【要約】【Next Tokyo 26】BigQuery × Gemini で実現する自律型データ基盤 [Qiita_Trend] | Summary by TechDistill
> Source: Qiita_Trend
Execute Primary Source
// Problem
建設業界の現場監督は、人手不足や業務過多による「2024年問題」に直面している。日中の現場巡回後、夜間に大量の現場写真や手書きメモを自ら目視確認し、翌日の工程を組む作業が大きな負担となっている。
- ・大量の非構造化データ（画像・日報）の目視確認コスト。
- ・ベテランの経験に基づく判断の属人化と暗黙知の消失。
- ・データを蓄積するだけで、次のアクションに繋がらない既存基盤の限界。
// Approach
開発者は、BigQueryのエコシステム内で完結する「パイプラインレス」なアーキテクチャを採用した。複雑な外部ETLやPythonスクリプトを排除し、SQLによる制御を主軸としている。
- ・Step 1: ObjectRefとGeminiを用い、Cloud Storage上の画像をSQLから直接構造化する。
- ・Step 2: VECTOR_SEARCHとSQL JOINを組み合わせ、過去の事故事例や天候データを統合して多角的に推論する。
- ・Step 3: Conversational Analyticsを活用し、人間がAIの提案に対して自然言語で対話・判断を行う。
// Result
この仕組みにより、建設現場における業務効率と安全性の向上が期待できる。AIが夜間に分析を行い、人間は翌朝に最終判断を下すという、効率的な役割分担が可能になる。
- ・夜間のデータ確認および計画策定時間の削減。
- ・過去の知見をベクトル化することによる、組織的なナレッジの標準化。
- ・リスク、天候、過去事例を統合した、精度の高い安全管理の実現。
- ・Gemini in BigQueryによる、SQL生成を用いた開発期間の短縮。
Senior Engineer Insight
> 本構成の真価は、データ移動を最小化する「パイプラインレス」な設計思想にある。SQLに処理を集約したことで、開発コストと運用負荷を劇的に下げられる点は極めて実践的だ。ただし、LLMの呼び出しコスト管理と、生成される計画案の信頼性を担保するガードレール設計が、実戦投入時の鍵となる。スケーラビリティは高いが、コスト効率を考慮したバッチ設計が求められる。