CRYPTO & AI
無料で登録

【Hex】Palantir出身者がつくる、AIエージェントが宿るデータ分析ワークスペース

ノートブックの柔軟さとBIの共有性を1つに — 「Notebook Agent」がデータ分析を2〜3倍速にする

【Hex】Palantir出身者がつくる、AIエージェントが宿るデータ分析ワークスペース

おはようございます。
AIリサーチャーのmitsuiです。

今日は「Hex」をリサーチしました。


TL;DR

  • Hexは、SQLやPythonを書くノートブックの柔軟さと、誰でも見られるBI(ダッシュボード)の共有性を1つにした、AI×データ分析の協調プラットフォームです。データアナリストもビジネス担当も、同じワークスペースで分析・可視化・共有ができます。
  • 2025年に投入したNotebook Agentが核心で、自然言語からのコード生成、依存関係(DAG)を理解した編集、エラーの自動修復、プロンプト一発でのアプリ生成までをこなし、分析作業を2〜3倍速にすると謳います。Anthropic・Reddit・Figma・NBAなど2,000社以上が利用しています。
  • 2025年5月にSeries Cで$70Mを調達し累計$172M。Palantir出身の創業チームが「全員をデータ人間に」を掲げ、Tableau・DatabricksらがひしめくBI市場で、AIネイティブな新勢力として急成長しています。

概要|Hexとは?

Hexは、サンフランシスコ拠点のデータ分析プラットフォームです。一言でいえば、「ノートブック(Jupyterのような柔軟な分析環境)」と「BI(Tableauのような共有・可視化環境)」を統合し、そこにAIエージェントを組み込んだクラウド型のワークスペースです。

これまでデータ分析は、探索にはノートブック、共有にはBI、と道具がバラバラでした。ノートブックは柔軟ですが共有やリアルタイム共同編集が苦手で、BIは見やすい反面、自由な探索には向きません。Hexは両者を1つのキャンバスに統合し、アナリストがSQLやPythonで分析した結果を、ワンクリックで非技術者向けのインタラクティブなアプリ・ダッシュボードに変えられるようにしました。利用者はAnthropic・Reddit・HubSpot・Figma・Rivian・NBA・Cisco・StubHub・ClickUpなど2,000社以上にのぼります(Claudeを開発するAnthropic自身が顧客という点も、DEBUNK的には面白いところです)。

解決する課題

Hexが狙うのは、データチームの現場に積み上がった以下の摩擦です。

  • ツールの分断: 探索・可視化・共有でツールを使い分け、コンテキストが失われる
  • コラボの弱さ: ノートブックは共有・共同編集が難しく、BIは探索に不向き
  • スキルの壁: SQLやPythonが書けないビジネス担当が分析に参加できない
  • リアルタイム性・版管理: 古いバージョンで意思決定してしまう、再現性が担保しづらい

プロダクトの柱

1. 統合ノートブック環境 — マルチ言語+DAG

SQL・Python・R・GraphQL・PySpark・Markdownを同じキャンバスで混在実行できます。重要なのは、セル同士の依存関係をDAG(有向非巡回グラフ)として管理している点です。上流のセル(例: データ取得)を変えると、それに依存する下流(集計・可視化)が自動で再計算され、「どこかを直したら別の場所が古いまま」という事故を防ぎます。可視化はPlotly・Altair・Seabornなどネイティブに対応し、条件付きテーブル・地図・デュアル軸チャートも作れます。接続先はSnowflake・Databricksなど30以上です。

2. AIエージェント「Notebook Agent」 — 文脈を理解する相棒

2025年8月投入の中核機能です。自然言語からPython/SQLのコードを生成・編集するだけでなく、マルチプレイヤーのノートブック上で複数ステップの深掘り分析をエージェントが自走します。

ポイントは、Notebook Agentが上流・下流の依存(DAG)を理解した上で編集することです。汎用のAIチャットが「文脈を持たないコードの断片」を返すのに対し、Notebook Agentはノートブック全体の整合を保ちながら、ペアプログラマーのようにデバッグまで担います。さらに生成的アプリビルダーとして、プロンプトひとつでレイアウト・タブ・チャートを備えたインタラクティブなダッシュボードをゼロから組み立てます。「問いを投げると数分で初稿が返る」のが体験の核です。加えて、いま作業している場所にそのままLLM支援を差し込むインライン機能「Hex Magic」も用意されています。

3. Context Studio — AIを自社データに"接地"させる

AIネイティブ分析の最大の弱点は「もっともらしいが間違った答え」です。HexはこれをContext Studioで抑えにいきます。AIを、セマンティックモデル・データベースのメタデータ・外部リポジトリ・既存ダッシュボードといった自社の文脈に接地(grounding)させ、データチームが「AIガイド」として構造化した知識を与え、信頼できるデータを「endorse(推奨指定)」してガバナンスを効かせます。メタデータはHex内のセキュアなデータベースに保存され、モデルプロバイダーが顧客データを学習に使うことはありません。結果として、企業の定義・指標に沿った再現性のある回答をデプロイできます。

4. Threads&透明性 — human-in-the-loop

Slackで@Hexとメンションする、あるいはClaude・CursorからMCP(Model Context Protocol)サーバー経由で問いを投げると、その会話「Threads」がそのままHexプロジェクト(ノートブック)になります。つまり、エージェントが出した答えは常に「裏のノートブックを開いて推論過程を検査・修正できる」状態にあり、ブラックボックスになりません。公開したデータアプリ自体も「会話の起点」になり、エンドユーザーがアプリに対して自分の追加質問を投げられます。

5. インタラクティブ・データアプリ&協調編集

2025年投入の「Explore」やEmbed API(軽量・署名URL方式)で、ドリルダウン・フィルター・パラメータ入力ができる動的なアプリを構築し、外部サイトに埋め込めます。複数人同時編集、インラインコメント、GitHub連携、スケジュール実行(Slack/メール通知)、自動アップストリーム同期も備えます。

"AIネイティブ"であることの意味

Hexの強さは、AIを「後付けのチャット」ではなく、①分析の文脈(DAG)を理解するエージェント・②自社データに接地するContext Studio・③検査できるThreadsの3点セットで設計している点にあります。SlackやClaude/Cursorといった"いつもの入り口"から問いを投げられ、答えは必ず検査可能なノートブックに着地する——この「速さ」と「説明責任」の両立が、汎用チャットにはない専門特化の価値です。Claudeを開発するAnthropic自身が顧客であることは、その完成度を象徴しています。


変遷|Palantir出身の3人が挑む「データの民主化」

創業背景

Hexの創業者たちは、データ分析企業Palantirでの協働経験から「データチームの道具が分断され、コラボレーションが失われている」という課題を強く認識していました。「全員をデータ人間に(empower everyone to be a data person)」という思想のもと、ノートブックの柔軟さとBIの構造を統合するプロダクトとして2020年に立ち上がりました。

創業者プロフィール

  • Barry McCardel(CEO・共同創業者): Palantir出身。その後TrialSparkでオペレーション/戦略のシニアディレクター、さらに前職はPwC。
  • Caitlin Colgrove(CTO・共同創業者): Palantir出身のプロダクトエンジニア。「起業そのものが目的ではなく、良いプロダクトを作ること」を重視する姿勢で知られます。
  • Glen Takahashi(Chief Architect・共同創業者): 同じくPalantir出身。

3人ともPalantirという「データを武器にする現場」の出身である点が、プロダクトの設計思想に色濃く出ています。

創業からのタイムライン

  • 2020年: サンフランシスコで創業
  • 2021年3月: シード $5.5M
  • 2021年10月: Series A $16M(リード: Redpoint Ventures)
  • 2022年3月: Series B $52M(リード: a16z、Snowflake・Databricksも参加)
  • 2023年3月: Series B拡張 $28M
  • 2024年: BI/分析プラットフォームのHashboardを買収
  • 2025年4月: データアプリビルダー「Explore」と埋め込み分析をローンチ
  • 2025年5月28日: Series C $70M(リード: Avra)
  • 2025年8月: Notebook Agentをローンチ
  • 2026年: Context Studio展開、AIのクレジット課金制を開始

資金調達履歴

  • 2021年3月: シード $5.5M
  • 2021年10月: Series A $16M — リード: ★Redpoint Ventures
  • 2022年3月: Series B $52M — リード: ★a16z(参加: Snowflake、Databricks、Redpoint、Amplify)
  • 2023年3月: Series B拡張 $28M
  • 2025年5月: Series C $70M — リード: ★Avra(参加: a16z、Amplify、Box Group、Redpoint、★Sequoia、Snowflake)

累計調達額は$172M、従業員は162名規模(2024年12月時点)です。評価額は非公開ですが、調達規模や顧客基盤からユニコーン級と推測されます(※明確な発表はなく要確認)。

業界全体の変遷

BI(ビジネス・インテリジェンス)市場は、TableauやLookerに代表される「作り込まれたダッシュボード」の時代から、AIが分析そのものを補助する「AIネイティブ・アナリティクス」へと移行しつつあります。Hexはこの転換の波頭にいるプレイヤーで、調査によればスタートアップ領域のBI支出に占めるシェアを2023年の9%から2025年には25%へと伸ばし、Tableau・Lookerに次ぐ3位につけたとされます。

競合プレイヤー

  • Jupyter: オープンソースのノートブックで無料・柔軟ですが、共有・共同編集が弱い。Hexは即共有・インタラクティブ化で差別化します。
  • Databricks: 大規模ML・Sparkに強い本番志向。Hexは探索的分析寄りで、用途がやや異なります。
  • Notion: ワークスペースですが主に文書・PM向けで、分析エンジンは持ちません。
  • Tableau/Power BI: 伝統的BI。重く学習コストが高い。Hexはノートブック由来の親しみやすさ+AIで勝負します。
  • Sigma/ThoughtSpot/Mode: モダンBIやAI駆動BI。Hexは「ノートブック+アプリ+AIエージェント」の統合で独自性を出します。

考察|AIエージェントはBIの主役を入れ替えるか

Hexの本質は、「分析の探索と共有の分断」をAIエージェントで一気に縫合しにいっている点にあると考えます。強みと弱みを整理します。

強み

  1. ノートブック×BIのハイブリッド: 探索の自由度と共有の手軽さを両立する設計は、どちらか一方に寄った既存ツールに対する明確な差別化です。
  2. AIネイティブ: 文脈(DAG)を理解するNotebook Agentは、汎用チャットの「コード断片返し」とは一線を画します。
  3. 強力な顧客基盤: Anthropic・Reddit・Figma・NBAなど、データ感度の高い企業に採用されている事実が品質を裏づけます。
  4. シェアの急伸: スタートアップBI支出での9%→25%という伸びは、現場での実需を示しています。

弱み・リスク

  1. 競合の激戦区: Databricks・ThoughtSpot・Sigmaなど資金力のある競合がAI機能を急速に強化しており、差別化の維持は容易ではありません。
  2. AI課金への反応: 2026年に始めたAIのクレジット/従量課金は、便利さと引き換えにコストの読みづらさを生み、ユーザーの反発を招くリスクがあります(同種の課金は他社でも論争を呼んでいます)。
  3. データ基盤への依存: Snowflake・Databricksなど上流のデータ基盤に依存するため、それらの戦略変更(自前の分析機能強化など)に影響を受けます。
  4. 情報の非対称: 評価額やHashboard買収額など未公開情報が多く、成長の実態を外から完全には測れません。

個人的な見解

Hexで象徴的なのは、AIが「コードを書く道具」から「分析の文脈を理解する同僚」へと進化している点です。データ分析は、専門家が抱え込みがちな領域でしたが、AIエージェントが間に立つことで、ビジネス担当が自然言語で問いを投げ、専門家が裏で品質を担保する——という新しい分業が現実になりつつあります。Anthropicが顧客であることが示すように、AIを最前線で扱う企業ほど、こうしたAIネイティブな分析基盤を選び始めています。

DEBUNKの読者にとっての見どころは、「BIの主役が、ダッシュボードを作る人から、AIエージェントに問いを投げる人へ移る」という構造変化です。今後のウォッチポイントは、Databricks等の大手がAI分析を取り込む中でHexが独自性を保てるか、そしてAI課金モデルがユーザーに受け入れられるか、の2点だと考えています。


DEBUNK編集長

次に読む

【Model ML】銀行員・コンサル・投資家に1人1つの AIエージェントを付ける会社

金融のプロ向けに AIエージェントを作る Model ML が11月17日、$250Mの Series B を発表しました。評価額は$1.5Bです。何を作っていて、どう動き、発表の数字のどこがまだ確かめられないのかを整理します。

AI 2026.11.22

【Isomorphic Labs】Google DeepMind から生まれ、AI で薬を設計する会社

Isomorphic Labs は11月17日、Series C で$5Bを集めたと発表しました。今週の AI の資金調達では、ドル建てで最も大きな案件です。この記事では、AlphaFold の開発元が薬そのものをどう作ろうとしているのか、そしてまだ確かめられていないことは何かを整理します。

AI 2026.11.22

【Genesis AI】人の手の動きを手袋で集め、シミュレーターで確かめてロボットを動かすパリの会社

ロボットとその AI を作る Genesis AI が11/17(火)、Series A で$500Mを集め、評価額は$3.5Bになりました。この記事では、同社がどうやってロボットに作業を覚えさせようとしているのか、そして評価額の裏でまだ確かめられていない点を整理します。

AI 2026.11.22

【Superhuman】旧 Grammarly が、AI アシスタント「Go」を全製品に広げた

文章の校正で知られた Grammarly の運営会社は、いまは Superhuman という社名です。11/19、同社は AI アシスタントの「Go」を文書とメールの製品の中でも動かすと発表しました。Superhuman がどんな会社で、Go がどう動き、どこを見ておけばよいかを整理します。

AI 2026.11.21

あわせて読みたい用語解説

用語解説をすべて見る →
【シム・トゥ・リアル】仮想空間で練習したロボットを現実で動かすとき、何がずれて、どう埋めるのかロボットの学習のニュースでよく出てくる「シム・トゥ・リアル」を、現実とのずれが生まれる理由、ずれを埋める方法、よくある誤解とあわせて整理します。【タンパク質の構造予測】AlphaFold は何を当てていて、薬の候補との結合の予測とはどう違うのか今週の資金調達で目立った AI 創薬の土台にある「タンパク質の構造予測」を、仕組み、結合の予測との違い、よくある誤解とあわせて整理します。【グリーンシュー】Anthropicの上場で引受会社が使った「追加購入権」は、何のための仕組みかIPOのニュースに出てくる「グリーンシュー(追加購入権)」の仕組みを、引受会社が先に多めに売っておく理由と、上場後の株価による使い分けとあわせて、Anthropicの数字で整理します。【OCR(光学文字認識)】紙やPDFの文字をテキストに直す仕組みと、AIのモデルで変わったこと紙の書類やスキャンしたPDFから文字を取り出す OCR(光学文字認識、Optical Character Recognition)の仕組みを、従来のやり方と、画像と文章を一緒に扱う AI のモデルによるやり方の違いとあわせて整理します。【循環取引的な資金調達】出資した相手が、そのお金で自社の製品を買う仕組みAnthropic の上場で話題になった「循環取引的な資金調達(circular financing)」を、仕組み、SEC が訴追した取引との線引き、よくある誤解とあわせて整理します。【ミスアラインメント】AIエージェントの「指示にない行動」とは。訓練中のモデルがメールを複写する道具を作った例から整理するAIの行動が作り手の意図からずれる現象、ミスアラインメント(misalignment)を、OpenAI が11/18に公開した報告とあわせて整理します。【プロンプトキャッシュ】同じ前置きを2回目から安く読ませる仕組みを、Gemini 4 Neon の価格から整理するAI の API で、前回と同じ入力の読み込みを2回目から安くするプロンプトキャッシュ(Prompt Caching)の仕組みを、Google・OpenAI・Anthropic の条件の違いとあわせて整理します。【モデルルーティング】AIの呼び出しを「どこへ送るか」を決める仕組みと、その2つの種類Hugging Face が切り替えたルーターを入口に、モデルルーティングの仕組みと2つの種類、よくある誤解を整理します。