[レポート]dbt Wizard：データ開発における AI チームメイト #dbtWTTokyo

かわばたです。

2026年10月20日に、アンダーズ 東京で「dbt World Tour Tokyo 2026」が開催されました。

https://www.getdbt.com/events/roadshow/dbt-world-tour-tokyo

本記事はセッション「dbt Wizard：データ開発における AI チームメイト」のレポートブログとなります。dbt 専用の AI エージェント dbt Wizard について、3 つの利用形態と Wizard Desktop の録画デモを紹介するセッションでした。

※本記事は筆者のメモをもとに要約しています。
※提供ステータスは講演時点の内容と、2026年9月16日公開の dbt Summit 2026 公式ブログに基づきます。

登壇者

• 伊藤 俊廷 氏
  • dbt Labs
  • Staff Solutions Architect

アジェンダ

AI でコードは書けるが、検証と文脈が課題

• 会場の挙手では、ほとんどの参加者が AI を使っていた。スライドのアンケートでも 72% が利用という結果

• AI でコードはどんどん書けるが、それが本当に正しいのかが課題
  • unit test を導入して検証しても、その unit test 自体が正しいか、何をもって良しとするかが難しい
  • AI に書かせたコードでも、責任は pull request の担当者である人間にある
• 汎用的な AI エージェントはどうしてもコード重視になる。アナリティクスエンジニアが追加で文脈を渡す必要がある
  • プロジェクトの文脈。dbt モデルの変換にどんな意味があるのか
  • 影響範囲。あるモデルを修正したとき、下流のモデルにどう影響するか
  • データの検証。コード変更によって結果データが変わった部分が本当に正しいか

• 結局、人間がいろいろなツールや文脈を自分で取りに行くことになり、AI 単独では完結しないのが現状

dbt Wizard とは

• dbt 専用の AI エージェント。自然言語でコードを作成し、モデルを開発できる
• モデルの作成、セマンティックレイヤーの定義、テストの作成など、dbt に関する活動を AI が担う
• テストを自動生成するだけでなく、データを比較してどんな影響があるかを確認した上でリリースまで持っていく。この一連の流れが重要

• dbt Wizard のメリット
  • dbt プロジェクト専用。モデル間の依存関係と、変更がどう影響するかを理解している
  • LLM の選択。dbt managed のモデルを使えば、オープンウェイトモデルや主要ベンダーのモデルを dbt 側で提供する。ホストの管理は不要
  • ツールの呼び出し。テストの生成と実行、pull request の作成など、各工程で必要なツールを適切に呼び出す
  • ロジックの可視化。最終的に人間がレビューするため、ソースコードの差分だけでなくリネージなどの画像で判断しやすくする
  • 効率的なコンテキスト。トークンコストを抑えるため、毎回全ファイルを渡さず必要な部分だけを効率よく渡す
  • 作業しながら検証。ウェアハウスの実データを見ながらデータの比較を提示し、本番に安全に持っていける
• 個々のメリットよりも、一連の流れとして dbt の開発を強くできる点が価値

3 つの利用形態

dbt platform 上の dbt Wizard

• dbt platform の Studio にタブとして組み込まれており、チャットで使える
• 他の利用形態と同様に、ファイルの参照やビルドができる
• リネージや画像の可視化もできる。CLI と違い、作ったものの見え方をその場で確認できる
• 他のツールを使わずに Web で完結するのが最大の利点
• ビジネスユーザー専用のタブもあり、開発はしないがデータを見たい人も使える

Explore Mode

• dbt platform 上の dbt Wizard の新しいモード。ビジネスユーザーやアナリスト向けのデータ探索とグラフ作成に使う
• 閲覧専用で、開発環境や本番環境のスキーマにデータを書き込まない。BI ツールの代わりに使える
• read-only のライセンス形態の利用者も使える
• ウェアハウスの認証情報は開発者が一度設定すればよい
• dbt platform を触ったことがないビジネスユーザーでも、アカウントを作るだけでチャットを使い始められる

Wizard CLI

• ターミナルを使うユーザーや、IDE のターミナルから dbt Wizard を使いたい場合にすぐ使える
• dbt v1 でも使える。ローカルのプロジェクトで使うため、セルフマネージドの dbt v1 を使っている人には最適

Wizard Desktop

• より複雑なタスクや、開発サイクル全体を支援することを想定した専用アプリ
• 複数のスレッドを並行して進められる。スレッドごとに分離した環境で実行するため、互いに干渉しない
• 実行、検証、テスト、データの検証、pull request の作成までを一貫して支援する

ロードマップ

• 利用コストの可視化と管理。AI のトークンコストについて、現状はシンプルな機能しかないため強化する
• アクセスと導入。どのユーザーがどこまで使えるかという、より細かいパーミッション設定
• dbt Charts との連携
  • dbt はすべての変換ロジックをコード化し、セマンティックレイヤーはメトリクスをコード化する
  • dbt Charts は、BI や AI エージェントが表示するグラフをコード化する。どのツールや AI が表示しても同じグラフになる
  • 2026年9月にリリース済み。dbt Wizard とのより密な連携を検討している

AI を使ったモデル開発の流れとボトルネック

• モデル開発は、実装、作成(ビルド)、テスト、レビューのサイクル
• これまでは人間が数日から数週間かけて 1 サイクルを回していた。エージェントを使うと、途中で人間が介入しなければ数分で終わる
• ループは 1 つではなく、複数のスレッドが同時に回る。それを支えるにはどうするかを dbt は考えている

• 工程ごとのボトルネックと対策
  • 実装。dbt Wizard が、dbt プロジェクトや履歴からより正確なコンテキストを持ってきて、正確な実装とテストを作る
  • ビルドとテスト。dbt State により、同じモデルの実行をより速くできる
  • 人間の関与。人間なしで全部回せる組織はまだ少ない。人間が判断するために、AI と dbt がどう情報を提示するかが最大のポイント

デモ

Wizard Desktop の画面構成の説明がありました。

• 左にチャット(スレッド)の一覧、中央にチャット、右に開発に必要な情報のパネル
• プロジェクトごとにセットアップし、ローカルのプロジェクトでも dbt platform のプロジェクトでも使える。接続設定もここで行う
• 右のパネルにはスキル、リネージ、画像、メトリクスなどが表示される
• 見たい情報を毎回自然言語で問い合わせるのは大変なので、よく使う情報はタブとして用意されている

デモプロジェクト

• jaffle_shop のゲーム会社版「Jaffle Games」。顧客エンゲージメントを分析する dbt プロジェクト
• メトリクスはセマンティックレイヤーで定義されている

• 関係者はアナリティクスエンジニアとデータエンジニアに加え、ゲームデザイナーとビジネスユーザー

• 「アクティブなプレイヤー」の捉え方が立場で違う
  • ビジネスユーザーは月間のプレイヤー数を見たい。プレイ時間はあまり気にしない
  • ゲームデザイナーは実際に何時間プレイしたかを分析したい

現状の把握と、割り込み依頼のフォーク

• まず、現状どのメトリクスでプレイヤーのエンゲージメントを測っているかを把握する
  • スキルを使って問い合わせると、dbt で定義されているメトリクスが一覧で返る
  • 人間はメトリクスの前後関係を見たくなるので、リネージも含めて全体を表示する
  • 右側の Metrics タブには measure とラベルがあり、ラベルは日本語化している。クリックすると中身のデータを確認できる
  • 「8 月に少し下がっている」といったコメントも付く
• ここでビジネスユーザーから割り込みの依頼が入る。アクティブプレイヤーとリテンションの関係を見たい
  • 1 つ目のチャットのコンテキストを保ったままフォークして、別のチャットを作る
  • 元のチャットはゲームデザイナー向けの開発を続けるので、壊さずに済む
  • フォーク先で編集が発生した場合は、branch も dbt の開発スキーマも分かれる。最初のチャットとは独立して開発できる
  • 今回は開発は発生せず、2 つのグラフから相関関係が分かったので、その結果を送る
• 右側のパネルで、これまで出したグラフをまとめてレビューできる
• ポイント
  • dbt 専用なので、既存の資産をすぐ把握できる。セマンティックレイヤーの参照も簡単
  • フォークは重要な概念。別のことをやりたくなったとき、コンテキストを引き継ぎつつ別環境で進められる
  • テキストだけの回答ではなく、リネージやグラフも見せる

メトリクスの追加からバリデーション、pull request まで

• 1 つ前のチャットに戻り、ゲームデザイナーの修正依頼に対応する。1 時間以上プレイしたプレイヤーをメトリクスとして追加したい
• dbt Wizard は現状のメタデータを確認し、このメトリクスをどう作るかを提案する
  • 実装結果だけでなく、前提と期待する結果も提示する。右側にはリネージの差分が出る
• 途中で判定が分かりづらい箇所があったので、その部分にコメントを付けて追加のチャットを送る
  • 結果、既存の crash フラグが使われていないことが分かり、フラグを使うようにモデルの SQL が修正された
• Validate ボタンでバリデーションを実行する
  • 通常のビルドとテストに加え、特別な要件を追加している。本番環境と比べてフラグの利用で 5% 以上の差が出たら失敗とする
  • すべて成功し、今回の変更で結果に大きな変化がないことを確認できた。実行したコマンドも表示される
• Create pull request ボタンで push と pull request の作成まで行う
  • GitHub に行かなくても、CI の状況などを Desktop で確認できる
  • pull request のテンプレートは Desktop で設定する。毎回同じ形式でレビューしてもらえるので重要
  • CI では変更したモデルだけが部分的に実行され、どのタイミングでモデルが実行されたかも分かる
• ポイント
  • すぐにレビューできる。レビューの内容には前提と期待する結果が含まれる
  • バリデーションはカスタマイズできる
  • コミットや CI ジョブの状況も Desktop で見られる

伊藤氏のまとめ

• dbt Wizard は 3 つの方法で利用できる
• dbt 専用なので、単にコードを生成するだけでなく、dbt プロジェクト開発の一連の流れを理解している
• 必要な情報はチャットに表示するだけでなく、タブとして用意されているので使いやすい
• 最初に使い始めるためのオンボーディングガイドも作っている

関連リンク

https://docs.getdbt.com/docs/platform/wizard-overview

https://docs.getdbt.com/docs/dbt-ai/wizard-desktop

https://docs.getdbt.com/docs/dbt-ai/wizard-cli

https://docs.getdbt.com/docs/platform/wizard-read-only-users

所感

dbt World Tour Tokyo 2026 のセッション「dbt Wizard：データ開発における AI チームメイト」に参加しました。

個人的にWizard Desktopの開発体験が良さそうだなと感じたので、ぜひ試したいです。
Explore Modeでビジネスユーザーも利用できるとのことでしたので期待値高いです！

この記事が何かの参考になれば幸いです！