ライオン、GeminiでSAPのロジックをSQL化。学習工数を最大90%削減

ライオンは、AI活用に向けたデータ基盤「LDP（Lion Digital Platform）」の開発を進めている。Google Cloud Next Tokyo 26（2026年7月30〜31日）での同社デジタル戦略部の講演をITmedia エンタープライズが再構成した記事によると、同社はSAPのデータをBigQueryへ取り込むためにGeminiを使ったSQL変換を導入し、SAPの学習にかかる工数を最大90%削減できる見込みだという。

SAPの標準テーブルは、Google Cloud Cortex Frameworkで連携できる。しかし、アドオン開発を含む同社の利用対象テーブルでは、全体の70%がこの方法を使えなかった。帳票テーブルはCDS ViewとABAPで実装されており、SAPの構文に不慣れなエンジニアにはSQLへの書き換えが大きな壁になっていた。

当初は設計書をGeminiに読ませて変換を試みたが、帳票データを再現できなかった。そこでソースコードを直接入力する方式に切り替えた。重複排除や初期値、クライアント番号などSAP特有のロジックについては、ABAPとSQLの対応関係をプロンプトで明示している。PLANモードで推論の混入や見落としを事前に確認し、SAPからの抽出データとの完全一致をGeminiによる回帰テストで確かめる。プロンプトはGitHubで共有し、新卒メンバーでも短期間で使いこなせたという。変換はGitHub CopilotとDataform CLIで行い、BigQueryのELTまで一貫して組んでいる。

データモデルも再設計した。全データを横長に持つ「大福帳」テーブルをやめ、中間テーブルをスタースキーマ化し、指標ごとに切り出した指標テーブルをBI側で結合する疎結合の構成に改めた。集計の軸が絞られるためAIエージェントの誤った分析が起きにくく、スキャン量も減るという。Dataplexによるメタデータの付与や、DataformのAssertionによるデータの整合性チェックも組み合わせている。

生成AIは「コードを書く道具」としてだけでなく、レガシー資産を読み解き、その知識を組織で共有するために使える。今回の事例はその可能性を示している。同時に、AIに分析を任せるには、データモデルと品質保証を先に整える必要があることも示す実践例といえる。