SproAgentのMCPは取得か分析委任か|検収の線を先に引く

「MCPに対応したのなら、いつも使っているAIからそのまま分析を呼び出せるはず」「データを渡すのも分析を任せるのも、つながってしまえば同じことでは」——MCP対応の発表を目にしたマーケ担当や情シスが、最初に抱きやすい受け止めです。国産のCX改善プラットフォームを提供する株式会社Sprocket は、2026年10月27日、AIエージェント群 SproAgent の「データ分析エージェント」をMCPに対応させたと発表しました。ただ、ここで押さえるべきなのは「つながるかどうか」ではありません。本当は、集計した数字だけを返すMCPと、分析の手順と数字の読み方まで含めて返すMCPでは、受け取った側が確かめるべきことがまるで違うという点です。この記事では、二つの型の違い、いま実際に提供されている範囲、外のAIに分析を呼ばせる前に決める権限、そして分析結果を施策に使う前の検収の線を整理します。
カメ先生MCPに対応したと聞くと、データの蛇口が一つ増えただけだと思われがちなんだ。でもこの発表の中身は、分析のやり方ごと呼び出せるようにした、という点にあるんだよ。
カメ子数字を取ってくる道具と、数字を読んで示唆まで返す道具は、別物ということですか。
カメ先生そう。数字だけなら読むのは呼び出した側。分析ごと返ってくるなら、誰が決めた手順で読んだのかを確かめる必要が出てくる。楽になる分、検収の線を先に引いておかないといけないんだ。
カメ子任せる範囲が広いほど、受け取るときの確かめ方を決めておく必要があるんですね。
- SproAgent のデータ分析エージェントは2026年10月27日にMCPへ対応した。ただし最初は Sprocket の製品どうしの連携からで、利用企業が自分のAIから呼ぶ形は「今後検討」と説明されている
- データを返すMCPは読み方を呼び出す側が持ち、分析を任せるMCPは読み方を提供元の手順が持つ。どちらを選ぶかで、確かめる場所と責任の置き方が変わる
- 施策に使う前に、数字・母数・期間・定義の4点と「データと解釈の境目」を必ず添えさせ、採否は人が決める。誰の権限で走るか、何が社外の推論サービスに渡るかも先に確かめる
資料・ホワイトペーパーの制作、手が足りていますか?
営業資料・提案書・ホワイトペーパー・企画書などの制作を、チャットで依頼できるサブスクリプション型の資料制作サービスです。
SproAgent のデータ分析エージェントとは:分析手順を組み込んだ国産のAI
株式会社Sprocket は2014年4月設立、東京都品川区に本社を置く会社で、ウェブ接客やメール配信などの施策を実行する製品、顧客データ基盤、分析ツールを組み合わせた「CX改善プラットフォーム」と、専任コンサルタントによる伴走支援を提供しています。SproAgent はその上に載るAIエージェント群の名前で、2026年4月には商標登録の完了も発表されています。第1弾として2025年7月に提供が始まったのが、今回の主題であるデータ分析エージェントです。
公式の説明では、ウェブサイトの行動データや売上データに日本語で問いかけると、Sprocket が支援の現場で蓄積してきた分析の知識に沿って分析し、結果を返します。製品ページによれば、分析の対象は同社の顧客データ基盤に取り込まれたデータで、初期設定で用意する表はAIが読み取りやすい構造に設計されているといいます。SQLを書けない担当者でも分析を頼める点が売りで、利用者の声として「計算過程がSQLやグラフで見えるので、なぜこの結果になったかが分かる」という評価も紹介されています。
2026年に入ってからの追加は頻繁です。3月には分析の進め方を選ぶ二つのモード、利用企業が自分で編集できる「サービスプロンプト」、管理者による会話ログの閲覧、AIの作業過程の表示を追加し、5月には分析手順を保存して使い回す「分析レシピ」、10月1日にはGA4とGoogleサーチコンソールのデータへの対応が加わりました。10月27日のMCP対応に続き、11月11日にはスライド生成、11月17日には利用者ごとの指示を覚える「わたしのプロンプト」が発表されています。半年の間に、扱えるデータと出力の形が大きく広がった製品だと言えます。
10月27日の発表で変わったこと、まだ変わっていないこと
発表の要点は、データ分析エージェントの対話型の分析機能を、MCP経由で呼び出せるようにしたことです。MCPは、AIエージェントが外部のツールやデータにつながるための標準的な接続方式で、多くのAI製品が採用しています。Sprocket は、管理画面を開かなくても、つないだ先の製品やAIの中で分析を依頼し、結果を受け取れるようになると説明しています。さらに、MCP経由でも管理画面と同じ形式のレポートを受け取れるよう設計した、とも書いています。
一方で、いま提供されている範囲は、発表の見出しから受ける印象より狭いことに注意が要ります。公式発表は、まず Sprocket のプラットフォームを構成する製品どうしの連携から始めるとし、想定する連携先として同社の顧客データ基盤や施策実行の製品を挙げています。利用企業が自社で使っているAI環境への提供は「今後の展開として検討を進める」という書き方で、時期は示されていません。技術的には他社のAIともつながる方式だが、自社のAIから呼べる形はまだ提供されていない、と受け止めるのが正確です。
では、いま何も考えなくてよいかといえば、そうではありません。Sprocket は今後の姿として、人が指示を出さなくてもAI同士が連携し、仮説の立案から施策の実行、結果の分析までを自律的に進める形を描いています。製品の中で分析結果が施策実行の製品へ自動で渡るようになれば、分析の読み違いがそのまま配信やウェブ接客に反映される経路ができます。外のAIから呼べるようになる前に、社内で検収の線を決めておく意味はここにあります。
よくある誤解:MCP対応なら、手元のAIからすぐ分析を呼べる
MCP対応という言葉は、利用者が自分のAIに接続先を一つ書き足せばすぐ使える、という意味で使われることが多いため、今回もそう受け取られがちです。ですが前の節で見たとおり、今回の発表は「呼び出せる技術的な基盤が整った」という段階の話です。社内のAI利用の窓口や情シスが、利用部門から「SproAgent をうちのAIにつなぎたい」と相談を受けたら、まず提供元が利用企業向けにその接続を提供しているかどうかを、契約窓口に確かめるのが先になります。
もう一つの誤解は、MCPでつなげば管理画面とまったく同じ体験になる、というものです。公式発表は率直に、MCPのツール呼び出しで返る結果は一般にテキストやデータで、どう表示されるかは呼び出し側のアプリケーションに左右される、と書いています。提供元はレポートの形式をそろえる工夫をしたと説明していますが、受け取った側のAIが長いレポートを要約し直したり、一部だけを抜き出して答えたりすれば、元のレポートにあった注記や留保が落ちることはありえます。呼び出す側のAIが、もう一段の解釈を加えうるという前提で考えるべきです。
- 発表日・機能・提供範囲は、公式のニュースリリース(2026年10月27日)に基づく。利用企業のAI環境への提供時期は公表されていない
- 使っている言語モデルの名前や処理する地域は、公開資料では確認できなかった。導入時に契約窓口へ確かめる
比較:データを返すMCPと、分析を任せるMCP
Sprocket 自身が発表の中で、自社の対応を「データを取ってくるMCP」ではなく「分析を任せられるMCP」と位置づけています。アクセス解析などの分野では、各社が集計結果を返すMCPを出しており、集計をどう読み、何をすべきかは呼び出した側のAIや人が考える形が多い、という整理です。これに対しデータ分析エージェントは、コンサルティングの現場で繰り返してきた分析手順と数字の読み方の前提を組み込んであり、実際のデータと解釈を分けたうえで、施策につながる示唆まで返す、と説明されています。
どちらが上という話ではありません。二つの型は、読み方の主導権をどこに置くかが違うだけです。表にすると、確かめる場所の違いがはっきりします。
| 観点 | データを返す型 | 分析を任せる型(今回の SproAgent) |
|---|---|---|
| 返ってくるもの | 集計した数字や表 | 数字・解釈・示唆をまとめたレポート |
| 数字の読み方を持つのは | 呼び出した側のAIと人 | 提供元が組み込んだ手順と前提 |
| 指標の定義がそろうか | 呼ぶたびに指定しないとずれる | 手順に固定されているのでそろいやすい |
| 誤りが入りやすい場所 | 呼び出し側の集計条件と解釈 | 手順の前提が自社の事情に合わない場合 |
| 確かめる中身 | 集計条件と、それをどう読んだか | どの手順・前提で読んだかと、データと解釈の境目 |
| 社内で用意するもの | 読む力と、定義の文書 | 前提を書いたプロンプトと、検収の手順 |
表の最後の行が、導入判断の分かれ目です。データを返す型は、読む力を社内に持っていれば自由度が高い一方、担当者が代わると読み方もずれます。分析を任せる型は、読み方がそろう代わりに、その読み方が自社の事業に合っているかを誰かが定期的に確かめる仕事が新しく生まれます。
分析を任せる型の利点:定義と読み方がそろう
10月1日のGA4・サーチコンソール対応の発表には、この型の利点がよく表れています。「先月と比べてどうか」に答えるには、指標の定義と集計方法が前回と同じでなければなりません。汎用のAIに頼む場合、その条件は質問のたびに人が指定することになります。データ分析エージェントは手順として定義と集計方法を持っているため、期間だけを差し替えれば、担当者が代わってもそれまでの数字と並べて見られる、と説明されています。
数字の読み方の前提も、手順の側に入っています。発表では、サーチコンソールの検索キーワードはプライバシー保護のため一部がレポートに含まれず、キーワードごとの数字を足しても検索流入の全体にならない、という性質を例に挙げています。そのため件数を数える分析はページ単位で行い、キーワードは「どんな言葉で探されているか」を知る材料として扱う、正確に出せない数字はその理由と代わりに出せる形をあわせて示す、という設計だといいます。汎用のAIが前提を知らずに断定しがちな箇所を、手順で先回りして止める考え方で、BtoBのように流入の母数が小さいサイトほど効いてきます。
5月に加わった「分析レシピ」も同じ方向です。購入の2回目への転換やLTV、RFMといった定型の分析を「共通のレシピ」として用意し、自社固有の指標定義や絞り込み条件は「わたしのレシピ」として保存して、日付を変えるだけで再実行できるようにしています。分析の手順が特定の担当者の頭の中にしかなく、異動や退職で失われる、という課題への答えとして説明されています。
分析を任せる型の弱点:前提が合わないときに気づきにくい
裏を返すと、組み込まれた手順の前提が自社の事業に合っていない場合、出てくる結論はもっともらしいまま外れます。発表で示されている分析手順は、通販や会員制サービスのように購入や申し込みがサイト上で完結する事業で磨かれてきたものだと読めます。BtoBのように、資料請求のあと営業が電話をかけ、数か月後に別の経路で受注する事業では、サイト上の成果をどこで区切るかの前提が違います。手順がそろっていることと、手順が自社に合っていることは別の話です。
もう一つの弱点は、呼び出しが二段になることです。将来、利用企業のAIからMCPで呼べるようになった場合、まず手元のAIが問いを言い換えてデータ分析エージェントに渡し、返ってきたレポートを手元のAIがもう一度まとめて人に見せる、という流れになります。最初の言い換えで期間や対象がずれる、最後のまとめで留保が落ちる、という二か所で意味が変わりえます。呼んだ問いと返ってきたレポートの原文を、両方とも残しておく運用にしておかないと、後から何が起きたかをたどれません。
- 手元のAIの要約だけを読んで、データ分析エージェントのレポート原文を開かずに施策を決める
- 通販向けに磨かれた手順を、受注までが長いBtoBの商談にそのまま当てはめる
- 「分析手順が組み込まれている」ことを理由に、自社側の定義の文書を作らない
- 管理画面で出た数字と、MCP経由で返った数字を突き合わせずに報告資料へ使う
どちらの型を選ぶかの判断軸
選び方を一言でいえば、読む力を社内に持っているか、そろった読み方を買いたいか、です。社内に計測の定義を書ける人がいて、GA4や顧客データを自分たちの基準で読みたいなら、データを返す型を自社のAIにつなぎ、読み方は社内の文書で管理するほうが筋が通ります。反対に、分析の依頼が特定の人に滞り、担当者ごとに数字の出し方がばらついているなら、手順ごと任せる型の価値が大きくなります。
両方を使い分ける会社もあるはずです。たとえば、週次のサイトの状態確認や月次の定型レポートのように、比べ方が決まっている分析は手順込みの型に任せ、新しい施策の効果を測るような一度きりの分析は、データを返す型で社内の担当者が読み方から組み立てる、という分け方です。どちらにしても、誰が読み方に責任を持つかを、分析の種類ごとに書き分けておくことが判断の中心になります。
- 分析の依頼が特定の担当者に滞っているか(滞っているなら手順込みの型が効きやすい)
- 指標の定義を書いた社内文書があるか(なければ、どちらの型でも先に作る)
- 受注までの経路がサイトの外に長く伸びる事業か(伸びるなら、手順の前提を自社向けに直す工数を見込む)
- 分析結果をそのまま施策実行の製品に流したいか(流すなら、検収の線を先に決める)
誰の権限で分析が走るか:閲覧ユーザーの追加と会話ログ
外部のAIに分析を呼ばせる前に、まず今の時点で、データ分析エージェントがどの権限でデータを見ているかを把握しておく必要があります。GA4とサーチコンソールへの対応では、Sprocket が発行する専用のメールアドレスを、自社のGA4とサーチコンソールの管理画面で「データを閲覧できるユーザー」として追加する、という手順が案内されています。つまり、提供元の専用アカウントに、自社の計測データの閲覧権限を渡す形です。
この権限は、付けた人が誰で、いつ外すのかを台帳に残しておくべき種類のものです。GA4のプロパティが複数ある会社では、どのプロパティに付けたかも記録します。閲覧権限であっても、サイトの全ページの流入や検索の言葉、コンバージョンの数字はすべて見えます。契約を終えるときや、試用だけで終わったときに外し忘れると、使っていない外部アカウントが計測データを見られる状態が残ります。
社内の側では、3月の機能拡充で管理者が会話ログを閲覧し、サービスごとの利用状況を確認できるようになっています。これは利用促進のための機能として説明されていますが、検収の観点でも使えます。どの担当者が、どんな問いを投げ、どんなレポートを受け取って施策にしたかを後からたどれるからです。MCP経由の呼び出しが広がったとき、その呼び出しがこのログにどう残るかは、公開資料では確かめられませんでした。導入時に確認したい項目の一つです。
何が社外に出るか:契約者データと推論サービス
Sprocket は「AI利用に関する基本方針および同意事項」(2025年7月16日制定)を公開しています。ここでは、利用企業が持つ属性・購買などのデータを「契約者データ」と呼び、個人を特定できないデータとして定義したうえで、利用目的を、サービスの提供と改善、AIシステムの品質維持と不具合修正、新しいAIシステムの研究と作成、不正の監視とセキュリティ確保の四つと定めています。契約者データが他の利用企業に提供されることはない、とも書かれています。
外部の推論サービスについては、同社が使うAIモデルや第三者の推論サービスに契約者データが入力されること、その提供者が「学習に使わない」「サービス提供に不要な目的に使わない」と明言しているものだけを使うこと、条件が満たされなくなれば速やかに利用を止めることが書かれています。同社自身も契約者データをモデルの学習に使わない、としています。ただし、どの事業者のどのモデルを使っているか、処理する地域はどこかは、公開資料では確認できませんでした。法務と情シスは、委託先の一覧と処理地域を契約の段階で書面で受け取るのが確実です。
見落としやすいのは、学習に使わないことと、提供元のサービス改善や新しいAIシステムの研究に使われることは別だ、という点です。方針はこの二つを分けて書いています。また、生成物の正確性や有用性は保証しないこと、生成物の利用に関する判断とその結果の責任は利用企業が負うことも明記されています。分析結果をどう使うかの責任は、最初から利用企業の側にあるという前提で、検収の線を引くことになります。
サービスプロンプトとわたしのプロンプト:前提を誰が書くか
データ分析エージェントは、二種類の指示を組み合わせて動くと説明されています。すべての利用企業に共通する基本の振る舞いと Sprocket の知識が入った「システムプロンプト」と、企業や商品、サービスに固有の指示や情報を書く「サービスプロンプト」です。3月からは、サービスプロンプトを利用企業の担当者が直接編集できるようになりました。事業の課題やコンバージョンの定義といった組織共通の前提は、ここに書きます。
11月17日に加わった「わたしのプロンプト」は、その上に重なる利用者ごとの指示です。出力の形式や本人の役割、よく使う分析の前提を書いておくと、その利用者のすべての会話に反映され、他の利用者には影響しません。分析の途中で同じ指示が繰り返されるとAIが「今後もこの形式にしますか」と確認し、承認すると登録される、という仕組みです。本人が意図しない前提が知らないうちに混ざることを防ぐため、承認を挟んでいると説明されています。
便利な一方で、検収の観点では気をつける点があります。集計から除く条件やKPIの定義のような数字を変える前提が、個人の指示として固定されうることです。同じ問いでも、担当者によって除外条件が違えば数字が変わります。数字を変える前提は組織のサービスプロンプトにだけ書き、個人の指示には出力の形だけを書く、という線を運用ルールにしておくと、担当者間の数字のずれを防げます。サービスプロンプトを編集できる人を絞り、変更した日と理由を残すことも同じ理由で必要です。
検収の線:数字・母数・期間・定義の4点を添えさせる
分析結果を施策に使う前に、何がそろっていれば受け取るかを決めておくのが検収の線です。データ分析エージェントは、取得した数値と、そこから考えられる原因を分けて書く設計だと説明されています。検収ではこの性質を前提に、レポートのどこまでが実際のデータで、どこからが解釈かを人が指させる状態になっているかを最初に見ます。そのうえで、次の手順で確かめます。
何を知りたくて、どの期間・どの対象について、何と比べて聞いたのかを、問いの原文として記録します。将来、外のAIから呼ぶ場合は、手元のAIが言い換えた後の問いも残します。
数字、母数(訪問数・回答数・顧客数)、期間、指標の定義の4点がレポートに書かれているかを確かめます。欠けていれば、追加の問いで出させてから先に進みます。
「〜が増えた」は事実、「〜だから増えた」は解釈です。解釈の部分には、代わりに考えられる説明がほかにないかを担当者が一つ以上書き足します。
主要な数字を一つ選び、GA4や顧客データ基盤の画面で同じ条件の値と突き合わせます。ずれたら、定義か期間の違いを特定するまで施策に使いません。
示唆を施策にするかどうかは担当者と責任者が決め、採った理由と見送った理由を残します。AIのレポートは根拠資料として添えるにとどめます。
母数を必ず見るのは、BtoBのサイトでは条件を絞ると数十件の話になりやすいからです。数十件の差は偶然でも簡単に生まれます。母数が小さいときは、示唆を「仮説」として扱い、施策ではなく検証の計画にするという扱いを、検収の線の中に書いておきます。
施策に使う前の検算:導入事例に見る照合のしかた
10月29日に公開された公益社団法人島根県観光連盟の事例は、検収の線を考えるうえで参考になります。同連盟は、首都圏から県西部の石見エリアへの誘客にあたり、旅行のきっかけとなる状況ごとに、選ばれる伸びしろをデータ分析エージェントで試算しました。規模、エリアとの適合度、費用の許容度、想起の伸びしろ、競合する観光地との比較など8つの変数でスコアをつけた、と説明されています。
注目したいのは使い方です。同連盟は導入前の試用期間中に、AIが出した数字をGA4の数値と照合し、感覚的におかしな出力がないかを確かめたうえで本導入を決めています。また、回答数が最も多かった「疲れやストレスからのリセット」というきっかけは、費用や時間への許容度が低く、遠方のエリアは選ばれにくい可能性が見えたため対象から外しました。そのうえでスコアは議論の材料とし、最終的な優先順位は関係者の議論で決めていると書かれています。
事例ではウェブサイトまわりの施策で、分析から効果検証までの工数が約半分になったとされています。ただ、これは「AIの結論をそのまま採ったから」ではなく、照合と議論の工程を残したうえでの数字として読むべきです。自社で導入するときも、試用の段階で主要な数字を元の画面と突き合わせる期間を計画に入れ、ずれがどの程度あったかを記録しておくと、本導入の判断材料になります。
AIに判断させないことを、先に書き出す
分析を手順ごと任せられるようになると、どこまでをAIに委ねてよいかの線が曖昧になりがちです。Sprocket 自身も、利用者の声として「AIの特性を理解し、適切に検証できる人ほど大きな恩恵を受けられる」というコメントを製品ページに載せています。道具の側がいくら手順を整えても、最後の判断は人に残る、というのが提供元も含めた共通の前提だと読めます。
社内で書き出しておきたいのは、次のような項目です。どれも、データ分析エージェントのレポートを根拠資料として使うことは構いませんが、結論そのものをAIに出させてはいけない判断です。判断の主語が人であることを、ルールの文面で明示しておくと、忙しい時期に「AIがそう言っているから」で施策が決まる事態を防げます。
- 予算の配分や、施策をやめる・続けるの最終判断
- 特定の顧客層を配信やウェブ接客の対象から外す判断(公平性と説明の責任が伴う)
- 経営会議や取引先に出す数字の確定(必ず元の画面で検算した値を使う)
- 因果の断定(「この変更で成約が増えた」と言い切るかどうか)
- 分析結果を施策実行の製品へ自動で流す設定を有効にするかどうか
最後の項目は、いまはまだ将来の話です。ただ、提供元が描くAI同士の自律的な連携が実現したとき、最初に決めるべきなのはこの線です。分析から実行への自動の受け渡しは、人が承認する段を一つ挟むことを、導入時点の規程に書いておくと迷いません。
費用の増え方と、止め方・やめ方
料金について、公式サイトのよくある質問は、課題やニーズに合わせて最適なプランを提案するとしており、公開された価格表はありません。11月のスライド生成と「わたしのプロンプト」は、利用中の企業は追加費用なく使えると発表されています。MCP経由の呼び出しが、管理画面での利用と同じ扱いになるのか、呼び出しの量で費用が変わるのかは、公開資料では確認できませんでした。外のAIから自動で呼ぶ形が提供されたときには、呼び出しの回数と費用の関係を契約前に必ず確かめます。
止め方の参考になるのが、同社が10月に出したお知らせです。PHPの脆弱性への対応として、メール配信とメッセージアプリ向け配信の製品が10月21日夜から24日未明まで停止しました。再開後、停止前に設定されていた予約配信とシナリオ配信は止めたままにし、データが正しく連携されたことを確認してから再開してもらう、と案内しています。これは分析エージェントの話ではありませんが、自動でつながった仕組みは、止めた後に一括で戻さず、つながりを確かめてから順に再開するという考え方は、MCPで分析と施策がつながったときにもそのまま使えます。
やめ方については、方針の文書が、契約者データは契約期間中または利用目的に必要な期間保持し、各利用規約に従って削除すると定めています。一方で、プロンプトやナレッジなどの知的財産権は同社に帰属するとも書かれています。自社で書いたサービスプロンプトや保存した分析レシピを、解約時にどの形で持ち帰れるかは公開資料では分かりませんでした。手順や定義は、製品の外にも社内文書として控えを持つことで、乗り換えや解約のときに分析のやり方ごと失うことを防げます。
導入前に埋めるチェックリスト
ここまでの論点を、マーケ・情シス・法務の担当ごとに、導入の判断前に確かめる項目として並べます。よくある質問の形にせず、埋まっていない項目が残ったら判断を保留する、という使い方を想定しています。
- 指標の定義(コンバージョン、除外条件、比べる期間)を社内文書にしてあるか
- 数字を変える前提はサービスプロンプトに、出力の形だけを個人の指示に、という線を決めたか
- 検収の4点(数字・母数・期間・定義)と、元の画面での検算を誰がするか決めたか
- 受注までがサイトの外に伸びる商材で、手順の前提を自社向けに直す必要があるか確かめたか
- GA4・サーチコンソールに追加する専用アカウントを台帳に載せ、外す時期を決めたか
- 管理者として会話ログを見る人と、見る頻度を決めたか
- MCP経由の呼び出しがログにどう残るか、利用企業のAIからの接続がいつ・どの条件で提供されるかを窓口に確かめたか
- 分析から施策実行への自動の受け渡しに、人の承認を挟む設定ができるか確かめたか
- 利用している推論サービスの提供者と処理地域を、書面で受け取ったか
- 契約者データのサービス改善・研究への利用を、自社の規程として許容できるか判断したか
- 解約時のデータ削除と、自社で書いたプロンプト・レシピの持ち帰りの扱いを確かめたか
- 生成物の責任が利用企業にあることを、社内の利用ルールに反映したか
ミニ用語解説:この記事で使った言葉
MCP:AIエージェントが外部のツールやデータにつながるための標準的な接続方式。つながる仕組みを定めるもので、何が返ってくるか(数字か、分析済みのレポートか)は接続先の作り次第です。サービスプロンプト:データ分析エージェントで、利用企業ごとの前提(事業の課題、コンバージョンの定義、設問の意味など)を書く指示。2026年3月から利用企業の担当者が編集できます。
わたしのプロンプト:2026年11月に加わった、利用者ごとの指示。出力の形式や本人の役割を覚え、その人の会話にだけ反映されます。分析レシピ:分析の手順を保存して使い回す機能。提供元が用意する共通のレシピと、自社の定義を保存するわたしのレシピの2種類があります。
検収:この記事では、AIが返した分析結果を施策に使ってよいかを、決めた基準に照らして人が確かめる工程を指します。データと解釈の境目、数字・母数・期間・定義の4点、元の画面での検算、採否の記録までを含みます。契約者データ:Sprocket の方針文書での呼び方で、利用企業が持つ属性・購買などのデータのうち個人を特定できないもの、と定義されています。
まとめ
SproAgent のデータ分析エージェントは、2026年10月27日にMCPへ対応し、分析の手順と数字の読み方ごと呼び出せる「分析を任せる型」の接続を打ち出しました。ただし現時点の提供範囲は Sprocket の製品どうしの連携からで、利用企業が自分のAIから呼ぶ形は今後の検討とされています。データを返す型か、分析を任せる型かの違いは、読み方の主導権をどこに置くかの違いです。任せる型を選ぶなら、手順の前提が自社に合っているかを確かめる役割、数字を変える前提を組織の指示にだけ書く線、数字・母数・期間・定義を添えさせて元の画面で検算する検収の手順、そして採否と自動の受け渡しを人が決めるルールを、外のAIから呼べるようになる前に整えておくことが、導入の成否を分けます。
※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。
資料・ホワイトペーパーの制作、手が足りていますか?
営業資料・提案書・ホワイトペーパー・企画書などの制作を、チャットで依頼できるサブスクリプション型の資料制作サービスです。
