昨日、Anthropic は内部で開発した「データエージェント」の構築方法を公開しました：Anthropic が Claude でセルフサービスデータ分析を可能にする方法
OpenAI は 5 ヶ月前に「社内データエージェント」に関する記事を公開しました：IOpenAI 社内データエージェントの内部
両方読んだので、結果を共有します。
一致点
- 難しいのは SQL を書くことではない。正しいテーブルを見つけ、それを適切に使う方法を理解することだ。両社ともこれを繰り返し述べている。
- モデルはコモディティ（直接そう言っているわけではないが…）、その周りのコンテキストがプロダクトである。Anthropic は、コンテキストにアクセスできるスキル（ナレッジベース）を追加しただけで、精度が 21% から 95% に向上した。
- （驚きでもあり驚きでもないが）コンテキストが多ければ必ずしも役立つわけではない。Anthropic は過去のクエリを数千件すべてアクセス可能にした後、精度の向上は 1% 未満だった（トークン消費がどれだけ増えたか想像するしかない🙂）。
相違点
- OpenAI はスタンドアロンのエージェントを構築した。Codex と内部の ChatGPT は MCP 経由でエージェントを使用するか、ユーザーが Web や Slack 経由で直接チャットできる。一方、Anthropic は、（Markdown ファイルベースの）ナレッジベースを介してデータコンテキストにアクセスできるスキルを構築しただけだ。
- OpenAI はパイプラインジョブによって毎日更新される「インデックス」にコンテキストを持っているのに対し、Anthropic はナレッジベースをデータモデルと同じリポジトリに Markdown ファイルとしてコミットし、同じ PR で更新している。
私の見解（SQL ではなく、非構造化データ向けの「データエージェント」を構築した経験から）
Anthropic のスキルベースのアプローチは、より「ハーネスネイティブ」であり、既存のツールセットにうまく適合する。開発者体験、データコンテキスト、そしてデータプラットフォーム全体が、ハーネスの下に移行していくと考える（この方向性の最良の学術論文：コードをエージェントハーネスとして）。OpenAI のアプローチはよりスケーラブルで成熟しているように見える（5 ヶ月先を行っている？）。専用のデータエージェント、600TB のデータ、コンテキスト更新のためのスケジュールされたパイプラインを備えている。今後の展開を見守りたい。
データ関係者の皆さんへの質問
皆さんのチームでは、これらのエージェント型ワークフローの導入はどの程度進んでいますか？私の理解では、ほとんどのチームはまだ手書きの SQL を使い、コンテキストをコピペで Claude Code/Copilot/Codex に断片的に貼り付け、Slack で知識を共有している状況です。
詳細と数値を含めた完全な比較表は、ブログ記事にあります。コメントのリンクをご確認ください👇
