データ分析、Slack で聞くだけでいいってほんと？ Anthropic の裏側公開

こんにちは、しぃちゃんだよ！ 今日は Anthropic の社内事例を紹介するよ。Slack でデータ分析を「聞くだけ」でできるようにした話、なかなか面白かったの。

Claude Blog claude.com

なにが発表されたの？

Claude の公式ブログ「Claude Blog」に、Anthropic のデータチームが Claude Tag を Slack のセルフサービス分析に活用した事例が載っていたよ。以前に Claude Code を社内導入したときに精度 95% ほどを達成した経験を踏まえて、今度は Slack 上での臨時の(アドホックな)データ質問に Claude Tag で答えられるようにしたんだって。

なぜ重要なの？

「データの数字をちょっと知りたいだけなのに、分析チームに聞くまで待たされる」というのは、多くの会社であるあるだよね。この事例は、AI エージェントを Slack に置くだけで解決、という単純な話ではなく、権限設計やデータ基盤の整備までセットで語られているのがポイント。実際に社内で運用してみた知見だから、他社が真似するときの参考になる具体性があるの。

深く潜ってみよう

技術的な土台は、次の 3 つで構成されているよ。

• 管理された意味論レイヤー(semantic layer)
• Markdown 形式の「スキルファイル」
• 評価スイート(eval suite)

原文で特に強調されていたのが、スキルファイルを「継続的に更新され続ける配信コンテンツ」として扱うという考え方。データモデルは 1 日に何度も変わるから、スキルもそれに合わせてリアルタイムで更新する必要がある、とのことだよ。

実装のおすすめとして、次の 5 つが挙げられていたよ。

• ディスク上の Markdown をリアルタイムに読み込んで、スキルを動的に更新する
• 単なる知識の提供にとどまらず、予測分析・コホート分析・ファネル分析のような分析スキルそのものを組み込む
• インシデントトラッカーや Slack のスレッド、社内ドキュメント検索といったビジネス文脈につなげる
• 権限管理をしっかりやる(サービスアカウントの制限、列単位の PII 分類、監査ログの記録)
• 採用率や精度を継続的に測定できるようにする

権限まわりは特に丁寧で、「ボットにメンションできる人が、そのままボットのデータアクセス範囲になる」という設計思想のもと、統治されたデータだけにアクセスさせる・列単位で PII を分類する・接続経路を明確にする・チャンネルメンバーシップをアクセス権として扱う・すべてのクエリにラベルを付ける、という 5 つの仕組みを組み合わせているみたい。

導入の順番としては、権限設計 → 配信の仕組みの検証 → 初日からのテレメトリ記録 → 知識インデックスとの連携 → 分析スキルの段階的な追加、という流れがすすめられているよ。

これで何が変わるの？

実際にデータチームのチャンネルでは、回答率が 75% を超えたそうだよ。ダッシュボードの不具合を担当者に聞いたら 90 秒以内に原因を特定・修正できた、という例も紹介されていたの。週次サマリーレポートの自動作成や、1 日に複数回の実験モニタリング、パイプラインやダッシュボードの監視、データ質問の自動振り分けなど、日々の細かい分析業務がかなり自動化されているみたい。

まとめ

• Anthropic のデータチームが Claude Tag で Slack のセルフサービス分析を実現
• 土台は「意味論レイヤー」「Markdown のスキルファイル」「評価スイート」の 3 本柱
• スキルファイルは「変わり続ける配信コンテンツ」として運用するのがコツ
• 権限は「メンションできる人 = アクセスできるデータ」の考え方で設計
• データチームのチャンネルで回答率 75% 超を達成

社内に AI エージェントを Slack で展開したいデータチーム・プラットフォームチームのエンジニアには、そのまま使える実践的なヒントが詰まった記事だよ！