かせます。夜中に失敗した取り込みをエージェントが自分で書き直して流し直す、という使い方は、どれほど便利に見えても、承認の線を素通りすることになります。

止め方・やめ方:鍵から先に止める

問題が起きたとき、あるいは使うのをやめるときの順番も、先に決めておきます。急いで止めるときにいちばん確実なのは、処理ではなく鍵を止めることです。接続先の側で取り込み専用の利用者を無効にすれば、どこで動いている処理も読めなくなります。そのために、前の章で述べた「取り込み専用の利用者を作る」ことが効いてきます。個人の資格を使い回していると、止めたい取り込みだけを止められません。

dltHub の実行基盤の側では、定期実行の解除、実行中のジョブの取り消し、作業場所からの構成員の削除、人の操作を介さない接続のための鍵の削除ができます。公式の説明では、構成員の削除と鍵の削除は即時に効きます。順番としては、接続先の鍵を無効にする、定期実行を外す、実行基盤の鍵と構成員を外す、登録した環境変数を消す、の順が漏れにくいでしょう。エージェントが動いていた個人のパソコンに残る検証用の鍵のファイルと、試す段で取り込んだ手元のデータも、忘れずに消します。

やめるときに残るものと残らないものも分けておきます。取り込んだデータは自社のデータ倉庫にあるので、そのまま残ります。dlt で書いた処理のコードは、無償のライブラリの範囲で書かれた部分なら、自社の環境で動かし続けられます。一方、公式の道具一式を使って生成した部分と、有償の変換・品質検査・一部の接続先は、ライセンスの条件上、解約後に同じ形では使い続けられないと考えておくべきです。12か月の最低契約があるため、やめる判断は更新の時期から逆算します。最初の試用の14日間で、やめ方まで一度通しておくと、後の判断が楽になります。

よくある質問

無償の dlt だけで、エージェントに取り込みを書かせることはできますか

できます。dlt は Python のライブラリなので、一般のコーディングエージェントに頼めば処理は書けます。違いは、公式が用意した手順の指示書、鍵を伏せて扱う道具、取り込んだ中身を確かめる道具が付かないことと、動かす場所と監視を自社で用意することです。鍵を会話で尋ねさせない規則は、無償の範囲でも自社の規則ファイルに書けます。

業務部門の担当者に、どこまで許してよいですか

書かせる段までは広く許し、試す段は検証用の鍵を渡せる人に限り、本番で走らせる段はデータ基盤の責任者の承認を条件にする、という三段が目安です。業務部門が自分で頼める利点は、何が欲しいかを本人の言葉で伝えられることにあります。承認の一枚を本人に書いてもらう運用は、その利点を残したまま線を守る方法です。

エージェントが書いた処理の誤りは、誰の責任になりますか

本番に上げることを承認した人と、その仕組みを決めた会社の責任です。エージェントは、もっともらしく動く処理を書きますが、読んでよい範囲や、下流で数字がどう使われるかは知りません。AIに判断させず、根拠を書かせ、人が確認する範囲を先に決める、という順番を外さないことが、責任の所在をはっきりさせます。

日本国内でデータを処理させることはできますか

公式ドキュメントで選べる実行側の地域は、現時点で米国と欧州の二つです。国内で完結させる必要があるなら、無償の dlt を自社の環境や国内のクラウドで動かす形になります。その場合も、エージェントが読んだ内容がAIモデルの提供元に渡る経路は別に残るので、そちらの契約と処理地も確かめてください。

まとめ

dltHub は、無償のデータ取り込みライブラリ dlt と、コーディングエージェントに取り込みを書かせ動かすための有償の基盤からなり、公式の数字でも、エージェントが起点の実行は2026年の半年で大きく伸びています。それでも、判断の中心は「AIか人か」ではありません。書くのをAIに寄せたとき、鍵の持ち主、本番に上げる承認、表の形の固定、社外に出る経路を、誰がどの段で握るかです。

導入するなら、書かせる・試す・本番で走らせるの三段に分け、本番の鍵を個人の手元に置かず、下流が使う表の列と型は固定し、試す段で読ませるデータを絞ってください。有償の基盤を使うなら、ライセンスが道具の使い道を縛ること、月額の段差、地域が後から変えられないこと、来歴の画面がまだ限定プレビューであることを前提に置きます。書く速さはAIに任せ、何を読み、どこへ入れ、いつ止めるかは人が決める。その線を先に引いた会社ほど、取り込みの本数が増えても追える状態を保てます。

※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。

運営会社:株式会社デボノ

目次