參加 Data & AI Summit '25 Fall 活動心得

2025年11月27日，我們參加了由 Google 主辦的「Data & AI Summit '25 Fall」。

近期，我們公司也決定認真投入「資料應用」，並悄悄啟動了一項專案。起初我們抱著「輕鬆一點，能做多少做多少」的心態推進，直到某天，我們得知 Google 將舉辦「Data & AI Summit '25 Fall」的消息。

「必須先掌握資料應用的最新趨勢！」基於這個想法，我們抱著輕鬆的心情報名參加，結果證明這是非常正確的決定，聽到的分享內容遠超乎預期，收穫豐富。

什麼是 Data & AI Summit '25 Fall？

從活動名稱大概就能猜到，本次演講的主題是「AI 代理」。這是一場混合形式舉辦的活動，參與人數約 3,000 人，盛況空前。我是現場參加的，有些演講甚至出現排隊的景象，座位不夠而需要站著聽講的情況也屢見不鮮。我切身感受到大家對資料應用與 AI 的高度關注。

當日的時間表大致如下。

https://cloudonair.withgoogle.com/events/data-ai-summit-25f

本文將報導主題演講，以及特別令人印象深刻的場次！

主題演講：邁向與數據代理「共創」的時代 - 以 AI-Ready 數據基礎打造的新一代數據分析

主題演講由 Google Cloud 的濱田先生以「AI 代理所需的三大要件」揭開序幕，接著是獅王株式會社與株式會社 Mercari 推動數據應用的案例分享，最後則是 Google 技術部門公開的「對話式分析示範」，共三大段落。

◼︎AI 代理所需的三大要件

濱田先生發表了要讓 AI 代理正式導入並承擔業務所必備的三大要件：「Action（主動性）」、「Memory（記憶力）」與「Context（可信度）」。

Action：AI 代理不應被動等待，而應主動採取行動。

這裡的關鍵在於「思考過程的透明性」。講者說明，要提升分析的透明度，將整體流程分階段拆解執行的「Advanced Reasoning」概念是關鍵所在。

Memory：為讓 AI 代理有效運作所需的「短期記憶」與「長期記憶」。

在說明「長期記憶」的部分，能即時存取企業所持有數據的概念，介紹了透過語音輸入與 AI 代理溝通並完成商品訂購的案例。相較於傳統的點選式操作，速度快上許多，讓人重新體會到這項技術其實已經相當貼近日常生活。

Context：要確保回答的可信度，脈絡（context）不可或缺。

講者說明了為了引導至正確的資料庫與計算公式，「語意層（Semantic Layer）」的重要性。

關於語意層，之後的講座中也經常聽到相關內容，我切身感受到它的關注度正逐步提升。

◼︎資料應用案例介紹

Lion 股份有限公司發表了資料基礎架構建置的相關內容，Mercari 股份有限公司則介紹了推動資料民主化的各項努力。

其中關於資料民主化的內容因與日常工作貼近，特別令人印象深刻。透過導入 AI 代理，讓過去被視為分析師專屬領域的資料應用，變得人人都能存取資料，這樣的組織體制建構方式，本公司也很想借鏡。

事後在公司內部的分享會上，大家也紛紛表示希望能盡快引進相關做法。

◼︎對話式分析示範公開

以「Conversation analytics agent in BigQuery」為例，介紹了對話式分析代理的示範。

雖然我平時有稍微使用過 BigQuery，但完全不知道它已能以自然語言進行資料分析，真的令人大開眼界。此外，透過 Gemini 建議提升資料精確度、自動產生黃金查詢（Golden Query）等功能也相當完善，設定過程也算簡單，令人讚嘆不已。

Conversational Analytics API 先行實踐！運用「自然語言」挖掘 BigQuery 中沉睡資料的 AI 代理人建置技巧

在 Iret 股份有限公司的發表中，介紹了結合 BigQuery 與 Conversational Analytics API、以聊天形式進行資料分析的案例。

內容是將網站內的資料累積到 BigQuery，並將查詢執行與分析作業全數委託給 Conversational Analytics API。透過讓 AI 代理人可從日常使用的溝通工具存取，建構出任何人都能輕鬆運用資料的環境。

此內容正體現了基調演講中提到的「資料民主化」，且架構非常簡潔。我們也打算立即導入敝公司。

雖然很想自己動手實作，但以目前的技術能力來看，恐怕需要花上好幾年，因此這部分打算交由敝公司的工程師負責！

步驟精簡！結合 Google Trends 的 AI 代理人 × 商品主檔協作應用

在 AEON Smart Technology 股份有限公司的演講中，介紹了如何將 AI 應用於「商品主檔資料」，這是擁有實體店面的企業特有的實踐案例。

發表主題為「解決模糊搜尋」與「與趨勢自動比對」這兩項挑戰。兩者皆採用 Google Vertex AI Search 建構。

— 以 AI 在商品主檔中進行模糊搜尋

身為實體店面企業的常見困擾，演講者以客戶提出未包含具體商品名稱的模糊問題為例進行說明。傳統系統要求「完全一致」，因此人類能輕鬆回答的問題，對系統而言卻成為一大障礙。針對此課題，此案例嘗試以 AI 方式加以解決。

示範環節中介紹了一套系統，即使是像網路搜尋那樣模糊的輸入，也能從大數據中即時輸出適當的商品資訊。雖然不太理解其運作機制，但光是想到一家公司能做到這種程度，就讓我由衷佩服。

— 掌握趨勢與商品資料的自動比對

分享的內容是，為了縮短從顧客需求出現到商品實際上架於賣場之間的前置時間，正在研究一種工具，能即時掌握外部趨勢資訊，並自動與公司內部的商品資料建立關聯。

這也是一個先進技術的主題，非常有趣。目前還無法想像如何將其運用於我們的服務，但個人很想親自試用看看「Google Vertex AI Search」。

總結

本次僅挑選了印象深刻的場次進行介紹，您覺得如何呢？若能讓您多少分享到當天聆聽「資料代理人帶來的革新」時的感動，我將非常開心。

老實說，我們在資料運用方面一直進展得不緊不慢，但透過參加這場高峰會，讓我真切地感受到「不能被這股浪潮遠遠甩在後面，必須認真起步！」，可以說是非常好的契機。

首先，我打算從這次多次被強調重要性的「資料與語意層（Semantic Layer）的定義」開始著手。