はじめに
この記事は、A5:SQL Mk-2（バージョン 2.21.2）に搭載されたAIアシスタント機能を実際に使用してみたレポートです。
使用したAIエージェント/モデルは以下の通りです。
- preview/Kimi-K2.7-Code（さくらのAI Engine）
- GPT-5.6 Sol
何ができるか
現時点で実装されているER図関連の機能は主に以下の2つです。
- ER図の修正（テーブル・リレーションの追加・変更）
- エンティティ名・属性名（論理名）の補全・修正
1. ER図の修正
ER図上にテーブルを追加したり、親子関係（リレーション）を含めてAIに修正を依頼できます。
例えば、「このER図にECサイトの構築に不可欠なテーブルとカラムがあれば追加してください」とプロンプトに入力すると、下記のように不足要素を補ってくれます。
ただし、この段階では親子関係（リレーション）が設定されていないため、続けて「親子関係を付けてください」と指示します。
無事にリレーションが追加されましたが、線の配置が重なっており少し見づらい状態になっています。
次に線が見づらいので、「線はなるべく別の線を跨がないようにしながら見やすくしてください」と指示します。
見づらいですね、現行の最新モデルを使用しても、リレーションの配置調整などは最終的に手動で行う必要がありそうです。
2. エンティティ・属性の論理名の修正
この画面から対象のテーブルを選択すると、AIがエンティティ名・属性名・論理名を推測・提案してくれます。
例えば「会員テーブル」の修正を任せると、以下のように属性名・論理名の変更に加え、足りないカラムの追加作成まで行ってくれます。
モデルによる違い
今回試したモデル間で、生成結果（精度）自体に極端な大差は見られませんでした。しかし、実行速度と処理の安定性には大きな差がありました。
特に処理負荷が高いER図の全修正などでは、一方のモデルでタイムアウトが発生してしまうような指示でも、他方のモデルでは時間はかかるものの最後まで処理を完了できるといった違いが見られました。
実際に使用してみた感想（デメリット・課題）
率直な感想として、現時点での使い勝手にはいくつかの課題を感じました。
-
処理時間とトークン消費
実行時間が長めでトークン消費量も多いため、生成された結果が意図と違った場合に「もう一度やり直す」ハードルが高く感じられます。
(ER図の修正がこれぐらいのエンティティ数で入力トークンが1万、出力トークンが3千程ありました。) -
プロンプトによる微調整がしにくい（単体機能）
エンティティ・属性名の修正機能では自由なプロンプト入力欄がなく、既存データからの自動修正に依存します。そのため「ここはそのままでいいのに…」という部分まで書き換えられてしまうことがあり、部分適用ができない点が不便でした。 -
セキュリティ・データ学習の懸念
APIキー経由でのモデル利用において、入力データの学習利用リスクやセキュリティポリシーの確認が必要となります。機密情報や実際の開発データベースの定義をそのまま投入するのは慎重になる必要があります。 -
VS Code（GitHub Copilot等）との比較
A5M2のER図ファイル（.a5er）はテキストベースのフォーマットであるため、VS Code上でCopilot等のAI拡張機能を使って編集することも可能です。VS Codeを利用した方が生成速度が圧倒的に早く、詳細なプロンプト指定や部分修正も容易で、結果として見やすい配置の図が得られやすいと感じました。
まとめ・総評
使えないわけではありませんが、自由度・速度・配置の綺麗さなどを総合的に考慮すると、VS Codeなどの外部エディタ＋AIアシスタントを活用して.a5erファイルを編集するアプローチの方が現時点では扱いやすいという印象でした。