Dataikuバージョン14.2.0の概要：最新アップデート全体像と注目機能のポイント徹底解説ガイド

Dataikuバージョン14.2.0の概要：最新アップデート全体像と注目機能のポイント徹底解説ガイド

Dataiku Data Science Studio (DSS)は企業のデータ分析・機械学習プロジェクトを支援する統合プラットフォームです。初心者からエキスパートまで複数のユーザーが協働し、データ準備からモデル構築、デプロイまで一貫して行える環境を提供します。最新リリースとなるバージョン14.2.0は、そんなDataikuの機能をさらに強化する大規模アップデートです。本稿ではDataiku 14.2.0で追加・改善された内容を俯瞰し、特に新機能「Agent Hub」に焦点を当てて詳しく解説します。最新バージョンの位置づけや進化ポイント、企業への影響なども含め、Dataiku 14.2.0がもたらす価値を余すところなく紹介していきます。

Dataikuとは何か：データサイエンスとAIの統合プラットフォームの概要を紹介

Dataiku DSSは、データサイエンティストだけでなくビジネスアナリストやエンジニアなど多様な職種が共同で利用できる統合型のデータサイエンス&AIプラットフォームです。データの取り込み・前処理、特徴量エンジニアリング、機械学習モデルの学習・評価、さらにはモデルのデプロイやモニタリングまで、プロジェクトのライフサイクル全体を一つの環境で完結できます。ビジュアルなインターフェースとコードによる柔軟性を兼ね備えており、ノンコーダーでもドラッグ&ドロップで分析フローを構築できる一方、上級者はPythonやR、SQLでカスタム処理を組み込むことも可能です。また、コラボレーション機能も充実しており、チームメンバー間でシナリオやノートブック、ダッシュボードを共有しながら効率的に開発を進められます。要するにDataikuとは、データからAI価値を生み出すプロセスをワンストップで支えるプラットフォームだと言えるでしょう。

バージョン14.2.0リリースの背景：最新版アップデートの位置付けと狙いを探る

Dataiku 14.2.0は、Dataiku社が提唱する「Universal AI Platform（ユニバーサルAIプラットフォーム）」ビジョンを体現するアップデートです。この最新版では、より多くの人々がAIソリューション構築に参加できるよう支援しつつ、AI活用の可視性と制御（ガバナンス）を強化することが狙われています。背景には、企業内での生成AIや対話型AIの需要拡大があります。生成AI（Large Language Modelの活用など）がビジネス現場に浸透する中、単にモデルを作るだけでなく、それをエンドユーザーが安全かつ便利に利用できる仕組みが求められていました。Dataikuは従来からエンドツーエンドのAI開発を支援してきましたが、バージョン14系では特にGenerative AIやエージェント機能に注力しています。14.2.0はその一環として、誰もがAIエージェントを活用できるポータル機能「Agent Hub」の提供に踏み切りました。つまり本リリースは、最新のAIトレンドに迅速に対応し、企業が抱える「AIの民主化」と「AIガバナンス」のニーズを同時に満たすことを目指したアップデートなのです。

Dataiku 14系の進化：継続的なAIプラットフォーム改善の流れと歩み

Dataikuはバージョン14系において飛躍的な機能拡張と改良を重ねてきました。2025年に入ってリリースされた14.0では、プロダクトのUI刷新（新しいホーム画面の導入など）やLLM Meshによる生成AI統合が図られ、続く14.1ではエージェント機能や強化学習の改善などが施されています。今回の14.2.0は、その延長線上に位置するリリースです。14系全体を通じた傾向として、Generative AIと対話型エージェント（Agentic AI）に関連する機能強化が顕著です。例えば、大規模言語モデルを安全に活用するためのフレームワーク（LLMコネクションやプロンプト設計ツールの整備）、複数モーダルのデータ対応、タイムシリーズ予測への新手法導入など、DataikuはAI/MLの最新トレンドを迅速に取り込み続けています。同時に、既存機能のユーザー体験向上（ナビゲーションの改善やパフォーマンス向上）にも注力し、プラットフォームとしての完成度を高めてきました。継続的な改善を積み重ねてきた結果、14.2.0ではAI活用の裾野を広げつつ企業での信頼性を担保するバランスの取れた進化が実現されています。

14.2.0で注目される全体的な改善点：UI・性能向上と機能拡充の概要

今回のアップデート全体を俯瞰すると、ユーザーインターフェース（UI）やシステム性能の向上に加え、各所で機能の拡充が行われていることが分かります。UI面では、エージェント系の新機能追加に伴うメニュー構成の見直しや、より直感的に操作できる画面改良が含まれているでしょう。またパフォーマンス面では、バックエンドのランタイム更新（例：PythonやJavaの対応バージョン引き上げ、Dockerベースイメージの更新など）により全体的な処理速度や安定性が改善している可能性があります。機能拡充として特筆すべきは、後述するAgent Hubを筆頭に、AIポートフォリオの自動タグ付けやビジュアルグラフ機能、タイムシリーズ分析の強化など、データサイエンスからMLOpsに至る広範囲な領域で新要素が追加された点です。要するに14.2.0は、単一の目玉機能だけでなく「使い勝手向上＋多方面の機能追加」によって、プラットフォーム全体の価値を底上げするアップデートになっています。

エンタープライズへのインパクト：企業活用事例から見る最新バージョンの重要性を検証

Dataiku 14.2.0で導入された新機能群は、企業でのAI活用に具体的なメリットをもたらすものです。例えば「Agent Hub」の登場によって、社内で乱立しがちだったチャットボットやQ&Aシステムを一元管理できるようになります。これにより、せっかく開発したAIエージェントが埋もれて使われない、という課題を解消し、社内AI資産の有効活用を促進できます。また、新しい自動タグ付け機能により、どのプロジェクトで機械学習や生成AIが使われているかが一目で分かるようになりました。これはガバナンス強化につながり、AIプロジェクトのリスク管理や効果測定を容易にします。さらにタイムシリーズ予測やGLMなど分析手法の追加は、金融・製造をはじめとする業種での高度な分析ニーズに応えるものです。実際の企業活用事例を見ても、最新バージョンへアップデートしたことで「分析チーム以外の部門社員がAgent Hub経由でAI活用を始めた」「モデル開発のサイクルが短縮された」「ガバナンスレポートにより経営層への説明責任を果たしやすくなった」等の声が聞かれます。総じてDataiku 14.2.0は、AIの民主化と統制という相反しがちな命題を両立し、企業におけるAI利活用を次の段階へ押し上げる重要なリリースだと言えるでしょう。

新機能「Agent Hub」：エンタープライズAIエージェント管理を支える新基盤システムの全貌を解説

Dataiku 14.2.0で最も注目すべき新機能が「Agent Hub」です。Agent Hubとは、一言で言えば企業内AIエージェントのための統合ポータルです。社内で構築された様々なAIエージェント（チャットボットや対話型の分析ツール）を一箇所に集約し、従業員が安全にアクセス・利用できるようにするための基盤となります。加えて、エンドユーザー自身が簡単な設定で自分専用のエージェント（My Agents）を作成できる仕組みも備えています。これまで各プロジェクトや部門内に散在していたAIエージェントを組織全体で共有・統括できるようになるため、企業のAI活用において画期的な前進と言えるでしょう。以下では、Agent Hub誕生の背景や基本コンセプト、従来との違い、その具体的な利点などを順に見ていきます。

Agent Hub導入の背景：複数AIエージェント活用における課題と解決ニーズを考察

近年、社内向けチャットボットや対話型のAIアシスタントなど、いわゆるAIエージェントを業務に取り入れる企業が増えてきました。しかし各チームが個別にエージェントを作成した結果、組織全体では「どの部署にどんなエージェントがあるのか把握しづらい」「エージェントごとにバラバラのUIで使い勝手が悪い」「管理者側から利用状況をモニタリングできない」といった課題が浮上していました。また、生成系AIの普及により社員一人ひとりが自分専用の小さなエージェント（例えば自部署のデータに特化したQ&Aボット）を作りたいというニーズも高まっています。しかし従来は専門知識がないとエージェント開発は難しく、現場の創意工夫が十分に生かされていない状況でした。このような背景から、「複数のAIエージェントを統括管理でき、なおかつ一般ユーザーでも簡単にエージェント作成ができる環境」が求められるようになりました。Agent Hubはまさにこれらのニーズに応えるため企画された機能です。Dataikuは既にプロジェクト単位で対話型AI（Generative AI）を扱う仕組みを提供していましたが、Agent Hubによってそれらを横串で束ね、企業全体でAIエージェントを戦略的に展開・運用するための基盤を整えたのです。

Agent Hubの定義と役割：DataikuにおけるAIエージェント統合ポータルの位置付け

Agent HubはDataiku内で動作するWebアプリケーション（ビジュアルWebApp）として提供されています。簡単に言えば、Dataikuプラットフォーム上に構築される「社内向けAIエージェントのポータルサイト」です。その役割は大きく二つあります。一つ目はエンタープライズエージェントの集中配信です。AIエキスパートやデータサイエンティストが構築した信頼性の高いエージェントをAgent Hub上に掲載することで、組織内の誰もがブラウザ経由でそれらエージェントにアクセスできるようになります。Agent Hubは各種エージェントへの入口となり、利用者は用途に応じて適切なエージェントを選んで対話を開始できます。二つ目はユーザー自身によるエージェント作成支援です。Agent Hub上のインタフェースを通じて、技術者でないビジネスユーザーでも自分用の簡易エージェント（My Agent）を作れるようになっています。これはDataikuが掲げる「AIの民主化」を推し進める重要なポイントです。要するにAgent Hubは、Dataiku内のGenerative AI機能を一般ユーザーに開放しつつ、企業として統制できる形で提供するハブ（中核）として位置付けられます。その存在によりDataikuはデータ分析・MLプラットフォームから一歩進み、企業全体のAIアシスタント基盤としての役割も担うことになりました。

従来機能との違い：Agent Hubがもたらす新しい価値とメリット

Agent Hub以前にも、Dataikuにはプロジェクト内でQ&Aボット的な振る舞いをする「エージェント」機能（Generative AIインスタンスを用いたチャットなど）が存在していました。しかし従来は各エージェントが個別のプロジェクト内に閉じており、横の連携や全社展開には手間がかかっていました。Agent Hubはそうした旧来の仕組みを一段階進化させ、複数エージェントを統合的に扱えるようにした点で画期的です。最大の違いは「マルチエージェント対応のチャットインターフェース」が提供されたことです。ユーザーは一つのチャット画面で必要に応じ複数のエージェントを呼び出し、最適な回答を得ることができます（詳細は後述）。これは従来にはなかった新しい体験です。また、Agent Hubにはエージェントの使用状況を追跡できるモニタリング機能が備わっており、管理者はどのエージェントがどれだけ使われているか、ユーザーからの評価はどうかといった情報を俯瞰できます。これも各エージェントが孤立していた以前とは大きな違いです。さらに、UIの統一も見逃せません。Agent Hubにアクセスすれば社内の様々なAIアシスタントと対話できるため、ユーザーは個別のツールを覚える必要がなくなります。単一のポータルで統一された体験を提供できるのは企業にとって大きなメリットであり、エージェント利用のハードルを下げ社内浸透を促進するでしょう。

Agent Hubで可能になること：ユーザーと組織にもたらす具体的な利点

Agent Hubの導入によって、ユーザー個人と組織全体の双方に多くの利点がもたらされます。ユーザー視点では、目的に応じたAIエージェントをワンストップで利用できる便利さが挙げられます。これまでは「販売データを分析するには営業部門が作ったボットA、顧客からの問い合わせ対応はカスタマーサポート部門のボットB…」というように、それぞれ別々の入り口や操作方法を覚える必要があったかもしれません。Agent Hub導入後は、それらが全て一箇所に集約され、共通のチャットUIで扱えます。また、自分専用のエージェントを作成できることも大きな利点です。例えば営業担当者が「自分の担当顧客について要点を教えてくれる」エージェントをMy Agentとして作り、日々の業務効率化に役立てる、といったことが容易になります。組織視点の利点としては、エージェント活用に対する統制と見える化が進む点が重要です。全エージェントがHub経由で使われることで、管理者は利用ログを集中管理でき、不適切な利用やエージェントの遊休化を防げます。さらに、社内に散在する知見をエージェント化してHubに載せることで、知識の社内共有が促進されるという副次的効果も期待できます。要するにAgent Hubは、ユーザーの利便性向上と組織のAI活用最適化を同時に実現するプラットフォームなのです。

想定ユースケース：Agent Hubが活躍するシーンと利用例を紹介

Agent Hubは様々なシーンで活用が見込まれます。例えば社内ヘルプデスクのユースケースです。IT部門や人事部門が持つFAQエージェント、ナレッジベース検索エージェントなどをAgent Hubに登録しておけば、新入社員を含む全社員がヘルプデスク的に活用できます。ユーザーはHub上で疑問を質問すれば、裏側で最適なエージェント（IT関連の質問ならITエージェント、人事関連なら人事エージェント）が応答し、必要な情報を提供してくれます。またデータ分析支援のシーンでは、データサイエンティストが社内向けに提供する各種AIツール（例：売上予測ボット、在庫最適化ボット、顧客セグメンテーションボット等）をHubに集約できます。現場のビジネスユーザーは自分が欲しい分析結果を会話形式でリクエストでき、複雑な分析ツールの操作なしにAIの恩恵を受けられます。さらにプロジェクトごとのナレッジ活用という観点では、プロジェクト固有の文書やデータを読み込ませたMy Agentを各担当者が作成し、業務ナレッジをエージェント化することも可能です。そして、それを必要に応じ共有すればチーム全体の生産性向上につながるでしょう。このようにAgent Hubは、社内問い合わせ対応から高度分析まで幅広いユースケースで活躍しうる基盤であり、「社内AIポータル」が現実のものとなる場面を創出します。

Agent Hubの主な特徴：マルチエージェント対応やユーザー独自エージェント作成機能などを徹底解説

次に、Agent Hubが備える具体的な特徴・機能について掘り下げます。Agent Hubは単なるエージェント一覧ページではなく、複数エージェントを効率よく運用・利用するための様々な工夫が凝らされています。その主な特徴として、エージェントライブラリの中央集約、複数エージェントの同時オーケストレーション、ユーザー自身によるエージェント作成（My Agents）、ガバナンス制御の組み込み、そして応答内容の透明性確保の5つが挙げられます。これらの機能が相まって、Agent Hubはエンタープライズ環境で安心してAIエージェントを展開するための強力な基盤となっています。

中央集約されたエージェントライブラリ：専門家が選定したAIエージェント共有とアクセス簡易化

Agent Hubのホーム画面には、利用可能なAIエージェントがライブラリ形式で一覧表示されます。ここには主にデータサイエンティストやAI専門チームが作成・厳選したエンタープライズエージェントが並びます。各エージェントにはわかりやすい名称と説明が付与されており、ユーザーはそれらを見比べて目的に合うものを選択できます。エージェントが一箇所に集約されていることで、従業員は「今、自分が使えるAIツールは何があるのか」を一目で把握できるようになります。加えて、Agent Hub上のエージェントライブラリは複数のカテゴリーに分類されています。例えば「エンタープライズエージェント」（全社向けに公開された公式エージェント）、「My Agents」（自分自身が作成したプライベートエージェント）、「共有されたエージェント」（他のユーザーから共有されたエージェント）、「お気に入り」（ユーザーがお気に入り登録したエージェント）といった具合です。この分類により、企業全体で提供される標準エージェントと個人作成のカスタムエージェントが混在せず整理されます。中央集約＋カテゴリ分けされたエージェントライブラリのおかげで、ユーザーは迷うことなく必要なAIエージェントにアクセスでき、社内AIツールの利用率向上が期待できます。

マルチエージェントのオーケストレーション：複数エージェントを横断して最適回答を引き出す仕組み

Agent Hub最大の特徴の一つがマルチエージェント対応のチャットインターフェースです。通常、チャットボットは一対一でユーザーの質問に答えますが、Agent Hubでは複数のエージェントを組み合わせて問い合わせに応じることができます。例えばHub上で特定のエージェントを選択せずに質問を投げかけた場合、バックエンドで動作するオーケストレーターLLMが全エージェントの中から最も適したものを判断し、そのエージェントに回答させます。また、ユーザーが複数のエージェントを手動で選択しておけば、その質問に対して各エージェントが連携して答えを導き出すことも可能です（必要に応じ追加の質問をそれぞれのエージェントに振り分けるなど）。このオーケストレーション機能により、ユーザーは一度の対話で広範囲の知識領域をカバーできるようになります。言い換えれば、Agent Hubは社内に点在する「知恵袋」を一つの窓口に統合し、ユーザーからの質問に対し最も頼りになる知恵袋を自動で引っ張ってきてくれるイメージです。技術的には、Agent Hubの設定で指定した「Agent Hub LLM」（オーケストレーション用大規模モデル）がこの調停役を担っています。これにより各エージェントの専門性を生かしつつ、ユーザーにはあたかも一人の賢いAIに相談しているかのようなシームレスな体験を提供できます。

ユーザー独自エージェント作成（My Agents）：非専門家でも自分専用AIを構築できる機能

Agent Hubでは、特定の権限を持つユーザーに対し「Create new agent」（新しいエージェントを作成）ボタンが提供されます。これを使うことで、プログラミング知識がなくても自分専用のAIエージェントを作成可能です。作成プロセスは対話形式で行われ、まずエージェントに与える指示や知識（プロンプト）を入力します。必要であればテンプレート集（Promptライブラリ）から雛形を利用することもできます。次に「エージェント能力 (Agent Capabilities)」として、そのエージェントに読み込ませる文書やデータセット、利用可能なツールを指定できます。Dataikuはアップロードされたドキュメントから自動で埋め込みベクトルを生成し、エージェントの知識ベースに追加します。またツール（Dataiku内外のアクションやAPI）を付与すれば、エージェントが回答中にそれら外部機能を実行することもできます。さらに「エージェント概要 (Agent Overview)」の項目では、入力した指示から自動生成（Autofill）も活用しつつ、エージェントの説明文や想定Q&A例を記載します。準備ができたらテストチャットで動作確認し、満足できれば「Publish (公開)」ボタンでエージェントを完成させます。こうして作られたMy Agentは自分だけのものですが、希望すれば他ユーザーと共有も可能です。このようにAgent Hubは非エンジニアでも扱える簡易エージェント開発環境を提供しており、社員一人ひとりが業務に沿ったAIアシスタントを作成・活用できる土壌を整えています。

ガバナンスと利用制御：LLM・ツールの利用制限設定で企業内の安全性を確保

企業がAIエージェントを広く展開する際に重要となるのがガバナンス（統制）です。Agent Hubには、管理者がエージェント利用をコントロールするための仕組みが組み込まれています。まず、Hub上で利用できるLLM（大規模言語モデル）やツールを限定できます。例えば社内規定に沿った特定の生成AIサービス（OpenAIやAzure OpenAIなど）のみを接続し、それ以外は使えないよう設定可能です。これにより、許可されていない外部APIへの接続や情報の流出を防ぎます。また、Hubに掲載するエージェント自体も、管理者やデータサイエンティストが品質確認・承認したものだけをエンタープライズエージェントとして公開できます。ユーザーが作成したMy Agentについても、デフォルトでは本人のみアクセス可能で、必要な場合に明示的共有を行う形になっているため、誤った情報を含む未検証エージェントが勝手に社内拡散する心配も抑えられています。さらに、Agent HubはDataikuのプロジェクト権限機構と連動しています。エージェントの実体は各プロジェクト内に存在するため、ユーザーがHub経由でそれを使うには当該プロジェクトの閲覧権限が必要となります（後述）。このように複数レイヤーで制御を掛けることで、利便性とセキュリティのバランスが保たれています。Agent Hubを導入しても、企業は自社ポリシーに反しない範囲でAI活用を推進できるというわけです。

応答の透明性と追跡性：回答に使用したデータソースやツール実行履歴の可視化

AIエージェントを業務で使う際、ユーザーや管理者が気にするのは「この回答はどのように得られたのか？」という点でしょう。Agent Hubでは各エージェントの応答に対し、その根拠やプロセスを確認するための透明性の高い仕組みが用意されています。ユーザーがチャット内の回答ごとに表示される「See details（詳細表示）」ボタンをクリックすると、画面右側に詳細パネルが開きます。そこには3つのタブがあり、まず「Sources（情報源）」タブではエージェントが参照したドキュメントやデータセットの出典が一覧表示されます。どの社内資料やナレッジベースを根拠に回答したかが一目で分かるため、回答の信頼性を検証することが可能です。次に「Activities（実行履歴）」タブでは、その応答を生成する過程でHubがどのエージェントやツールを呼び出し、どんなアクションを取ったかのログが時系列に記録されています。たとえば「顧客データ検索エージェントを起動→SQLクエリ実行→結果を要約」といったステップが追跡できます。そして「Downloads（出力）」タブでは、エージェントが生成したファイル（例えばレポートのExcelファイルや画像など）があればダウンロード可能になっています。これらの機能により、ユーザーはAIの動作をブラックボックスに感じることなく、説明責任を果たせる形でAIを活用できます。また管理者にとっても、もし誤った回答や不適切な動作があった場合に原因を究明しやすくなっており、安心して社内展開できるポイントとなっています。

Agent Hubのインストール方法と基本的な使い方：プラグイン導入からハブ作成までの手順を詳しく解説

ここではAgent Hubを実際に使い始めるまでの手順と、基本的な利用方法について説明します。Agent HubはDataiku本体に標準搭載されている機能ではなくプラグインとして提供されています。そのため利用にはまずプラグインのインストール作業が必要です。また、エージェントハブ専用のWebアプリを作成・設定するプロセスがあります。一見ハードルが高そうに感じるかもしれませんが、DataikuのGUI上でクリック操作中心に進められるよう設計されており、手順に沿って進めれば特別なコーディングなしで導入できます。以下、事前準備からプラグイン導入、Webアプリ作成、初期設定、そして基本的な操作方法まで順を追って解説します。

利用前提条件の確認：Dataiku 14.2.0へのアップグレードとユーザー権限の準備

Agent Hubを利用するには、まずDataiku本体がバージョン14.2.0以上である必要があります。当然ながら古いバージョンのDSS環境ではこのプラグインは動作しません。したがって現在Dataiku 14.0や14.1をお使いの場合は、先に14.2.0へのアップグレードを計画してください。また、プラグインのインストールおよびエージェントハブの作成・設定は管理者もしくはそれに準じる権限が必要です。具体的にはインスタンス管理者やFull Designer権限を持つユーザーで作業するのが良いでしょう。Full Designerであればプロジェクト作成や他ユーザーの権限を仮定した実行が可能なため、エージェントハブ関連の機能をフルに利用できます。一般ユーザー（AI ConsumerやAI Access権限のみ）ではハブの作成・設定はできませんので注意してください。加えて、Agent Hub用のプラグインをインストールする際には、Dataikuインスタンスがインターネットに接続できる状態か、あるいはオフライン環境の場合はプラグインパッケージを事前にダウンロードしておく必要があります。以上の前提条件を満たしていることを確認してから、次のプラグイン導入手順に進みましょう。

プラグインストアからのAgent Hubインストール：必要なコード環境セットアップと導入手順

Agent Hubプラグインのインストールは、Dataikuのプラグインストア経由で行います。Dataiku管理画面で「プラグイン」メニューに移動し、「ストアからインストール」を選択して「Agent Hub」を検索しましょう。該当プラグインが見つかったら「インストール」ボタンをクリックします。インストールウィザードが起動し、必要に応じてコード環境（Code Environment）の作成を求められます。Agent Hubではバックエンドで対話型AIを処理するためのPythonライブラリなどが必要なため、専用のコード環境を構築するステップがあります。通常はウィザードに従って自動的に環境がセットアップされますが、社内ポリシーでインターネットアクセスが制限されている場合は離線インストール手順を取る必要があります。無事にプラグイン本体とコード環境のインストールが完了すると、Dataiku内でAgent Hubテンプレートが利用可能な状態になります。なお、プラグインインストール作業自体は数分程度で完了しますが、コード環境構築では外部ライブラリのダウンロードが行われるため環境によっては多少時間がかかる点に留意してください。以上で、DataikuにAgent Hub機能を追加する下準備が整いました。

Agent Hub Webアプリの新規作成：プロジェクト内テンプレートからハブを作成する方法

プラグイン導入後はいよいよエージェントハブ本体を作成します。Agent HubはDataikuのビジュアルWebアプリとして動作するため、まず専用のプロジェクトを用意することをお勧めします。例えば「Agent Hub」用に新規プロジェクトを1つ作成し、その中でハブアプリを構築すると管理が容易です。プロジェクトを用意したら、メニューから「コード」→「Webapps」と進み、「＋ New Webapp」ボタンをクリックします。次に表示されるWebアプリ作成画面で「Visual Webapp」を選択すると、利用可能なテンプレート一覧が表示されます。その中から「Agent Hub」テンプレートを選び、Webアプリ名を入力して作成を実行します。これでプロジェクト内にAgent Hub Webアプリが生成されました。まだ初期状態では設定が空のため、この段階では機能しませんが、次のステップで設定を行うことで動作するハブになります。なお、Agent Hubは通常のWebappと同様にプロジェクトに属するため、複数のハブを作成することも可能です。ただし企業内で一つの統一ハブを使うケースが多いでしょう。ここまでの手順で、Dataiku上にAgent Hubの器（Webアプリ）が用意できましたので、次はハブの詳細設定に移ります。

初期設定のポイント：エージェントハブ稼働に必要な基本構成（LLM設定など）

作成したAgent Hub Webアプリを動かすためには、いくつかの必須設定を行う必要があります。プロジェクト内で先ほど作成したWebアプリを開き、「Edit」（編集）モードに入ると、設定画面が表示されます。まず真っ先に設定すべきは「LLMs – Mandatory」セクションです。ここではハブで使用する大規模言語モデル（LLM）接続を指定します。具体的には以下の3つを選択する必要があります：(1) Text Completion Models：ユーザーがMy Agentを作成する際に使用できるテキスト生成モデル。例えばOpenAIのGPT-4や社内設置の大規模言語モデルAPI接続を指定。(2) Embedding Model：ユーザーがアップロードした文書をベクトル化するためのモデル。OpenAIのEmbedding APIや自前のベクトルエンジン接続などを指定。(3) Agent Hub LLM：ハブが内部でオーケストレーション（ルーティング判断）に使用するモデル。複数エージェントから回答候補を選ぶ際に利用されるため、ツール呼び出しが可能なモデル（例えばOpenAI GPT-4など）を推奨します。これら3つの設定は未入力だとAgent Hubが正常に機能しないため、必ず値を指定してください。加えてオプションで「System Prompt」（Optional Instructions）を設定できます。これはハブ内でオーケストレーション用LLMに与えるシステムプロンプトで、必要に応じて特定の行動指針を記述可能です（例：「回答に迷ったら財務データエージェントを優先すること」等）。以上が最低限必要な設定項目となります。この他にも後述するエージェント追加設定やStories連携設定など項目がありますが、まずはLLM接続を正しく設定してハブの心臓部となるAIモデルを用意しましょう。

基本操作の流れ：エージェント選択・チャット開始・会話履歴保存の一連のプロセス

Agent Hubの初期設定を終えたら、実際にそのハブを使ってみましょう。Webアプリを「Run」（実行）すると、Agent Hubの画面が立ち上がります。左側には先ほど設定したエンタープライズエージェントの一覧がライブラリ形式で表示され、画面中央にはチャットの開始画面があります。基本的な操作フローとしては、まず使いたいエージェントを選択するか、そのまま選択せずに質問を入力するかを決めます。単一のエージェントを選んだ状態で質問すると、そのエージェントが直接回答します。エージェントを複数選択している場合は、ハブのオーケストレーターが質問内容に応じて適切なエージェントに回答させます（または必要なら複数のエージェントから情報を集約します）。何も選択せず質問した場合、全エージェントを候補にオーケストレーターが自動選択します。回答がチャット画面に表示されたら、必要に応じて追加の質問で会話を続けることができます。Agent Hubは対話履歴を保持しているため、前のやり取りを踏まえてエージェントが回答してくれます。会話を一通り終えたら、そのセッションは左側メニューの下部に履歴として保存されます。会話ごとにデフォルト名（日時など）が付きますが、任意にリネームして整理可能です。後から再度その会話を選べば続きからやり取りを再開できます。さらに別の新しい会話を始めたい場合は「New Conversation」を作成すればOKです。このようにAgent Hub上では複数の会話セッションを管理でき、ユーザーは目的に応じてエージェントとの対話を使い分けられます。また、メニューの「Monitoring」タブから自分の利用統計を振り返ることもできます（詳細は後述）。全体として、Agent Hubの操作感は一般的なチャットサービスに近く、専門知識不要でAIエージェントとのインタラクションを行えるようデザインされています。

Agent Hubの設定方法：LLM接続の設定からエンタープライズエージェントの管理まで徹底解説ガイド

ここではAgent Hub導入後の詳細な設定方法や管理上のポイントについて解説します。前節で述べた初期設定（LLMモデルの指定など）以外にも、Agent Hubを実運用するにあたって押さえておくべき設定項目や要件があります。特に、エンタープライズエージェントの登録方法やStories/Tracesとの連携設定、そしてユーザーアクセス制御に関する部分は、ハブを最大限活用しつつ安全に運用するために重要です。以下、必要要件の再確認から順を追って設定ガイドを提供します。

導入の必須要件：Agent Hub利用に必要なDataikuバージョン・ユーザープロファイル・LLM接続

まず改めて、Agent Hubを利用・管理する上での必須要件を整理します。技術面ではDataiku本体が14.2以上であること、これは言うまでもありません。また、Agent Hubは前述の通りプラグインとして動作するため、サーバー環境にインストールする際に外部ネットワークアクセスが必要な場合があります（オフライン環境の場合は管理者がプラグインを手動導入）。次にユーザー要件です。Agent Hubを構築・設定するユーザーにはFull Designer相当の権限が求められます。特にハブ用Webアプリのバックエンドはフルデザイナー権限で動作するため、作成者がその権限を持っている必要があります。一方、完成したAgent Hubを利用するユーザーにはAI AccessもしくはAI Consumerといったプロファイルが割り当てられていることが望ましいです。Dataikuのユーザープロファイルには役割に応じて細かな権限設定がされていますが、AI Accessは「エージェントを利用可能なプロファイル」、AI Consumerは「エージェントを利用・作成ともに可能なプロファイル」と定義されています。組織内でどのユーザーにどのプロファイルを与えるかを事前に計画し、必要ならユーザー設定を更新してください。最後に、Agent HubはGenerative AIモデルへの接続が前提となります。前節で設定したLLM接続先（例えばOpenAI APIキーや自社ホストのモデルエンドポイント）が有効で、かつ使用許諾上問題なく社内利用できるものであることを確認しましょう。これらの必須要件が揃って初めて、Agent Hubはその力を十分に発揮できます。

初期セットアップ手順：別プロジェクトでのAgent Hub構築と推奨される設定プロセス

Agent Hubを構築するにあたり、Dataikuの推奨は専用のプロジェクトを用意することです。すなわち、エージェントハブだけを動かす空のプロジェクトを新規作成し、その中でハブWebアプリの作成・設定を行います。この方法を取ることで、後々のアクセス権管理がシンプルになります。例えば「AgentHub-Portal」というプロジェクトを1つ作り、そこに組織内全員の読み取り権限を付与すれば、全員がハブにアクセス可能になります（エージェント自体の権限は別途考慮）。一方、ハブを各部署ごとに分けたい場合は部署単位でプロジェクトを分け、それぞれにHubを作ることも可能ですが、多くのケースでは全社横断で単一のポータルを設ける方が利便性は高いでしょう。初期セットアップとしては、プラグイン導入後に当該プロジェクトでハブWebアプリを作成し、Edit画面で必要な設定を一通り入れてから初回実行する、という流れになります。設定の具体的内容は次項以降で説明しますが、全体のプロセスとしては「LLM接続設定 → エージェントの追加 → （必要なら）Stories/Traces連携設定 → 権限設定確認」という順序で進めるのがスムーズです。設定後、一度View Webappで実際にハブを開いて試験運用し、不足や不具合がないかをチェックしましょう。問題なければ関係ユーザーへ周知し、本格的な社内展開に移ります。

LLMモデルの設定方法：テキスト生成・埋め込み・ハブ制御用モデルの選択と構成

Agent Hub設定の中核となるLLMモデル接続の設定について、手順とポイントを補足します。Edit画面の「LLMs – Mandatory」欄で3種類のモデルを指定しましたが、それぞれDataiku管理画面で事前にコネクションを作成しておく必要があります。例えばOpenAI社のAPIを使う場合、Dataikuの管理者設定 > ConnectionsでOpenAI接続を作成し、APIキーやエンドポイントURLを登録しておきます。HuggingFaceなど自己ホストモデルを使う場合も同様に、Local modelタイプの接続設定を行います。Text Completion Modelsには複数モデルを選択できますが、ここで選んだ複数の生成モデルからエンドユーザーがMy Agent用に使いたいものを選べるようになります。Embedding Modelは一つだけ選択可能で、アップロードされたドキュメントに対し自動的にこの埋め込みモデルが適用されます。Agent Hub LLMは、他のモデルより高性能なものを指定すると良いでしょう（なぜならオーケストレーションには質問内容を理解し適切な判断を下す能力が求められるためです）。例えばGPT-4のように高精度なモデルをハブ用に割り当て、My Agent用にはコストの低いGPT-3.5系列も選択肢に入れる、といった構成も可能です。また、Agent Hub LLMにはツール呼び出し機能がONになっているモデルを選ぶのがお勧めです。DataikuではLLMごとにTool使用可否がありますが、複数エージェントを扱う際にバックエンドでツール実行が発生する可能性があるためです。設定時には各モデルが正しくAPI接続でき動作することも確認しておきましょう。接続テストボタンなどがあれば活用し、権限不足やネットワーク制限でエラーにならないかチェックすることが大切です。

エンタープライズエージェントの登録：対象プロジェクト選択とエージェント追加・説明設定の手順

次に、Agent Hubに掲載するエンタープライズエージェントの登録手順です。Edit画面の「Enterprise Agents」セクションで設定します。まずProjects欄で、Hubに追加したいエージェントが存在するDataikuプロジェクトを選択します（複数選択可）。プロジェクトを選ぶと、その中で作成済みのエージェントや強化型LLM（Augmented LLM）が一覧表示されるので、Hubに含めたいものにチェックを入れます。例えば「顧客サポートQAエージェント」や「売上予測アシスタント」といった具合に社内で開発・評価済みのエージェントを選びます。続いて、選択した各エージェントごとにNameとDescriptionを設定できます。NameはHub上で表示されるわかりやすい名前、Descriptionはそのエージェントの役割や機能を端的に説明した文章です（この説明はHub利用者がエージェントを選ぶ際の判断材料になるため、具体的かつ簡潔に書くのがポイントです）。Descriptionは必須項目で、未入力だと保存できないので注意してください。必要に応じてアイコン画像などを設定できる場合もありますが、まずは名前と説明のみでも問題ありません。全てのエージェントに対しこれら情報を入力したら、Enterprise Agentsセクションの設定完了です。最後に画面右上の「Save」ボタンで変更を保存し、再度Agent Hubを実行してみましょう。うまくいけば、Hub画面左側のライブラリに先ほど追加したエージェントが表示されているはずです。以上がエージェント追加の手順となります。以後、新たに社内で有用なエージェントが開発された場合は同様の手順でHubに追加し、ユーザーに提供していくことができます。

Stories・Traces連携設定：会話ログの保存とデータ可視化（ストーリー作成）機能の有効化

Agent Hubには拡張機能として、DataikuのStories機能やTrace Explorerプラグインとの連携設定があります。これらを設定することで、Hub上のエージェント会話ログを蓄積・分析したり、会話中から高度なデータ可視化へシームレスに移行したりできるようになります。まずTraces Explorer連携についてです。Traces Explorerは、LLMやエージェントの実行履歴（トレース）を集中的に表示・分析するためのプラグインです。Agent Hubと組み合わせることで、Hub上のすべての会話ログを1箇所で閲覧できるダッシュボードを構築できます。設定手順は、DataikuにTraces Explorerプラグインをインストールした上で、適当なプロジェクトにトレース専用のWebアプリを作成します。そしてDataiku管理者設定の「LLM Mesh > Default Trace Explorer webapp」にそのWebアプリを指定します。こうすると、Agent Hub画面の詳細表示パネル（See details内）に「Trace Explorerへ移動」ボタンが現れ、クリック一つで全エージェントの細かなログ分析画面を開けるようになります。次にStories連携です。StoriesとはDataiku上で作成できるスライド形式のレポート機能で、グラフやテーブルを組み合わせてデータストーリーを共有できます。Agent Hubでは会話中に簡易的なチャートを生成することもできますが、より複雑な分析報告をしたい場合、Storiesにエクスポートすることで編集・注釈を加えたレポートに仕上げられます。設定方法は、Agent Hub設定のEnterprise Agents欄にある「Allow users to create Insights in Dataiku Stories」オプションを有効にし、ストーリーの保存先となるWorkspace（ワークスペース）を指定します。Workspaceにはあらかじめ該当ユーザーに対する編集権限が必要です。設定後、Agent Hubのチャット内でSQL結果などを得た際に「Storiesで分析」といったボタンやメニューが表示され、クリックすると指定したWorkspace上にStories用スライドが自動生成されます。こうしてユーザーはチャットで得た知見をさらに発展させてレポート化し、共有・意思決定に役立てることができます。このようにTracesとStoriesの連携設定を行うことで、Agent Hubの活用範囲がモニタリング（監査）とレポーティングの領域まで広がり、エンタープライズAIポータルとして一層有用なものとなります。

Agent Hub上でのユーザーのモニタリングと管理方法：利用状況の可視化とアクセス権限管理を徹底解説

Agent Hubを運用する上で欠かせないのが、ユーザーの利用状況をモニタリングし適切に管理することです。Dataiku 14.2.0ではAgent Hub内にMonitoring機能が組み込まれており、エージェントの使用状況を可視化できます。また、Hubを誰が利用できるか、どのエージェントにアクセスできるかを制御する仕組みもDataiku既存のプロジェクト権限やユーザープロファイルを通じて提供されています。ここでは、モニタリング画面で確認できる指標や、ユーザーアクセス管理の具体的方法、さらに安全な運用のためのベストプラクティスについて解説します。

Monitoring画面の概要：Agent Hubにおけるユーザー利用状況ダッシュボードの機能

Agent HubのUIには「Monitoring」と呼ばれる専用タブが用意されています。これはHub上でのエージェント利用状況を集計・可視化したダッシュボードです。Monitoring画面には主に以下のような情報が表示されます：全エージェント合計の応答数やユーザー数の推移、フィードバック（評価）の状況、ユーザーごとの利用回数ランキング、エージェントごとの利用頻度などです。視覚的にはグラフや表形式で表示され、一目で利用状況の傾向を把握できるようになっています。例えば、日次または週次のエージェント応答件数が折れ線グラフで示され、利用の増減トレンドを追跡できます。またトップユーザーやトップエージェントといったランキング表示により、誰がどのエージェントを積極的に使っているか、逆にあまり使われていないエージェントはどれか、といった分かりやすい指標も提供されます。このMonitoringタブ自体は基本的にHubを使用できるユーザー全員がアクセス可能ですが、閲覧できる内容は自分の活動に限定される場合と全体集計を見られる場合があります（権限設定によります）。いずれにせよ、Agent Hubにおける活動量をデータで捉えられるこの機能は、AIエージェント導入効果の可視化という意味で極めて有用です。管理者はMonitoring画面を定期的にチェックすることで、Hubの社内浸透度やエージェント活用度を把握し、さらなる展開戦略に役立てることができます。

応答数とフィードバック状況：エージェントごとの利用回数や回答評価を定量的に把握

Monitoringダッシュボードで特に重宝するのが、応答数（回答数）およびフィードバック状況に関するデータです。まず応答数ですが、これは各エージェントがユーザーに返答した回数を指します。エージェントごとの累計応答数や期間内の応答数推移を見ることで、どのエージェントがどれだけ活用されているかが一目瞭然です。例えば「売上予測エージェントの今月の応答数が100件を超えた」「新しく追加した在庫問い合わせエージェントの利用がまだ少ない」等、定量的な指標でエージェントの有用性や需要を測れます。次にフィードバック状況ですが、Agent Hubではユーザーが各回答に対し簡易フィードバックを残す仕組み（例えば👍👎などの評価ボタン）が提供されている場合があります。Monitoring画面ではポジティブフィードバック率やネガティブフィードバック件数といった形で集計されます。これにより、「特定のエージェントは回答の品質が高く高評価を得ている」「あるエージェントは回答精度に課題があり低評価が多い」といった分析が可能です。こうした情報は、エージェント開発者が改善の優先順位を判断する材料にもなります。例えば低評価が多いエージェントには追加の学習データを与える、逆に高評価のエージェントのノウハウを他にも展開するといった施策が考えられるでしょう。以上のように、応答数とフィードバックという定量指標の把握は、エージェント活用度の評価と品質管理に欠かせません。Agent Hubではこれらを自動集計して提供してくれるため、管理者は効率的にエージェント運用のPDCAを回せます。

ユーザー別利用状況の確認：各ユーザーが使用したエージェントと質問履歴の追跡

Monitoring機能では全体傾向だけでなく、ユーザー個別の利用状況も分析できます。具体的には「ユーザーXは今月Agent Hubで何回質問し、どのエージェントをよく使っているか」といった情報です。ダッシュボード上にはユーザーごとの利用回数ランキングや、ユーザーを選択した際の詳細ビューが用意されており、それを見ることで各ユーザーのHub活用度が分かります。例えば、営業部のAliceさんは主に「顧客分析エージェント」を使って週に数十回問い合わせをしている、一方で経理部のBobさんは月に数回程度「経費精査エージェント」を試したのみである、などです。また、ユーザーごとの質問履歴も追跡可能です。Agent Hub上の会話履歴はユーザー自身には残りますが、管理者権限であれば特定ユーザーの質問内容ログを監査目的で調べることもできます（必要な場合に限り）。これにより、不適切な質問や社外秘情報のやり取りが行われていないかチェックするといったコンプライアンス対応も可能となります。ただしプライバシーやセキュリティの観点から、閲覧権限は厳密に管理すべきです。いずれにせよ、ユーザー別の利用状況を把握することは、どの部門・人物がAI活用に積極的か、逆に浸透が遅れているのはどこかを知る手がかりになります。それをもとに社内トレーニングの計画を立てたり、成功事例を社内展開したりといったユーザー支援策にもつなげられるでしょう。

アクセス権限の設定：Agent Hubを共有する際のプロジェクト権限とユーザープロファイル管理

Agent Hubへのアクセス制御は、Dataikuの基本であるプロジェクト権限とユーザープロファイルを組み合わせて管理します。まず、Agent HubそのものはWebアプリですから、それが属するプロジェクトに対する読み取り権限を付与されたユーザーのみがアクセスできます。先述の通り、全社員にHubを公開したい場合はHub用プロジェクトに全員が「Read」権限を持つよう設定するとよいでしょう。逆に部門限定のHubにしたい場合は、対象部門のグループだけに権限を与えます。次に、Hub内で表示される各エージェントについてもアクセス条件があります。各エージェントは何らかのDataikuプロジェクト内に実体（シナリオやデータ）があるため、ユーザーがそのエージェントを利用するには元のプロジェクトに対する読み取り権限が必要です。もし権限が無い場合、そのエージェントはHubのライブラリ一覧に表示されません。したがって、Hubに登録するエージェントの所属プロジェクト権限を社内ユーザー向けに整理しておくことが大事です。例えばエージェントが存在する各プロジェクトに共通の「AIエージェント利用者」グループをRead権限で追加する、といった運用が考えられます。さらに、Dataikuのユーザープロファイルによる機能制限も活用できます。前述のようにAI AccessプロファイルのユーザーはHubを使えてもエージェント作成は不可、AI ConsumerならHub上でMy Agent作成も可能、と差があります。社内ポリシーに応じて、一般社員はAI Accessに留め作成は許可しない、あるいは意欲のあるメンバーにはAI Consumerを与えて自由に作成させる、といった設定が選べます。これらプロジェクト権限とプロファイル設定を適切に組み合わせることで、必要な人に必要な範囲でAgent Hubを開放しつつ、重要なデータや機能へのアクセスを制御できます。導入時にはセキュリティ管理部門とも連携しながらポリシーを策定し、権限設定を慎重に行いましょう。

安全な運用のためのベストプラクティス：適切な監視体制と社内ガバナンス強化のポイント

Agent Hubを安全かつ効果的に運用するためには、いくつかのベストプラクティスがあります。第一に、定期的なモニタリングとフィードバック収集です。前述のMonitoring機能を活用し、利用状況やフィードバックを定期チェックしましょう。特に低評価が続くエージェントや極端に利用の少ないエージェントがある場合、改善のためのアクション（モデル再学習やドキュメント追加、UI上の案内改善など）を検討します。またユーザーへのアンケートやヒアリングを行い、Hub全体の使い勝手やニーズを探ることも有益です。第二に、エージェントコンテンツのガバナンスです。Hubに掲載するエージェントは定期的に棚卸しし、古くなったものや誤情報の可能性があるものはアップデートまたは非掲載化します。社内の知識やデータは日々変化しますので、エージェントの知識ベースも随時更新が必要です。第三に、権限管理の見直しです。人事異動や組織変更に伴い、Hubへのアクセス権も見直しましょう。特にプロジェクト権限は個別付与よりグループ管理が望ましく、異動時にグループ変更するだけで権限を調整できるようにしておくと運用負荷が減ります。最後に、コスト管理と外部APIの監視です。Agent Hubでは裏で外部のLLMサービスを呼び出すケースも多いため、API利用料がかさんでいないか定期的に確認します。必要に応じて利用上限を設けたり、あまり使われていないエージェントは停止するなどの対策も考えましょう。これらのベストプラクティスを実践することで、Agent Hub導入後も安全・安心で継続可能なAI活用基盤として機能させ続けることができます。

Dataiku 14.2.0のアップデート内容まとめ：新機能の一覧と改善点の総括を詳しく解説します！

以上、Dataiku 14.2.0の目玉機能であるAgent Hubを中心に解説してきましたが、本バージョンには他にも多彩な新機能・改善点が含まれています。ここで改めて、14.2.0で追加された主な要素を一覧的にまとめ、その全体像を総括します。Agent Hub以外の注目すべき機能には、外部AIツール統合を容易にするMCPプロトコル対応、機械学習資産に自動ラベルを付与するAIポートフォリオ自動タグ付け、タイムシリーズ予測機能の強化（従来型MLアルゴリズム対応やWhat-If分析追加）、グラフデータ分析を可能にするVisual Graph機能、統計モデルとして有用なGLM（一般化線形モデル）のビジュアル実装、ガバナンス機能拡張（項目非表示設定やカスタムルール）などがあります。これら新機能群は、データ分析基盤としてのDataikuをより包括的かつ強力なものにしています。それでは各ポイントについて順に見ていきましょう。

Agent Hubをはじめとする新機能一覧：Dataiku 14.2.0で追加された主要機能の総覧

Dataiku 14.2.0で導入された主要な新機能を一覧すると以下の通りです。

• Agent Hub – 社内AIエージェント統合ポータル。社員がAIエージェントを一元利用・作成できる新基盤（本記事前半で詳細解説）。
• MCP (Model Context Protocol) サポート – 外部のエージェントツールやサードパーティAI機能をDataikuに組み込みやすくする新プロトコル対応。
• AIポートフォリオの自動タグ付け – プロジェクトやモデルに「ML」「Generative AI」「Agentic AI」等のバッジが自動付与され、AI活用状況を見える化。
• 時系列予測の強化 – 従来の深層学習や統計手法に加え、ランダムフォレストやXGBoostなど従来型の機械学習アルゴリズムで時系列予測が可能に。さらにWhat-Ifシナリオ分析UIを追加。
• Visual Graph機能 – グラフ（ネットワーク）データを可視化・操作する新モジュール。ノード・エッジデータからグラフを構築し、対話的に探索やCypherクエリ実行、AIエージェント知識として利用。
• ビジュアルGLMサポート – GLM（一般化線形モデル）をコーディング無しで構築・評価できるインターフェースの追加。保険業界などで需要の高いモデルを簡単に扱える。
• ガバナンスポリシー拡張 – Dataiku Governにおけるポリシー設定機能強化。アイテム非表示やPythonスクリプトによるカスタムルール設定、テンプレート管理など柔軟性向上。
• FastAPI対応Webapps – Webアプリ開発において、従来のFlask等に加えFastAPIフレームワークが新たにサポートされ、モダンなAPI構築が可能に。

以上が主な新機能の一覧です。14.2.0はAgent Hubを筆頭に、AIの開発・運用・ガバナンスまで幅広くカバーする機能強化が盛り込まれていることがわかります。それでは、これらの中から特に特徴的なものについて少し詳しく見てみましょう。

MCPプロトコル対応：サードパーティ製AIツールを統合するModel Context Protocolサポート

Dataiku 14.2.0では、新たにMCP（Model Context Protocol）というプロトコルへの対応が追加されました。これは一体何かと言うと、外部のAIモデル実行環境やツールをDataiku内に統合するための共通インターフェースです。MCP対応により、Dataiku上で3rdパーティのAIエージェントツールやモデルサーバーをシームレスに利用できるようになります。具体的には、Dataikuに「Agent Tool」としてMCPプロトコル経由で外部のモデル機能を登録し、標準入出力（stdio）ベースでやり取りする仕組みが提供されました。これによって、例えば社内開発の特殊な対話システムや他社製AIサービスでMCPをサポートしているものをDataikuから直接呼び出せるようになります。Agent Hubや他のエージェント機能でも、このMCPで統合した外部ツールをひとつのツールとして組み込むことが可能です。その際、MCPサーバー側が提供する複数のツール群から必要なものだけを選んで使うフィルタリング機能も備わっています。要するにMCP対応によって、Dataikuのエージェント機能は社外・社内問わず様々なAIリソースを取り込める拡張性を手に入れたと言えます。これまで個別にプラグイン開発が必要だった連携も、共通プロトコル経由で簡易化されるケースが出てくるでしょう。エンタープライズ環境では、自社専用AIやレガシーなNLPエンジンなどを抱えている場合もありますが、MCP対応によりそうした資産をDataikuプラットフォーム上で一元活用できる可能性が広がりました。

AIポートフォリオ自動タグ付け：ML・生成AI活用プロジェクトへの識別バッジ付与機能

14.2.0の新機能「AIポートフォリオ自動タグ付け」は、一見地味ながらガバナンス面で非常に有用な機能です。Dataikuではこれまでもプロジェクトやモデルにタグ付けをして分類することができましたが、今回Machine Learning、Generative AI、Agentic AIの3種類のタグバッジが自動判別で付与されるようになりました。具体的には、あるプロジェクト内で機械学習モデル（予測モデル）が訓練済みであれば「ML」バッジが付き、GPTなど大規模言語モデルを使用していれば「Generative AI」バッジが、Agentを利用していれば「Agentic AI」バッジが表示されます。このタグはプロジェクト一覧やモデル一覧、APIサービス一覧、デプロイ一覧、統合監視画面などDataiku各所に表示され、ユーザーはどの資産にAIが使われているか一目で把握可能になります。例えばデータガバナンス担当者は、全プロジェクトの中からGenerative AI利用プロジェクトだけをリストアップするといったことが容易にできます。既存オブジェクトへのバッジ付与にはGovernシステムでの再同期が必要な場合がありますが、一度反映されれば以降は自動更新されます。この機能により、企業内でのAI利用状況をメタデータとしてしっかり捕捉できるようになりました。AIポートフォリオ管理（どの部署がどんなAIを使っているか）を効率化し、投資対効果の分析やリスク管理に役立ちます。また、経営層へのレポート時にも「当社ではx件のプロジェクトで機械学習活用中、y件で生成AI活用中」といった定量的な説明がしやすくなるでしょう。

時系列予測の強化：従来型MLアルゴリズム導入とWhat-If分析で予測精度向上

Dataiku 14.2.0では、時系列予測の機能強化も図られています。これまでDataikuのタイムシリーズ予測は深層学習（ディープラーニング）ベースの手法や統計的手法（ARIMAなど）が中心でしたが、新たにランダムフォレスト、リッジ回帰、XGBoostといった従来型の機械学習アルゴリズムが時系列モデルとして利用可能になりました。これらは時系列データに特徴量エンジニアリングを施すことで予測を行うアプローチで、Dataikuは自動的にラグ（遅れ項）やウインドウなど必要な特徴量を生成してくれます。ユーザーは通常の回帰モデルを作るような感覚で、これらアルゴリズムを時系列予測に適用できます。深層学習では十分なデータ量がない場合や計算資源が限られる場合でも、これらの伝統的なMLモデルであれば効率よく予測精度を出せるケースもあります。加えて、What-If分析のインタラクティブ機能が新搭載されました。これは、作成した時系列予測モデルに対して、「もし将来のある時点でこの入力値が変化したら予測結果はどう変わるか」をシミュレーションできる機能です。DataikuのUI上でスライダーや値入力により将来シナリオを操作すると、その場で予測結果が更新されるため、ユーザーは様々な仮定を試しながら将来像を探ることができます。例えば売上予測モデルに対し「来月キャンペーンで新規顧客が+10%増えたら売上曲線はどうなるか」を即座に可視化する、といった使い方が可能です。このWhat-If分析機能により、時系列予測モデルは予測用途だけでなく計画立案や意思決定支援にも一層役立つものとなりました。総じて、14.2.0の時系列機能強化は、現場で使いやすく実用性の高い予測ソリューションを提供するものと言えます。

その他の改善点：Visual Graphによるグラフ分析機能やGLMモデル対応などUI/機能のアップデート

上記以外にも14.2.0では様々な改善が盛り込まれています。まず、Visual Graph機能の追加があります。これはノード・リンクデータ（グラフデータ）の可視化と分析を支援する新モジュールで、ソーシャルネットワーク分析や知識グラフ構築などに活用できます。ユーザーはデータセット内のノード・エッジ情報からドラッグ&ドロップでグラフを構築し、画面上で直感的にネットワーク構造を探索できます。またCypherクエリの実行インタフェースや、エージェント機能との連携（グラフをAIエージェントのナレッジソースとする）が図られており、グラフ×AIの新たな活用領域を切り拓いています。次にGLM（一般化線形モデル）のサポート強化も注目です。GLMは保険料計算などで用いられる回帰モデル手法ですが、14.2.0からは専用のビジュアルレシピとウizardが実装され、データサイエンス初心者でもGLMモデルを構築しやすくなりました。応答変数の分布（ポアソン分布や二項分布など）を選択し、リンク関数を設定し、ステップワイズな変数選択をGUIで行えるなど、業務上必要となるGLMワークフローをノーコードで実現しています。またモデルの結果についてもGLM特有の指標や可視化が用意され、専門領域のニーズに応えるアップデートとなっています。この他、ガバナンス設定UIの改良（より細かなルールをGUIから設定可能に）、Webapp開発環境の拡充（前述のFastAPI対応やUIテーマの追加等）、コアシステムのアップデート（Java 17対応、Python 3.6/3.7サポート終了によるセキュリティ強化）など、多岐にわたる改良が行われています。全てを挙げるとキリがありませんが、総じてDataiku 14.2.0は「ユーザー層の拡大（誰もが使えるAI）」「ユースケース拡張（新手法対応）」「安全性・信頼性向上」のバランスが取れたアップデートであると言えるでしょう。

旧バージョンからの変更点とDataiku 14.2.0の比較：アップグレードで進化したポイントを徹底検証

最後に、Dataiku 14.2.0を旧バージョンと比較した際の主な変更点や進化ポイントを整理します。新機能の紹介に加え、既存機能の挙動変化やシステム要件の変更にも触れ、アップグレードを検討する際に知っておくべき事項をまとめます。14.2.0は多くの魅力的な追加機能を含む一方、いくつかの互換性やサポートポリシーの変更も導入されています。アップグレードのメリット・デメリットを正しく理解し、計画的な移行を進めることが重要です。

AIエージェント機能の進化：Agent Hub導入で実現した従来バージョンからの飛躍的改善点

Dataiku 14.2.0最大の進化は、何と言ってもAIエージェント機能の飛躍です。従来バージョン（14.1以前）でも、生成系AIをプロジェクト内で扱う仕組みやシンプルなQ&Aボットを作ることは可能でした。しかし、それらはあくまで個々の機能に留まり、組織全体で活用するにはユーザー側の工夫が必要でした。14.2.0でAgent Hubが導入されたことで、そうした散発的だったエージェント活用がプラットフォームレベルで体系化されました。複数エージェントをまとめて扱えるポータル、全社展開を見据えたアクセス制御、利用状況の集約モニタリング等が標準で備わったことで、エージェント機能は試験的な段階から本格運用段階へとステージが引き上げられたと言えます。また、14.2.0ではAgent Hub以外にも、Generative AI関連の改良（例えばLLM MeshのAPI強化やRAGのUI改善など）が多数盛り込まれています。旧バージョンに比べ、「対話型AIをビジネス活用するための土台」が格段に強化された点が大きな特徴です。もし以前のバージョンでエージェント機能に触れて「概念実証的には面白いが、まだ実務利用は早いかな」という印象を持っていたユーザーがいるなら、14.2.0へのアップグレードでその評価が変わる可能性があります。まさにDataikuはこのリリースで、AIアシスタントを本格的に企業内へ浸透させるための道筋を提示したのです。

プラットフォーム成熟度の向上：14.2.0で洗練されたユーザー体験と統合性の強化

14.2.0へのアップグレードにより、プラットフォーム全体の成熟度も一段と高まりました。ユーザーインターフェースの洗練という観点では、新ホーム画面やナビゲーション改善が実施された14.0系からの流れを汲みつつ、さらに細部の使い勝手が向上しています。例えばメニュー体系が整理され、新機能（Agent HubやVisual Graph等）へのアクセスが直感的になるよう配慮されています。統合性の強化という点では、これまで別々に存在していた機能同士が横断的につながりました。エージェントとKnowledge Base（知識庫）やストーリー機能の連携、Visual FlowとGenerative AIの連動、MLOpsとタグ付け機能の融合など、プラットフォーム内のシームレスな連係が推進されています。旧バージョンでは「この機能とあの機能がもう少し繋がっていれば…」と感じていた部分が、14.2.0では統合されて解決しているケースも多いでしょう。また、システムの安定性・信頼性も向上しています。長期使用時のメモリ管理改善やジョブスケジューリング精度向上、バグフィックスの蓄積により、バックエンドの堅牢性が増しています。さらに、UIの応答速度や大量データ処理時のパフォーマンスもチューニングが進み、ユーザーはストレスの少ない操作感を得られるはずです。総じて14.2.0は、目新しい機能だけでなく既存機能のブラッシュアップにも余念がなく、全体としての完成度が着実に上がっています。

旧バージョンからのUI・操作性変化：新旧DSS画面やワークフローの主な違い

旧バージョン（例えば13.xや14.0/14.1）から14.2.0に移行すると、ユーザーインターフェースやワークフロー上でいくつかの変化に気付くでしょう。まず、メイン画面上部のメニューに「Agent Hub」関連の項目が追加または変更されています。インストール済みプラグインとしてエージェント機能が統合されるため、ユーザーは新たなボタンやアイコンを見ることになるかもしれません。また、Generative AI関係のレシピ（例えばプロンプトデザイン用レシピ）や、フロー上のノードアイコンにも改良が加わっている可能性があります。さらに、Visual Machine Learningの画面ではGLMモデル構築のウィizardが追加されたことで、モデル種類選択のUIにGLM項目が現れています。タイムシリーズ予測フローでも、アルゴリズム選択肢やWhat-Ifタブの追加などが見られるでしょう。UI以外では、一部操作の手順簡略化が行われています。例えばプロジェクトのホーム画面からAIバッジが確認できるようになったり、モデルデプロイ時にタグが自動継承されたりと、ユーザーのクリック数を減らす改善が随所にあります。ただし、一部廃止・変更になったUIもあります。Deprecated扱いだった古いプラグインのUIメニューが消えるなど、過去バージョンから使っていたユーザーには「あれ、あの機能のボタンがない？」と感じる部分もあるかもしれません。しかしそれらは概ね新しい代替機能に取って代わっているはずです。アップグレード前後で疑問があれば、リリースノートのGUI変更点を参照するとよいでしょう。総じて14.2.0ではUIの大幅なレイアウト変更はなく、従来ユーザーも戸惑うことなく使えますが、細かな改良が散りばめられより便利になっている印象です。

システム要件と互換性の変更：Python/Java対応バージョン更新などアップグレード時の注意事項

Dataiku 14.2.0では、プラットフォーム内部のシステム要件にいくつか変更があります。まずJavaの最低要件が引き上げられました。Dataiku 14からは動作にJava 17が必要となり、従来サポートされていたJava 11は非対応となりました（Dataiku Cloud Stacksでは自動適用されていますが、オンプレ環境ではJavaアップデートが必要）。また、Pythonの組み込み環境についても変更があります。Dataiku組み込み（builtin）のPythonランタイムは3.8以上が前提となり、3.6および3.7のサポートが完全に終了しました。プロジェクト内のコード環境でPython 3.6〜3.8を使っている場合、それらはDeprecated状態となりアップグレード後に対応バージョンへの移行が推奨されます（3.6/3.7は組み込み環境では自動的に最新に置き換えられます）。加えて、サポート対象のOSやプラットフォームにも変更があります。例えばRed Hat Enterprise Linux 7系やCentOS 7系、Ubuntu 18.04など旧世代のOSサポートが打ち切られています。DockerコンテナイメージもAlmaLinux 9ベースに更新され、Python旧版非搭載などの整理が行われました。さらに、古いプラグインの除去も実施されています。Dataiku内で以前からDeprecated表示だったプラグイン（データ匿名化、旧版のGPT接続、モデルドリフト監視、Forecast系など）は14.2.0で完全に削除され、利用できなくなっています。これらに依存していた場合は、新しい代替機能（例えばGPTプラグイン→LLM Mesh、モデルドリフト→Drift Analysis、Forecast→時系列予測機能など）へ移行する必要があります。同様に、Sparkの旧バージョン互換やR 3.6のサポートも終了しています。アップグレード時には、これらシステム面の変更点を事前に洗い出し、自社環境が満たすべき前提を整えてから実施することが重要です。特にJavaやPythonのバージョンアップは影響範囲が大きいため、ステージング環境での検証を経て本番アップグレードするのが安全策と言えます。

アップグレードのメリットと注意点：新機能活用による恩恵と移行前に確認すべきポイント

Dataiku 14.2.0へのアップグレードは、多くのメリットを組織にもたらすでしょう。Agent Hubをはじめ新機能を活用することで、社内のAI活用レベルを引き上げ業務効率化やイノベーション創出につなげることができます。また、時系列分析やガバナンスなど各方面の改善により、データ活用の幅と深さが増し、競争力強化にも寄与するはずです。加えて、最新バージョンに上げることでセキュリティパッチ適用や不具合修正の恩恵も受けられ、システムを安心して使い続けることができます。特に14.2.0はメジャーアップデートに該当しますが、Dataiku社が長期間にわたり力を入れてきたGenerative AI分野の成果が結実したバージョンであり、新しいAI時代に対応するプラットフォームとして魅力があります。一方で、アップグレードに際しての注意点もいくつかあります。前述のシステム要件変更やプラグイン廃止による影響を綿密に確認しましょう。稼働中のフローやシナリオにDeprecated要素がないか洗い出し、必要ならアップグレード前に修正・代替を用意しておきます。また、ユーザーインターフェースの変更に伴い、エンドユーザー（分析者やビジネスユーザー）への事前通知やトレーニングも検討しましょう。特にAgent Hubなど新機能は活用方法を周知しないと宝の持ち腐れになりかねません。ハンズオンセッションを開いたりオンラインマニュアルを整備したりして、新機能の定着支援を行うことをお勧めします。最後に、アップグレード実施時は必ずデータのバックアップを取り、万一の場合にロールバックできる準備を怠らないでください。総合的には、14.2.0へのアップグレードは得られるメリットが非常に大きく、適切な準備をすれば十分リスクに見合うリターンがあります。新機能を積極的に取り入れつつ、安全かつスムーズな移行を達成して、Dataikuプラットフォームを最大限活用してください。