AIエージェント能力アトラス › 仕事ごとの一覧 › ソフトウェア開発 › データ工学・DB・ML/AI開発

データ品質監視・異常検知

Data quality monitoring and anomaly detection

0 できない ／ 1 デモ止まり ／ 2 補助 ／ 3 実務品質（要確認） ／ 4 専門家並み ／ 5 専門家超え。「予」は予測。

専門家と比べて

定型的な異常検知ルールの運用はミドルデータエンジニア相当以上

できること

スキーマ・分布のドリフト検知、既知パターンに基づくアラート生成とドキュメント自動更新

まだできないこと

ビジネス上の意味を伴う『これは異常か、単なる季節変動か』の最終判断

なぜそうなのか

統計的異常検知は得意だが、業務文脈における『許容範囲』の線引きはドメイン知識に依存

これからの予測の根拠

統計的検知の自動化は成熟しつつあり2028年にはほぼ標準機能化すると予測

いま使える主な道具

Integrate.io AI agents、Monte Carlo AI

根拠

• Best AI Agents for Data Engineering Teams in 2026 2026-02
  AIエージェントがパイプライン作成・変換生成・データ品質監視・ドキュメント作成を半自律的に実行する事例が実務段階に

同じ分野のほかの仕事（データ工学・DB・ML/AI開発）

• DBスキーマ移行・ETLパイプライン構築
• 学習パイプライン構築・実験実行
• 論文の再現実装

AIエージェント能力アトラス 2026（2026-09-06 時点・v1.0）の1マスです。レベルは公開された実験・ベンチマーク・報告から付けた目安で、2027年以降は予測です。全マスに根拠のリンクがあります。作者は個人で、AI（Claude）と一緒に調べて作っています。