[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"blogEntry::post\u002Fbigquery-vertex-ai:ja":3},{"title":4,"slug":5,"description":6,"body":7,"author":8,"category":9,"coverImageUrl":13,"ogImageUrl":14,"createdAt":15,"updatedAt":16,"datePublished":17,"locale":18,"related":19},"BigQueryからVertex AIを呼び出すための接続設定","bigquery-vertex-ai","BigQueryでVertex AIのGeminiモデルを使うには、Google Cloud側で外部接続を作成し、BigQueryとCodatum、それぞれのサービスアカウントに正しい権限を渡しておく必要があります。ML.GENERATE_TEXTなどのAI機能をCodatumから使うための、事前設定の手順を紹介します。","\u003Cp>以前ご紹介した「ダッシュボードに、パラメータで変わるAI生成サマリーを追加する」というブログでは、BigQueryとVertex AIの接続ができていることを前提に、モデルの作成からテキストパネルへの表示までを紹介しました。\u003C\u002Fp>\u003Cp>\u003Cbr>この記事では、その前提となる接続設定を紹介します。\u003C\u002Fp>\u003Cfigure class=\"EmbeddedContent_Wrapper\">\u003Cimg src=\"https:\u002F\u002Fimages.ctfassets.net\u002Fggtw2zqmifs5\u002F1Lnf4Z3lYb7E8Iar501Ky8\u002Fbaec32de2a11f0606d181740d2a78764\u002F82305fb9-819c-452e-8a61-c335a32348c1.png\" alt=\"スクリーンショット 2026-08-14 11.50.39\">\u003C\u002Ffigure>\u003Cp>BigQueryからVertex AIのGeminiモデルを呼び出すには、Google Cloud側であらかじめ「外部接続」を作成し、BigQueryとCodatum、それぞれのサービスアカウントに必要な権限を渡しておく必要があります。\u003C\u002Fp>\u003Cp>この設定は一度済ませておけば、以降はモデルを作り直してもNotebookを増やしても、そのまま使い続けられます。\u003C\u002Fp>\u003Cp>BigQuery・Google Cloud側の画面や手順は、Google側の都合で変わることがあります。以下はこの記事の執筆時点（2026年8月）の手順です。画面が一致しない場合は、各手順に添えた\u003Ca href=\"https:\u002F\u002Fcloud.google.com\u002Fbigquery\u002Fdocs\u002Fgenerate-text-tutorial-gemini?hl=ja\" target=\"_blank\" rel=\"noopener noreferrer\">Google Cloud公式ドキュメント\u003C\u002Fa>の該当セクションを優先してください。\u003C\u002Fp>\u003Cp>\u003C\u002Fp>\u003Ch2>\u003Cb>何と何をつなぐ設定なのか\u003C\u002Fb>\u003C\u002Fh2>\u003Cp>この設定に登場するサービスアカウントは2つあります。\u003C\u002Fp>\u003Cul>\u003Cli>\u003Cp>BigQueryとVertex AIを橋渡しする「外部接続」のサービスアカウント\u003C\u002Fp>\u003C\u002Fli>\u003Cli>\u003Cp>CodatumがBigQueryに接続するときに使っているサービスアカウント\u003C\u002Fp>\u003C\u002Fli>\u003C\u002Ful>\u003Cp>前者にはVertex AIを呼び出す権限（\u003Ccode class=\"hljs\">Vertex AI ユーザー\u003C\u002Fcode>）を、後者には外部接続を使う権限（\u003Ccode class=\"hljs\">BigQuery Connection \u003Cspan class=\"hljs-keyword\">User\u003C\u002Fspan>\u003C\u002Fcode>）を渡していきます。以降の手順は、この2つのサービスアカウントに権限を積んでいく作業です。\u003C\u002Fp>\u003Cp>\u003C\u002Fp>\u003Ch2>\u003Cb>外部接続を作成する\u003C\u002Fb>\u003C\u002Fh2>\u003Cfigure class=\"EmbeddedContent_Wrapper\">\u003Cimg src=\"https:\u002F\u002Fimages.ctfassets.net\u002Fggtw2zqmifs5\u002F5wZEnHsjl7YtK2HDELASCm\u002F527367f924f24340834485aa075e916a\u002F486a0761-d132-4011-bc17-7c97f2cdfdd3.png\" alt=\"スクリーンショット 2026-08-14 12.20.40\">\u003C\u002Ffigure>\u003Cp>BigQueryのページで左側の「エクスプローラ」パネルからプロジェクト名を開き、その中にある「接続」を選びます。\u003C\u002Fp>\u003Cp>「接続」ページで「接続を作成」をクリックし、以下を入力します。\u003C\u002Fp>\u003Cul>\u003Cli>\u003Cp>接続タイプ：「Vertex AI リモートモデル、リモート関数、BigLake、Spanner（Cloud リソース）」を選択\u003C\u002Fp>\u003C\u002Fli>\u003Cli>\u003Cp>接続ID：任意の名前（例：\u003C\u002Fp>\u003Cp>\u003Cpre>\u003Ccode class=\"hljs\">vertex_ai_test\u003C\u002Fcode>\u003C\u002Fpre>\u003C\u002Fp>\u003Cp>）\u003C\u002Fp>\u003C\u002Fli>\u003Cli>\u003Cp>ロケーションタイプ：マルチリージョンの\u003C\u002Fp>\u003Cp>\u003Cpre>\u003Ccode class=\"hljs\">US\u003C\u002Fcode>\u003C\u002Fpre>\u003C\u002Fp>\u003Cp>など、モデルを置きたいロケーション\u003C\u002Fp>\u003C\u002Fli>\u003C\u002Ful>\u003Cp>入力が終わったら「接続を作成」をクリックし、続けて「接続へ移動」をクリックします。「接続情報」ペインに、専用のサービスアカウントIDが表示されるので、次の手順で使うためにコピーしておきます。\u003C\u002Fp>\u003Cp>ここで作成される外部接続が、BigQueryからVertex AIを呼び出す際の窓口になります。\u003C\u002Fp>\u003Cp>\u003C\u002Fp>\u003Ch2>\u003Cb>外部接続にVertex AIへのアクセス権を渡す\u003C\u002Fb>\u003C\u002Fh2>\u003Cp>外部接続ができたら、呼び出す権限を付与します。\u003C\u002Fp>\u003Cp>Big Queryの「IAMと管理」から「アクセスを許可」を選び、「プリンシパルを追加」の「新しいプリンシパル」に、作成した外部接続のサービスアカウントIDを入力します。ロールには\u003Ccode class=\"hljs\">Vertex AI ユーザー\u003C\u002Fcode>を割り当てればOK！\u003C\u002Fp>\u003Cp>この設定で、外部接続がVertex AI側を呼び出せるようになります。\u003C\u002Fp>\u003Cp>\u003C\u002Fp>\u003Ch2>\u003Cb>Codatumのコネクションにも権限を渡す\u003C\u002Fb>\u003C\u002Fh2>\u003Cp>次に、CodatumがこのBigQuery外部接続を使えるようにします。\u003C\u002Fp>\u003Cp>CodatumがBigQueryへの接続に使っているサービスアカウントに、\u003Ccode class=\"hljs\">BigQuery Connection \u003Cspan class=\"hljs-keyword\">User\u003C\u002Fspan>\u003C\u002Fcode>ロールを追加します。\u003C\u002Fp>\u003Cfigure class=\"EmbeddedContent_Wrapper\">\u003Cimg src=\"https:\u002F\u002Fimages.ctfassets.net\u002Fggtw2zqmifs5\u002F4RUu6C4HCStr4Utaggd6Lb\u002Fec377aaa5c319ba8c1a0518950820281\u002Fc0c27c62-bf28-4790-8823-61b128ee65d4.png\" alt=\"スクリーンショット 2026-08-14 13.33.57\">\u003C\u002Ffigure>\u003Cp>渡し方は2種類あるので、社内の権限管理の運用に合わせて選んでください。\u003C\u002Fp>\u003Cul>\u003Cli>\u003Cp>外部接続側からプリンシパルを追加する方法：「外部接続」で対象の接続を選び、「共有」の「プリンシパルを追加」に、Codatumコネクションのサービスアカウントを入力する\u003C\u002Fp>\u003C\u002Fli>\u003Cli>\u003Cp>サービスアカウント側からロールを追加する方法：「IAMと管理」からCodatumコネクションのサービスアカウントを選び、「ロールを割り当てる」でロールを追加する\u003C\u002Fp>\u003C\u002Fli>\u003C\u002Ful>\u003Cp>どちらの方法でも、最終的にCodatumのサービスアカウントが\u003Ccode class=\"hljs\">BigQuery Connection \u003Cspan class=\"hljs-keyword\">User\u003C\u002Fspan>\u003C\u002Fcode>ロールを持っている状態になれば問題ありません。\u003C\u002Fp>\u003Cp>\u003C\u002Fp>\u003Ch2>\u003Cb>モデルを登録するデータセットを作成する\u003C\u002Fb>\u003C\u002Fh2>\u003Cp>Vertex AIのモデルは、BigQueryの通常のテーブルと同じように、いずれかのデータセットに登録されます。\u003C\u002Fp>\u003Cp>モデルを保存する先のデータセットをまだ作成していない場合には、ここで作成しておきます。\u003C\u002Fp>\u003Cp>\u003C\u002Fp>\u003Ch2>\u003Cb>（任意）モデルを作成する\u003C\u002Fb>\u003C\u002Fh2>\u003Cp>ここまでの設定が済んでいれば、モデルの作成はBigQueryのクエリエディタからでも、Codatum上のSQLブロックからでも実行できます。\u003C\u002Fp>\u003Cp>BigQuery側で試す場合は、\u003Ca href=\"https:\u002F\u002Fcloud.google.com\u002Fbigquery\u002Fdocs\u002Fgenerate-text-tutorial-gemini?hl=ja\" target=\"_blank\" rel=\"noopener noreferrer\">Gemini モデルと ML.GENERATE_TEXT 関数を使用してテキストを生成する\u003C\u002Fa>を参考にしてください。\u003C\u002Fp>\u003Cp>\u003C\u002Fp>\u003Ch2>\u003Cb>まとめ\u003C\u002Fb>\u003C\u002Fh2>\u003Cp>外部接続の作成、その接続へのVertex AIアクセス権の付与、Codatumのサービスアカウントへの\u003Ccode class=\"hljs\">BigQuery Connection \u003Cspan class=\"hljs-keyword\">User\u003C\u002Fspan>\u003C\u002Fcode>ロールの付与、モデル用データセットの作成。\u003C\u002Fp>\u003Cp>この4つを済ませておけば、あとはBigQueryでもCodatumでも同じモデルを呼び出せる状態になります。\u003C\u002Fp>\u003Cp>この設定ができていれば、\u003Ca href=\"https:\u002F\u002Fcodatum.jp\u002Fblog\u002Fpost\u002Fcodatum-ai\" target=\"_blank\" rel=\"noopener noreferrer\">ダッシュボードに、パラメータで変わるAI生成サマリーを追加する\u003C\u002Fa>で紹介したモデル作成以降の手順に、そのまま進められますので、ぜひお試しください！\u003C\u002Fp>","Codatum Team",{"title":10,"slug":11,"description":12},"Product Guide","product-guide","外部プロダクト・データツールの解説ガイド","https:\u002F\u002Fimages.ctfassets.net\u002Fggtw2zqmifs5\u002F7mhxfOO8PCdzX9UZMGZvTv\u002F47c803baa994313fa441b62c8b815d17\u002FVertexAI.png","https:\u002F\u002Fimages.ctfassets.net\u002Fggtw2zqmifs5\u002FK0GVwfyHFA3H6BOYjt4vg\u002Fd65a33711629ee3b1ef958fefd76a41b\u002FVertexAI_og.png","2026-08-31T06:58:52.685Z","2026-08-31T07:56:48.406Z","2026-08-31T00:00+09:00","ja",[20,29,38],{"title":21,"slug":22,"description":23,"author":8,"category":24,"coverImageUrl":25,"ogImageUrl":26,"createdAt":27,"updatedAt":28,"datePublished":17,"locale":18},"KARTE DatahubのデータをCodatumで分析するためのステップ","karte-datahub-codatum","KARTE DatahubにあるイベントデータをCodatumから直接参照するための、サービスアカウントの発行から権限付与、BigQueryコネクションの作成、同期設定までの手順を紹介します。",{"title":10,"slug":11,"description":12},"https:\u002F\u002Fimages.ctfassets.net\u002Fggtw2zqmifs5\u002F5YDut6sVHfsh7W6sgcqckh\u002Ff81015d41ba0b1dda52c57a17fa0a456\u002Fstep.png","https:\u002F\u002Fimages.ctfassets.net\u002Fggtw2zqmifs5\u002FGG7aLGJKXq4AF4c9eWiIx\u002Ffa9bcf9c2a961c036cf6d0e594701310\u002Fstep_og.png","2026-08-31T06:55:55.587Z","2026-08-31T06:57:00.433Z",{"title":30,"slug":31,"description":32,"author":8,"category":33,"coverImageUrl":34,"ogImageUrl":35,"createdAt":36,"updatedAt":37,"datePublished":17,"locale":18},"Signed Embed Lightで、CodatumのノートブックをKARTE Datahubに埋め込む","signed-embed-light-codatum-karte-datahub","Codatumで作成したダッシュボードやノートブックを、KARTEのDatahub上に「Codatum BI」として埋め込むためのSigned Embed Lightのセットアップ方法と、開発者向けのトークン発行・SDK組み込み手順を紹介します。",{"title":10,"slug":11,"description":12},"https:\u002F\u002Fimages.ctfassets.net\u002Fggtw2zqmifs5\u002F4PMUhWMspP6Tx8Tm1VMTIY\u002Fa016cd86c6fde7c663611421a21b0b72\u002FSignedEmbedLight.png","https:\u002F\u002Fimages.ctfassets.net\u002Fggtw2zqmifs5\u002F6Ocarrw0AJS7Y6q7mFU7Pk\u002Ff15041564774d6442a9f72d172a38cb3\u002FSignedEmbedLight_og.png","2026-08-31T06:55:26.836Z","2026-09-01T02:12:18.386Z",{"title":39,"slug":40,"description":41,"author":8,"category":42,"coverImageUrl":43,"ogImageUrl":44,"createdAt":45,"updatedAt":45,"datePublished":46,"locale":18},"2026年版 Power BI 完全ガイド: Microsoft Fabric時代のBI・Copilot・料金を解説","power-bi","Power BI の基本機能、Microsoft Fabric との関係、Copilot、共有・埋め込み、料金、導入前のポイントを、2026年時点の公式情報とレビュー傾向をもとに整理します。",{"title":10,"slug":11,"description":12},"https:\u002F\u002Fimages.ctfassets.net\u002Fggtw2zqmifs5\u002F5MBFAxcr4v3DbfX5PwFnjB\u002F421ab4a5514e07340fcc2859c4f80dd1\u002Fcover-blueprint.png","https:\u002F\u002Fimages.ctfassets.net\u002Fggtw2zqmifs5\u002F3enYrNWqCrrxOrqQmCEwRO\u002Fda14db4190267b8c2ba1fdb5618d4a66\u002Fog-blueprint.png","2026-06-23T00:00:10.879Z","2026-06-23T09:00+09:00"]