「SQLの中でAIが使える」って、実務で何が変わるのか。BigQuery AI関数テンプレート15本をまとめました

はじめに

「AIで分析したい」と思ったとき、多くの人がまず考えるのは、データをどこか別のツールに持っていくことです。でもBigQueryには、SQLの中でAIを呼べる「AI関数」があります。AI.GENERATEで文章を生成したり、AI.CLASSIFYで分類したり、AI.FORECASTで予測したり。データを外に出さず、慣れたSQLの延長で試せるのが一番の利点です。

AI関数で書ける4つのこと

1つ目は生成（AI.GENERATE）です。レビューや問い合わせ文の要約、定型文の下書きといった、文章を作る作業に使えます。

2つ目は分類・判定（AI.CLASSIFY）です。問い合わせの振り分けや、レビューのポジティブ・ネガティブ判定のように、「これはどれに当たるか」を決める作業です。

3つ目は構造化・埋め込み（AI.EMBED）です。文章を数値に変換して、類似検索やレコメンドの下地にできます。

4つ目は予測（AI.FORECAST）です。売上やアクセス数の先行きを、SQLだけで試算できます。

気をつけたい2つのこと

まず、AI関数の出力は非決定的で、同じSQLでも毎回まったく同じ答えが返るとは限りません。だから精度の検証SQLをセットで用意するのが、実務での作法です。

もう一つは料金です。AI関数の実行料金（BigQueryのスキャン料金とAIモデルのトークン料金）は、ご自身のGoogle Cloudプロジェクトに課金されます。少量のデータで試してから広げるのが安全です。

収録している15本について

全体は5章構成です。第1章「準備・生成編」（3本）、第2章「分類・判定編」（3本）、第3章「構造化・埋め込み編」（5本）、第4章「予測・運用編」（3本）、第5章「移行編」（1本）。プロジェクトIDやモデル名は {{}} のプレースホルダに置換済みで、コピペしてすぐ試せます。

コスト監視と精度検証のSQLも収録しました。「AI関数の暴走」と「精度不明」を防ぐためのものです。旧世代のML.GENERATE_TEXTからAI関数への移行パターンも1本入れています。

こんな方に向いています／向いていない方もいます

向いているのは、BigQueryでAI関数を使い始めたい方、分類や要約をSQLの中で完結させたい方です。

向いていない方もいます。BigQuery自体が初めての方には、基本操作の入門書ではないので合いません。また実行結果や精度の保証が欲しい方にも合いません。AIの出力は非決定的で、精度は保証されません。

おわりに

SQLの中でAIを試すところから始めたい方は、この記事の下に表示されている『BigQuery AI関数 実践SQLテンプレート集』をのぞいてみてください。まずは分類の1本から試すのが入りやすいと思います。