1. 手元のファイル

Excel の複数シートや、フォルダ内の複数 CSV を「1つのデータにまとめて」と頼めるのが、手作業との大きな違いです。

2. データベース

PostgreSQL、MySQL / MariaDB、SQL Server、Oracle、Snowflake、BigQuery、Amazon Redshift、Amazon Athena、Amazon Aurora、Presto / Trino、MongoDB、SQLite、Treasure Data、Vertica、Teradata、MS Access など。ODBC / DBI 経由の汎用 DB にも対応しています。

3. クラウドストレージ・SaaS

Amazon S3、Google Drive、Google Sheets、Google Cloud Storage、Dropbox、Box、SharePoint、Microsoft Azure Storage、Salesforce、Stripe、Intercom、GitHub、Google Analytics など。

4. 公的統計・オープンデータの API

ここは AI データがとくに効く領域です。API の仕様を読まなくても、名前を出すだけで取りにいってくれます。以下は代表例で、これ以外にも各国の統計機関や分野別のオープンデータ API に対応しています。

• 国際機関: World Bank、OECD、Eurostat、IMF、ECB、BIS、UN Comtrade、WHO
• 各国の公的機関: FRED（米国連邦準備制度）、SEC EDGAR、米国財務省、米国労働統計局、USGS、カナダ統計局、英国国家統計局など。国内では e-Stat、e-Gov データポータル、EDINET（有価証券報告書）、気象庁 防災情報、不動産情報ライブラリ
• その他: Wikipedia / Wikidata、Open-Meteo（気象）、OpenStreetMap、CoinGecko（暗号通貨）、Our World in Data、株価データ

5. Web ページ・Web 検索

特定のページから表を取ってくる、あるいは「Web を検索して探してくる」こともできます。チャットの進行表示に「Web を検索」「Web ページを取得」というステップが出てきたら、この動きをしています。

ステップ1: AI データを開く

データフレーム一覧の 「+」ボタンをクリックし、メニューのいちばん上にある 「AI データ」 を選びます。

チャットのダイアログが開きます。チャットの入力欄に、欲しいデータを普段の言葉で書きます。

ステップ2: ファイルから取る - ドラッグ&ドロップで指示する

ここからは、実際の例で流れを追っていきます。手元にあるのは、地域ごとに分かれた3つの売上ファイルです。

• 関西.xlsx … 大阪・京都・神戸、前年実績
• 関東.xlsx … 東京・横浜・さいたま、予算と備考
• 九州.xlsx … 福岡・北九州・熊本、目次

店舗ごとにシートが分かれていて、そこに店舗以外のシートが混ざっています。さらに、1行目はレポートのタイトル行でヘッダーは2行目、ファイルによって列構成も違う（関西の各店舗シートだけ、他には無い「前年比」列がある。除外対象の「前年実績」シートとは別物）。店舗名はシート名、地域はファイル名にしか書かれていません。手作業でまとめようとすると、なかなか骨の折れるデータです。

手元のファイルを使う場合は、チャット欄にファイルやフォルダをドラッグ&ドロップします。

入力欄の左下にあるフォルダのアイコン（「ファイルやフォルダを選択」）や、「+」→「ファイルを追加」からも選べます。

ファイルを添付すると、その中身に応じて取り込み方の候補が提示されます。

送信すると、AI が何をしているかがステップとして表示されます。「リファレンスを参照中…」「R スクリプトを生成中…」「R スクリプトを実行中…」といった具合に進みます。

終わると、右上に生成された R スクリプトが、右下にそれを実行したデータのプレビューが表示されます。

9店舗分が117行にまとまり、ファイル名から 地域、シート名から 店舗 の列ができています。除外したシートも「前年実績（関西）・予算（関東）・備考（関東）・目次（九州）」と明示されました。ファイルによって列構成が違う点も、AI 側が気づいて説明しています。

ステップ2: データベースやAPIから取る - コネクションを選ぶ

データベースや API のように認証が必要なデータソースは、コネクションを選んでから依頼します。入力欄の「+」ボタンから「データコネクション」を選ぶと、登録済みのコネクションが一覧で出てきます。

使いたいコネクションを選んでから、欲しいデータを書きます。

注文テーブルから、直近30日の売上を日別・商品カテゴリ別に集計して。

Google Analytics から過去90日のセッション数を、日付・デバイス・チャネル別に取ってきて。

コネクションを選ぶと、AI はそのデータソースの種類（PostgreSQL なのか Salesforce なのか）を踏まえてスクリプトを組み立てます。

ステップ2: コネクションが無いとき - チャットから作る

まだコネクションを作っていないデータソースでも、いきなり依頼して構いません。

MySQLの売上テーブルから、今年度の月別売上を取ってきて。

コネクションが見つからない場合、AI がそれを判断して コネクションの作成を提案し、作成ダイアログを開きます。

接続情報を入力して保存すると、「コネクション「〇〇」の作成が完了しました。」というメッセージがチャットに自動で送られ、**会話が継続されます。**改めて依頼を書き直す必要はありません。

ステップ3: プレビューを確認して、チャットで直していく

AI データはチャット形式のため、出てきたプレビューを見て、気になるところを追加で指示をして修正していくことができます。

ステップ4: 保存する

プレビューの内容に納得したら 「保存」 を押します。

データフレームとして取り込まれ、以降は通常のデータソースと同じように扱えます。

ステップ5: あとから直す

保存したあとでも、ステップに表示されている指示のボックスをクリックすると、それまでの会話ごとチャットが開きます。

会話の履歴が残っているので、「あのとき何をやったか」を思い出す必要はありません。続きから指示を足すだけです。

何が保存されるのか

スキルの実体は Markdown ファイルで、~/.exploratory/ai_skills/data_source/ の下に保存されます。中身は次のような構成です。

---
title: Google Sheets アンケート利用顧客データ
connectionId: ...
connectionName: ...
description: アンケートの回答データを顧客IDで結合して取得
keywords:
  - アンケート
  - 顧客データ
  - Google Sheets
useCount: 0
createdAt: '2026-08-19T14:31:14.781Z'
---

# Request Summary
（そのとき何を依頼したかの要約）

# Script
（実際に使われた R スクリプト）

タイトル・説明・キーワードは、そのときのやりとりを踏まえて AI が付けます。

何が起きるのか

次に同様のデータ取得を依頼したとき、AI データは保存済みのスキルを検索して、前回の手順を下敷きにします。

同様のリクエストが送られた時には、「過去のスキルが複数見つかりました」と判断してスキルを読み込み、過去に使われたRスクリプトを参考にしたデータの取得が行われます。

ユーザースキルにより、以下のメリットがあります。

• 2回目以降が速くなる - テーブル構造の調査やスクリプトの試行錯誤をやり直さずに済む
• 手順が形として残る - 前回うまくいった手順をそのまま踏襲するので、毎回違うものが出てくるのを防げる

とくに、社内データベースの独特なテーブル構成や、API の細かい呼び方といった「そこでしか通用しない知識」は、スキルとして蓄積されるほど効いてきます。AI データは使うほど自分の環境に馴染んでいく、という設計です。

セキュリティについて