データコネクタ

データ統合ツールやBIツールなどが、データベース、SaaS、ファイル、APIといった外部のデータソースに接続してデータを読み書きするための部品。接続方式や認証、データ形式の違いを吸収するため、個別にプログラムを作らずに設定だけでデータを連携できる。

業務システムなどのデータソースからデータを抽出（Extract）し、形式の統一やクレンジングなどの変換（Transform）を行ってから、DWHなどの格納先に書き込む（Load）処理。格納前に変換するため格納先には整ったデータだけが入る一方、変換を担うETLツールやサーバが性能のボトルネックになりやすい。格納後に変換するELTと対比される。

複数のデータベース、ファイル、SaaSなどに分散したデータを物理的に移動・複製せず、仮想的な統合層を通じて1つのデータソースのように参照できるようにする技術。問合せの時点で各データソースから取り出して結合するので、最新のデータを使え、複製の手間や保管の費用を抑えられるが、元のシステムの性能に影響を受ける。

複数の異なるデータソースのデータを、共通の項目をキーにして分析の場で組み合わせる手法。DWHに統合されていない外部データやスプレッドシートなどを、BIツール上でそれぞれ集計してから結び付けて分析できる。恒久的な統合ではなく、分析のたびに組み合わせる点がデータ統合と異なる。

AIエージェントが、検索、プログラムの実行、データベースへの問合せ、外部サービスのAPIなどの道具（ツール）を呼び出して、モデル単体では得られない最新の情報を取得したり、実際の操作を行ったりすること。ツールの呼出しには、APIを直接呼ぶ方法、モデルが呼出し内容を構造化して出力するFunction Calling、MCP、iPaaSを介した連携などがある。誤った操作を防ぐため、権限の最小化や重要な操作への人間の承認を組み合わせる。

大規模言語モデルに、利用できる関数（ツール）の名前、説明、引数の形式をあらかじめ渡しておき、モデルが必要と判断したときに、呼び出す関数名と引数をJSONなどの構造化された形式で出力させる仕組み。ツール呼出し（Tool Use）ともいう。モデル自身は関数を実行せず、アプリケーションが出力を受けて実際に関数を実行し、その結果をモデルに返して回答を続けさせる。

組織内で特定のデータについて正とする情報源を1か所に定め、全員がそこを参照するようにする考え方。部門ごとに同じデータを別々に持つと値が食い違い、どれが正しいか判断できなくなるため、マスターデータ管理やデータ統合によって実現する。