このツールは自然言語からSQLクエリを自動生成するAIツールです。SQLの知識がなくても、人間の言葉で取得したいデータを記述するだけで、適切なSQLを作成できます。

ツール作成の背景

事業部で最新のデータを利用したい際、データ分析部署が分かれていたり、担当者ごとにSQLの知識レベルが異なると、必要なデータの抽出に支障が出ることがあります。特に、最新の情報を即時に確認し意思決定をしたい場合に影響があり、ベストな判断を諦めざるを得ないケースもあります。

私自身がその状況を経験し、課題を解決するためのツールの見本として作成しました。このツールとデータベースの抽出権限があれば、事業・業務改善を促進できます。

実際に前職ではデータ分析部署と交渉し、自部署でのクエリ作成・抽出の許可を得た実績があります。このツールはその経験を汎用化したものです。

設計思想

取得したいデータを人間の言葉で入力するだけで、SQLが生成されます。

また、データ抽出時は期間・除外条件などの指定し忘れにより、意図しないデータが抽出されたり、やり直しが必要になるケースがありますが、そうした条件もあらかじめ入力項目として用意することでミスを防ぎます。さらにAIが不足情報を確認し、必要に応じて会話を挟んでからSQLを生成するため、精度の高い結果を得ることができます。

また、「抽出したデータが現実的か？」を確認するために、AIが出力件数を検算する機能も設けています。データ分析に不慣れな担当者でも、結果の妥当性を照らし合わせながら安心して利用できます。

デモ版の使い方

Step 1 — 「サンプルデータで試す」タブから業種別サンプル（EC・ゲーム・サポート）を選択

Step 2 — 取得したいデータを自然言語で記述し、必要に応じて構造化条件を入力

Step 3 — AIが不足情報を確認（十分な場合はスキップ）

Step 4 — 生成されたSQLを確認・コピー。解説や検算コメントも確認できます

📹 操作デモ動画を見る

本番導入時の使い方（想定）

Step 1 — 社内のテーブル定義書（Excel・CSV等）をアップロードしてテーブル情報を登録

Step 2〜4 — デモ版と同じフローでSQLを生成・使用

生成されたSQLをデータベースツール（BigQuery、MySQL Workbench等）に貼り付けて実行することで、データを取得できます。発展版として、データベースに直接接続しツール上で抽出結果を確認できる機能も構想しています。

使用技術

フロントエンドはHTML・CSS・JavaScriptの単一ファイルで構成されており、特別なインストールや環境構築は不要です。バックエンドにはCloudflare Workers（サーバーレス関数）を使用し、AIへのリクエスト中継とAPIキーの管理を行っています。

AIとの連携

SQL生成にはGoogle Gemini API（Flashモデル・従量課金）を使用しています。ツール内からAPIに対して以下の4種類のリクエストを送信し、それぞれ異なる役割を担っています。

• 確認リクエスト（Step 3）：入力内容を分析し、SQL生成に不足している情報をAIが質問します
• SQL生成リクエスト（Step 4）：確認済みの要件をもとに最終的なSQLを生成します
• 解説リクエスト（Explainボタン）：生成されたSQLの各部分を日本語で解説します
• 検算リクエスト（検算コメント）：出力件数がフェルミ推定的に妥当かを確認します

APIキーの管理方式

APIキーはCloudflare Workersの環境変数に保存されており、ツールのHTML内には含まれていません。利用者がAPIキーを入力・取得する必要はありません。

企業で導入する場合の推奨構成

企業で同様のツールを導入する場合は、以下の構成が推奨されます。

• APIキーは社内サーバーまたはクラウド環境（AWS / GCP / Azure）の環境変数に保存
• ツールは社内ネットワーク内でホスティングし、社外からのアクセスを遮断
• 社内認証（SSO等）と連携し、利用者の認証・利用ログの記録を実施
• API利用量の監視とコスト管理の仕組みを併設

本ポートフォリオのCloudflare Workers方式は、この企業向け構成の簡易版にあたります。「APIキーをサーバー側で管理し、クライアントには露出させない」という設計原則は共通です。

設計上の工夫

SQL知識を持たないユーザーが正確なクエリを得られるよう、以下の設計を行っています。

• 期間・除外条件・集約方法などの構造化された入力項目により、要件の曖昧さに起因する抽出ミスを防止
• テーブル定義書のアップロードによるスキーマ登録（本デモ版ではサンプルデータで代替）
• AIによる不足情報の確認ステップを挟むことで、意図と異なるデータ抽出を未然に防止
• 生成されたSQLの解説機能と検算コメント（フェルミ推定）により、出力結果の妥当性を確認可能