Autonomous Database 23ai 新機能！Select AIでSQLやデータを自動生成！

Oracle Database 23aiでは、生成AIに関連する新機能が多く追加されました。
その中でもAutonomous Database 23ai の「Select AI」では、生成AIの一種である大規模言語モデル(LLM)を使用して、自然言語による問い合わせや、テストデータの自動生成が可能となりました。

画像1：Select AIイメージ

本記事ではSelect AIの機能について、検証結果を交えてご紹介します！

Select AIはAutonomous Databaseのみで提供されている機能です。
今回は検証のために、Always Free（Autonomous Databaseを無償で利用できるサービス）で環境を準備しました。以下はAutonomous Database作成後の実施内容です。

今回はTESTユーザーでSelect AIを使用します。TESTユーザーにSelect AIの実行に必要な権限を付与します。

SQL> GRANT EXECUTE ON DBMS_CLOUD to test;
SQL> GRANT EXECUTE ON DBMS_CLOUD_AI to test;

Select AIで使用するAIプロバイダにアクセスするための資格証明を登録します。資格証明の作成に必要な、ユーザーOCIDなどの情報はOracle Cloudのコンソールから確認します。

SQL> BEGIN
          DBMS_CLOUD.CREATE_CREDENTIAL(
                  credential_name => 'GENAI_CRED',　--任意の資格証明の名前
                  user_ocid       => '<ユーザーOCID>',
                  tenancy_ocid    => '<テナンシOCID>',
                  private_key     => '<プライベートキー>',
                  fingerprint     => '<フィンガープリント>'
           );
     END;
     /

PL/SQL プロシージャが正常に完了しました。

AIプロファイルを作成し、Select AIで使用するAIプロバイダ（今回はOCI生成AIサービスを使用）やLLMモデルを設定します。
※AIプロバイダには、OCI生成AIやOpenAI、Cohereなどを指定できます。

SQL> BEGIN
          DBMS_CLOUD_AI.CREATE_PROFILE(
                'GENAI_PROFILE',
                '{"provider": "oci",　--使用するAIプロバイダ
                 "model": "cohere.command-r-plus", 　--使用するLLMモデル
                 "credential_name": "GENAI_CRED",
                 "object_list": 
                        [{"owner": "TEST"}],
                 "comments": "true"
                }'
          );
     END;
     /

PL/SQL プロシージャが正常に完了しました。


/* 作成したAIプロファイルをセッションで有効化 */
SQL> EXECUTE DBMS_CLOUD_AI.SET_PROFILE('GENAI_PROFILE');

PL/SQL プロシージャが正常に完了しました。

以上でSelect AIを利用するための事前準備は完了です。

事前に商品マスタ表や販売実績表など計10個の表を準備しました。
売上データ分析のためのデータ取得を想定して、これらの表に対して自然言語で問い合わせを実行してみます。

画像2：問い合わせイメージ

以下は、「売上額が最も高い商品は？」と自然言語で問い合わせた結果です。10個の表から適切な表や列を選択し、結合やGROUP BY句を使用して正しい結果が出力されました。

/* 自然言語からSQLを生成・実行 */
SQL> SELECT AI 売上額が最も高い商品は？;

PRODUCT_NAME                   TOTAL_SALES
------------------------------ -----------
ソファベッド                       5440000

/* 自然言語で生成されたSQL文を確認 */
SQL> SELECT AI SHOWSQL 売上額が最も高い商品は？;

RESPONSE
--------------------------------------------------------------------------------
SELECT p."PRODUCT_NAME", SUM(s."AMOUNT_SOLD") AS "TOTAL_SALES"
FROM "TEST"."SALES" s
JOIN "TEST"."PRODUCT" p ON s."PRODUCT_ID" = p."PRODUCT_ID"
GROUP BY p."PRODUCT_NAME"
ORDER BY "TOTAL_SALES" DESC
FETCH FIRST 1 ROW ONLY

次にもう少し複雑な例として、「2022年と2023年を比較して、女性の売上増加率が高い商品トップ10は？」と問い合わせてみます。

SQL> SELECT AI 2022年と2023年を比較して、女性の売上増加率が高い商品トップ5は？;

PRODUCT_NAME         INCREASE_RATE
-------------------- -------------
壁掛け時計                     220
背もたれクッション             175
ボイルカーテン          166.666667
サイドボード            157.142857
ビーズクッション               140


SQL> SELECT AI SHOWSQL 2022年と2023年を比較して、女性の売上増加率が高い商品トップ5は？;

RESPONSE
---------------------------------------------------------------------------------------------------------------------------
WITH sales_2022 AS (
  SELECT p."PRODUCT_NAME", SUM(s."AMOUNT_SOLD") AS sales_2022
  FROM "TEST"."SALES" s
  JOIN "TEST"."CUSTOMER" c ON s."CUSTOMER_ID" = c."CUSTOMER_ID"
  JOIN "TEST"."PRODUCT" p ON s."PRODUCT_ID" = p."PRODUCT_ID"
  WHERE c."GENDER" = '女' AND EXTRACT(YEAR FROM s."ORDER_DATE") = 2022
  GROUP BY p."PRODUCT_NAME"
),
sales_2023 AS (
  SELECT p."PRODUCT_NAME", SUM(s."AMOUNT_SOLD") AS sales_2023
  FROM "TEST"."SALES" s
  JOIN "TEST"."CUSTOMER" c ON s."CUSTOMER_ID" = c."CUSTOMER_ID"
  JOIN "TEST"."PRODUCT" p ON s."PRODUCT_ID" = p."PRODUCT_ID"
  WHERE c."GENDER" = '女' AND EXTRACT(YEAR FROM s."ORDER_DATE") = 2023
  GROUP BY p."PRODUCT_NAME"
)
SELECT s2."PRODUCT_NAME", (s2.sales_2023 - s1.sales_2022) / s1.sales_2022 * 100 AS increase_rate
FROM sales_2022 s1
JOIN sales_2023 s2 ON s1."PRODUCT_NAME" = s2."PRODUCT_NAME"
ORDER BY increase_rate DESC
FETCH FIRST 5 ROWS ONLY

こちらも正しい結果が返ってきました。WITH句内の副問い合わせで各年の売上額を出し、
「(s2.sales_2023 - s1.sales_2022) / s1.sales_2022 * 100 AS increase_rate」の計算式で売上増加率まで求めています。

ここまでで、Select AIによって自然言語で簡単にデータの問い合わせができることを確認できました。

しかし、実は上記の問い合わせは、初回実行時には正しいSQLが生成されずエラーとなりました。初回で生成されたSQLでは「WHERE c."GENDER" = '女性'」と指定されていたのですが、GENDER列の実際のデータは”女性”ではなく”女”と登録されていたためです。
SQLの精度を上げるためには、以下のように表や列にコメントを追加すれば、コメントの内容を考慮したSQLが生成されます。

SQL> COMMENT ON COLUMN customer.gender IS '性別の列で、値は「男」もしくは「女」';
コメントが作成されました。

このように、Select AIが生成するSQLが必ずしも正しいとは限らない、という点は注意が必要です。生成されたSQLや結果が正しいかは、ユーザー側で判断する必要があります。

続いて、Select AIによるテストデータの生成を試してみます。
テストデータの生成はSelect AIの機能の1つ（Select AI for Synthetic Data Generation）で、スキーマの情報や自然言語の指示などをもとに、実データに近いテストデータを生成してくれます。

今回はテストデータを作成する表として、NAME列とEMAIL列で構成されたEMPLOYEE表を作成しました。

SQL> DESCRIBE employee 

Name                       Null?    Type
-------------------------- -------- ----------------------------
NAME                                VARCHAR2(100)
EMAIL                               VARCHAR2(100)

テストデータの生成には、DBMS_CLOUD_AI.GENERATE_SYNTHETIC_DATAプロシージャを使用します。以下では、EMPLOYEE表に5行分のデータを生成するよう指定したところ、名前やメールアドレスのデータが自動で生成されました。

SQL> BEGIN
          DBMS_CLOUD_AI.GENERATE_SYNTHETIC_DATA(
                profile_name => 'GENAI_PROFILE',　--使用するAIプロファイル
                object_name  => 'EMPLOYEE',　--オブジェクト名
                owner_name   => 'TEST',　--ユーザー名
                record_count => 5); 　--生成するテストデータの件数
     END;
     /

PL/SQL プロシージャが正常に完了しました。


SQL> SELECT * FROM employee;
NAME       EMAIL
---------- -------------------------
Alice      alice@example.com
Bob        bob@example.com
Charlie    charlie@example.com
David      david@example.com
Eve        eve@example.com

GENERATE_SYNTHETIC_DATAプロシージャ実行時に自然言語で追加情報を記述して、生成したいデータの細かい指示を出すこともできます。
次の例は、以下の追加情報を指定した結果です。
　・従業員名は日本語でフルネーム
　・メールアドレスの形式は<名前の頭文字1字>.<苗字>@example.com
※表や列のコメントでも追加情報を付与できます。

SQL> BEGIN
  DBMS_CLOUD_AI.generate_synthetic_data(
    profile_name => 'GENAI_PROFILE',
    object_name  => 'EMPLOYEE',
    owner_name   => 'TEST',
    record_count => 5,
    user_prompt  => '従業員名は日本語でフルネーム。メールアドレスの形式は<名前の頭文字1字>.<苗字>@example.com。' ,
END;
/

PL/SQL プロシージャが正常に完了しました。


SQL> select * from employee;
NAME       EMAIL
---------- ------------------------------
中村 花子  n.nakamura@example.com
鈴木 一郎  i.suzuki@example.com
佐藤 次郎  j.satou@example.com
田中 三郎  s.tanaka@example.com
山本 四郎  s.yamamoto@example.com

1回目に生成されたテストデータと比較すると、追加情報を考慮したテストデータが作成されたことが分かります。
また、より実データに近づけるために「メールアドレスのドメインは実在するもの」と情報を追加して実行もしてみましたが、意図したテストデータを生成することができました。

このようにSelect AIでは実データを模したテストデータを簡単に生成することができます。

Autonomous Database 23aiのSelect AIによる、SQLとテストデータの自動生成についてご紹介しました。

SQLに生成AIが取り入れられたことで、開発者はSQLコーディングのヒントを得たり、テスト時のデータ準備にかかる工数を削減することができます。
また、SQLに詳しくないユーザー部門の方も、データベースから自然言語で最新データを取り出せるようになれば、データ活用の可能性が一層拡がりそうですね。

一方で、Select AIは生成AIを使用しているため、必ずしも正しい結果を返すわけではありません。自然言語での聞き方を工夫したり、基本的なSQLやテーブル構成を理解してSelect AIを上手に活用していきましょう。

アシストではSQL習得をはじめとした、Oracle Databaseの様々な研修を用意しています。他にもOracle Databaseの最新情報やリプレースのご相談など、お気軽にアシストまでお問い合わせください。