DGi
Datagran · コーディング
DGiはDatagranの開発者向けAIデータエージェントだ。データソースをつなぎ、質問に答え、Pythonを実行し、単一のAPIでBIダッシュボードを組み立てる。
DGi について
About
DGiとは
DGi（公式サイトではDG-iと表記）はDatagran DGiとして提供されるAIデータエージェントで、AIによって作られ、AI自身が動かすAIデータプラットフォームとして打ち出されている。質問かファイルを渡すと、作業はすべて自分でこなす。データソースを読み込み、分析用のPythonコードを書き、グラフや表、ダッシュボードを返す。開発者はパイプラインを手作業で組む代わりに、出来上がったアナリストを手に入れられるという発想だ。
土台は二つある。機能はすべてAPI経由なので、DGiを自社プラットフォームに組み込み、顧客自身がデータについて質問できる。もう一つは、すでに使っているデータソースにつながることだ。PostgreSQL、MySQL、BigQuery、Snowflake、AWS S3、そしてCSVやExcelファイルに対応する。新しいウェアハウスへデータを移す必要はない。
制約は守備範囲にある。DGiが本領を発揮するのはコードで表現できる分析とレポートの作業で、APIキーとセッションを扱えるチームに向く。非技術者がドラッグ&ドロップで使うBIツールを探しているなら、まだその形ではない。
はじめ方
- Datagranに登録し、ダッシュボードからAPIキーを取得する。
- セッション用エンドポイントへPOSTしてセッションを作り、データソースをひもづける。
- 自然言語で質問するか、CSVやExcelファイルをアップロードして読み込ませる。
- 生成されたPythonコードを確認して実行し、タスクの結果からグラフや表を取り出す。
- cron式で定期ジョブを予約し、自動で走らせる。
AIツール情報
DGiの料金、対応プラットフォーム、性能を簡単に確認できます。
こんな人におすすめ
このツールが最も力を発揮するユーザー、タスク、シーン。
ユーザー
- 自社プロダクトにデータ機能を組み込みたい開発者。DGiは分析をAPI呼び出しとして公開するので、その層を自作せずアプリに組み込める。
- 専任のデータエンジニアがいない小さなプロダクトチーム。読み込み、スクリプト、可視化まで1体のエージェントでまかなえる。ただしAPIキーとセッションの管理は誰かが担う。
- 散らばったファイルやデータベースを自然言語で問い合わせたい創業者。すでにつないだソースに対してそのまま使える。
タスク
- CSVの書き出しを分析し、売上上位の製品をグラフ化する。pandasのスクリプトをDGiが自分で書くので、組み立ての手間が省ける。
- Webサイトから構造化データを定期的に取得する。単純なリクエストでは読めないページでも、Web自動化APIが遷移と抽出を引き受ける。
- 毎週月曜9時に売上レポートを生成する。自然言語の予約が、再試行つきのcronジョブに変わる。
シーン
- 自社のWebアプリに分析アシスタントを組み込む。DGiはAPI前提なので、顧客はあなたの画面の中で自分のデータを尋ねられる。
- データベースを予約レポートのループにつなぐ。PostgreSQLやBigQueryを指定すれば、あとはスケジューラに任せられる。
- アップロードしたファイルからダッシュボードを作る。表計算を放り込み、欲しい表示を指示し、そこから調整する。
主な機能
自社のAIデータプラットフォームを支える単一API
DGiはAPIキー1つで動く。分析を自社プロダクトに置き、ユーザーがあなたの画面で自分のデータを尋ねられる。エンドクライアント側にインストールは要らない。このAI分析APIは、外部クライアントがエンドポイントを叩く前提で設計されており、1社専用のツールではない。
コードを書く自然言語データ分析
質問を投げると、DGiはPythonを書いて実行して答える。ファイルを読み込み、列を確認し、使ったスクリプトを表示する。読んで再利用できるので、ブラックボックスを信じる必要はない。ここが普通のチャットボットとの分かれ目だ。
すでに持っているデータをつなぐ
DGiはPostgreSQL、MySQL、BigQuery、Snowflake、AWS S3に接続し、CSVとExcelのアップロードも受け付ける。ほとんどのチームが、データを新しい保管先へコピーせずに始められる。今の構成を残し、エージェントをそこへ向けるだけだ。
自然言語で組む予約ワークフロー
スケジューラは「毎週月曜9時」のような頻度を言葉で書けば、自動で走るcronジョブに変える。リアルタイム実行と自動再試行があるので、失敗した実行が黙って消えることはない。定例レポートでは、スクリプトを見張る手間がなくなる。
ひと言で作るBIダッシュボードとアプリ
アップロードしたCSVからBIダッシュボードを頼むと、DGiは反応がよく、書き出し可能で、リアルタイム更新される表示を組み上げる。結果は静的なグラフではなく、小さなアプリのように動く。一度きりのファイルを、人がまた見に来るものへ変える近道だ。
Web自動化API
自分のデータだけでなく、DGiは同じAPIでWebサイトを巡回し、内容を抽出し、多段のスクレイピングを実行する。単純な取得では歯が立たないページも扱う。競合調査やリスト作成も、他の機能と同じチャット形式の指示で進められる。
自社インフラを前提にしたセキュリティ
認証情報は二重封筒暗号化で守られる。保存時はAES-256、転送時はTLS 1.3で、ゼロ知識の設計によりデータは自社環境にとどまる。データを第三者に渡せないチームにとっては、これが決め手になる。接続してもデータは動かない。
メリットとデメリット
メリット
- APIキー1つで分析、予約、ダッシュボード、Webスクレイピングまで届く
- 書き出されるPythonが目に見えるので、結果を検証できる
- 主要なデータベースとクラウドストレージにデータ移行なしでつながる
- Datagranの発表では、独自のデータサイエンス4課題で90.4%を記録し、比較対象のモデルを上回る
- 組み込み型の分析により、顧客が自社プロダクトの中で自分のデータを照会できる
デメリット
- 無料プランがないため、試すには商談が前提になる
- 価格が公開されておらず、チームに問い合わせる前に予算を立てにくい
- 技術者向けで、APIキー、セッション、タスクのポーリングは自分で管理する
- 90.4%はDatagranの数字なので、自分で試すまでは提供元の主張として扱うべきだ
よくある質問
あなたのデータについての質問に、コードを書いて実行して答えるAIデータエージェントだ。ソースと指示を渡すと、API経由で分析、グラフ、ダッシュボードを返す。
関連コンテンツ
DGiに関連するツール、スキル、記事を探す。
DGiの代替ツール
Forefront
Forefront · コーディングForefrontはオープンソースAIで構築するためのウェブプラットフォームだ。主要なオープンソース言語モデルを自分のデータで微調整し、性能を評価し、API経由で実行したり、エクスポートして自分でホストしたりできる。クローズドなプラットフォームの手軽さを求めつつ、モデルとデータの所有権にはこだわる開発者が対象だ。
Startkit
StartKit.AI · コーディングStartkitは、AI SaaSとAIラッパー製品を作るためのボイラープレートだ。面倒な部分をあらかじめ配線済みにしたAIスタートアップボイラープレートと考えればいい。認証、StripeとLemon Squeezyの決済、利用制限、トランザクションメール、そしてOpenAI、Anthropic、Groq、Llamaと通信するAI APIスターターキットが含まれる。リポジトリをクローンして価格を設定し、ユーザーが実際にお金を払う部分に取りかかれる。ReactとTailwind上のNext.jsで作られているため、ボイラープレートコードの多くはすでに見慣れたものだ。
Testim
Tricentis · コーディングTestimは、Web・モバイル・Salesforceアプリ向けにエンドツーエンドテストを構築して実行するAIテスト自動化プラットフォームだ。機械学習を頼りに、インターフェースが変わってもテストを安定させ、チームが壊れたセレクターの修正に費やす時間を減らす。今日から使い始められる自動テストツールとしては悪くない。ブラウザで操作を録画してテストを作り、より細かい制御が必要なときはJavaScriptを足す。忙しいQAチームにとって堅実な選択肢である。