その日の新着概要
Treasure Data（現Treasure AI）の公式ブログで、顧客データを外部の分析・AI基盤から参照できる「Open Catalog Access」と、社内のAIツール、ルール、利用状況を一元管理する「AI Center of Excellence」の実装事例が公開されています。前者はCDPを閉じたデータ保管先にせず、Apache Icebergを介してSnowflake、Databricks、BigQueryなどと連携する新機能です。後者は100を超えるAI Skillsやエージェントのカタログ、ガバナンス文書、利用状況の時系列データを共通基盤にまとめた運用事例です。
ニュース1：Open Catalog Access
要点
- Open Catalog Accessは、Complete CDP内のデータをApache Icebergテーブルとして公開し、Snowflake、Databricks、BigQueryなどの互換エンジンから参照できるようにする機能です。
- 外部エンジンは、Treasure AIが管理するIceberg RESTカタログとAWS Glueのメタストアを介して、CDP側のデータを読み取り専用で利用します。夜間CSV出力ではなく、ワークフローで公開された時点のテーブルを参照する設計です。
- DatabricksとSnowflakeは一般提供、BigQueryはBigQuery Omniを利用する実験的対応と説明されています。接続先ごとにIAMの信頼ポリシーとデータベース単位の権限を設定し、外部からの書き込みは許可しません。
- Complete CDPは管理運用をTreasure AIに任せたまま外部参照を追加し、Composable CDPは企業側のDWHにあるデータをそのまま利用する、という役割の違いが示されています。
日本のマーケターへの影響
顧客データをCDPからDWHへ複製して分析する構成では、転送待ち、コピーごとの権限管理、削除要求への対応が運用負荷になりやすくなります。Open Catalog Accessは、CDPを正本としたまま分析、BI、機械学習から同じテーブルを読み取る選択肢を増やします。一方、BigQuery連携は実験的対応であり、リージョン、BigQuery Omni、更新頻度、クエリ費用、監査ログを含む実装条件の確認が必要です。
UDATAとしての見方
重要なのは「ゼロコピー」という言葉だけで採用を決めず、正本、公開タイミング、権限境界、削除反映、障害時の責任分界を表にして検証することです。まず対象テーブルを限定し、同じ顧客数・属性・セグメント結果がCDPと接続先で一致する既知回答テストを作ると、安全に評価できます。読み取り専用であることはデータ破壊を防ぎますが、閲覧できる個人データの最小化や接続先側の権限設計は別途必要です。
ニュース2：AI Center of Excellence
要点
- Treasure AIは、部門ごとに分散していたAIツールの利用状況とガバナンスを、検索可能なAI Center of Excellenceに統合しました。
- 100を超える社内AI Skillsやエージェントを20以上のカテゴリで整理し、承認済みツール、利用手順、ポリシー、レビュー手順を同じ場所で参照できる構成です。
- Claude Codeなど複数サービスの日次利用データをTreasure AI iCDPへ取り込み、共通スキーマへ正規化して時系列で保持しています。利用率、重複ツール、更新・拡張判断を単発集計ではなく継続データで評価します。
- ツールだけで完結させず、Confluenceの詳細ガイド、Slackコミュニティ、週次オフィスアワーを組み合わせ、人が質問し学べる運用も含めています。
日本のマーケターへの影響
生成AIの導入が部門単位で増えると、同じ用途の契約重複、利用実態のない更新、承認ルールの見落とし、成果指標の不統一が起こります。ツール台帳に利用データを結び付けることで、導入数ではなく、継続利用、対象業務、削減時間、品質、リスクの変化まで含めた投資判断へ移しやすくなります。
UDATAとしての見方
AI CoEは大規模なポータルから始める必要はありません。最初に、①承認済みツールと責任者、②用途と入力禁止データ、③利用者・頻度・コスト、④成果と品質指標、⑤問い合わせ先、の5項目を共通台帳にします。その上で利用ログを日次または週次で取り込み、未利用契約、重複用途、教育が必要な部門を見える化すると、統制と活用促進を同じデータで進められます。