Blueprint 2 · Agentic Analytics
ひとつのPostgres®インターフェースを通じて検索、分析、およびエージェント推論を統合的に実現
ベクター、フルテキスト、SQLクエリがひとつのPostgresネイティブプラットフォームに統合されており、データの移動や別の検索インフラは不要です。
統一ベクトル、全文検索、および分析クエリ
アナリストのデータ発見時間（BFSI）
運用データに対して実行されるクエリ
構築方法
アーキテクチャフロー
仕組み
| 01 | クエリ | カスタムアプリケーション、Grafana、およびMetabaseは、標準のPostgresインターフェースを通じてEDB Postgres AI (EDB PG AI) にクエリを送信。別途検索APIは不要。すべてのクエリはSQLまたはPG MCP Serverを介して入力される。 |
| 02 | 最適化 | AIDBパイプラインは、クエリが実行される前にEDB PGD内のすべての検索構造を準備。外部サービスは不要。pg_tokenizerは、生のテキストをBERTトークン化されたBM25スパースベクトル（30,522トークンのBERT語彙）に変換。aidbは、セマンティック検索のためにpgvector HNSWインデックスに保存された768次元のBERT密埋込みを生成。これらの構造は、新しいデータが到着するたびに段階的に更新される。 |
| 03 | 取得 | 三つの検索アームを並行して実行。BM25アーム（pgvector検索 <&>演算子）：BERTトークン化されたテキストに対するキーワードの関連性。セマンティックアーム（AIDB管理のpgvector HNSW <->演算子）：768次元のBERT埋込みによる概念的類似性。分析アーム（PGAA）：EDB PGDおよびIcebergテーブルに対して直接実行される列指向のSQL集計。RRFは、すべてのアームを単一のランキング結果セットに統合。Elasticsearchや外部検索サービスは不要。 |
| 04 | 理由 | 相互ランキング融合（RRF）は、BM25キーワード、セマンティック埋込み、およびPGAA列指向を単一のスコア化された結果セットに統合。スコアリング自体が推論ステップであり、複数のアームにわたって結果が現れることは高い信頼性のマッチを示し、単一の手法の失敗モードを排除する。Langflowは、統合結果に追加のLLMベースの推論を提供するオプションがあり、AIDBパイプラインに接続。これは主な検索フローには存在しないが、より深い分析洞察のために利用可能。 |
| 05 | 表示 | Metabase、Tableau、およびGrafanaは、EDB PGDから直接検索結果と不正検出ダッシュボードを表示。これらは現在のオープンソースリリースにおける視覚化ツール。 |
INDUSTRY USE CASES
Blueprint 2 in production
Grafana
Kafka / Redpanda
Metabase
MinIO
Tableau
業界別ユースケース
本番環境におけるBlueprint 2
-
BFSIBFSI
インテリジェントデータ探索
あるグローバル投資銀行のリスクアナリストは、40以上のサイロ化されたシステムに分散したデータの検索と準備に、業務時間の60%を費やしている。トレーディング、リスク、コンプライアンスデータ全体にわたる統合的なセマンティック検索とキーワード検索を導入し、PGAAで運用データに対する分析クエリを高速化することで、クエリごとにデータを別のデータウェアハウスに移動する必要がなくなった。
-
ヘルスケアヘルスケア
アンビエント・クリニカル・インテリジェンス
ある大手医療保険会社（上位5社）は年間1,500万件の保険金請求を処理している。臨床審査を必要とする複雑な請求の処理には平均12日かかる。LangflowとPG MCP Serverを介してエージェント型臨床推論を導入することで、AIエージェントが臨床ガイドライン、構造化された加入者資格データ、および長期臨床履歴に対してベクトル検索を行い、大規模かつ一貫性のある統制された請求審査を実現できた。
検証済みデプロイ環境
オンプレミス、クラウド、またはハイブリッド環境において、同じPostgresインターフェースを通じて、運用データを照会可能。
データの統合検索、分析、および主体的な推論を実現
データの統合検索、分析、およびエージェント推論を体験してみてください。 ひとつのPostgresインターフェースを通じて、運用データと履歴データに対して、ベクトルクエリ、全文検索、SQLクエリといったハイブリッドクエリを実行できます。詳しくはソリューションエンジニアにご相談ください。