ハーネスエンジニアリングとデータマネジメント

Stage 5 — 第3章 | データマネジメント入門 推定学習時間：40〜50分 | 難易度：★★★☆☆

この章で学ぶこと

社内 ChatBot に「今月の売上は？」と聞く文化が広がっています。 LLM（Large Language Model）や AI エージェント（Agent）が データに触れる 時代、Stage 1〜4 で整えた DM 要素が 別の形で必須 になります。

ハーネスエンジニアリング（Harness Engineering） は、Agent を Model + Harness と捉え、Harness 側に安全・文脈・検証を載せる考え方です。

本章は Agent 開発の教科書ではありません。 DM の延長として Harness が何を担うか を入門レベルで押さえます。

この章を終えると、こんなことができるようになります：

• Agent = Model + Harness を説明できる
• Harness 4 柱と DM 要素（メタデータ、SSOT、品質、権限等）の 対応 を説明できる
• 「AI に SQL を書かせれば解決」と言う提案への 反論 を DM 用語で説明できる
• さくら商事が Bot 導入時に 最低限決めること を挙げられる

1. Bot が答えた「売上 1.5 億」

さくら商事が社内 Bot を試験導入しました。 木村さんが聞きました。

「今月の公式売上は？」

Bot:「今月の売上は 1 億 5,000 万円 です。」

経理の数字は 1 億 1,800 万円（公式 mart_finance）。 調査すると、Bot は 退職者の Sheets を学習データに含んでいました。

鈴木

「モデルは賢い。でも 何を参照していいか が Harness なしだと、野良マート問題が自動化される。」

2. Agent = Model + Harness

User → [Harness] → Model → [Harness] → Tool（SQL / カタログ）→ Answer
                   ↑ コンテキスト              ↑ 検証ループ
                   ↑ 権限境界                  ↑ 監査ログ
          

モデル単体は 「それっぽい答え」 を生成します。 Harness が 「信頼できる答え」 に寄せます。

次の図は、本カリキュラムで学んだ DM 要素が Harness のどこに載るか の対応表です。

AI 導入 = DM 不要、ではありません。 Harness なしでは 野良マートと権限逸脱が加速 します。

3. Harness 4 柱 ↔ DM

3.1 コンテキスト設計

Bot に Sheets 全社 を渡すのではなく:

• カタログ API から 公式メトリクス定義 のみ
• mart_finance 経由の セマンティックレイヤー
• 用語集（オントロジー）を system prompt に 固定引用

3.2 ツール境界

Stage 5-1 の 権限の層 がそのまま Agent ツールポリシーになります。

3.3 検証ループ

Bot が SQL 生成
            → 参照表が SSOT かチェック
            → 品質ルール Q-001 パス
            → 公式売上定義（用語集）と一致？
            → OK なら回答
          

1 回生成で返さない —— analytics の品質 SQL と同型です。

3.4 運用

• 質問・生成 SQL・参照表を 監査ログ
• モデル変更・プロンプト変更も 変更管理
• インシデント時は Bot 停止スイッチ（品質インシデントと同型）

4. 「AI に任せれば DM 不要？」への回答

5. さくら商事 Bot 導入チェックリスト（最小）

• 参照は L3 / mart_ のみ*
• PII 列ツール 禁止
• 回答に 定義ソース を脚注
• インシデント時 自動停止
• 監査ログ 90 日保持
• オーナー（佐藤）が 公式数字回答 を承認

体系コラム：カリキュラム上の位置づけ

コラム：analytics との線引き

自然言語で「6 月の売上は？」と聞ける Bot は、analytics の SQL スキルとは別次元の 利用者入口 です。Harness の 4 柱（コンテキスト、ツール、検証、観測）は、DM の SSOT・リネージ・品質・ガバナンスと 1 対 1 で対応します。

「AI に任せれば DM 不要」は誤りです。モデルが賢いほど、参照先が野良 だと速く間違いを広げます。analytics トラックで SQL を書く人ほど、Bot の ハーネス設計 に参画する必要があります。

まとめ

この章のキーメッセージ：

AI 時代ほど SSOT・カタログ・品質・権限 が Harness として必要です。 データマネジメントは「レガシーな仕事」ではなく、Agent を信頼可能にする基盤 です。

次に読む

• 前章: ガバナンスを回す
• 次章: 総合ケーススタディ
• 関連: メタデータとリネージ

確認問題

問題 1

社内 Bot が退職者 Sheets を参照し、誤った売上を回答した。 最も本質的な欠陥 はどれですか。

A. Harness（コンテキスト・ツール境界）で SSOT 以外を参照できた
B. モデルのパラメータ数が少ない
C. SQL が遅い
D. ER 図の線が少ない

正解: A

解説: 問題はモデル能力ではなく 参照元の制御 です。野良マート問題の Agent 版です。

問題 2

Harness の「検証ループ」に対応する DM 要素として 最も近い のはどれですか。

A. データ品質テストと定義一致チェック
B. 会社のロゴデザイン
C. オフィスの座席配置
D. 統計検定の合格証

正解: A

解説: 生成結果を 品質ルール・用語集 で確認する工程です。

問題 3

「LLM 導入したのでデータガバナンス委員会は不要」と提案された。

A. 正しい。AI が全部決める
B. 誤り。Agent ほど 変更管理・権限・SSOT のガバナンスが必要
C. 誤り。Bot だけガバナンス不要、人間も不要
D. 正しい。Harness は不要

正解: B

解説: AI 導入は ガバナンス負荷を下げない どころか、Harness 設計として増やすことが多いです。

用語メモ（この章）