Knowledge Catalogが6種のツールの指標定義を1つのコンテキストグラフにつなぎ、取り込みが一般提供に
画像：Google Cloud（公式発表より）
なるほど
要約版：専門用語を控えて説明しています
AIが財務報告書と違う売上を出すことがあります。たとえば、キャンセルされた注文を売上に数えたり、確認前のデータを使ったりするためです。
会社の数字の定義は、各ツールの中に別々にしまわれています。AIはそれを知らないので、推測で答えてしまいます。
Knowledge Catalogは、各ツールの定義を1つの地図（コンテキストグラフ）にまとめます。AIはその地図を見て、信頼できる定義とデータを選べます。
同じ指標の定義が食い違っていれば、両方を出所つきで表示します。担当者が確認して、1つにそろえられます。
Googleの社内テストでは、AIの精度が約4倍になり、処理が最大33%速くなりました。トークン（AIが文字を数える単位）の使用量は最大75%減りました。日本での提供状況はまだ発表されていません。
対象は、Google CloudのKnowledge Catalogを使い、Lookerやdbtなどに指標の定義を持つ企業のデータ担当者です。既存の定義を、AIエージェントの回答に活用できるようになります。
Knowledge Catalogは、社内のデータの意味や関係を一覧にして管理する仕組みです。2026年4月10日に、Dataplex Universal Catalogから名前が変わりました（Google Cloud公式ドキュメント、11/12確認）。
Google Cloudの公式ブログは、次の例を挙げています。営業担当バイスプレジデントがAIに「前四半期の主要企業アカウントの純収益は？」と聞きます。AIはグラフを数秒で返しますが、数字が財務報告書と合いません。
原因は、キャンセル済みの注文を収益に数え、検証されていないステージングテーブルからデータを取得したことでした。ブログは、モデルの性能ではなく、AIが自社のビジネスを理解していなかったことが原因だと説明しています。
ビジネス上の定義は、多くの場合すでにセマンティックモデル（指標の計算式や条件を決めた定義）として存在します。ただ、定義が各ツールに閉じ込められているため、AIは推測せざるを得ません。
今回一般提供になったのは、次のソースからの取り込みです。データを移したり、ビジネスロジックを新しい言語で書き直したりする必要はないとしています。
すべてが同じグラフ上のノードやエッジ（点と線）になるため、LookMLの結合とSnowflakeの関係などを横断してたどれます。
同じ指標が別の定義で並ぶ場合は、出所つきで表示します。勝手に上書きはしません。データスチュワード（データ管理の担当者）は見比べたうえで、1つの定義に統合できます。
Looker単体の一般提供は、すでにサイソクで報じています（LookMLの指標定義をAIが使える）。今回はそれが6種類に広がった形です。
Google Cloudの公式ブログによると、Knowledge CatalogでAIエージェントを土台づけ（グラウンディング）すると、社内ベンチマーク（性能テスト）で精度が約4倍になりました。レイテンシ（応答の遅れ）は最大33%短くなり、トークン使用量は最大75%減りました。
測定条件や比較対象の詳細は、公式ブログでは示されていません。「最大」とある数字は、常に得られる効果を示すものではありません。この数字は、自己学習機能の記事にも出ていました（Knowledge Catalogに自己学習機能）。
正しい計算式でも、古いデータや未認証のデータに適用すれば、答えは間違います。ブログによると、Knowledge Catalogは定義をデータ品質スコア、鮮度のシグナル、リネージと結び付けられます。エージェントはSQLを1行書く前に、どのデータを信頼するか判断できます。
さらにGeminiを使った自己学習で、運用ハンドブックや会議メモ、チャット、コードなどから、不足や古くなったコンテキストを見つけ、再利用できるセットに変換します。
コンテキストの探索と管理には、Knowledge Studio（プレビュー版）を使います。自然言語でグラフを探索し、接続の道筋をたどれます。確認したアセットと定義は「コンテキストセット」にまとめ、Geminiやカスタムエージェントが本番環境で使えます。
判断ガイド
状況ごとのおすすめと理由です。どれを選ぶかは、ご自身の状況で決めてください。
不安Q&A
取り込まれるのは、Looker LookML、BigQuery Graph、dbt MetricFlow、Snowflake、Databricks、SAP CSNの6種です。データを移したり、ビジネスロジックを書き直したりする必要はないとしています。
出典・cloud.google.com今できること自社で使うツールが6種のどれに当たるか確かめ、該当する指標定義を洗い出す。
同じ指標が別の定義で並ぶ場合は、それぞれの出所とともに並べて表示され、勝手に上書きされません。データスチュワードが全体を見比べて、単一の正しい定義へ統合します。
出典・cloud.google.com今できること食い違う指標を出所ごとに並べ、データスチュワードが統合する準備をする。
Knowledge Catalogは、定義をデータ品質スコア、鮮度シグナル、リネージと結び付けるとしています。エージェントはSQLを1行書く前に、どのデータを信頼するか判断できるとされています。
出典・cloud.google.com今できることAIに使わせるテーブルの品質スコアと鮮度を、データ担当者と事前に確かめる。
社内ベンチマークでは、精度が約4倍、レイテンシが最大33%短縮、トークン使用量が最大75%削減されたとされています。
出典・cloud.google.com今できること社内ベンチマークの数字は条件が未公開なので、自社データで同じ比較を試してから判断する。
Looker（Google Cloudコア）からは既定で自動送信され、構成の変更は要りません。有効化後、反映まで最大1日かかります（Google Cloud公式ドキュメント、11/12確認）。
MCP、コンテキスト取得API、セマンティック検索などのオープンな仕組みを通じてメタデータを公開します。1つのエンドポイントを複数のエージェントで共有できます（Google Cloud公式ドキュメント、11/12確認）。
Looker（Google Cloudコア）の技術メタデータをKnowledge Catalogに保存するのは無料です。API呼び出しや追加のビジネスメタデータの拡張には、Knowledge Catalogの標準料金がかかります。
同期は既定で自動で行われ、設定の変更は不要です。有効にしてから、Knowledge Catalogで見られるようになるまで最大1日かかります（Google Cloud公式ドキュメント、11/12確認）。
今回の特徴は、dbtやLookerなどに散らばる指標の定義を、エージェントが共通のグラフから参照できるようにした点です。
社内ベンチマークの「約4倍」は条件が公開されておらず、自社データで同じ結果が出るかは分かりません。導入前には、次の点を確認できます。
詳しい接続方法は、Knowledge Catalogのドキュメントで案内されています。まずKnowledge Studioでコンテキストグラフを確認し、取り込めるソースを洗い出すとよいでしょう。
よく読まれている記事
背景
AIの回答が財務数値と合わない原因は、モデルの性能ではなく、AIがお客様のビジネスの定義を理解していなかったことだとされています。定義が各ツールに閉じ込められ、AIは推測するしかないためです。
出典・cloud.google.comすぐにできること
Knowledge Catalogのドキュメントで、自社のソースが取り込み対象か確かめる
Knowledge Studioで、自然言語で指標の定義を探してみる
公式窓口
SMSやメールに書かれた連絡先ではなく、ここにある公式の窓口を使ってください。
発表内容をもとにした一般的な情報です。導入や契約の判断は、公式情報を確かめたうえでご自身で行ってください。
毎朝7時、暮らしとお金のニュースの要点を5本
前日に出た記事から、給付・税・料金・値上げなど暮らしとお金に関わる話を中心に選び、1本2行でまとめてメールで届けます。無料・いつでも解除できます。
主要企業の大きな発表だけ、1日4回まで。夜22時〜朝7時は鳴らしません。いつでも解除できます。
本記事は公式発表の文章をもとにAIが要約・解説して自動生成したものです。誤りが含まれる可能性があるため、正確な仕様・料金は公式発表をご確認ください。元記事を読む制作方法と事実確認の手順は編集方針をご覧ください。誤りのご指摘はお問い合わせから受け付けています。
