AIにおけるセマンティクスの真価を引き出す：メルセデス・ベンツ・コリアが信頼性の高い「Talk to Data」を大規模に構築した方法

「Talk to Data（データとの対話）」は、あらゆる業界で急速に重要な機能になりつつあり、これをエンタープライズ品質で提供するには、強力なセマンティック基盤が必要です。AIが複雑なスキーマ、レポート固有のKPIロジック、またはバラバラのダッシュボードから推測するのではなく、明確にガバナンスが効いたビジネスロジックを利用できるときに、回答の信頼性は最も高くなります。一貫したKPI定義、整合性の取れたビジネスロジック、明確に定義された結合と集計こそが、経営陣が必要とする説明可能な回答を提供するものです。

Mercedes-Benz KoreaとDatabricksは、この課題に共同で取り組みました。Mercedes-Benz Koreaは、「Talk to Data」を単なるチャットボットプロジェクトとして扱うのではなく、既存のアナリティクス基盤を拡張し、エンタープライズAI向けのガバナンスが効いたセマンティックレイヤーを構築しました。BIとAIの両方を強化できるセマンティクスを実現するため、Mercedes-Benz KoreaはPower BIに加えて、Unity Catalog Business SemanticsでもKPIロジックを利用できるようにしました。Databricks Data Intelligence Platform上のMetric Views、Genie、およびAgent Bricksを活用し、Mercedes-Benz Koreaはデータ、セマンティクス、自律型AI（agentic AI）のための統合アーキテクチャを試験的に導入しました。韓国でのパイロットプロジェクトから得られた知見は、Mercedes-Benzの他の市場におけるリファレンスとして役立ちます。

Mercedes-Benz Koreaが「Talk to Data」で描くビジョン：BIとAIのための統合セマンティクス

Mercedes-Benzは、高級ラグジュアリー自動車セグメントにおけるマーケットリーダーであり、データ駆動型で市場に特化した意思決定を常に優先するグローバルな販売ネットワークを運営しています。この優先事項をさらにサポートするために検討されている機能の1つが、「Talk to Data」セルフサービスアナリティクスです。

Mercedes-Benz Koreaは、成熟したデータ基盤を擁しています。Mercedes-Benz Koreaは時間をかけて、Databricks上のLakehouseとUnity Catalogに、ゴールドレイヤーのレポートデータ、マスターKPIカタログ、および共有定義を確立しました。この基盤は、販売、製品、マーケティング、カスタマーサービス、財務などのビジネスドメインにわたる500以上のKPIをカバーし、BIレポート、自動化、その他のデータプロダクトにおける唯一の真実のソース（single source of truth）として機能しています。この基盤があったからこそ、Mercedes-Benz Koreaは「Talk to Data」アプローチのパイロット導入先に選ばれました。

同時に、Mercedes-Benz Koreaにおけるビジネスセマンティクスの大部分はPower BIで定義されていました。AIユースケースへの準備の一環として、これらの定義はLakehouse内のオープンでAI対応のセマンティックレイヤーによって補完されました。

Mercedes-Benz Koreaが「Talk to Data」で目指したより広いビジョンは、一貫したビジネス定義のセットに基づいて、レポート作成、セルフサービスアナリティクス、およびAI体験をサポートできる、エンタープライズの意思決定のための統合され、AIに対応し、ガバナンスの効いたセマンティック基盤を確立することでした。このビジョンに沿って、Mercedes-Benz Koreaは「Talk to Data」をPower BIからの移行として捉えるのではなく、次の3つの主要な目標を追求しました。

• AI向けの一貫したコンテキスト：ビジネスロジックとKPIは、レポート用のPower BIのDAX言語と、AIがすぐに利用できるLakehouse内の厳選されたシルバーおよびゴールドテーブルという2つのレイヤーですでに定義されていました。次のステップは、セマンティックコンテキストをBIレポートからUnity Catalogに移行し、Lakehouse内の既存のデータプロダクトを強化することです。これにより、Genieやその他のAIエージェントがすべてのKPI定義に1箇所からアクセスできるようになり、たとえば「車種別の今月累計（MTD）の総小売売上高は？」といった同じ質問に対して、異なるAI体験の間でも一貫した回答が得られるようになります。
• 自律型AI（agentic AI）へと進化するアーキテクチャ：Mercedes-Benz Koreaは、データエンジニアリングとウェアハウジングにDatabricksを、セマンティックモデリングとレポート作成にPower BIを組み合わせた、成熟したBIスタックを擁しています。この進化における次のステップは、BIレポートのビジネスロジックに基づいた、統合されたAI対応のセマンティックレイヤーでこれを拡張し、下流のBIツールとAIエージェントが同じガバナンスの効いたKPIに基づいて動作できるようにすることです。
• レポートユーザーからペルソナベースのエージェントへ：既存のデータインフラの一部として、テーブルおよびレポートレベルでのエンドユーザー向けのガバナンスはすでに整っていました。次のステップは、そのガバナンスをUnity Catalogにおけるペルソナベースのアクセス制御とペルソナエージェントのオーケストレーションルールに拡張し、CFOやSales VPなどのロールが、基盤となるビジネスセマンティクスを変更することなく、それぞれのドメインに合わせたエージェント体験を得られるようにすることです。

これらの原則に従うことで、将来のAIツールとBIツールが同じ検証済みのビジネスロジックを利用できるようになります。これは、エンタープライズでの利用に求められる一貫性、説明可能性、および回答の品質向上に貢献します。

データ、セマンティクス、AIのための統合アーキテクチャ

AI対応のセマンティクスを実現するため、Mercedes-Benz KoreaはDatabricks Data Intelligence Platform上の統合アーキテクチャで「Talk to Data」を実装し、信頼できるAIの大規模な運用を可能にしました。

このソリューションは、Databricksのさまざまな機能が連携することで成り立っています。

1. LakeflowとLakehouseが、さまざまなソースシステムからエンタープライズデータを取り込み、BIおよびAIのワークロード向けに準備します。
2. Unity Catalog business semanticsがKPIの唯一の真実のソースとして機能し、Power BIのDAXメジャーをメトリックビューに変換します。ソース、結合、メジャー、ディメンション、コメント、同義語（シノニム）がすべてデータと並んで存在し、基盤となるテーブルと同じ権限によって管理されます。
3. Genie spacesにより、ビジネスチームはデータと「対話」することができます。Genie spacesはビジネスドメインごとに整理されており、それぞれが厳選されたメトリックビューのセットによって支えられています。メトリックビュー内のKPIはゴールドレイヤーのデータの上に直接定義されているため、Genieは正しい回答を導き出すために推測や複雑な結合を行う必要がなく、回答の速度と精度の両方が向上します。
4. Agent Bricksは、複数のGenie spacesの上にペルソナベースのエージェントを構成するため、CFO、Sales VP、マーケティング責任者はそれぞれ、自身のロールに合わせて調整された「Talk to Data」体験を得ることができます。
5. Databricks Appsは、構成されたエージェント向けにカスタムフロントエンド、外部サービスへの接続、その他の拡張機能を提供し、メモリと状態はLakebaseに保存されます。

このパイロットプロジェクトの前は、レポートデータはHiveメタストアに保存されており、「Talk to Data」はPower BIレポート内のレポート中心のセマンティクスに基づく他のAIソリューションで検討されていました。その構成では、BIとAIのセマンティックコンテキストが複数のコンポーネントに分散していたため、AIレイヤーがユーザーやワークロード間で一貫してセマンティクスを捉えることが困難でした。また、KPIに対するペルソナベースのアクセス制御もまだ利用できず、他のAIソリューションでは、Unity Catalog内のガバナンスが効いたKPIレイヤー上で直接動作するGenieよりも、より明示的なガイダンスやプロンプト調整が必要でした。

Databricks上でこのアーキテクチャを採用することは、ビジネスユーザー向けの合理化された「Talk to Data」体験の基盤となります。

パイロットの加速：自動化されたDAX-to-Metric-Viewトランスパイラ

Power BIのDAXのビジネスロジックをUnity Catalogのメトリックビューでも利用できるようにすることは、オープンなセマンティックレイヤーを構築する上での重要なステップでした。Mercedes-Benz Koreaでは500以上のKPIがDAXで定義されていたため、効率的で標準化されたアプローチが必要でした。これをサポートするため、DatabricksはMercedes-Benz Koreaチーム向けに、自動化されたDAX-to-Metric-Viewトランスパイラを構築しました。

このトランスパイラは、Power BIのDAXメジャーをデプロイ可能なDatabricksのメトリックビューに変換するパイプラインとして実行されます。これは以下の処理を行います。

• Power BIのセマンティックモデルを解析し、すべてのDAXメジャーを抽出します。
• Power BIのセマンティックモデルから抽出された各メジャーについて、ファクトテーブル、ディメンションテーブル、結合関係、結合キーなどのメタデータカタログを作成します。
• 各メジャーのソーステーブルを、Unity Catalog内の対応するテーブルにマッピングします。
• 下書きのメトリックビュー定義（ソース、結合、ディメンション、メジャー）を生成し、DAXセマンティクスをメトリックビューのメジャーと、メトリックビューを作成するすぐに実行可能なSQLステートメントに変換します。
• 行コンテキストの操作など、複雑なDAX固有の機能を含む、通常は自動化できないメジャーにフラグを立てて、手動レビューに回します。
• メトリックビューをコンパイルする前に、構文と集計ロジックを検証します。

パイプラインが完了すると、自動化できない DAX メジャー変換の変換統計、ギャップ、および修復戦略を含む評価レポートが作成されます。

この出力は、自動化可能な DAX メジャー向けにすぐに使用できるメトリックビューを提供し、セマンティック移行における何百時間もの手作業を削減する強力な出発点となります。そこから、チームは対応する Power BI レポートに対して各メジャーを検証し、自然言語入力からメトリックビューの定義を洗練および最適化する Genie Code を使用して反復処理を行います。

このトランスパイラで初期の成功を収めた後、Databricks はこれらの機能を Power BI 移行用の新しい Genie Code スキルに組み込みました。これは現在プライベートプレビュー中であり、追加のツールなしで Genie Code 内から直接アクセスでき、メルセデス・ベンツでのさらなる展開をサポートしています。

信頼できる、AI 対応のセマンティクスの構築

メルセデス・ベンツ・コリアの「Talk to Data」のビジネスユーザーにとって、回答の品質は最優先事項です。KPI をメトリックビューとして Genie スペースにオンボーディングすることは重要なステップですが、それだけではエージェント型 AI からの信頼できる回答は保証されません。メトリックビューが AI 対応になるのは、Genie の応答が検証されて初めてです。メルセデス・ベンツ・コリアの社内目標は、Genie の回答を対応する Power BI レポートと完全に一致させること、つまり対象となるすべての KPI で 100% 一致させることです。

パイロット期間中、メルセデス・ベンツ・コリアと Databricks は、エージェントのメタデータやベンチマークの使用など、メトリックビューと Genie スペースのキュレーション、統合、最適化に関するベストプラクティスを共同で文書化しました。これらのプラクティスは、AI 対応のビジネスセマンティクスと、企業データを利用するビジネスチームへの一貫した回答をサポートします。

パイロット中に文書化された反復的な 5 段階のプロセスに従い、メルセデス・ベンツ・コリアは、ビジネスユーザーが信頼できる AI 対応のビジネスセマンティクスを Databricks Data Intelligence Platform 上に構築しました。Databricks は、このプロセスを自動化するアプリソリューションも開発中であり、メルセデス・ベンツは今後の展開にこれを活用できます。

フェーズ 1：準備。オンボードする KPI を選択し、それぞれを Unity Catalog 内のソーステーブルにマッピングします。Power BI のセマンティック移行の場合は、関連する DAX メジャーとセマンティックモデルを特定します。このフェーズで、スコープと信頼できる唯一の情報源（source of truth）を確立します。

フェーズ 2：セマンティックレイヤーの構築。データソース、ディメンション、メジャー、コメント、エージェントメタデータを含む Unity Catalog メトリックビューを作成します。次の KPI を追加する前に、各 KPI を個別に検証します。複数のファクトテーブルにまたがる KPI の場合は、まずベースビューを構築し、その上にメトリックビューを重ねます。メトリックビュー、ディメンション、メジャーのレベルで常に説明を追加してください。Genie はこれら 3 つすべてを推論に使用します。

フェーズ 3：レポートごとではなく、ドメインごとに整理。ビジネスドメイン（例："マーケティング"）を中心に Genie スペースを構成し、サブドメイン内の KPI グループ（例："オンラインマーケティングコンバージョンメトリクス"）を中心にメトリックビューを構成します。各 Genie スペースを 30 個の Unity Catalog アイテムに制限し、マルチエージェントシステムが質問を正しくルーティングできるように、常にスペースの説明を含めます。

フェーズ 4：段階的なテスト。メジャーを段階的にオンボードします。サンプル質問を使用してそれぞれを検証します。検証済みのクエリをサンプル SQL として保存します。次に、回答の正確性を体系的に測定するために使用される、各質問の表現のバリエーションとグラウンドトゥルース SQL をペアにしたベンチマークを構築します。プロンプトマッチングをオンにして、Genie がユーザーの言語を実際のデータ値にマッピングできるようにします。

フェーズ 5：検証とリリース。変更を加えるたびに回帰テストを実行します。以前合格したベンチマークが不合格になった場合、直近の追加が原因である可能性が最も高いです。安定したら、少数のビジネスユーザーのグループにリリースして、実際のフィードバックを得ます。「モニター」タブを使用して、すべてのユーザーフィードバックを 1 か所で追跡、確認、対処します。回帰テストの失敗とユーザーフィードバックの両方が、フェーズ 4 に直接フィードバックされます。

出力は、対象となるすべての KPI において AI の回答が対応する BI レポートと一致するセマンティックレイヤーであり、ビジネスユーザーが期待する信頼性をサポートします。

単一の Genie スペースから、ガバナンスが組み込まれたマルチエージェントシステムへ

単一の Genie スペースは、単一のドメインに関する質問に回答できます。メルセデス・ベンツの市場における真の「Talk to Data」体験は、営業、製品、マーケティング、カスタマーサービス、財務などにまたがる必要があります。同時に、各ペルソナが表示する内容をその役割と権限に基づいてカスタマイズする必要があります。

そこで登場するのが Agent Bricks です。メルセデス・ベンツ・コリアが導入したアーキテクチャは以下の通りです。

• 親のスーパーバイザーエージェントが、役割固有の指示を持つペルソナエージェントに各質問をルーティングします。
• ペルソナエージェント（例：「CFO」、"セールスマネージャー"、"マーケティングアナリスト"）は、関連するドメイン全体の適切な Genie スペースからインサイトを統合し、質問に回答するための適切なスコープのメトリックビューを選択します。
• Unity Catalog のガバナンスポリシーが行および列レベルのアクセスを強制するため、地域マネージャーは自然言語で質問した場合でも、自分の役割が許可するデータのみを表示できます。
• エージェントは、カスタムフロントエンドと、カスタマイズされた視覚化、エージェントメモリ、Lakebase 上のトランザクションデータベースなどの拡張機能を備えた Databricks Apps を通じて提供されます。また、このアプリを使用すると、構成されたエージェントをビジネスユーザーがすでに使用しているツールやサービスと統合できるため、「Talk to Data」は別の宛先としてではなく、日常のワークフローの中に組み込まれます。

メトリックビューは Unity Catalog に存在するため、オープンであり、すべての Genie スペース、エージェント、およびアプリで再利用可能です。すべての回答は完全に管理され、監査可能であり、ソースデータまでリネージが追跡されます。このマルチエージェントパターンは、「Talk to Data」を他のメルセデス・ベンツ市場に導入するためのリファレンスとして機能します。

パイロットのスケールアップ：グローバル市場向けの再現可能なプレイブック

韓国はまだこの道のりの始まりにいますが、初期の成果は有望です。現在のパイロットは、「Talk to Data」が管理されたセマンティクスに基づいている場合、ビジネスユーザーが確立された KPI 定義や既存のレポートロジックに沿った回答を受け取れることを示しています。これらの結果に基づき、メルセデス・ベンツ・コリアは他の市場でも再利用できるプレイブックを文書化しました。

1. グローバルおよびローカルの両方のソースシステムからの市場データをオンボードして Unity Catalog に取り込みます。
2. ゴールドレイヤーのレポートデータをキュレーションするための Lakeflow Spark 宣言型パイプラインを構築します。
3. ゴールドレイヤーでデータ品質と KPI ドキュメントを確立します。
4. DAX からメトリックビューへのトランスパイラを実行して、最初のドラフトセマンティックモデルを生成します。
5. メルセデス・ベンツのマスター KPI カタログに対してメトリックビューを検証します。
6. 上記の 5 段階のプロセスを使用して、Genie スペースを構築、テスト、最適化します。
7. Genie と Unity Catalog の上に Agent Bricks を使用してペルソナエージェントをデプロイします。
8. ユーザーがすでに作業している場所ならどこでも、Databricks Apps またはサードパーティツールにカスタムエージェントを埋め込みます。

プレイブックの採用を選択した市場は、アーキテクチャを再利用し、自国に固有のもの（データ、KPI、AI エージェント）に集中できます。メルセデス・ベンツ・コリアは Databricks と共同で、他のメルセデス・ベンツ市場のリファレンスとなる「Talk to Data」パイロットからの学習事項を文書化しています。

はじめに

• メルセデス・ベンツ・コリア + Databricks の Data + AI Summit 2026 のセッションにご参加ください。AI 対応のセマンティクスのアーキテクチャとプレイブックについて詳しく説明します。
• 統合されたセマンティクス上で信頼できるエージェント型 AI の構築を開始するには、Unity Catalog Business Semantics、Metric Views、Genie、および Agent Bricks をご覧ください。

(このブログ記事はAI翻訳ツールを使用して翻訳されています) 原文記事