Hugging Face、ノーコードAIデータ処理ツール「AI Sheets」を公開
Hugging Faceは2025年8月8日、データセットの構築・変換・エンリッチメントをコードなしで実行できるオープンソースツール「AI Sheets」を公開した。スプレッドシートライクなUIで、Hugging Face Hub上の数千のオープンモデルやOpenAIのgpt-ossなどを活用したデータ処理パイプラインを手軽に構築できる。
スプレッドシート感覚でAIを活用
AI Sheetsの操作感はExcelやGoogle スプレッドシートに近い。新しい列を追加するとき、数式の代わりにプロンプトを書くだけでAIが処理を実行する。たとえば{{text}}のようにカラム名をテンプレート変数として埋め込むことで、各行のデータを参照した動的な処理が可能だ。
処理結果のセルを手動で編集・承認することで、その編集内容がプロンプトのFew-shotサンプルとして自動的に追加される仕組みも備える。いわばプロンプトを対話的にチューニングしながらデータセット全体に適用していく、という開発体験を提供する。
主なユースケース
Hugging Faceが想定するユースケースは幅広い。
- モデル比較（Vibe Test）: 複数モデルの出力列を並べてLLM-as-a-Judgeで自動評価
- プロンプト改善: 顧客リクエスト処理など実務シナリオのプロンプトを実データで反復改善
- データ変換・クレンジング: 余分な句読点を除去する、フォーマットを統一するなど
- 分類・分析: テキストのカテゴリ分類や主要アイデアの抽出
- データエンリッチメント: 住所から郵便番号を補完するなど（Webサーチ連携も可）
- 合成データ生成: プライバシー上の理由で実データが使えない場合の代替データ作成
ローカル実行とHub上での利用の両方に対応
インストール不要でブラウザから即試せるHugging Face Spaces版に加え、GitHubリポジトリからローカル環境にデプロイすることも可能だ。モデルはHugging Face Hub経由のInference Providersか、ローカルモデルを選択できる。
日本語データセット開発への応用も
日本国内でも、LLMの評価ベンチマーク作成や日本語コーパスのクリーニング、社内向け合成データ生成など、機械学習エンジニアやデータサイエンティストが直面する「データ準備」の工程を大幅に省力化できるツールとして注目される。コードを書かずにAIを活用したデータパイプラインを組めるため、MLエンジニア以外のドメイン専門家でも扱いやすい点が特徴だ。
ソースコードはGitHubで公開されており、オープンソースコミュニティからの貢献も受け付けている。