1
話しかける
- Slackでメンション / Webでチャット
- 日本語のまま聞ける
DWHを整備し、BIツールを導入し、ダッシュボードも作った。データ活用の投資は済んでいるはずなのに、意思決定の現場ではいまも同じことが起きています。
CPAが跳ねた朝、ダッシュボードが教えてくれるのは「何が起きたか」まで。要因を探るには、結局、誰かがデータを掘り直すことになります。
データチームへの依頼はキューに積まれ、答えが返るころには会議は終わっています。打ち手のタイミングは、分析の待ち時間に消えていきます。
「ちょっと聞きたいだけ」の質問ほど、頼みづらい。聞ける人が限られている限り、データに触れられる人も限られたままです。
TARSは、チームの誰もが日本語で「問い」を投げられる、AIのデータアナリストです。SlackとWebのチャットから社内データを分析し、グラフで答え、そのままダッシュボードにまとめます。既存のDWHにそのまま接続でき、使うほど御社の言葉と指標を覚えていきます。
TARSの使い方は、チャットに日本語で書くだけです。質問から、分析、可視化、共有までが、ひとつの会話の中で完結します。
Slackでメンション、またはWebでチャット。「先週のキャンペーン別CPAを教えて」——普段の言葉のままで構いません。
質問の意図を読み取り、SQLを自動生成して実行します。どのテーブルを参照し、何を調べているのか、思考プロセスは進行中に確認できます。エラーが出ても、AIが自ら修正して進みます。
結果は、データに合ったグラフで返ってきます。気になる点はそのまま追加の質問で深掘り。会話の文脈を保ったまま、分析を続けられます。
得られた分析はワンクリックでダッシュボードへ。データは最新に保たれ、チームの共通言語になります。
BIは「見に行く」ツールでした。TARSは、チームが仕事をしているその場所——Slackの中にいます。新しいツールを開く習慣づけから始める必要がなく、導入した日から会話の延長で使えます。
聞いた結果は、その場でダッシュボードになります。「依頼して、要件を伝えて、待って、直してもらう」というBI制作の工程そのものがなくなり、見たい画面は会話から生まれます。
社内用語や指標の定義、うまくいった分析の手順を、TARSは会話から自動で蓄積します。ただし勝手に賢くなるのではなく、管理者が承認した知識だけが本番に反映される。育ち方まで、人がコントロールできます。
AIの答えを鵜呑みにする必要はありません。どのテーブルを参照し、どんなSQLを実行したのか、思考プロセスごと開示します。「AIの答えは信用できるのか」という問いに、TARSは作りで答えます。
TARSは、生のAIモデルを“ハーネス”——制御と文脈の仕組み——で包んで動かします。だから社内データを扱わせても、範囲を外れず、御社の言葉で正確に答えます。
BigQuery、Snowflake、Amazon Redshift、AWS Athena。いまお使いのDWHにそのまま接続し、Google Analytics 4 や Google Ads のデータもあわせて扱えます。複数のデータソースを登録すれば、質問に応じてAIが適切な参照先を選択。データ統合プロジェクトの完了を待つ必要はありません。
ダッシュボードとは、いわば「誰かが昔した質問」の固定化です。ビジネスの問いは毎週変わるのに、画面の改修には依頼と待ち時間が要る。TARSが目指しているのは、その前提を変えることです。問いに応じてビューが生まれ、資産は「画面」から「指標の定義」と「御社の文脈」へ移っていく——