---
title: "Tableau AIとは：Tableau Agentの機能と利用条件・計算式生成とデータ準備の実際と制約【2026年11月】"
url: "https://www.issoh.co.jp/tech/details/19520/"
published: 2026-11-09
updated: 2026-11-09
categories: ["データベース"]
publisher: "株式会社一創"
---

# Tableau AIとは：Tableau Agentの機能と利用条件・計算式生成とデータ準備の実際と制約【2026年11月】

Tableau AIは、Tableauの製品群に組み込まれた生成AI機能の総称で、中心にあるのが対話しながらビューや計算式を作るTableau Agentです。使えるかどうかはエディションと製品の版で決まり、Tableau ServerとTableau Cloudではデータの流れ方まで違います。この記事では、公式ヘルプをもとに、Tableau Agentに頼める操作と断られる操作、利用条件、計算式とデータ準備の実際、LLMへ送られるデータの範囲を整理しました。説明欄の未入力を洗い出すPythonスクリプトも載せています。

## まとめ：Tableau AIの利用条件とTableau Agentに任せる範囲・任せない範囲

Tableau CloudでTableau Agentを使うには、Tableau Cloud+かTableau+の契約、Einstein生成AIを設定したSalesforce組織との接続、サイト設定での有効化が要ります。Tableau Serverなら2025.3以降で、自社で契約したLLMに接続する形です。

任せてよいのは、ビューの作成、計算フィールドの下書き、Prepの線形なクリーニングまで。データモデリングと結合、ダッシュボードの構築、フローの実行は人の作業として残ります。

導入前に手を付けるのはAIの設定ではありません。フィールド名と説明の整備です。Tableau AIの精度はそこで決まり、Viewer主体の組織やキューブ中心の環境では費用に見合いません。

## Tableau AIの機能一覧：Agent・Pulse・Prepの提供範囲と役割の違い

「Tableau AI」は単一の製品名ではなく、複数の機能の集まりです。何を契約すれば何が動くのかを、先に対応づけておきます。

### 機能ごとに異なるCloudとServerの提供範囲と対象バージョンの一覧

[Tableau の AI と信頼](https://help.tableau.com/current/tableau/ja-jp/tableau%5Fgai%5Feinstein%5Ftrust.htm)と[サイトで AI を有効にする手順](https://help.tableau.com/current/online/ja-jp/setup%5FtabAI%5Fsite%5Fsetting.htm)の記載を、2026年11月時点でまとめると次のとおりです。

| 機能            | Tableau Cloud    | Tableau Server   |
| ------------- | ---------------- | ---------------- |
| Viz作成のAgent   | Salesforce接続が必要  | 2025.3以降         |
| PrepのAgent    | Builderは2025.2以降 | 2025.3以降         |
| PulseのAgent   | Tableau+の機能      | 記載なし             |
| ダッシュボードのAgent | 2026.2.4以降・ベータ   | 2026.3以降・Server+ |
| CatalogのAgent | 説明文の下書き          | 記載なし             |
| Pulseのインサイト要約 | Salesforce接続は不要  | 記載なし             |

表の「記載なし」は、同じヘルプのServer向けの列挙に出てこないという意味で、提供されないと明言された項目ではありません。Pulseを軸に考える場合は、最初からCloudを前提にします。CloudとServerの運用面の違いは[Tableau Cloudとは：Serverとの違い・SSOとBridgeの設定・Serverからの移行手順](https://www.issoh.co.jp/tech/details/18870/)で比べています。

### 旧称の拡張Q&AとTableau Nextを取り違えないための製品名の整理

古い記事を読むときは名称に注意が要ります。Pulseの「拡張 Q&A（ディスカバー）」は、現在のヘルプではPulseのTableau Agentに改称されました。単一メトリクスを対象に事前検出済みのインサイトを照合する「Q&A に聞く」は別物で、[Pulse のヘルプ](https://help.tableau.com/current/online/ja-jp/pulse%5Fask%5Fdiscover%5Fqa.htm)によるとこちらはTableauのAIを使いません（質問との照合を強めるセマンティック一致は別の設定です）。

もう1つ紛らわしいのがTableau Nextです。[Tableau の製品と機能](https://help.tableau.com/current/tableau-next/ja-jp/tableau%5Fnext%5Ftableau%5Fproduct%5Foverview.htm)では、Salesforceのコードで構築され、Data 360を土台にするエージェント型の分析基盤と説明されています。この記事で扱うのはDesktop・Cloud・Server・Prepに載るTableau AIです。BI製品をまたいだAI機能の比較は[BIツールのAI機能とは？自然言語クエリ・予測分析の実力と導入判断まで解説](https://www.issoh.co.jp/column/details/15881/)に譲ります。

## Tableau Agentの利用条件：ライセンス・サイト設定・接続先の確認手順

つまずきやすいのは、ライセンスを持っていてもサイト設定とSalesforce側の準備が済んでいないケースです。CloudとServerで手順がまったく違うので、分けて確認します。

### Tableau CloudのAI有効化：管理画面の操作とSalesforce接続条件

契約の条件は、[Tableau Agent の FAQ](https://help.tableau.com/current/online/ja-jp/web%5Fauthor%5Feinstein%5Ffaq.htm)ではTableau+またはTableau Cloud+と書かれています。一方、Web作成のページとPulseのページはTableau+とだけ記載しており、表現が揃っていません。金額を含めた見積もりは[Tableauの価格｜Creator・Explorer・Viewerの料金と人数別の年額、CloudとServerの差](https://www.issoh.co.jp/column/details/18812/)を参考にしつつ、対象機能が含まれるかは契約前に販売元へ書面で確かめてください。

1. サイト管理者でサインインし、対象サイトの「設定」を開く
2. 「Tableau の AI」で「Salesforce へ接続」を選ぶ
3. 「アプリケーションのカスタマイズ」権限を持つユーザーで認証する
4. 「機能別の AI 設定」で機能ごとに「オンにする」を選ぶ
5. 必要なら対象をユーザーグループに絞って保存する

接続先のSalesforce組織では、Data Cloudの設定とEinstein生成AIの有効化が前提です。接続で「API is disabled」と出たら、ユーザープロファイルのAPI有効化を確かめます。Government Cloudの組織は対象外。ビューの作成で使うユーザーには、CreatorかExplorerのサイトロールが必要になります。

### Tableau Server 2025.3〜：OpenAI・Azure OpenAI接続

Serverは[サイトで Tableau の AI を有効にする](https://help.tableau.com/current/server/ja-jp/sites%5Fgai%5Fserver.htm)の手順どおり、サーバー管理者がサイト設定の「Tableau の AI」から接続します。接続先はOpenAI（APIキー）、2026.2以降のAzure OpenAI（APIキーとリソース名）、2026.3以降のカスタムゲートウェイ（ベータ）の3種類です。プロキシ越しにLLMへ出る環境では、TSMで次を設定します。

```
# HTTPS プロキシを使う場合（適用時に Tableau Server が再起動する）
tsm configuration set -k tomcat.https.proxyHost -v proxy.example.co.jp
tsm configuration set -k tomcat.https.proxyPort -v 8080
tsm pending-changes apply
```

`tsm pending-changes apply`はServerの再起動を伴うので、本番環境では業務時間外に流します。TSMの基本やノード構成は[Tableau Serverとは：Linux・Windowsのインストール手順・TSMコマンド・ノード構成とサイジング](https://www.issoh.co.jp/tech/details/19519/)で解説しました。

### Azure OpenAI接続で起きるHTTP 404・401・500の原因と切り分け

Azure OpenAIでは、用途別に3つのモデルを指定します。公式の目安は、リクエスト理解にgpt-4o-mini以降の小さなモデル、ビューや計算の生成にgpt-4o以降、データの文脈処理にtext-embedding-3-smallなどの埋め込みモデルです。入力するのはモデル名でなく、Azure側で付けたデプロイ名。ここを取り違えた接続が失敗の典型で、[英語版のヘルプ](https://help.tableau.com/current/server/en-us/sites%5Fgai%5Fserver.htm)がエラーごとの確認先を挙げています。

| 応答                     | 主な原因         | 確認すること           |
| ---------------------- | ------------ | ---------------- |
| 404 DeploymentNotFound | デプロイ名の誤り     | 基本モデル名を入れていないか   |
| 401・403                | キーまたはRBACの不足 | キーとAzure側の権限     |
| 500 UNKNOWN\_ERROR     | 通信・証明書の問題    | プロキシ・FW・Serverログ |

同じページには、Serverのホストからモデル一覧とチャット補完を試すコマンドが、PowerShell版とmacOS版で載っています。Tableauの画面で悩む前に、ホストから届くかを先に確かめると原因を半分に絞れます。

## 計算フィールドとビュー作成の実際：依頼文の書き方と生成式の検算手順

Tableau Agentは万能の相談相手ではなく、接続済みのデータに対する具体的な操作を受け付ける道具です。境界を知っておくと、無駄な問い合わせが減ります。

### Tableau Agentに頼める操作と断られる操作を分ける判断の境界線

[Tableau Agent でデータを探索する](https://help.tableau.com/current/online/ja-jp/web%5Fauthor%5Feinstein.htm)の記載を整理すると、次のように分かれます。

| 頼める操作          | 頼めない操作          |
| -------------- | --------------- |
| ビューの作成とチャートの選択 | データソースの選択やモデリング |
| 計算フィールドの作成と説明  | 基準線やViz書式の設定    |
| フィルターと並べ替え     | フィルターコントロールの作成  |
| 時系列の分析         | グループ・セット・パラメーター |
| 分析の質問の提案       | ダッシュボードの構築      |

季節性の判断のような相談、一般知識、データの系統に関する質問にも答えません。扱えるのはワークブックに接続されたデータソースのみで、ブレンドはプライマリだけが対象です。キューブは未対応。会話はシートごとに分かれ、ワークブックを閉じると消えます。

### 計算式の依頼文と検算：IF式の型の揃え方とFIXEDのフィルター順序

計算の作成時、Tableau Agentは聞き返してきません。曖昧な依頼は曖昧なまま式になるので、フィールド名と条件を書き切ります。次の式は、[Prep のヘルプ](https://help.tableau.com/current/prep/ja-jp/prep%5Feinstein.htm)にある依頼例などに対して、期待する答えを手で書いたものです。Agentの出力と見比べる基準に使えます。

```
// 依頼：数量フィールドの値を最大値 10 に制限する
IF [数量] > 10 THEN 10 ELSE [数量] END

// 依頼：10 を超える場合は文字列に置き換え、それ以外は元の値を保持する
IF [数量] > 10 THEN "しきい値を超えています" ELSE STR([数量]) END

// 顧客ごとの平均売上と各行の売上の差
[売上] - {FIXED [顧客名] : AVG([売上])}
```

2つ目のように文字列と数値が混ざる場合、IF式の分岐は同じ型に揃えます。3つ目の`FIXED`は検算で見落としやすい式です。[詳細レベル表現の概要](https://help.tableau.com/current/pro/desktop/ja-jp/calculations%5Fcalculatedfields%5Flod%5Foverview.htm)にあるとおり、FIXEDはディメンションフィルターより先に計算されます。画面のフィルターを反映させたいなら、そのフィルターをコンテキストに追加してください。

依頼の分け方にも決まりがあります。計算の作成と、その計算を使ったビューの作成は2回に分ける仕様です。`DATEPARSE`のように接続の種類で使えない関数もあり、その場合は抽出への切り替えが要ります。検算は、合計値が分かっている期間で既存のレポートと突き合わせるのが確実でしょう。

## Tableau Prepのデータ準備：Agentで作れるステップと手作業に残す工程

Prepでは、依頼文に対して作業の概要と適用できるステップの案が返ります。ビューの作成とは制約が異なるので、別に押さえておきます。

### 1回最大10ステップ・線形フロー限定というPrep側の上限と依頼の分け方

[Tableau Agent を使用して Tableau Prep フローを構築する](https://help.tableau.com/current/prep/ja-jp/prep%5Feinstein.htm)によると、1回の依頼で提案されるのは最大10ステップです。超える作業は依頼を分けます。作れるのは一直線のステップだけで、分岐は人が組みます。対応するのは、計算フィールド、クイッククリーニング、名前と型の変更、値の分割、重複行の特定、欠損行の補完、フィルター、ピボット、集計です。

ヘルプの依頼例は「トランザクション コードから銀行コードを抽出する」「銀行あたりの取引を月ごとに合計する」のように、対象のフィールドと操作が1文に収まっています。社内の略語や同義語は誤解されやすいので、実際のフィールド名で書きましょう。

### 結合・ユニオン・出力・スケジュールを人が担当するフローの分担

入力ステップの作成、結合、ユニオン、スクリプト、予測、出力、フローの実行とスケジュール設定は対象外です。つまりフローの骨格は人が作り、途中のクリーニングをAgentに任せる分担になります。フローの説明やエラーの原因調査にも対応していません。

骨格の作り方と定期実行の方法は[Tableau Prepとは：Prep Builderの使い方・フロー作成とConductor・コマンドラインでの定期実行](https://www.issoh.co.jp/tech/details/18872/)にまとめました。

## 回答精度を決めるメタデータの整備：説明欄の未入力をAPIで洗い出す手順

Tableau AIが読むのは、データそのものよりも先にフィールドのメタデータです。導入効果の差はここで付きます。

### フィールド名・説明・既定の集計で解釈が変わるデータソースの直し方

[Tableau Agent のベストプラクティス](https://help.tableau.com/current/online/ja-jp/web%5Fauthor%5Feinstein%5Fbest%5Fpractice.htm)のうち、優先度が高いのは次の4つです。

1. 「P\_ID」や「Region1\_copy」をやめ、一意で完全な名前にする
2. 説明に業務上の意味と類義語、似たフィールドとの違いを書く
3. 郵便番号をディメンションに、単価の既定集計を平均に直す
4. ビューに使わないフィールドを隠し、認証済みデータソースを使う

ビジネス環境設定のファイルを渡すこともできます（アップロードはCloudのみ）。先頭に`#`を付けて1件ずつ書き、50件・8,000文字以内に収めるのが目安です。次は書式の例になります。

```
# 売上はすべて税抜の円です
桁区切りカンマを使い、小数は表示しません。

# 月次の集計は「購入日」ではなく「請求日」を使います
対象フィールドは [請求日] です。
```

### 説明が空のフィールドをPythonとMetadata APIで一覧にするスクリプト

手作業で全データソースを開くのは現実的ではありません。REST APIの[個人用アクセストークンでのサインイン](https://help.tableau.com/current/api/rest%5Fapi/en-us/REST/rest%5Fapi%5Fconcepts%5Fauth.htm)でトークンを取り、[Metadata API](https://help.tableau.com/current/api/metadata%5Fapi/en-us/docs/meta%5Fapi%5Fstart.html)の[PublishedDatasource](https://help.tableau.com/current/api/metadata%5Fapi/en-us/reference/publisheddatasource.doc.html)と[Field](https://help.tableau.com/current/api/metadata%5Fapi/en-us/reference/field.doc.html)を引くと、未整備の箇所を一覧にできます。

```
import csv
import os
import sys

import requests

SERVER = os.environ["TABLEAU_SERVER"]  # 例: https://10ay.online.tableau.com
SITE = os.environ.get("TABLEAU_SITE", "")  # 既定サイトは空文字
API = os.environ.get("TABLEAU_API_VERSION", "3.29")

QUERY = """
query Fields($after: String) {
  publishedDatasourcesConnection(
    first: 10, after: $after, orderBy: {field: NAME, direction: ASC}
  ) {
    nodes { name isCertified fields { name description isHidden } }
    pageInfo { hasNextPage endCursor }
  }
}
"""

res = requests.post(
    f"{SERVER}/api/{API}/auth/signin",
    headers={"Accept": "application/json"},
    json={"credentials": {
        "personalAccessTokenName": os.environ["TABLEAU_PAT_NAME"],
        "personalAccessTokenSecret": os.environ["TABLEAU_PAT_SECRET"],
        "site": {"contentUrl": SITE},
    }},
    timeout=30,
)
res.raise_for_status()
headers = {"X-Tableau-Auth": res.json()["credentials"]["token"]}

writer = csv.writer(sys.stdout)
writer.writerow(["datasource", "certified", "field"])
after = None
while True:
    res = requests.post(
        f"{SERVER}/api/metadata/graphql",
        headers=headers,
        json={"query": QUERY, "variables": {"after": after}},
        timeout=60,
    )
    res.raise_for_status()
    body = res.json()
    if body.get("errors"):
        sys.exit(body["errors"])
    page = body["data"]["publishedDatasourcesConnection"]
    for ds in page["nodes"]:
        for f in ds["fields"]:
            if not f["isHidden"] and not (f["description"] or "").strip():
                writer.writerow([ds["name"], ds["isCertified"], f["name"]])
    if not page["pageInfo"]["hasNextPage"]:
        break
    after = page["pageInfo"]["endCursor"]
```

環境変数を設定して`python list_fields.py > missing.csv`のように実行します。`requests`は`pip install requests`で入ります。API版の3.29は2026.2に対応する値なので、環境に合わせて変えてください。Tableau ServerではMetadata APIが既定で無効のため、`tsm maintenance metadata-services enable`を初期ノードで実行します。一部のサービスが再起動する点に注意が必要です。Cloudでは、Data Managementのあるサイトなら自動で有効です。上流から説明を継承している環境では`descriptionInherited`も併せて確かめます。

## LLMへ送られるデータの範囲：CloudとServerで変わる責任分界と確認項目

セキュリティ審査で必ず問われるのがこの章の内容です。結論は「CloudとServerで別の製品だと思って審査する」となります。

### Einstein Trust Layerの有無で変わるPIIマスキングと保持の責任者

[Tableau の AI と信頼](https://help.tableau.com/current/tableau/ja-jp/tableau%5Fgai%5Feinstein%5Ftrust.htm)の記載を比べると、違いは次のとおりです。

| 項目         | Tableau Cloud  | Tableau Server |
| ---------- | -------------- | -------------- |
| LLMへの経路    | Trust Layerを経由 | 自社のLLMへ直接      |
| PIIマスキング   | パターンベースで自動     | 自社の責任          |
| データ保持      | LLM側はゼロ保持      | LLM契約に従う       |
| 行レベルセキュリティ | 既存の権限を尊重       | フィルターを尊重       |
| 利用料        | AI利用のクレジット消費なし | LLM契約で課金       |

利用料の行は2025年10月以降の扱いです。監査証跡を使うとData 360のクレジットを消費する場合があります。Serverを選ぶ理由が「データを外へ出さない」だった組織は要注意で、OpenAIへ直接つなぐ構成はその前提と衝突します。自社の閉域から出さないなら、カスタムゲートウェイの先にどのモデルを置くかまで設計してください。

### 送信内容の実物：項目名・説明150文字・個別値1,000件以下のサンプル

Cloudのビュー作成では、起動時にフィールドのキャプション、説明の先頭150文字相当、役割、データ型が送られ、文字列フィールドは最大1,000件の個別値がサンプリングされます。つまり氏名や社員番号のような列も、データソースに見えていれば候補に入ります。隠す設定はベストプラクティスの点だけでなく情報管理の点でも効く、ということです。

Prepで送られるのは選択したステップのテーブルデータで、フロー全体ではありません。一方[データ利用のページ](https://help.tableau.com/current/tableau/ja-jp/tableau%5Fgai%5Fdata.htm)によると、ダッシュボードのQ&Aはクエリの返り値も対象で、生成されたSQLはデータソース全体に対して実行されます。同ページには、送信データがサービスや機能の改善に使われる場合があるとの記載もあるので、契約条件と併せて法務に確認してもらいましょう。

## Tableau AIの採用判断：費用に見合う条件と見送るべき場面の線引き

判断の軸は「作る人が多いか」と「データソースが整っているか」の2つです。

### 採用する条件：認証済みデータソースがありCreator・Explorerが多い組織

ビューの作成で使えるのはCreatorとExplorerなので、作り手が多い組織ほど費用を回収できます。次の両方を満たすなら、新規サイトのトライアルで検証に進んでください。

- 認証済みのデータソースがあり、フィールドの説明を埋める担当を決められる
- 計算式を検算できるCreatorが、利用部門に1人以上いる

検証で測るのは、既存レポートで答えが分かっている質問を何割正しく返すかです。トライアルの有無や範囲は後述のFAQにまとめました。

### 見送る場面：Viewer主体・キューブ中心・PII対策なしのServer運用

次のどれかに当てはまる段階では、Tableau AIを見送ります。

- 利用者の大半がViewerで、見るだけの運用になっている
- 分析の中心がキューブ接続で、Agentの対象にならない
- ServerでLLMへ送る個人情報を自社で制御する手段がない
- フィールド名が略号のままで、直す担当者もいない

Viewerはビュー作成のAgentの対象外です。ダッシュボードのAgentは権限を付ければViewerも使えますが、まだベータ版の段階にあります。数百〜数千のフィールドを持つデータソースでは、名前の似た項目が多いほど精度が落ちるとヘルプに書かれています。AIを足す前に、データソースを業務単位へ分けるほうが先です。

### 製品標準で足りない範囲：社内システムへの組み込みと独自の問い合わせ画面

Agentはワークブックの中で動く機能です。業務システムの画面から売上を聞けるようにしたい、基幹の権限と連動させたいといった要望は、製品標準の外になります。会話で数字を引く仕組みそのものは[会話型BIとは？自然言語で数字を引き出す仕組みと導入判断まで解説](https://www.issoh.co.jp/column/details/14675/)で説明しました。

データソースの整備から任せたい場合に依頼できる範囲は[Tableauの導入支援｜依頼できる範囲と外注先の選び方、費用の決まり方](https://www.issoh.co.jp/column/details/18818/)で紹介しています。既存の環境でTableau AIが動く状態かの棚卸しから進めるなら、[BIツール導入支援](https://www.issoh.co.jp/service/ai/bi/)にご相談いただけます。

## よくある質問

Tableau AIの導入前によく調べられる質問に答えます。

### Tableau AIは無料で試せますか？

試せますが、範囲はサイトの種類で変わります。新規のトライアルサイトでは、Pulse、作成、Prep、ダッシュボード（ベータ）のTableau Agentが使えます。既存のTableau Cloudサイト向けの[60日間のトライアル](https://help.tableau.com/current/online/ja-jp/tableau%5Fgai%5Ftrial.htm)はPulseのTableau Agentだけが対象で、開始後は一時停止できません。Pulseのインサイト要約はTableau+がなくても使えます。

### Tableau Agentは日本語で質問できますか？

ヘルプの記載は「英語（en\_US）とその他の一部の言語」で、ページ内に言語の一覧がありません。サイトやDesktopが非対応言語の設定なら応答は英語になります。ダッシュボードのQ&AとCatalogのAgentは英語のみです。フィールド名と質問の言語が異なると、正確な名称の指定が必要になります。日本語のサイトで応答と精度を試してから判断してください。

### Tableau Agentに入力した社内データはAIの学習に使われますか？

Tableau Cloudでは、LLMプロバイダーとの間でゼロデータ保持のポリシーをとり、利用者のデータはグローバルモデルの学習に使わないと説明されています。ただし、別ページには、送信データがサービスや機能の改善に使われる場合があるという説明も記載されている点に注意が必要です。Tableau Serverは自社のLLM契約に従うため、接続先の利用規約を確認します。審査では両方の文面を提示しましょう。

### Tableau DesktopだけでTableau Agentは使えますか？

Desktop単体では使えません。[Desktop のヘルプ](https://help.tableau.com/current/pro/desktop/ja-jp/desktop%5Feinstein.htm)によると、2025.1以降の版で、AIが有効なTableau CloudまたはTableau Serverのサイトにサインインしていることが条件です。インターネット接続とワークシート上のデータソース接続も求められます。2026.3以降のDesktopでは、ダッシュボードのAgentは設定のみ可能で、利用にはWebで開きます。

### Tableau Agentでダッシュボードまで自動で作れますか？

作れません。ヘルプはダッシュボードの構築を対象外と明記しています。[ダッシュボードの Tableau Agent](https://help.tableau.com/current/pro/desktop/ja-jp/dashboard%5Fnarratives%5Foverview.htm)は、完成したダッシュボードの概要作成、インサイト、Q&Aを担うベータ版の機能です。利用者には「AI へのアクセス」と「フル データ クエリ」の権限が要ります。シートをAgentで作り、配置は人が行う分担になります。

## 関連記事

- [Tableau（タブロー）とは：製品の種類・データ接続・権限設計と自社開発との使い分け](https://www.issoh.co.jp/tech/details/18863/)：製品全体の構成と権限設計
- [BIツールのAI機能とは？自然言語クエリ・予測分析の実力と導入判断まで解説](https://www.issoh.co.jp/column/details/15881/)：Power BIなど他製品のAI機能との比較
- [Tableau Prepとは：Prep Builderの使い方・フロー作成とConductor・コマンドラインでの定期実行](https://www.issoh.co.jp/tech/details/18872/)：Agentに任せない工程の作り方
- [Tableau Serverとは：Linux・Windowsのインストール手順・TSMコマンド・ノード構成とサイジング](https://www.issoh.co.jp/tech/details/19519/)：LLM接続の前に必要なServerの構築
- [Tableauの価格｜Creator・Explorer・Viewerの料金と人数別の年額、CloudとServerの差](https://www.issoh.co.jp/column/details/18812/)：ロールごとの費用の見積もり

---

出典: [Tableau AIとは：Tableau Agentの機能と利用条件・計算式生成とデータ準備の実際と制約【2026年11月】](<https://www.issoh.co.jp/tech/details/19520/>)（株式会社一創）