When opening a dashboard costs the same as asking a chat, neither one is the bottleneck anymore. Deciding to look is. No one wants to check more dashboards. Data should speak first instead.

AI made building a dashboard almost free. Getting anyone to open it is still hard. How many of your dashboards did anyone open last month?

We moved to the Bay Area 🇺🇸 Our US journey started at a single desk in Boston. Now we have a new office at @Playground_VC Studio in Palo Alto. Building @squadbaseHQ here. Instead of you asking an AI agent, your data tells you first when something changes, and what to do next.

SquadbaseのPublic Betaをリリースしました！ 今までは招待性でしたが、これからは誰でも無料で使い始められます。 Squadbaseは、「データの自動運転」を目指して開発された、Coding Agentを中心に全ての体験を設計されたBIツールです。 コーディングAIの進化に伴いデータ分析のハードルは非常に下がりました。一方でチームで管理しているデータに接続しダッシュボードを作り、チームで運用するための環境が必要になっています。 そして、AIが高度な分析をできることで、「AIに聞く」から「AIが教えてくれる」まで期待値が上がることも自然のなりゆきです。 作りたい体験は、チームでゴールを設定するとAIがデータの変化を見て重要な提案やインサイトを届けてくれる。そして、チームはアクションの実行や意思決定に集中できるような体験です。 ダッシュボードも役割が変わり、AIの提案の根拠を深掘りするために使われるようになります。 Public Betaでは、皆様からのフィードバックを元に「AIでできること」だけではなく「人がやらないこと」を増やす体験を更に磨いていきます。 是非、サインアップして試してみてください！

HexのAI分析ベンチマークDataBench。GPT-5.6 Lunaのコスパは、社内での検証結果とも近い。 大量の情報から正しく集計するのと、因果関係を見極めるのは別。AIは前者に強いが、後者は完全に任せるのは難しい(そもそもデータがないこともある) 逆に人間は、「この仮説はなんか変だな」と気づくことには長けていて、人間にとっては簡単に見えることがモデルには難しいことに繋がっていると。 特にAIは「わからない」と結論にせずに無理矢理にでも仮説を出してくる傾向がある。 つまり、AIが出した結論を受け取っただけではなくて、そのまま深掘りや検証をする環境が必要になる。 これは、Squadbaseで作っている Notice -> Deliver -> Verify -> Investigate -> Decisionのフレームワークにも非常に近い考え方になりそう。後日ブログにまとめる。

最近、AI時代にBIがどんな役割を持つべきかを考えている。 ダッシュボードを作るコストはどんどん下がる。でも、人が確認する時間は増えない。ダッシュボードにもAI分析にも「誰かが見に行く/聞く」という前提がある。 この見に行く作業が次のボトルネックになるんじゃないか。

dbt、raw dataをそのままAIに読ませるのではなく、データチーム側で整理してcontextとして再利用することで、dbtの事例ではトークンコストを約98%削減したらしい。 読んでて思ったのが、contextには中央で持つものと、チームごとに持つものがありそう。 データの意味や定義は共通化した方がいい。一方で、今どのKPIを見たいかとか、どんな変化を気にするかはチームごとにかなり違う。 後者はKPIを持ってるチームが直接AIに渡した方が良さそう。 AI-nativeなBIは、チームごとにコンテキストを管理して、この二つのコンテキストを繋ぐ役割が必要になりそう。

エージェント機能をリリースしました！ エージェント自体をAIとの対話で作成できるように環境を整えている点がミソです💪 AIデータエージェント「Squadbase」、データ分析とレポート配信を自動化する「エージェント機能」の提供を開始

I’ll be speaking at @AITinkerers Boston about GTM agentic reporting with Squadbase. If you’re coming, please come say hi! boston.aitinkerers.org/p/ai-…

PinterestのText to SQLの精度向上の取り組み。 過去にアナリストが書いたSQLを知識ベース化して答えを引いてくる構造。 ①SQL to Textでのサマリ②想定される問い ③詳細ロジック の3層に分解してベクトル化。日付やIDは除去して汎用化することで、過去クエリが時を上手く再利用できる。

RemotionとClaude Codeでめっちゃ良い感じの動画ができた。 以前試した時はまだ表現の幅が少なくて諦めたけど、たまにメンションしてる人を見かけたので試したら良い感じ。 スクリーンショットを渡したらそれを忠実に再現できるのも結構すごい。やはりあらゆる物がバイブコーディング化してる。

AI led dashboard builder②: AIによる分析ダッシュボード提案 プロジェクトの目的や連携しているデータソース、過去の分析ダッシュボードページを考慮して、まだ分析していないけど分析する価値のある分析案の提案を作ってくれます。

AI led dashboard builder①: Excel / CSVからデータベースの自動構築 ExcelやCSVをアップロードするとAIが構造を解析して、データ分析用のデータベースを構築してくれます。 1シートに複数の表があるエクセルでもAIが良い感じに分解して整理します。追加の時系列データも簡単に処理できます。

【AIが導くダッシュボード構築体験】 従来のBIツールは、「答えを出すための道具」として設計されてきました。ユーザーの頭の中で設計をして、各種機能を使って構築をしていく体験が一般的でした。 そのため、答えに辿り着くために大量の操作や判断が必要でした。 AIネイティブなBIを作っている中で、その前提を疑ってみました。ツールではなく、AIに「問いを一緒に探索するパートナー」として行動してもらい、データを一緒に見ながらアイデアを提案してもらう体験が必要なんじゃないかという仮説を持って今回のアップデートを行いました。 一連のワークフローが人間主導ではなく、AI主導でどんどん提案を受け取りながら進めていけるダッシュボード体験になりましたので、是非お試しください！

> もっと予約語でグラフの種類や体裁の指示ができるとBIエンジニアのような玄人的には助かると思いました。 実は直近のリリースでKnowledge機能というものを出しまして、毎回依頼しなくても依頼に自動で考慮してくれるようになりました💪