過去1年間、LangChainのデータチームは、データスタックをエージェントに対応させるためにどのように進化させる必要があるかを再検討してきました。ほとんどの企業のデータスタックはダッシュボード、レポート、SQLワークフローを中心に構築されていますが、これらはまだ有用ですが、エージェントはデータ層が提供すべきものを変えています。エージェントが明確な定義、信頼できるソース、ビジネスコンテキスト、データ背後にあるロジックにアクセスできる場合、より多くの質問に答えることができます。コンテキストがない場合、エージェントはSQLを生成できますが、回答は信頼しにくくなります。企業固有の定義を見逃したり、間違ったテーブルを使用したり、技術的には正しいがビジネスにとって実際には有用でない方法で質問に答えたりする可能性があります。
チームは大規模なアーキテクチャシフトを実施し、従来のBIツール中心のデータスタックから、セルフサービス分析、共有コンテキスト、エージェント使用向けに設計されたスタックへと移行しました。結果は顕著でした。セルフサービスのデータエージェントは現在、3人データチームが直接処理できたリクエスト量の約40倍を処理しています。過去30日間で、プロビジョニングされたユーザーのほぼ100％（会社の3分の1）がデータエージェントを使用し、約2,200件のエージェント会話（ユーザーあたり月平均23件）が発生しました。
移行前は、ほとんどすべてのデータリクエストがデータチーム（当時は1人のみ）を経由していました。従来のBIツールは事前定義されたレポートには有効でしたが、柔軟性に欠けていました。探索的分析はコラボレーションや共有が難しく、データチーム以外の人が自分で探索するには、データがすでにBIレイヤーでモデル化され公開されている必要がありました。これはボトルネックを生み出しました。社内のさまざまな部門に良い質問があっても、回答には通常、データチームメンバーが質問を翻訳し、適切なモデルを見つけ、クエリを作成または調整し、結果を検証し、回答を送信する必要がありました。データチームは、より深い分析、モデリング、部門横断的なプロジェクトに集中する代わりに、単発のリクエスト処理に多くの時間を費やしていました。
チームは、複数の種類のユーザーを同時にサポートできるエージェントファーストのスタックを必要としていました。洗練されたダッシュボードを求める人、ノートブックとSQLを求める人、データの場所を知らなくても質問に答えてくれる会話型インターフェースを求める人がいました。エンジニアや技術オペレーターは柔軟性を必要とし、ビジネスユーザーはより安全でガイドされた探索方法を必要としていました。また、データ作業のための統合されたセンターを望み、最終的にHexを選択しました。Hexはダッシュボード、ノートブック、会話型分析をサポートし、AI機能を製品に直接組み込んでいます。ユーザーはHex UI（Threadsやノートブックを含む）、Slack、CLIワークフロー、MCP、LangSmith Fleetを介してエージェントと対話します。広い表面積は採用にとって重要であり、人々がすでに作業している場所でエージェントを使用できるようにします。
移行後、チームは6週間で古いBIツールから100%移行しました。現在、会社の100%が何らかの形でエージェントファーストのデータスタックを使用しています。約70%のユーザーが読み取り専用アクセス、30%がエージェントアクセスを持ち、これらのロールはITを通じてセルフサービスで提供されるため、必要な人は誰でもエージェントアクセスをリクエストできます。多くの会話は以前はデータチームを経由していた質問に対応しますが、データチームに届く質問はより複雑でレバレッジが効くものになっています。チームは、より深いビジネスコンテキスト、強力なデータモデリング、または部門横断的な調整を必要とする作業により多くの時間を費やしています。
エージェント体験はコンテキストに依存します。コンテキストは複数の層から得られます。dbtモデル定義、セマンティックモデル、ビジネスコンテキストガイド、エンドースメントシグナル、GitHub実装コンテキストです。dbtの列定義は、フィールドが何かを説明するだけでなく、ビジネス上の意味、許容値、デフォルトのフィルタリングルールを解釈する必要があります。セマンティックモデルは、ARRやパイプラインなどの指標とモデル間の関係を定義し、定義の一貫性を維持します。Hexワークスペースガイドは、明確な定義に収まらないビジネスプロセス、チーム固有のワークフロー、報告規則をキャプチャします。エンドースメントは、エージェントがどのデータソースとアセットを信頼すべきかを示し、データチームのみがエンドースメントをマークできます。GitHubはdbtリポジトリの実装コンテキストを提供し、エージェントが基盤となるモデルロジックを検査できるようにします。
チームは、HexのContext StudioやLangSmithなどの可観測性ツールを使用して、会話トピックの傾向、一般的な警告、コンテキストのギャップを確認し、スタックの改善点を決定します。