Metabase 2026年4月16日のリリースノート解説: Metabase 60 は AI と分析運用をどう変えるのか

Metabase 60 は、Metabase を「オープンソースBI」から「AI と セマンティックレイヤー をつなぐ分析インターフェース」へ大きく押し出すリリースです。AI 機能の open source 化、公式 MCP server、Metabot in Slack、エージェント API、ファイル-based content editing、Data Studio の改善、split panels、埋め込み SDK の高速化まで含まれており、単なる可視化機能の追加ではありません。

要点

• Metabase の AI 機能が全プランに広がり、自然言語 querying、SQL / transform code generation、chart summaries、エージェント API などが利用対象になる
• 公式 Metabase MCP server により、Claude、ChatGPT、Cursor、VS Code などの MCP client から Metabase の権限・セマンティックレイヤー を使いやすくなる
• Metabot in Slack により、Slack 上で質問、alerts 設定、CSV upload からの分析ができるようになる
• ファイル-based content editing により、serialization された YAML を AI エージェント や Git ワークフロー で扱いやすくなる
• split multi-series charts、sticky rows / columns、Metrics Explorer、Transform Inspector、Remote Sync の GitLab / Bitbucket 対応、OIDC SSO、SDK load time 改善も含まれる

今回の更新で何が変わるのか

Metabase 60 の中心は、AI を Metabase の外側で勝手に使わせるのではなく、Metabase の セマンティックレイヤー、権限、curated データセット、metrics、segments の上で使えるようにすることです。公式リリースでは、ユーザーが AI にデータを聞きたいとき、放っておくとデータが外へ出たり、AI が集計方法を推測したり、回答の根拠が見えなくなる、という問題意識が示されています。

今回の更新では、自然言語によるデータ探索、SQL / transform code の生成・debugging、chart の自動要約、エージェント API、MCP server などが同じ方向を向いています。Metabase 内の信頼できるデータレイヤーを使いながら、AI client や Slack、agentic ワークフロー から分析にアクセスする設計です。

AI と MCP server の意味

公式 MCP server は、Metabase を Claude、ChatGPT、Cursor、VS Code などの MCP client に接続するための重要な接点です。ポイントは、外部AIから見ても Metabase 上の 権限 と access が引き継がれることです。単にデータベース接続情報を AI に渡すのではなく、Metabase が持つ セマンティックレイヤー と ガバナンス を通したアクセスにできる点が大きな違いです。

また、BYO key により Anthropic key を Metabase に差し込み、利用する モデル を選んで トークン 分だけ支払う運用も示されています。Self-hosted / cloud の両方で AI 機能を使いたい組織にとって、コスト管理やモデル選択の柔軟性が増します。

Slack と日常業務への広がり

Metabot in Slack は、BI を開く前のコミュニケーションの場に分析を持ち込む更新です。Slack 上で質問し、alerts を設定し、CSV を upload してそのまま質問できるため、分析の入口が「ダッシュボードを探して開く」から「会話の流れの中で聞く」へ寄ります。

ただし、Slack 連携は便利なだけではありません。Slack channel の参加者、CSV に含まれるデータ、Metabase 側の 権限、回答の共有範囲が絡むため、データガバナンスの確認が必要です。特に機密データや顧客別データを扱うチームでは、どのチャンネルで何を聞けるかを先に決めるべきです。

ファイル-based content editing と agentic ワークフロー

ファイル-based content editing は、Metabase content を CLI の serialization で export し、エージェント が YAML ファイル を読んで編集できるようにする流れです。今回のリリースでは、exported content ファイル の名前、fields、references が numeric IDs ではなく読みやすくなり、monthly_revenue_by_region.yaml のように人間にも LLM にも扱いやすい形へ改善されています。

これは、ダッシュボード や metrics を一括生成・修正したい組織にとって大きな意味があります。AI エージェント に新しい questions を作らせる、ダッシュボード を編集させる、metrics を bulk-create させる、スキーマ checker で検証して sync back する、といった ワークフロー が現実的になります。BI content をコード管理やレビューに近づける更新です。

可視化・Data Studio・埋め込みの改善

AI 以外にも、Metabase 60 には実務向けの改善が多く含まれています。Split multi-series charts は、line、area、bar、combo、scatter charts を stacked panels に分け、複数 series が異なる scale でも見やすくする機能です。Sticky rows / columns は大きな テーブル を scroll しても文脈を失いにくくします。

Data Studio では、bulk data source swap、モデル から transforms への マイグレーション、Metrics home page / Metrics Explorer、Transform Inspector が追加・改善されています。特に Metrics Explorer は、複数 metrics や measures を比較し、dimension ごとの trends、filters、drill down を扱えるため、セマンティックレイヤー を単なる定義置き場ではなく探索の入口にします。

Embedded analytics では SDK load time が改善され、JWT auth の並列化と bundle split により、顧客向け埋め込み分析の体験が速くなると説明されています。既存コード変更なしで効く改善ですが、npm package を v60 に更新して確認する必要があります。

対象になりそうなチーム

• Metabase を社内BIとして使い、AI を セマンティックレイヤー / 権限 と合わせて使いたい analytics team
• Claude、ChatGPT、Cursor、VS Code などから Metabase に接続したい data / engineering team
• Slack 上で分析質問や alerts を使わせたい business operations / enablement team
• Metabase content を Git / CI / エージェント ワークフロー で管理したい BI platform team
• Embedded analytics SDK を使って顧客向け分析を提供している product / engineering team

実務でまず確認したいこと

1. Self-hosted の場合は v60 upgrade 手順と compatibility を確認する
2. MCP server / エージェント API を使う前に、Metabase 権限 と セマンティックレイヤー が正しく整っているか点検する
3. Slack 連携では channel、CSV upload、alerts、回答共有範囲のルールを決める
4. ファイル-based content editing を使う場合、export / 確認 / スキーマ check / sync back の流れを標準化する
5. Embedded analytics SDK は v60 package へ更新し、load time と fallback option を検証する

結局、この更新をどう見るべきか

Metabase 60 は、Metabase が「人間がダッシュボードを見るBI」から「AI エージェント と人間が同じ セマンティックレイヤー を使う分析基盤」へ進むための重要リリースです。特に MCP server、Metabot in Slack、ファイル-based content editing は、AI 時代の分析運用をかなり具体的に進める機能群です。一方で、AI の入口が増えるほど 権限、セマンティックレイヤー、content 確認、Slack 共有範囲の設計が重要になります。