Oracle Select AI：26aiと19cの機能比較とAIネイティブデータベース戦略
Select AIの全体像とOracle Database 19cにおける基盤機能
Oracle Select AIは、開発者、アナリスト、アプリケーションチームがエンタープライズデータ上で自然言語レイヤーを構築できるように設計された、革新的な機能群を提供します。この機能は、SQL生成、データとのチャット、信頼できるコンテンツに基づく応答、合成データ生成、およびデータベース内でのエージェントワークフロー構築を可能にします。 Select AIは、Oracle Autonomous AI DatabaseおよびOracle AI Databaseの両方で利用可能であり、これらのデータベース製品に標準で含まれています。
Oracle Database 19cでは、Select AIの堅牢な基盤機能が提供されています。これには、チャット機能、自然言語からSQL（NL2SQL）への変換機能、合成データ生成、AIエージェントのサポート、テキストの要約、および多言語翻訳が含まれます。 NL2SQLは、ユーザーが自然言語で希望するデータ結果を記述し、それに対応するSQL文を自動的に生成、実行、説明できるSelect AIの核となる能力です。 このプロセスでは、スキーマメタデータが利用され、指定されたLLM（大規模言語モデル）向けに拡張されたプロンプトが生成されます。 要約機能は、クエリ結果を散文形式で要約し、会話形式でのフォローアップを可能にすることで、データベースの出力をレポートやダッシュボード、組み込みアプリケーション向けの読みやすいビジネス言語に変換するのを容易にします。 翻訳機能は、OCI、GCP、AWS、Azureなどのクラウド翻訳サービスを活用し、多言語応答の生成やグローバルユーザー向けのコンテンツ適応を支援することで、自然言語インタラクションの価値を拡張します。 さらに、Python Select AIは、26aiと19cの両方のAutonomous AI Databaseで認定されています。
Oracle Database 26aiにおけるSelect AIの飛躍的進化
Oracle Database 26aiは、19cで確立された共通基盤の上に、Select AIの機能を大幅に拡張しています。 26aiでは、NL2SQLフィードバック、自動オブジェクト選択、および検索拡張生成（RAG）といった高度な機能が追加され、ユーザーエクスペリエンスが向上しています。 これらの新たな機能は、19cでは利用できないOracle AI Vector Searchに深く依存している点が、26aiのSelect AIの最大の特徴です。
AI Vector Searchは、26aiのカーネルに直接組み込まれており、リレーショナルデータと並行してベクトル埋め込みを同一のデータベース、テーブル、セキュリティモデル内で保存できる統合ストレージを提供します。 この統合アーキテクチャにより、ベクトル、JSON、グラフ、リレーショナル、テキスト、空間、カラムナーデータといった多様なデータタイプにわたる低遅延の推論が可能になります。 AI Vector SearchはLangChainとの連携もサポートしており、開発者は高度なAIアプリケーションをより効率的に構築できます。 RAG機能は、Oracle AI Vector Searchを活用することで、信頼できる企業データに基づいた、より関連性の高い正確な応答を生成し、幻覚（hallucination）のリスクを低減します。
NL2SQLフィードバック機能は、SQLコマンドラインまたはPL/SQLプロシージャを通じて、ユーザーが生成されたSQLの結果に直接フィードバックを提供できるようにします。 このメカニズムは、時間の経過とともにSQL生成の精度を継続的に向上させることに貢献します。
エージェントフレームワークも26aiで大幅に強化されており、AIエージェントはデータベース内で第一級のエンティティとして扱われます。 開発者は、SQLおよびPL/SQLを使用して、リクエストの推論、組み込みツールやカスタムツールの呼び出し、結果の反映、会話にわたる短期および長期メモリの維持が可能な、より複雑なエージェントワークフローを構築できるようになります。 Model Context Protocol (MCP)は、エージェントが反復的に追加のコンテキストを取得し、プライベートデータに基づいた高品質な回答を提供するエージェントワークフローを可能にします。 また、26aiは新しいSQL:2023標準を実装した最初の商用データベースであり、SQLの知識を持つ誰もがプロパティグラフモデルを容易に定義およびクエリできます。 既存の19cデータベースから26aiへの直接アップグレードパスも提供されており、移行の簡素化が図られています。
技術的深掘り：AI Vector Searchとエージェントフレームワークのアーキテクチャ
AI Vector Searchの統合アーキテクチャ: Oracle AI Database 26aiは、AIワークロードをデータベースカーネルに直接統合するという、データベース処理における根本的なパラダイムシフトを実現しました。 これは、ベクトル検索機能が単なるアドオンではなく、データベースの核心部分に組み込まれていることを意味します。 このアーキテクチャにより、ベクトル埋め込みをリレーショナルデータ、JSONデータ、グラフデータと共に、単一のコンバージドデータベースエンジン内で、一貫したトランザクションとセキュリティモデルの下で保存および管理することが可能になります。
この統合されたアプローチは、データの一貫性を確保しつつ、マルチモーダルなエンタープライズデータ（PDF、ビデオ、画像など）に対する「Unified Hybrid Vector Search」を実現します。 開発者は、ベクトル、リレーショナル、テキスト、JSON、グラフ、空間述語を単一のSQLクエリで組み合わせ、文書、画像、音声、ビデオ、テーブル行を同時に検索できます。 ベクトルインデックスの作成と管理、およびベクトルデータベースのJSONパラメータの設定には、DBMS_CLOUD_AIパッケージが利用されます。 この緊密な統合により、外部システムとのデータ同期や複雑なデータパイプラインの構築が不要となり、AIアプリケーション開発の複雑性が大幅に軽減されます。
進化したエージェントフレームワーク: 26aiのエージェントフレームワークは、単なる静的なプロンプト応答システムから、アクション指向の自律的なワークフローへとプラットフォームを拡張します。 これは、データベース内でAIエージェントを構築・管理するための専用フレームワークであり、エージェントは以下の高度な能力を備えます。
- リクエストの推論: ユーザーの意図を理解し、適切なアクションを決定する能力。
- ツール呼び出し: 組み込みまたはカスタムのツール（例: SQL関数、PL/SQLプロシージャ、外部RESTサービス）を呼び出してタスクを実行する能力。
- 結果の反映: 実行結果を評価し、次のステップを計画するために自己修正する能力。
- 短期および長期メモリの維持: 会話全体にわたってコンテキストと情報を保持し、より複雑な対話やタスクを処理する能力。
開発者は、SQLおよびPL/SQLといった既存のデータベース言語とスキルを使用して、これらのエージェントワークフローを直接データベース内で作成できます。 これにより、AIロジック、データ、ガバナンスが一元化され、アプリケーションの保守性と信頼性が向上します。 また、Model Context Protocol (MCP)は、エージェントが反復的に追加のコンテキスト（プライベートデータなど）を取得し、より高品質な回答を提供する能力を強化し、より高度な意思決定とアクションを可能にします。
開発者・エンジニア視点での考察
-
AI機能のデータベース内統合による開発サイクルの加速: Oracle Database 26aiでは、AI Vector Searchやエージェントフレームワークがデータベースカーネルに直接組み込まれているため、AIアプリケーション開発者は外部のベクトルデータベースやLLMオーケストレーションツールとの複雑な統合レイヤーを構築する必要がなくなります。これにより、データとAIロジックが一体化し、開発、テスト、デプロイメントのサイクルが大幅に短縮され、セキュリティとガバナンスも一元化されることで、より迅速かつ安全なAI駆動型アプリケーションの市場投入が可能になります。
-
NL2SQLフィードバックループによるビジネスロジックの精度向上: 26aiのNL2SQLフィードバック機能は、ビジネスユーザーやデータアナリストが自然言語クエリから生成されたSQLの精度を直接改善できる画期的なメカニズムを提供します。これは、LLMのプロンプトエンジニアリングをデータベースレベルで実現するものであり、時間経過とともにSQL生成の品質が向上し、ビジネス要件と技術的実装の間のギャップが埋まることで、データ活用におけるビジネス価値の最大化と、より正確なビジネスインサイトの抽出が期待できます。
-
マルチモーダルデータへの単一SQLインターフェース: 26aiのUnified Hybrid Vector Searchは、リレーショナルデータだけでなく、JSON、グラフ、空間データ、さらにはPDFやビデオなどのマルチモーダルデータに対するベクトル埋め込みを、単一のSQLクエリで統合的に扱うことを可能にします。これにより、開発者は、複雑なデータソースを横断するインテリジェントな検索および分析アプリケーションを、なじみのあるSQLインターフェースを通じて、より少ないコード量と高い一貫性で構築できるようになり、データサイロの解消と包括的なデータインテリジェンスの実現に貢献します。
Source / 元記事
この記事について
この記事は、公開されているニュース、論文、公式発表、RSSフィードなどをもとに、AIが要約・補足調査・考察を行って作成しています。
元記事の完全な翻訳・逐語的な要約ではなく、AIによる背景説明や開発者向けの考察を含みます。
重要な技術仕様・価格・提供状況などは、必ず元記事または公式情報をご確認ください。
