GitHub：内部分析エージェント「Qubot」がクエリ解決時間を約66%短縮
QubotはGitHubが構築した内部AI分析エージェントで、従業員が自然言語でデータウェアハウスに問い合わせることを可能にします。三層のフェデレーテッドコンテキストレイヤー（bronze、silver、gold）とKustoおよびTrinoクエリエンジン間の自動ルーティングを使用し、クエリ解決時間を約66%短縮しました。
この記事はAIにより一次情報源から生成されました。
GitHub は Qubot のアーキテクチャを紹介しました。これは従業員が手動クエリを書く代わりに自然言語でデータウェアハウス（data warehouse）を照会できる内部 AI 分析エージェントです。データウェアハウスは多数のシステムからデータが集まる中央データベースで、通常はクエリ言語の知識が必要です。
Qubotの構築方法
Qubot は三層フェデレーテッドコンテキストレイヤー——bronze、silver、gold——を使用して、データを段階的に精製・構造化し、エージェントがより信頼性の高いコンテキストを得られるようにします。Copilot Cloud Agent インフラ上で動作し、Slack、VS Code、CLI からアクセスできます。エージェントはデータの種類に応じて Kusto と Trino の2つのエンジン間でクエリを自動ルーティングします。
結果
GitHubによると、Qubotは数千件のクエリを実行する数百人のユーザーにサービスを提供し、クエリ解決時間を約66%短縮しました。構造化されたコンテキストは（生データを直接モデルに送るのと比べて）回答の精度を高めました。この事例は、大手テクノロジー企業がエージェントシステムをマーケット向けの製品としてだけでなく、自社の内部ニーズのためにも構築するケースが増えていることを示しています。
よくある質問
- Qubotとは何ですか？
- QubotはGitHubの内部AI分析エージェントで、従業員がSlack、VS Code、CLIを通じて自然言語でデータウェアハウスに問い合わせることを可能にします。
- Qubotはデータをどのように整理しますか？
- bronze、silver、goldの三層コンテキストレイヤーを使用し、KustoとTrinoエンジン間でクエリを自動的にルーティングします。
- どれだけ時間を節約できましたか？
- クエリ解決時間が約66%短縮され、数百人のユーザーが数千件のクエリを実行しています。