データ・AIのスキル

Power BIの計算式DAXを分析し、重複計算や複雑なフィルター、エラー処理を見直すスキル。処理性能・読みやすさ・保守性を改善する式と理由を提示します。

• Power BIの遅い計算を見直したいとき
• 複雑なDAX式を読みやすくしたいとき
• 除算や空白値の処理を改善したいとき

Phoenix CLIでLLMアプリの実行記録を調べ、失敗の観察メモを分類・集計します。データセットや実験結果も確認し、優先して作る評価項目を整理するスキルです。

• LLMアプリの失敗を調べたいとき
• 観察したミスを種類別に整理したいとき
• 優先する評価項目を決めたいとき

Power BIの表示や更新、クエリが遅い原因を、データモデル・計算式・画面構成・処理容量から切り分け、測定結果に基づく改善と継続監視を案内するスキル。

• レポート表示や操作が遅い原因の調査
• データ更新の遅延を調べたいとき
• 遅いDAX計算式やクエリの見直し

AIアプリの応答をPhoenixで評価する仕組みを作り、失敗例の分析から評価用データの準備、実験の実行、人の判定との照合まで進めるスキル。

• 失敗例に基づく評価基準づくり
• コードや言語モデルによる評価処理の作成
• RAGの検索と回答の忠実性の評価

資料を読み込み、要約Wikiと、用語や事柄の関係を示す知識グラフを蓄積するスキル。元の文章と根拠をひも付け、追加資料を反映しながら出典付きの回答に活用します。

• 資料を再利用できる知識にしたいとき
• 用語や話題の関係を整理したいとき
• 出典付きで質問に答えたいとき

Power BIレポートの目的や読者に合わせて、グラフの選択、画面配置、フィルター操作を提案します。モバイル表示やアクセシビリティを含めた設計相談に使えます。

• 経営層向けダッシュボードの設計
• 比較や推移に合うグラフを選びたいとき
• フィルターや詳細画面への導線の改善

Power BIのデータモデルを、テーブル構成や関連付け、性能、保守性、セキュリティの観点からレビューし、課題の優先順位と具体的な改善手順をまとめます。

• Power BIの本番公開前レビュー
• クエリの遅さやモデル肥大化の調査
• テーブル間の関連付けと保存方式の確認

文書検索を使ってAIが回答する仕組みや、会話をまたぐエージェントの記憶をPineconeで構築します。データ登録、検索方法の選択、動作確認まで案内します。

• 文書に基づく回答AIを作りたいとき
• 会話をまたいで判断や事実を残したいとき
• 意味検索と専門用語の一致を併用したいとき

既存のプロンプトファイルを読み、指示の意図を保ちながら構成や表現、情報の並びを整理し、誤字や文法、分かりにくい箇所を修正して仕上げるスキル。

• 共有前のプロンプトの仕上げ
• 指示の意図を保って明確にしたいとき
• 長いプロンプトの構成整理

Microsoft FabricのLakehouseで表やファイルを管理するために、データ構成、外部データの参照、アクセス制御、性能改善の考え方を整理します。

• Fabric Lakehouseの説明資料作成
• 表とファイルの配置を設計したいとき
• データ参照と権限を整理したいとき

融資前の信用リスクモデルに使うデータを点検・整形し、欠損や予測への有用性、安定性、相関から変数を選別します。組織別の分析と各工程の結果をExcelレポートにまとめます。

• 信用リスクモデル作成前のデータ整備
• 組織別の欠損率や不良率を比較
• 有用性・安定性・重複から変数を選別

AIを使った作業の流れを、プロンプト、文脈の使い方、ツール、構成、安全性の5観点で採点し、具体的な問題点と優先して直す項目をまとめるスキル。

• AIワークフローの本番導入前点検
• 既存エージェントの品質と信頼性の監査
• 問題の修正順序を決めたいとき

PythonとBigQueryのデータ処理を点検し、課金の膨張、再実行時の重複、障害の見落としにつながる箇所と最小限の修正案を示すスキル。

• BigQuery処理の本番投入前点検
• ループ内のジョブ数と課金リスクを確認
• 失敗後の再実行による重複書き込みを点検

対話で作業範囲や成果物、制約、成功条件を確認し、AIへの依頼文を具体化します。完成したMarkdownをチャットに表示し、クリップボードにもコピーします。

• 曖昧な依頼を具体化したいとき
• 成果物と成功条件を明確にしたいとき
• 技術要件や作業手順の整理

AIエージェントの要件を整理して構成を設計し、既存の仕組みの問題も診断するスキル。判断の根拠や検証方法を示し、設計・監査結果をPDFと構成図にまとめます。

• 構想や仕様書から設計したいとき
• 既存エージェントの構成監査
• 誤動作や誤った完了報告の診断

Arizeのトレースやデータセット、評価設定などを直接開く共有リンクを作成。ログにあるIDと対象期間を使い、確認したい画面へチームを案内します。

• トレースをチームに共有したいとき
• ログのIDから画面を開きたいとき
• データセットや評価器のリンク作成

LLMアプリの処理経路や入出力をArize AXで追跡できるよう、既存コードの調査から計測の追加、実行確認、記録の到着確認まで進めるスキル。

• LLMアプリの追跡を始めたいとき
• ツール実行の入出力を記録
• 既存のOpenTelemetryに送信先を追加

Arizeの評価用データセットを作成・管理し、ファイルからの取り込み、事例の追加、バージョンの確認、指定した版の書き出しまでax CLIで進めるスキル。

• ファイルから評価データを作りたいとき
• 既存のテストセットへの事例追加
• データセットの詳細とバージョン確認

Arize上でLLMを評価役に使い、回答の正確さや根拠との一致を採点するスキル。評価基準の作成から実データの項目対応付け、実験の採点、継続監視まで扱います。

• 回答に根拠のない記述がないか確認
• 実験結果の正確さを採点したいとき
• 本番の新しい処理記録を継続評価

Arizeに記録されたLLMアプリの処理履歴を取得し、入力・出力やエラー、遅延を調べます。会話や処理のIDで絞り込み、原因調査やオフライン分析に使うデータを書き出します。

• LLMアプリのエラー原因調査
• 会話の入力と応答を確認したいとき
• 時間のかかる処理を調べたいとき

Arizeで人が評価するためのラベルや数値・自由記述の基準を作り、レビュー待ちの記録と担当者を管理するスキル。既存の評価結果を処理記録へ一括反映する手順も扱います。

• レビュー用のラベルや採点範囲を統一
• レビューキューを作り担当者を設定
• キュー内の記録に評価を登録

ArizeでAIモデルの評価実験を作成・実行し、同じデータに対する出力や評価指標を比較します。結果の書き出しや、変更後に成績が下がった事例の特定も支援します。

• 同じ評価データでモデルを比較したいとき
• モデル変更後に成績が下がった事例の特定
• 実験結果を書き出して分析したいとき

Arizeで使うLLMサービスの認証情報を登録・確認・更新・削除するスキル。利用可能なモデルや認証方式も設定し、評価機能などから呼び出す接続先を管理します。

• ArizeにLLMを接続したいとき
• 既存の接続や許可モデルの確認
• 保存済みAPIキーの更新

本番の実行記録や評価結果、人のフィードバックを手がかりに、LLMの指示文を改善。Arizeのデータで失敗傾向を調べ、修正前後を実験で比較するスキル。

• 本番の失敗記録から指示文を改善
• 出力形式を守らない回答の修正
• 検索資料に根拠のない回答の点検