はじめに
Microsoft Fabricには、現在、DataAgentという機能がありこれとcopilot studioを使えば、Fabric内のデータをTeamsから問い合わせることができます。
（詳しくは動画をご覧ください。）
また、以前 CData MCP Server 使って Fabricのデータをclaudeから問い合わせるデモもしました
今回さらに新しいアプローチとして、CData Connect AI を使い、
「Fabric のデータを ChatGPT から直接問い合わせる」
という流れを試してみました。
設定はとてもシンプルで、ソース登録とGPT連携を行うだけ。
実際にやってみると、Fabric のレイクハウスにあるテーブル一覧取得から、テーブル内容の要約、さらに Databricks のデータとの組み合わせ提案まで、想像以上にスムーズに利用できました。
この記事では、その“やってみた”結果をまとめていきます。
FabricのデータをChatGPTから問い合わせる -CData connect aiつかってみた！-
CData Connect AIの無償トライアルに登録
まずは、CData Connect AIの無償トライアルに登録します。
登録後、数分で使えるようになるのはありがたかったです。
Fabricをソースに登録
Fabricのレイクハウスをデータソースとして登録しようと思います。
こちらと同じ方法でSQLサーバーコネクタを使ってFabricに接続することができます。
接続情報入力後、ソースの画面にFabricがあることが確認できます。
（ちなみに今回はDatabricks free editionも接続してみました。こちらも設定簡単でした。）
chat gptとの接続を作成
integrationの画面からchat gptを選択します。
すると以下のような画面が出てきます。
CData connect aiとgptとの連携はchat gptの画面から行います。
手順についてはCDataのドキュメントが参考になりました。
Chat GPTから
前提としてFabricのレイクハウスには顧客情報のサンプルが入っています。
chat gptの開発者モードは引き続きONのまま
チャットパネルからツールを選択し、Fabricの中のデータについて問い合わせてみます。
レイクハウスに入っているテーブルを正しく取得することができました。
さらにレイクハウスに格納されていたAccountテーブルの概要について聞いてみます。
時折、ツールを使用して良いか許可を求められます。
gptの回答はばっちりでした！入っていたテーブルの詳細について教えてくれました。
おまけ：Databricksのデータも問い合わせてみた
先ほどのチャットの続きでDatabricksのテーブルについても問い合わせてみます。
FabricのテーブルとDatabricksのテーブルを組み合わせてできることの提案も受けられました。
（今回の２つのテーブルは全く関係がないテーブルでしたがそこもわかってくれています笑）
CData Connect aiでソースを登録、Chat GPTを登録するだけの簡単な設定で
ここまでのことができるとは驚きでした。
おわりに（感想）：リモートMCPで十分な世界と、その先にあるオントロジ
今回は CData Connect AI を使って、Fabric のデータを ChatGPT から直接問い合わせる というところまでを試してみました。
簡単な設定だけで、いつも使っているchat GPTから
レイクハウスのテーブル一覧取得や、テーブル概要の要約、さらに Databricks のテーブルとの組み合わせアイデアまで出してくれるのは、正直かなり便利です。
一方で、触っていて感じたのは：
-
リモートMCP（CData Connect AIのような接続レイヤー）だけで十分なケース
- 参照するデータ量がそこまで多くない（LLM が混乱しない規模）
- 個人利用や PoC レベルで「多少のハルシネーションは許容」できる
- 開発コストをかけるより、とにかく早く“使える形”にしたい
こういった条件なら、わざわざセマンティックレイヤーを作らなくても済むシーンがかなり多いな、ということです。
▽セマンテックレイヤーの参考資料
ただその一方で、
- 「customer」「cust」「client」「party」…のような
似た概念を全部 LLM の推論に任せている - エンタープライズモデル級の大きなデータセットを
そのまま AI に参照させようとすると、さすがに LLM が混乱しそう
といった課題も見えてきます。
このあたりは、まさに先日のMicrosoft ignite で発表された Fabric IQ のオントロジ（＝AI 時代のセマンティックモデル的なレイヤー） が効いてきそうな領域です。
- エンタープライズ全体で統一した「意味」を持ったモデルを用意する
- そのモデルに対して AI が問い合わせることで、
単なるテーブルの寄せ集めではなく「ちゃんとビジネス的に意味のある回答」を返させる
…ということがオントロジで表現できるのかなと思っています。
（まだチュートリアルを触っただけなので勉強中です。）
本当に セマンティックレイヤーを用意した方が精度や使い勝手が上がるのか は、これからの検証と実ユースケース次第だと思っていますが、
「このレイヤーを本気で使いこなす企業がどこから出てくるのか」は、個人的にかなり楽しみにしているポイントです。
Youtubeもやってます！
FabricやDatabricksについて学べる勉強会を毎月開催！
次回イベント欄から直近のMicrosoft Data Analytics Day(Online) 勉強会ページ移動後、申し込み可能です！