参加了 Data & AI Summit '25 Fall

2025年11月27日，我们参加了由Google主办的"Data & AI Summit '25 Fall"。

我们公司决定认真推进"数据活用"，于是悄悄启动了一个项目。最初我们采取"轻松一点，从可行的地方开始"的方式推进，但就在某个时刻，我们听说 Google 主办的"Data & AI Summit '25 Fall"即将举办。

抱着'必须掌握数据应用的最新趋势！'的想法，我就以随意的心态参加了这个活动，结果这个决定再正确不过。我听到了远超预期的精彩分享。

Data & AI Summit '25 Fall 是什么？

从活动名称应该可以猜到，本次讲演的主题是"AI代理"。这是一场混合形式的活动，参加人数约3,000人，盛况空前。我亲自参加了现场，有些讲演前排起了长队，有些座位不足，观众甚至要站着旁听。通过亲身经历，我深刻感受到了数据活用和AI的高关注度。

当天的日程安排大致如下。

https://cloudonair.withgoogle.com/events/data-ai-summit-25f

在本文中，我们将报道主题演讲和给我们留下深刻印象的特别会议！

主题演讲：进入与数据代理"共同创新"的时代 - 基于 AI-Ready 数据基础设施的下一代数据分析

基调讲演从 Google Cloud 滨田先生的"AI 代理所需的三个要素"开始，包括狮王株式会社和株式会社 Mercari 的数据利用案例，以及 Google 技术部门的"对话式分析演示发布"，共三个环节。

◼︎AI代理人的三项要求

濱田先生介绍了大规模部署AI代理并让其承担业务工作所必需的三个核心要素："Action（主动性）"、"Memory（记忆能力）"和"Context（可信度）"。

行动：AI 代理应该主动采取行动，而不是被动。

这里的关键在于"思维过程的透明性"。为了提高分析的透明性，采用"Advanced Reasoning"的概念——将一系列流程分步骤执行——成为了关键。

记忆：AI 代理有效运行所需的"短期记忆"和"长期记忆"。

在关于企业能够实时访问其持有数据的"长期记忆"的讲解中，介绍了通过语音输入与 AI 代理进行通信并下单购买商品的事例。相比传统的点击式操作快得多，这让我再次确认了 AI 已经成为我们身边如此熟悉的存在。

Context：为了确保回答的可信度，context是必不可少的。

讲者阐述了「语义层」的重要性，它可以引导我们找到正确的数据库和计算式。

语义层在之后的讲演中也频频出现，我深刻感受到它的关注度在不断提升。

◼︎数据活用案例介绍

Lion株式会社介绍了数据基础设施构建方面的内容，Mercari株式会社分享了推动数据民主化的举措。

其中，关于数据民主化的内容特别令人印象深刻，因为这与我们的工作息息相关。通过引入AI Agent，使原本仅限分析师领域的数据活用能力扩展到全员，建立让所有人都能访问数据的体制，这是我们公司也应该学习的地方。

在之后公司内部举办的分享会上，大家也立即表示要将这些内容纳入我们的工作中。

◼︎会话型分析演示发布

以「Conversation analytics agent in BigQuery」为例，介绍了会话型分析Agent的演示。

虽然之前对BigQuery有所接触，但不知道它已经可以用自然语言进行数据分析，这真是让人眼前一亮。Gemini建议带来的数据精度提升、黄金查询的自动生成等功能支持非常完善，而且配置也相对简便，让我印象深刻。

Conversational Analytics API 先行实践！从 BigQuery 中蕴藏的数据用「自然语言」提取的 AI 代理构建技术

Eyelet 株式会社的演讲介绍了将「BigQuery」和「Conversational Analytics API」相结合，以聊天形式进行数据分析的案例。

将网站内的数据积累到 BigQuery 中，将查询执行和分析业务完全委托给 Conversational Analytics API。通过从日常使用的沟通工具中访问 AI 代理，他们构建了任何人都可以轻松进行数据活用的环境。

这正是基调演讲中所说的「数据民主化」的实体体现，结构也非常简洁。我们也想尽快将其引入到我们的业务中。

虽然很想自己实现，但考虑到现实的技能水平，恐怕需要花费数年时间，所以我打算交给我们公司的工程师来处理！

步骤最少！Google 趋势联动 AI 代理 × 商品主数据的协作

Aeon Smart Technology 株式会社的演讲介绍了针对「商品主数据」如何活用 AI，这是拥有实体店铺的企业特有的举措。

演讲的主题是「消除模糊搜索」和「与趋势的自动匹配」这两个挑战。两项内容都采用了「Google Vertex AI Search」的构成。

— 利用 AI 进行商品主数据的模糊搜索

作为拥有实体店铺的企业特有的烦恼，他们以来自客户的不包含具体商品名称的模糊提问为例进行了讲述。传统系统要求「完全匹配」，因此对人类而言很容易回答的问题在系统层面成为了一道大障碍。他们尝试了用 AI 来解决这一课题。

演示屏幕展示了一个系统，即使面对像互联网搜索那样模糊的输入，也能从海量数据中立即输出合适的商品信息。虽然我没有完全理解其工作机制，但看到一家公司能做到这个程度，我着实感到了震撼。

— 趋势把握与商品数据的自动匹配

为了缩短从客户需求产生到实际商品上架的交货期，他们在探索一种工具，该工具能够立即捕捉外部的趋势信息，并自动将其与公司自身的商品数据相关联。

这也是一个先进技术的话题，我觉得非常有意思。虽然我还没能想象出如何在我们的服务中应用它，但我个人也很想亲手试试「Google Vertex AI Search」。

总结

以上只是精选了给我留下深刻印象的几个演讲环节。不知道这样介绍是否能帮助你们呢？如果能即使只是稍微分享一下当天「数据代理带来的创新」的感动，我就很高兴了。

坦白说，我们在数据利用方面进展缓慢，但通过参加这次峰会，我重新认识到「不能被这股浪潮抛下，必须正式启动了！」这次活动成为了一个非常难得的好机会。

首先，我打算从在这次峰会上多次强调其重要性的「数据和语义层的定义」开始着手。