10 月 8 日、Anthropic は Claude Dashboards をリリースしました。データソースに接続し、必要なことを自然言語で伝えるだけで、Claude が SQL を書き、可視化を組み立て、更新され続けるダッシュボードを作ってくれます。
最初に感じたのは、これは DuckLocal で私が探ってきたアイデアのいくつかと重なっているということでした。
DuckLocal は、私が DuckDB と GPUI で作っているローカルファーストのデスクトップデータツールです。ファイルのクエリと探索だけでなく、AI エージェントが分析と可視化に参加できる宣言的なダッシュボードにも取り組んできました。
だから Claude Dashboards は、単なる興味深い新製品ではありませんでした。DuckLocal が次にどこへ進むべきかを、あらためて考えるきっかけになったのです。
1. Claude Dashboards は何をするのか
これまでダッシュボードを作るには、データベースに接続し、スキーマを理解し、SQL を書き、グラフと指標を選び、フィルターを設定し、レイアウトを整えて公開する、という手順が必要でした。どれもアナリストにとって珍しい作業ではありませんが、合わせると、それ以外の人にとっては大きな壁であり続けています。
Claude Dashboards は、その手順を自然言語のやりとりに変えます。たとえば、こう尋ねるだけです。
過去 6 か月の売上推移を分析し、地域別に分解して、最も伸びている事業を教えてください。
Claude は接続されたデータからクエリとグラフを生成します。Snowflake、BigQuery、Redshift、Databricks、ClickHouse といったプラットフォームに対応し、コネクターを使えば Salesforce のような業務システムのデータも取り込めます。
特に印象に残った設計上の選択が 2 つありました。
ダッシュボードが、変化し続ける分析オブジェクトになる
ダッシュボードは、単なる最終的な発表資料ではありません。ユーザーはダッシュボードを作り直すことなく、グラフの変更、フィルターの追加、別の軸での調査を Claude に頼み続けられます。
各グラフの背後にある SQL が常に見える
ユーザーは結果だけでなく、それがどう計算されたのかも確認できます。AI は分析の敷居を下げられますが、分析を検証できないブラックボックスにしてはいけません。
2. Claude Dashboards は何を裏づけたのか
DuckLocal の開発を通じて、私はずっと 1 つの考えを持ち続けてきました。
ダッシュボードは、BI ワークフローの終点にある静的なページであるべきではありません。人と AI エージェントが一緒にデータを分析するワークスペースであるべきです。
従来の BI では、アナリストがダッシュボードを作り、業務側のユーザーに渡します。指標に疑問が出ると、ユーザーはアナリストのところへ戻り、アナリストが SQL を更新したりグラフを追加したりします。
AI エージェントがいれば、このループは変わります。人が問いを立て、エージェントがデータを探ってダッシュボードを作る。予想外の点に気づいたら、クエリの調整やさらに深い調査をエージェントに頼めます。
ダッシュボードは、一方通行のレポートから、双方向の分析的やりとりへと移っていきます。Claude Dashboards のおかげで、この方向を探る価値があると、より強く確信できました。
大企業が分野に参入したからといって、それだけで商業的な需要が証明されるわけではありません。ただ、自然言語による分析、SQL、ダッシュボードが、AI プロダクトにとって活発な投資領域になったことは示しています。ユーザーに必要なのは、グラフの種類を増やすことよりも、信頼できる答えに早くたどり着く道なのかもしれません。
3. Claude Dashboards から得た 2 つの学び
DuckLocal v0.2.1 では、この方向に関わる 2 つの機能を追加しました。
人とエージェントがグラフを囲んで協働できるようにする
1 つ目は Dashboard Comments です。ユーザーは DuckLocal のグラフに直接、疑問を書き残せます。
この期間にエラー率が跳ね上がったのはなぜですか?調べてください。
エージェントは DuckLocal CLI 経由でコメントを読み、問題を分析して返信できます。ユーザーは議論を続けてもよく、疑問が片づいたらスレッドを解決済みにできます。コメントはダッシュボードの隣の .dash.comments.json ファイルに保存されるので、このワークフローにクラウドのコラボレーションサービスは要りません。
.dash ファイルの隣に保存され、エージェントは ducklocal comments で読んで答えることができます。私が確立したいモデルは、こういうものです。
人が問いを立て、判断する。エージェントが分析を実行する。ダッシュボードは、両者が共有するコンテキストになる。
役に立つ分析が 1 回で出てくることはほとんどありません。問いと検証と修正を重ねるうちに立ち上がってくるものです。
SQL を、検証できる分析の土台にする
2 つ目は、グラフの SQL を確認できる機能です。DuckLocal v0.2.1 では、ダッシュボードの各プロットで実際に最後に実行された SQL を、データソースと現在のフィルター値を展開した状態で表示できます。ユーザーはその SQL をコピーしたり、クエリタブで開いて編集・実行したりできます。
AI が生成したグラフは、見た目は正しくても計算が間違っていることがあります。成長率の指標が誤った期間を使っていたり、事業の一部が抜けていたりするかもしれません。最終的な絵だけを見せていると、そうした間違いに気づきにくくなります。
SQL を開示すると、分析はより透明になります。特に財務、監査、セキュリティの仕事では、結果は単にわかりやすいだけでなく、検証でき、再現できるものであるべきです。
関連ドキュメント:コメントでダッシュボードをレビューする · CLI からコメントを読んで返信する
4. Claude Dashboards と DuckLocal はどう違うのか
どちらのプロダクトも、データ分析の敷居を下げ、ダッシュボードを探索し、検証し、変え続けられるものにしようとしています。ただ、立ち位置と動作のモデルは異なります。
| 観点 | Claude Dashboards | DuckLocal |
|---|---|---|
| 位置づけ | AI が進める分析とダッシュボード | ローカルファーストのデスクトップデータワークスペース |
| 実行環境 | Claude のクラウドプロダクト | ローカルのデスクトップアプリ |
| データアクセス | データプラットフォームや業務システムへのコネクター | ローカルの DuckDB 実行。必要に応じて明示的に外部接続 |
| ダッシュボードのモデル | 自然言語で生成・変更 | CLI とエージェントのワークフローを備えた宣言的なテキストファイル |
| AI との協働 | 主に Claude との会話を通じて | CLI と、プロットに付けたコメントを通じて |
| SQL の透明性 | グラフの背後にある SQL を表示 | 実際に実行された SQL を表示、コピー、オープン |
| ソースモデル | クローズドな商用プロダクト | Apache-2.0 のオープンソース |
| プライバシーと制御 | クラウドサービスとコネクターの権限モデル | 保存先とネットワークアクセスを明示的に制御できるローカル実行 |
DuckLocal は、Claude Dashboards と機能を 1 つずつ競う必要はありません。Claude の強みはモデルそのものと、企業のデータソースや他のツールとの統合にあります。すでに Claude とクラウドのデータプラットフォームを使っている企業にとっては、その体験が自然にフィットするはずです。
ただ、別の種類のニーズも残ります。すべてのデータセットが AI サービスに置かれるべきわけではありませんし、すべての分析にクラウドのデータプラットフォームが必要なわけでもありません。
手元の CSV を眺める、エクスポートした財務データを監査する、機密情報を含むセキュリティログを調べる。そうした作業に必要なのは、ローカルの分析環境だけかもしれません。DuckLocal がローカルファーストなのは、そうした仕事をユーザー自身のデバイスで行えるようにするためです。
ローカルソフトウェアだからといって、すべてのコンプライアンス要件を自動で満たせるわけではありません。それでも、データをどこに保存し、クエリをどこで実行し、いつネットワークを使うかを、ユーザーがより直接的に制御できるようになります。
プライバシーは README の約束ではなく、プロダクトの振る舞いでなければならない
v0.2.1 では、DuckDB 拡張機能のインストール方法を変えました。以前は、一部の SQL がきっかけで DuckDB がネットワークから拡張機能を自動でダウンロードすることがありました。DuckLocal はそれをデフォルトでは行いません。ユーザーが拡張機能ページから意図してインストールする必要があります。更新の自動チェックもデフォルトではオフです。
ローカルファーストのプロダクトにとって、プライバシーは README の一行で終わらせられません。デフォルトの設定に表れていなければならないのです。
オープンソースであることも、もう 1 つの重要な違いです。ユーザーはコードとデータの扱いを確かめ、自分の要件に合わせてプロダクトを変更できます。厳しいプライバシーとセキュリティの制約がある仕事では、その検証可能性と制御性が長く効く強みになります。
5. 次に目指すもの:ダッシュボードを本当に人とエージェントが協働できるワークスペースにする
DuckLocal のダッシュボードには、宣言的な設定、SQL クエリ、可視化、プロットへのコメントがそろいました。それでも、私が思い描く人とエージェントの分析環境にはまだ距離があります。
次に優先したいのは、グラフの種類をできるだけ増やすことではありません。分析の各ステップをつなぐことです。
- 人がグラフ上で問いを立て、エージェントがそのグラフのデータと SQL を理解して調査を続ける。
- エージェントは返答するだけでなく、見つけた内容に基づいてダッシュボードの変更を提案する。
- 人は SQL、推論、変更内容を確認してから、受け入れるかどうかを決める。
- ダッシュボードは最終結果だけでなく、そこに至った問い、発見、判断も記録する。
DuckLocal を、DuckDB の GUI や BI ツールにとどまらない、人と AI エージェントが同じデータを囲んで一緒に仕事を続けられるローカルデータワークスペースにしたいと考えています。
6. おわりに
Claude Dashboards は、自然言語、SQL、データ可視化がより深く溶け合う方向を示しています。
AI が生成するダッシュボードは最初の一歩です。人と AI がデータを囲んで協働し続けることこそ、より面白い課題です。
Claude は AI アシスタントから、データ分析のワークスペースへと広がりつつあります。DuckLocal は逆の方向から始まりました。ローカルのデータツールに、エージェントとの協働を少しずつ加えていく。出発点も道も違いますが、同じ問いに近づいています。
DuckLocal は 3 つの原則を土台にし続けたいと思っています。
ローカルファーストオープンソース人とエージェントの協働
データはユーザーが制御できるべきです。分析は透明であるべきです。AI は、データを分析する人と協働すべきで、検証できないブラックボックスになってはいけません。だから私は DuckLocal を作り続けています。