Fivetran + dbt、エージェント時代の Open Data Infrastructure 構想を発表

Fivetran は 2026年6月1日、dbt Labs との統合後の共同プロダクト構想として、エージェント時代に向けた Open Data Infrastructure を発表しました。dbt Core v2.0、dbt State、dbt Wizard、Fivetran AI Connector Agent、Agents Schema など、データの移動、変換、文脈管理、AI支援を横断する内容です。

要点

• dbt Core v2.0 は Fusion runtime を Apache 2.0 ライセンスでオープンソースにし、Rust ベースの実行エンジンを広く提供する
• dbt State は変更があったモデルだけを構築・スキップ・クローン・defer し、dbt 実行のコスト削減を狙う
• dbt Wizard は dbt プロジェクト文脈に基づく analytics engineering 向け AI コーディングエージェント
• Fivetran AI Connector Agent は API ドキュメントから Fivetran-managed connector を生成する
• Agents Schema は、AI エージェントが読む業務文脈を warehouse / lake 内の標準スキーマとして扱う構想

今回のブログ記事で語られていること

今回の記事は、Fivetran と dbt Labs の統合を単なる企業統合ではなく、AI エージェント時代のデータ基盤再設計として説明しています。Fivetran は、AI エージェントがコードを書き、問題を調査し、システムをまたいで推論し、analytics engineering の一部を自動化し始めていると述べています。ただし、エージェントが実務で役に立つには、データへのアクセスだけでは不十分です。lineage、contracts、state、performance signals、interoperability など、業務文脈と運用文脈が必要になります。

dbt Core v2.0 は、その基礎の一つとして扱われています。Fusion runtime と Rust ベースの engine がオープンソースの dbt Core に入ることで、parse time の高速化、スケーラビリティ、adapter contribution model の整理、docs experience の刷新が期待されます。商用開発の成果がオープンソース版にも反映されるという点は、dbt を長期的な標準として使うチームにとって重要です。

dbt State は、変更がないモデルまで毎回再構築する問題に対する機能です。warehouse metadata と model SQL を見て、実際に何が変わったかを判定し、必要なモデルだけを build、skip、clone、defer します。記事では、dbt-generated compute の削減や developer feedback loop の短縮が強調されています。エージェントが dbt プロジェクトを触る場合も、状態情報があることで、余計な実行を避け、差分に基づいて作業しやすくなります。

dbt Wizard は、analytics engineering に特化した AI エージェントとして紹介されています。一般的なコーディング支援は SQL を生成できても、下流の tests、lineage、contracts、metrics を理解せずに壊れやすい変更を提案することがあります。dbt Wizard は dbt metadata に基づいて、プロジェクトの文脈、実行履歴、結果を踏まえて支援することを狙っています。

Fivetran 側では、AI Connector Agent と Agents Schema が大きなポイントです。AI Connector Agent は、まだ標準コネクタがない API source に対して、API ドキュメントを読み、構造を解析し、connector を生成・検証・改善する beta 機能です。Agents Schema は、metric definitions、semantic models、dbt lineage、business documentation などを warehouse / lake 内の plain SQL tables として保存し、AI エージェントが読む共通文脈レイヤーにする構想です。

今回のブログ記事が関係する人

• fivetran をすでに利用しており、今回の内容が運用、開発、分析、データ連携にどう影響するかを確認したいチーム
• AI・データ基盤の選定や導入計画を進めており、公式ブログの背景や実務上の読み方を整理したい担当者
• セキュリティ、ガバナンス、監査、コスト、サポート体制など、発表内容を本番運用の判断材料に落とし込みたい管理者

実務で確認したいポイント

Fivetran と dbt を使っているチームは、dbt Core v2.0 / Fusion、dbt State、dbt Wizard の評価順序を決める必要があります。特に本番 dbt プロジェクトでは、実行速度だけでなく、adapter、package、CI、docs、semantic layer、既存ジョブとの互換性を確認してください。

AI Connector Agent や Agents Schema は、エージェントにデータ基盤の文脈を渡すための重要な選択肢ですが、どの情報を agent-readable にするか、機密情報をどう除外するか、誰が schema を更新するかを決める必要があります。業務定義や lineage が古くなると、エージェントの判断も古くなります。

結局、今回のブログ記事をどう読むべきか

Fivetran + dbt の Open Data Infrastructure 構想は、データ基盤を人間だけでなく AI エージェントも利用する前提へ変える発表です。データ移動、変換、文脈、品質、コストを分断せず、エージェントが理解できる基盤として再整理する動きと見るべきです。