本文へスキップ
hdknr blog

AI-ready データ設計

LLM に算術をさせず、検索・集計条件の指定だけを任せるデータ公開の設計パターン

概要

自社データを LLM につなぐときの設計パターン。LLM には検索・集計の「条件指定」だけを任せ、算術はサーバー側で実行する。 デジタル庁が公開した行政手続データ(約75,000件)の MCP サーバー実装がこの形を採っている。

中核となる原則

LLM に算術をさせない

LLM は自然言語から「何を集計したいか」を読み取るのは得意だが、数値計算そのものは不確実。役割を分ける。

この分離により、出力の数値がハルシネーションで変わることがなくなる。

意味定義を構造化して持つ

dataset.yaml のような形でカラムの意味・単位・取りうる値を定義し、LLM がスキーマを推測しなくて済むようにする。セマンティックレイヤーに相当し、用語・同義語・関係まで広げたものがオントロジー。

ファジーマッチの適用範囲を絞る

曖昧一致は便利だが、適用範囲を限定しないと誤った行を拾う。どのフィールドに対して許すかを明示的に決める。

列指向フォーマットを使う

Parquet を採用することで、集計クエリのスキャン量を抑える。

データ基盤側の守りと組み合わせる

レイクハウスを土台に AI エージェントへ社内データを分析させる場合、「意味」はこの設計パターンが受け持ち、ほかに「費用・権限・取り消し」の守りを重ねる(レイクハウスを参照)。意味の層では dbt Semantic Layer のようなセマンティックレイヤーで「売上」などの指標を定義し、エージェントには指標名と集計の切り口だけを選ばせる。dbt の MCP サーバーは list_metrics・query_metrics といったツールでこれを提供する。エージェントが誤るのは SQL の文法より「売上は税込か、返品を引くか」といった列や指標の意味である。

間違えると困るものは LLM に作らせない

PKSHA の AI ネイティブなデータ分析基盤は、同じ原則を MCP サーバーの設計に広げた。チャートやダッシュボードの URL、コンパイル済み SQL は LLM に自作させずツールが必ず返し、PII テーブルを参照するクエリには行の値を返さず件数と URL だけを返す。「AI が間違えたらプロンプトを直す」ではなく「間違えようのないツールにする」発想(AI ネイティブなデータ分析基盤)。

権限と計算の正本はアプリに残す

業務システムにデータ照会チャットボットを組み込むときも同じで、LLM の担当は「どの照会ツールをどの引数で呼ぶか」に絞り、行単位の権限と帳票の計算はテスト済みの既存コードに任せる。SQL を生成させる Text-to-SQL は、全社データを見てよい役割にだけ開放する。

転用のポイント

自社データを AI につなぐ際、まず「LLM に何をさせないか」を決めるところから始める。検索インターフェースを提供するのであって、計算エンジンを LLM に肩代わりさせるのではない。

関連ページ

ソース記事