バイブコーディング（自然言語で意図を伝え、AIがコードを生成する手法）が注目を集めていますが、dbtのような構造化されたデータエンジニアリングフレームワークへの適用性はまだ十分に検証されていません。この実験では、dbtとSQL Serverを使ったデータボールトウェアハウスプロジェクトを、完全にバイブコーディングで構築します。著者は、ビジネス概念の定義からdbtモデルの生成までのワークフローを記録し、AI生成コードの品質と正確性を評価します。主な発見として、AIは定型パターンや反復的な処理を得意とする一方、複雑なビジネスロジックや、インクリメンタルマテリアライゼーションやテスト設定などのdbt固有の規約には苦戦することが挙げられます。この記事は、AI出力を信頼すべきタイミングと手動レビューが不可欠な場面について実践的なアドバイスを提供します。AI支援開発を検討するデータチームにとって、現在の能力の現実的なベンチマークと、dbtワークフローへの統合ロードマップを提供します。
dbtとSQL Serverを使ったデータボールトウェアハウス構築をAI支援のバイブコーディングで試み、データエンジニア向けの実践的知見を提供。