Dataiku Answersを使ったChatbot構築手順

2025年9月10日

生成AIを業務に活用する際、社内ドキュメントやデータを基にしたChatbotのニーズが高まっています。 Dataiku DSSには、こうしたニーズに対応する「Answers」プラグインが用意されており、GUI操作中心で誰でも簡単にChatbotを構築可能です。本記事では、APIキー設定からプラグイン導入、Webapp作成、データセット参照設定までの手順を、実際の画面キャプチャを交えて解説します。

はじめに

生成AIを業務に活用するうえで、社内のナレッジやデータに基づいたチャットボットを構築するニーズが高まっています。

Dataiku DSSにはそのための強力なプラグイン「Answers」が用意されており、GUI操作だけでシンプルに構築できます。

本記事では、DataikuでのChatbot構築手順を、実際の画面キャプチャとともに解説します。

前提として、利用するLLM（OpenAIやAzure OpenAI等）のAPIキー認証情報を準備しておく必要があります。

APIキー認証情報参照：https://www.keywalker.co.jp/blog/dataiku-llm-mesh-textanalysis.html

プラグインの導入

認証資格情報の登録

まずはDataiku管理画面から [管理 → プラグインの認証資格情報] を開き、利用するLLMのAPIキーを登録します。

これによりプラグインが外部のLLM APIと連携可能になります。

プラグインのインストール

[プラグイン → ストア] を開きます。
「Answers」で検索すると、Dataiku公式のプラグインが表示されます。
[INSTALL] をクリック。

Code Environmentの構築

プラグイン導入後、専用のPython環境を作成します。

Python 3.9 を選択
[BUILD NEW ENVIRONMENT] をクリック

3分程度で環境構築が完了します。

環境構築の完了

依存パッケージがインストールされると、下記のように「Import succeeded」と表示されます。

最後にDSSを再起動して準備完了です。

Chatbotの作成

新しいWebappの作成

プロジェクトに移動し、[+NEW WEBAPP] → [Visual Webapp] を選択。

利用可能なテンプレートから Answers を選びます。

LLMとデータセットの設定

Answers Webappには最低限以下の設定が必要です。

Main LLM：利用するLLM（例：OpenAI GPT-4、Azure OpenAIなど）
Conversation History Dataset：ユーザーとボットの対話履歴を保存するSQLデータセット
Conversation User Profile Dataset：ユーザープロファイルを保存するSQLデータセット

新規にPostgresなどへ作成する場合は「New dataset」を選択します。

インターフェースのカスタマイズ

Webappのタイトルや説明文を自由に編集できます。

また、ユーザーに提示する「質問例」を設定しておくと利用がスムーズになります。

Retrieval Methodの設定

Chatbotに社内データベースや生成済みデータを参照させるには、Retrieval設定を行います。

データセット参照の有効化

Retrieval method として 「Use dataset retrieval」 を選択
接続（例：Postgres）を指定
- ここで指定するのは、Flow上のファイルデータセット（CSV, Excel など）ではなく、S**QLで問い合わせ可能なRDBMS（Postgres, MySQL, Snowflake, BigQueryなど）**である必要があります。
- Flow上の中間データを使いたい場合は、一度RDBMSに書き出してから指定してください。
参照したいデータセット（例：generated_shifts_DB）を選択

完成したChatbot

ここまでの設定を保存すると、Dataiku上で動作するChatbotが完成します。

社内ドキュメントをアップロードし、検索・回答機能を組み合わせることで、ナレッジベースとして活用できます。

考察

情報検索と要約が目的っぽい

一言で言うと、「社内ドキュメントやデータなどの『ナレッジバンク』を基に、高性能なRAG（検索拡張生成）チャットボットを、プログラミングなしで迅速に作成・展開するためのツール」です。

重要な点として、この仕組みでは データ自体の変更や更新を直接行うことはできません。

つまり、あくまで「既存データを検索し、自然言語で要約・回答する」ことが主目的です。

業務システムに直接書き込みをしたり、データを編集するような機能は想定されていません。

さらに踏み込んだ考察

権限管理の重要性
- 検索対象が広範囲になるため、閲覧権限をどう制御するかが必須。
- 不要な情報流出を防ぐために、Dataikuの権限やRow-level Securityとの連携が重要。
将来的な応用可能性
- 検索＋要約にとどまらず、回答をワークフローに渡して別のプロセスを動かすことで「検索ツール」から「業務オートメーション」への発展も考えられる。