SHOEISHA iD

※旧SEメンバーシップ会員の方は、同じ登録情報(メールアドレス&パスワード)でログインいただけます

CodeZine(コードジン) ProductZine

CodeZine編集部では、現場で活躍するデベロッパーをスターにするためのカンファレンス「Developers Summit」や、エンジニアの生きざまをブーストするためのイベント「Developers Boost」など、さまざまなカンファレンスを企画・運営しています。

あの企業のLLMOpsに迫る! AIのためのデータプラットフォーム「ClickHouse」活用最前線!(AD)

Claudeが高速で回答する社内営業エージェント──ClickHouseで実現する高速応答×コストパフォーマンス

Innerstudio 鍋島 理人[著] / 関口 達朗[写] / DeveloperZine編集部[編]

 AIエージェントを業務で活用するには、コンテキストとなるデータが欠かせない。そのため、エージェントが必要とするデータをどのように参照させるかが課題だ。一方、AIエージェントは大量かつ多様なクエリを実行するため、参照先となるデータベースには、これまで以上の処理性能と柔軟性が要求される。そこで本記事では、ナインアウト株式会社(以下、ナインアウト)が構築した、ClickHouseをデータ基盤とする社内営業エージェントの事例を通して、AIフレンドリーなデータ基盤に求められる要件を探る。

誰もがデータやリストをClaudeで簡単に分析できる基盤づくり

 ナインアウトは、Sansanのグループ会社で、人とデジタルをなめらかに繋ぐAIインターフェースを「Ask One」「CREATIVE SURVEY」「Fan Fan Fan」という3つのブランドで提供している。同社は社名変更を機に、自社プロダクトをAIインターフェースとして再定義しており、社内でもAI活用による生産性向上をさらに推進しようという機運が高まっていた。

 そこで同社がまず着手したのが、SlackとClaudeとの連携だ。同社の日々の業務はSlackを中心に進められている。ClaudeにはSlackとのコネクタが用意されており、Slack上の会話やナレッジを必要に応じて参照しながら、AIに作業をさせることが可能だ。同社でCTOを務める鈴木康寛氏は「AI活用を深化させるための取り組みは、トップダウンで推進しました。経営メンバーも強い課題意識を持ち、試験運用にも積極的に参加して、業務の中でAIが自然に活用できる状態を目指しました」と語る。

ナインアウト CTO 鈴木康寛氏

ナインアウト CTO 鈴木康寛氏

 より本格的な業務活用に向けた次のステップが、営業の実務へのAI導入だった。日々の営業活動で蓄積されるデータをAIから参照できれば、Slackでコミュニケーションしながら、営業状況のモニタリングやチームの意思決定に役立てることができる。一方、従来の営業現場では、データを扱うスキルが属人化し、レポート作成などの業務が特定の人に集中してしまうことが課題となっていた。そこで同社が構想したのが、SalesforceのデータをClaudeから参照し、日々の実務に活用できる社内営業エージェントだ。

 「エンジニアリングスキルがない営業メンバーも含め、自分のデータやリストを簡単に分析できる仕組みを作りたいと考えました」と、同社の戦略業務推進室でRevOpsを担当する日比野ななえ氏は当時を振り返る。

ナインアウト 戦略業務推進室 RevOps 日比野ななえ氏

ナインアウト 戦略業務推進室 RevOps 日比野ななえ氏

 SalesforceのデータをClaudeと連携させる方法には、いくつかの選択肢があり、どのような方法でデータを連携するか、方針が固まるまでには試行錯誤があった。

 また、その頃同社では全社的なデータ基盤として、ClickHouse Cloudの導入検証を進めていた。社内の業務データを部門や用途を横断してClickHouseに統合することで、スケーラブルかつ高性能な分析基盤を構築することが狙いだ。そしてClickHouseには、Claudeとの連携に利用できるMCPも、標準で用意されていた。

 そこで同社が社内営業エージェントに採用したのは、必要なSalesforceのデータをClickHouse Cloudに集約し、参照する構成だ。

 「ClickHouseを選択したのは、単にSalesforceのデータを参照するだけでなく、将来的には社内の他の業務データと組み合わせて活用することも視野に入れたためです」と鈴木氏は説明する。

ClickHouseだから実現できた、2週間でのAIエージェント構築

 社内営業エージェントのデータ連携基盤は、実質1〜2週間程度という短期間で構築することができた。「これほど迅速に立ち上げられたのは、ClickHouseに標準でMCPが整備されていたことに加え、エンジニアの目線でも非常に扱いやすいデータベースだったことが大きいです」と話すのは、ナインアウトでAI活用基盤の開発を担う近藤悠太郎氏だ。

ナインアウト 開発部 AIプラットフォームエンジニア 近藤悠太郎氏

ナインアウト 開発部 AIプラットフォームエンジニア 近藤悠太郎氏

 社内営業エージェントは、具体的には以下の仕組みで動いている。まずAmazon AppFlowを用いて必要となるSalesforceのデータを取得し、S3バケットへアップロードする。次にClickHouse標準のS3連携関数を使って、S3上のデータファイルをテーブル構造に変換しながら、ClickHouseに取り込む。最後に、ClaudeがMCP経由でClickHouseにクエリを発行し、結果を受け取って集計や分析を行う。

 ClickHouseをデータ統合の基盤に据えた理由として、近藤氏は3つのポイントを挙げる。1つ目は、AWSとの相性の良さだ。同社はもともとAWSを基盤として採用しており、ClickHouse CloudもAWSをはじめとするマルチクラウドに対応している。そのため、Amazon S3を軸にしたデータパイプラインをスムーズに構築できた。

 2つ目は、標準SQLとの親和性の高さだ。ClickHouseはOLAP向けのデータベースでありながら、標準的なSQLに近い構文でクエリを記述できる。標準的なSQL構文はAIエージェントにとっても生成しやすく、この点でも、AIとの相性の良さが際立つ。

 そして3つ目が、料金体系の扱いやすさだ。ClickHouse Cloudはアカウント単位ではなく、データ量などの利用リソースに応じた従量課金制を採用している。これにより、小さく始めて利用状況に合わせて段階的に広げやすい点に安心感があった。

 仕組み自体は短期間で構築できたものの、非エンジニアを含むユーザーが自在にデータを扱えるようにするためには、調整作業も必要だった。立ち上げ当初は、Claudeが社内データの構造や業務上の前提を把握しておらず、クエリの生成に時間がかかったり、意図と異なる結果を返したりすることがあったという。そこで日比野氏が、自社の業務コンテキストをClaudeに与えるためのスキルを構築し、データの解釈精度を向上させた。

 「スキルの作成に高度なプログラミング知識は不要ですが、営業の現場を熟知するドメイン知識は欠かせません。業務の流れを深く理解する日比野だからこそ担える役割でした」と鈴木氏は言う。

 こうして社内営業エージェントが整備され、営業やインサイドセールス、カスタマーサクセス、コーポレート部門など、業務上データを必要とするメンバーが付与された権限の範囲で、エンジニアにSQL作成を依頼することなく、Claudeを経由して、日常的にデータ活用ができる環境が整った。さらに商談が設定されると、社内の商談記録や公開情報をもとに想定質問や参考となる導入事例を整理し、Slack上で担当営業に自動共有する。これにより、初回商談準備にかかる作業の多くを自動化し、提案活動に注力できる時間を生み出した。社内試算では、営業1人あたり月20時間相当の余地ができたという。

AIエージェントにとって理想的なDB、運用で見えたClickHouseの実力

 社内営業エージェントが定着した今、その基盤となるClickHouseの性能はどのように評価されているのだろうか。

 社内では、社内営業エージェントを通じて日々数百回程度のクエリが実行されている。中には負荷が高いクエリもあるが、ClickHouseは難なくこなし、現在までパフォーマンスが問題になったケースは一度もないという。レスポンスも高速で、営業メンバーからも評価は上々だ。

 さらに同社では、指定したクエリを定期的に実行し、その結果でテーブル全体を置き換えるRefreshable Materialized Viewsなどの機能を活用し、他システムのデータもClickHouseに取り込みながら、高頻度でテーブル全体を更新している。通常であれば負荷が懸念されるような処理だが、ClickHouseでは負荷を過度に気にすることなく、安定して運用できているという。

Refreshable Materialized Views(引用:ClickHouse Docs)
Refreshable Materialized Views(引用:ClickHouse Docs)

 「AIエージェントからアクセスする場合、事前にクエリの構造を固定することはできません。だからこそデータベースには、大量のデータを保持しながら、多様なクエリを高速に処理できる性能が求められます。その点でも、ClickHouseの高速性と柔軟性は最適です」と、近藤氏はそのパフォーマンスを高く評価する。

 開発環境を構築しやすい点も、エンジニアから高く評価されている。ClickHouseは、マネージドサービスであるClickHouse Cloudに加え、オープンソース版でも大半の機能を利用できる。そのため同社では、社内エージェントを構築する際、本番環境ではClickHouse Cloud、開発環境では主にオープンソース版を利用するという使い分けをしている。本番と同じものを手元で動作させられるため、エンドツーエンドで挙動を確認でき、アプリケーション側の品質確保も容易だという。

 今後の展望として、同社は社内の業務データの部門横断的な利活用をさらに推し進めていく方針だ。ClickHouseでより大規模なデータを処理するための検証も進めている。

 そこで、鈴木氏と近藤氏に、今後に向けて注目しているClickHouseの機能を尋ねた。

 近藤氏が期待しているのは、OLTP(トランザクション処理)とOLAP(分析処理)を統合する機能だ。具体的には、ClickHouse Cloudのマネージドデータ取り込みサービス「ClickPipes」が提供するPostgreSQLなどとのCDC連携機能がそれにあたる。さらにOpenTelemetryを介してオブザーバビリティをClickHouseに統合する「ClickStack」にも魅力を感じているという。

ClickPipes(引用:ClickHouse Docs)
ClickPipes(引用:ClickHouse Docs)

 近藤氏の話を受けて、鈴木氏は「トランザクショナルなデータと高度なデータ分析を両立できれば、多様なユースケースが考えられるし、コンパクトに新規アプリケーションを立ち上げる際にも有力な選択肢になります」と話す。

 鈴木氏自身は、LLMOpsツール「Langfuse」に興味を持っている。現状はまだ検証段階だが、クラウド上で実用的なLLMOpsを実現する仕組みとして期待しているという。

 最後に、これからAIエージェント導入や、データ活用基盤に取り組むエンジニアへのアドバイスを聞いた。

 「業務に精通した人間がハブとなり、業務側の視点を取り入れながら、非エンジニアもデータを扱える環境を作ること。それが全社的なAI・データ活用の定着と成功につながる秘訣です」(日比野氏)

 「ClickHouseはDockerコマンドを1つ実行するだけでローカル環境でもすぐに動きます。まだ触れたことがなければ、ぜひ一度動かしてみてほしいです。これほど手軽かつ高速に扱えるデータウェアハウスがあるのかと驚くはずです」(近藤氏)

 「LLMの活用でデータ利活用を一気に加速できましたが、それを支えたのは、AIからの多様なクエリにも高速に応えられるClickHouseという強固な基盤でした。社内のデータ活用を進めたい企業にとって、有力な選択肢になると思います」(鈴木氏)

この記事は参考になりましたか?

提供:ClickHouse株式会社

【AD】本記事の内容は記事掲載開始時点のものです 企画・制作 株式会社翔泳社

この記事は参考になりましたか?

この記事をシェア

イベント

CodeZine編集部では、現場で活躍するデベロッパーをスターにするためのカンファレンス「Developers Summit」や、エンジニアの生きざまをブーストするためのイベント「Developers Boost」など、さまざまなカンファレンスを企画・運営しています。

新規会員登録無料のご案内

  • ・全ての過去記事が閲覧できます
  • ・会員限定メルマガを受信できます

メールバックナンバー