【要約】Autonomous AI Lakehouse × Private Agent Factoryで音楽フェス運営分析 AI Agentを作ってみてみた [Qiita_Trend] | Summary by TechDistill
> Source: Qiita_Trend
Execute Primary Source
// Problem
音楽フェスの運営担当者は、障害発生時に多種多様な形式のデータを横断して調査しなければならない問題に直面している。
- ・データの断片化：CSV、Parquet、JSONL、PDFなど形式が混在。
- ・調査コストの増大：数値データと運用手順書を別々のシステムで確認。
- ・意思決定の遅延：分析結果を現場の改善アクションへ繋げるプロセスが分離。
// Approach
Oracleの技術スタックを用い、データ基盤からAgentの実行環境までを階層的に構築するアプローチを採用した。
- ・データ基盤：Object Storage上のデータをExternal Tableとして定義し、直接参照。
- ・分析レイヤー：Agentが複雑なJoinを回避できるよう、業務ロジックを組み込んだViewを作成。
- ・ハイブリッド検索：Select AIを用い、SQL ToolとRAG Toolを使い分ける。
- ・セキュリティ：Resource Principalによる認証と、最小権限を持つ専用Runtime Userを導入。
- ・Human-in-the-loop：承認プロセスを経て、改善タスクをDBへ登録する仕組みを構築。
// Result
運営担当者に対し、自然言語による高度なインシデント分析と、承認ベースの改善アクション提供を実現した。
- ・分析の統合：SQL（実績）とRAG（手順書）を組み合わせた複合的な回答を実現。
- ・運用の自動化：分析から改善タスク登録までのワークフローを構築。
- ・セキュリティの確保：権限分離により、Agentによる意図しないデータ操作を防止。
Senior Engineer Insight
> 本構成の白眉は、LLMに生のデータを投げず、Viewによって「分析しやすい形」に抽象化している点だ。これにより、LLMのトークン節約とSQL生成精度の向上が両立されている。また、Resource Principalと最小権限ユーザーの採用は、エンタープライズ環境での実運用を強く意識した設計であり、高い信頼性を担保している。スケーラビリティとセキュリティのバランスが極めて高い。