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

DBスキーマ移行・ETLパイプライン構築

Database schema migration and ETL pipeline construction

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

定型的なスキーママッピングはミドル相当のスピード（60〜70%の工数削減）

できること

ソースデータのプロファイリング、マッピングルール生成、移行実行、検証、失敗セグメントの再試行までを自律実行

まだできないこと

移行対象システムの業務的な優先順位付けやダウンタイム許容度に応じた安全なシーケンス設計の最終判断

なぜそうなのか

技術的なマッピングは検証可能だが、業務影響を伴う移行順序の判断はリスク許容度という組織的文脈に依存

これからの予測の根拠

検証可能な技術的作業の自動化は着実に進むため2028年には大部分が自動化される見込み

いま使える主な道具

Ispirer、Integrate.io AI agents

根拠

• Autonomous Database Migration Planning: What AI Agents Can (and Can't) Do Safely in 2026 2026-04
  スキーママッピングが従来3〜6週間の分析作業から1〜2週間に60〜70%短縮。ただし完全自律には明確な限界があると指摘
• AI Data Migration Automation Stats in 2026 2026-03
  IDC調査でAI支援ETL/スキーマ自動化導入企業は移行プロジェクト期間を30〜50%短縮

同じ分野のほかの仕事（データ工学・DB・ML/AI開発）

• 学習パイプライン構築・実験実行
• 論文の再現実装
• データ品質監視・異常検知

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。