tomoya | Looker

グローバルで開催されるLookerのロードマップウェビナーです！ cloudonair.withgoogle.com/events/busines…

再びLooker Studio→Data Studioに Data Studio returns as new home for Data Cloud assets @googlecloud cloud.google.com/blog/products/…

イシュー作って大部分実装した PR が無事マージされた これで Looker の会話分析用のエージェントが MCP 経由で管理出来るようになった！ github.com/googleapis/mcp…

添付イメージはただのGEの無駄遣いなのですが、要は信頼できるデータ基盤＋社内のメールや議事録や諸々のコンテキストを元にした考察や報告書の作成、そこからNext Actionを導出してまた必要なデータを出して提案書に落とし込んで、、みたいなことが同じ場所で完結できる世界観

Looker上で作成した会話分析エージェントをGemini Enterprise(GE)にパブリッシュする機能がpreview！GE上からLookerのAgentを経由してDBのデータを取得、セマンティックレイヤーに基づく信頼できる数字を元に その後の考察からアクションまでをGE上で一気通貫で実行可能に！ #publish-data-agents" target="_blank" rel="nofollow noopener">docs.cloud.google.com/looker/docs/co…

公式ドキュメントはこちら (現状English版のみに記載) #in-database-merge-queries" target="_blank" rel="nofollow noopener">docs.cloud.google.com/looker/docs/me…

Lookerのマージリザルト機能が進化！これまでマージリザルトはExploreで取得した結果同士をLookerのメモリ上で突合するので行数上限があったり処理が重かったりでユースケースが限られていましたが、その突合処理をBQ上で行うことで先の制約が完全になくなります！ discuss.google.dev/t/in-database-…

NI+Cさんによる記事 Looker 会話分析とTableau Agentは何が違う？生成AI分析を比較してみた niandc.co.jp/tech/20260328_…

LookerでのConversational Analytics (会話分析)の精度・パフォーマンスを高めるためのLookMLの書き方やAgent設定方法等のベストプラクティスも大幅に刷新されています！要Check！ docs.cloud.google.com/looker/docs/co…

Looker上の会話分析エージェントのモニタリングも強化されています。いつ誰がどれくらいエージェントを使っているか、使われていないエージェントはどれか、パフォーマンスはどうか、組織への定着化を目指すために重要な指標が一目瞭然

同じくLooker v26.6のアップデート、Conversational Analytics(会話分析)のデバッグが強化されてます。虫さんマークを押すと会話分析プロセス内のどこで時間が掛かっているかが一目瞭然。ボトルネックの箇所に応じて改善策を打つことでAgentのパフォーマンスを最適化できます

Looker v26.6のアップデートのひとつで、Conversational Analytics(会話分析)が曖昧な質問については何のことを指すのか確認してくるようになりました。雑に聞いても「それって〇〇のことで合ってますか？」ってちゃんと聞いてくれる存在のありがたさ…

詳細はこちら docs.cloud.google.com/looker/docs/ge…

現在ロールアウト中のLooker v26.6は注目機能盛り沢山！まずは特定のExplore上でよく使われている分析パターンをAIが自動でメニュー化してワンクリックでクエリを呼び出せるAI Quick Start機能。これはExploreを使うハードルがかなり下がるのでは

Lookerでカスタムカレンダーの定義が扱えるようになりました！ LookMLの新しいdimension group typeとして"customer_calendar"が追加され、業界・企業独自のカレンダーを定義して日付ベースのディメンションにクエリできます。PoPにも対応！ docs.cloud.google.com/looker/docs/cu…

LookerのConversational Analytics(会話分析)でモード選択ができるように！推論が強化された分シンプルな質問でも時間が掛かるケースもあったりしましたが、Fastモードと切り替えられるようになりました #March_17_2026" target="_blank" rel="nofollow noopener">docs.cloud.google.com/looker/docs/re…

現在ロールアウト中のLooker v26.4にて、Looker APIがConversational Analytics APIのエンドポイントをサポートするようになります。Looker上のAgent管理は勿論のこと、プログラム的にAgentのQAを行ったりも容易になります。API Exploreでさくっとお試しいただけます！ docs.cloud.google.com/looker/docs/re…

RP 最近お客様と話すときに必ずこの「確率論」と「決定論」という言葉を使います。Lookerにおける会話分析は決定論的なアプローチで、BQの会話分析(やその他のText-to-SQL)との最も大きな違いと言えます。それぞれの特性を理解して利用者のペルソナとユースケースに応じて使い分ける必要があります

AI時代のQAについて本質的な議論。特に印象的だったのは「決定論から確率論へ」という変化だ。従来はOK/NGを明確に判断できたものが、AIプロダクトでは「明らかに間違っているものを排除する」というアプローチに変わらざるを得ない。これは品質保証の根本的なパラダイムシフトであり、多くの現場がまだ追いついていない現実を突きつけられた。 テストコードを丸投げしてはいけない。開発では要求→設計→実装とフェーズを分けてAIを使うのに、テストになると「よろしく」で終わらせてしまう。AIの出力がそれっぽいからこそ、間違いに気づけない危険性がある。品質を担保する側が品質を担保できないという皮肉な状況だ。 100人中5人しかテスト設計ができない、裏を返せば、この領域を習得すればAIに代替されにくい人材になれるということでもある。テスト設計の公開情報が少なくAIが学習できていないという指摘は、逆に人間が価値を発揮できる領域を示唆している。 日本がテスト分析・設計でリードしているという話は意外だったが、それを活かしきれていない気がする

＼Tech Blog更新！／ ✅️Looker新機能「タブ付きダッシュボード」検証：複数ダッシュボードを1つに統合してUXを劇的に改善する niandc.co.jp/tech/20260313_…