data cloud connectorsとは?Geminiから企業データを扱う機能・料金・利用条件・始め方

AI新規事業
AI新規事業のPoC・立ち上げ、何から始めるべきかご相談ください
要件定義からリリースまで、Mojiがワンチームで伴走します。
data cloud connectors(Data Cloud connectors)は、Google Cloudが提供するGemini Enterprise向けの企業データ接続機能です。BigQuery、Spanner、Cloud SQL、AlloyDB for PostgreSQLなどに対し、利用者が自然言語で質問し、Geminiが権限の範囲でデータを調べて回答・分析を進めます。
2026年11月9日時点で、フェデレーテッドクエリ機能はプレビューです。導入を検討する際は、「Geminiに全社データをつなげる」と捉えるのではなく、誰が、どのデータソースに、どの権限で、どんな種類の問い合わせを行うかを先に限定することが重要です。Google Cloudの公式ドキュメントでは、コネクターは接続先の単一テーブルや単一データセットに自動で限定されず、認証された利用者が閲覧・照会できる範囲へアクセスし得ると説明されています。 Google Cloud公式:Connect to Data Cloud
結論:data cloud connectorsが向くケース
- 向く:すでにGoogle Cloud上でBigQueryや業務DBを運用しており、分析担当者への問い合わせを減らしつつ、利用者本人の権限で探索的な質問を行わせたい場合
- 慎重に進める:売上やKPIなど、定義・対象テーブル・計算式を毎回同じに固定したい場合。広いスキーマを対象にした自然言語SQLでは、複雑なリレーショナルスキーマで精度が変わり得ます
- 別設計を検討する:人事評価、与信、医療判断、支払い確定など、誤った照会・解釈がそのまま重要な決定につながる業務
後者では、対象データを絞り、検証済みSQLを用意できるConversational Analyticsのデータエージェントを比較候補に含めるべきです。Data Cloud connectorsとデータエージェントは競合ではなく、前者は広い探索、後者は対象を限定した再現性重視の分析に使い分けます。 Google Cloud公式:コネクターとデータエージェントの比較
data cloud connectorsとは:コピーせずにライブデータを問い合わせる仕組み
Data Cloud connectorsには、データをGemini Enterpriseのデータストアへコピーするデータ取り込みと、元のデータソースへ直接クエリを実行するフェデレーテッドクエリがあります。後者では、データをコピー・インデックス化せず、その場で照会します。
フェデレーテッドクエリでは、Gemini Enterpriseが利用者本人のIAM権限またはOAuth 2.1認証を用いて問い合わせを実行します。さらにKnowledge Catalogが、利用者にアクセス可能なテーブル、スキーマ、用語集、メタデータを探し、質問中の業務用語をデータ構造へ対応付ける役割を担います。 Google Cloud公式:フェデレーテッドクエリの処理
たとえば「今月、地域別に解約が増えた商品は?」と聞いた場合、Geminiは質問を解釈し、利用者が参照できるメタデータを探し、SQLを組み立て、コネクター経由で実行結果を取得します。ただし、この例は機能のイメージです。生成されたSQL、対象期間、除外条件、KPI定義が意図どおりかは、人が検証する必要があります。
対応データソースと提供状況
データソース | フェデレーテッドクエリ | 主な用途 | 導入時の確認点 |
|---|---|---|---|
BigQuery | プレビュー | 分析基盤・データウェアハウスの探索、集計 | 実行用(課金)プロジェクト、BigQuery Job User/Data Viewerなどの権限 |
Spanner | プレビュー | 分散リレーショナルDBのライブな業務データ照会 | 利用者権限、読み取り専用から始めるか、書き込み操作を許可するか |
Cloud SQL | プレビュー | MySQL/PostgreSQLなどの運用DBの照会 | Data APIの有効化、IAM DB認証・MCPツール権限、スキーマの複雑さ |
AlloyDB for PostgreSQL | プレビュー | PostgreSQL互換の業務DBの照会 | 利用者ごとのDB権限、検索対象・用語定義の整備 |
Looker | Google Cloudの発表ではプレビューとして案内 | 管理されたBI指標・分析結果の活用 | 導入時点の管理画面・公式セットアップ資料で利用可否を確認 |
現行のData Cloud connectorsのセットアップ概要では、BigQuery、Spanner、Cloud SQL、AlloyDB for PostgreSQLがフェデレーテッドクエリ対応として列挙されています。一方、2026年11月6日のGoogle Cloud発表ではLookerもプレビューとして案内されています。Lookerを前提に計画する場合は、発表だけで利用可能と判断せず、契約テナントの管理画面と最新の公式ドキュメントで設定可否を確認してください。 Google Cloud公式:対応コネクター一覧/Google Cloud公式発表:Lookerを含む提供構想
通常のMCP接続・RAGと何が違うか
Data Cloud connectorsは、Google Cloudのデータサービス向けにGoogleが管理するファーストパーティーのMCPサーバーを使う接続です。独自にMCPサーバーを構築する方式と比べると、Google Cloudサービスへの認証やセットアップがガイドされ、BigQueryなどのデータエンジンに合わせた組み込みスキルを利用できる点が特徴です。
一方、これで任意のSaaSやオンプレミスのデータを直接接続できるわけではありません。外部サービスへつなぐ場合は、Gemini Enterpriseの標準コネクター、カスタムコネクター、または独自MCP接続を別途検討します。MCP・API・A2Aの役割の整理は、API・MCP・A2Aの違いも参照してください。
方式 | 主な役割 | データの扱い | 適する場面 |
|---|---|---|---|
Data Cloud connectors | Gemini EnterpriseからGoogle Cloudデータを照会 | フェデレーテッドクエリでは元データをその場で照会 | Google Cloud内の分析基盤・業務DBを自然言語で探索したい |
RAG | 文書を検索して回答の根拠へ使う | 通常は文書を取り込み、検索用に整備する | 規程・マニュアル・FAQなどを根拠付きで案内したい |
独自MCP | AIから外部ツール・データへ接続 | 実装したサーバーと認証設計による | 独自システムや未対応SaaSを接続したい |
RAGで解決すべき業務と、DBへライブクエリを実行すべき業務を混同しないことが重要です。更新される数値を確定したいなら、文書検索だけでなく、正本となるDB・業務APIへの照会方法を設計します。詳細はRAGとは?導入すべき業務の判断基準・他方式との違い・評価の進め方で解説しています。
料金:コネクター単体の料金表ではなく、3層に分けて確認する
2026年11月9日に確認した公開資料では、Data Cloud connectors固有の一律料金表は確認できませんでした。費用は少なくとも次の3層に分けて見積もります。
- Gemini Enterpriseの契約・利用料:ライセンス型のエディションではライセンス料金と共有クォータがあり、上限超過時に従量課金を有効化できる形です。従量課金型のエディションもあります。 Google Cloud公式:Gemini Enterpriseの課金の仕組み
- 接続先データサービスの実行費用:たとえばBigQueryでは、コネクターが実行するクエリジョブの費用を確認します。BigQueryコネクターでは、管理者が実行・課金先のデフォルトプロジェクトを指定できます。 Google Cloud公式:BigQueryコネクターの権限・課金プロジェクト
- 既存DB・ネットワーク・セキュリティ運用の費用:Spanner、Cloud SQL、AlloyDBの稼働費用、監査ログ、鍵管理、ネットワーク構成などは、元サービスの契約・設定に従います。
費用判断の実務チェック:BigQueryを使う場合は、コネクター経由の問い合わせがどの課金プロジェクトへ集計されるかを固定し、請求ダッシュボードとジョブ履歴で確認できる状態にしてから利用者を広げます。質問回数だけでなく、スキャン量、複雑な結合、返答前の試行クエリも総額に影響し得ます。
利用条件と日本での提供状況
- Data Cloud connectorsはGemini Enterpriseアプリで設定する機能です。管理者にはGemini Enterprise AdminまたはDiscovery Engine Adminなどの権限が必要です。 Google Cloud公式:BigQuery接続の事前権限
- フェデレーテッドクエリはプレビューであり、Pre-GA Offerings Termsの対象です。一般提供済みの本番機能と同じサポート・変更安定性を前提にしないでください。 Google Cloud公式:Cloud SQL接続のプレビュー条件
- Google Cloudのセキュリティ資料では、Gemini Enterpriseのデータレジデンシーは
usおよびeuのマルチリージョンを案内しています。日本リージョンでの提供可否は、この公開資料だけでは確認できません。日本でのデータ所在・契約条件が必須の場合は、導入前にGoogle Cloudの営業窓口または契約担当へ確認してください。 Google Cloud公式:データレジデンシーとセキュリティ制御
始め方:最初のPoCを安全に進める7手順
以下はMojiによる実務上の提案です。プレビュー段階では、いきなり全社展開せず、読み取り専用・限定利用者・比較可能な評価ケースから始めます。
- 対象業務を1つ選ぶ:例として「営業会議用の週次集計の下書き」など、成果を人が確認でき、外部への確定操作を伴わない業務を選びます。
- 正本データとKPI定義を決める:「売上」「有効商談」「解約」など、同じ言葉が複数のテーブル・計算式を指さないよう、責任者と定義を固定します。
- 利用者グループを限定する:最初はデータオーナー、分析担当、業務責任者など少人数に限定し、一般利用者の権限をそのまま広く試さないようにします。
- 読み取り権限から設定する:書き込み・管理操作を有効にせず、IAMの最小権限を確認します。Cloud SQLでは、書き込みや管理操作を有効にする場合、より強い権限が必要になるため、読み取り用途と分離します。 Google Cloud公式:Cloud SQLコネクターのIAM要件
- フェデレーテッドクエリでデータストアを作成する:Gemini Enterprise管理画面で対象コネクターを選び、接続します。BigQueryでは実行・課金プロジェクトを設定するかを決めます。
- Knowledge Catalogと業務コンテキストを整える:メタデータ、用語集、信頼できるテーブル、KPIの算定ルールを整備します。必要に応じてカスタムスキルや指示で「どのプロジェクト・データセットを優先するか」を案内します。 Google Cloud公式:スキルとKnowledge Catalogのベストプラクティス
- 固定テストで評価してから拡大する:質問ごとに、期待する対象データ、期待SQLの性質、許容誤差、確認者を定義し、同じ条件で評価します。
PoC評価テンプレート
以下はMojiによる提案です。モデルやスキーマ、メタデータの品質、評価指標、許容誤差で結論は変わるため、一般的な設計上の目安として使ってください。
評価項目 | 記録する内容 | 合格の考え方 |
|---|---|---|
質問 | 実際の業務質問。架空の例:「先週の有効商談数を地域別に示して」 | 利用者が自然に書く表現を含める |
正本 | 正しいデータセット、テーブル、指標定義、対象期間 | データオーナーが確認済み |
権限 | 利用者ロールごとに閲覧できる/できないデータ | 許可外の列・行・テーブルが出ない |
正確性 | SQL、フィルター、集計単位、数値、説明 | 業務で定めた許容誤差内。重要KPIは人が照合 |
再現性 | 表現を少し変えた質問への結果 | 意味が同じ質問で結論が不必要に変わらない |
費用・速度 | クエリ実行時間、BigQueryジョブ費用、失敗・再試行 | 業務の待ち時間と予算上限の範囲内 |
停止条件 | 誤ったデータソースの選択、権限逸脱、想定外の費用増加 | 発生時に対象コネクター・利用者を止め、原因を切り分ける |
導入前チェックリスト
- Gemini Enterpriseの契約エディションで、必要なデータコネクターを使えるか確認した
- プレビュー機能であることを、利用部門・セキュリティ・購買部門が把握した
- 接続先ごとに、利用者のIAM権限とDB権限を棚卸しした
- 最初の用途を読み取り専用の分析支援に限定した
- BigQueryではクエリ実行・課金プロジェクトと予算アラートの運用を決めた
- 人事・財務・個人情報など、対象外にするデータ領域を決めた
- 用語集、KPI定義、信頼できるデータセットをKnowledge Catalogや運用ルールへ反映した
- 重要な数値・意思決定には人の確認を残した
- 質問、回答、実行クエリ、費用、誤りを評価用に記録できるようにした
まとめ
data cloud connectorsは、Gemini EnterpriseからGoogle Cloud上の分析データ・業務DBを自然言語で探索するための仕組みです。フェデレーテッドクエリではライブデータをコピーせず、利用者本人の権限を使って照会できる点が大きな特徴です。
ただし、広いデータソースを対象にする以上、「Geminiがつながる」ことと「正しいKPIを安定して出せる」ことは別です。まずは読み取り専用の限定PoCを行い、権限、メタデータ、KPI定義、費用、評価ケースを揃えてから対象を広げてください。エージェントに外部データや操作を任せる際の権限・承認・停止設計は、AIエージェントのガードレール設計も参考になります。