PromptQL
マルチプレイヤー AI ワークスペースにより、チームのコンテキストが日々の作業で減衰するのではなく、自動的に蓄積されます。誰もが一度修正すれば、全員が恩恵を受けます。
詳細レポート
-
PromptQL は、Hasura が開発した「マルチプレイヤー AI ワークスペース」です。共有スレッドを使用して Slack スタイルの断片的なコミュニケーションを置き換え、チームのコンテキストが日々の作業で減衰するのではなく自動的に蓄積できるようにします。 「Slackに代わるマルチプレイヤーAI」という位置づけで2026年7月23日にProduct Huntでローンチされ、246票を獲得し当日3位にランクインした。 PromptQL と通常の AI チャット ツールの主な違いは、1 人が AI に質問するのではなく、チーム全体が自己学習する AI の脳を共有し、一度修正した人が全員に利益をもたらすことです。 70 人のチーム内で検証されており、毎月の活動データによると、Wiki への投稿は 1 日あたり 50 エントリ未満から 300 エントリ以上に増加しました。 PromptQL の中核的なセールスポイントは、「より速い回答」ではなく、「重複する命令が少なく、情報損失が少ない」ことです。
-
PromptQL は、GraphQL エコシステムのスター企業である Hasura から提供されています。創設者の Tanmai Gopal 氏と Rajoshi Ghosh 氏は、2017 年にバンガロールで Hasura を設立し、2018 年に Hasura GraphQL エンジンをオープンソース化しました。現在までに、累計ダウンロード数は 4 億件を超え、GitHub スターは 31,000 件を超えています。同社は総額1億3,650万ドルの資金を調達しており、2022年にはGreenoaksがリードする1億ドルのシリーズCラウンドで10億ドルと評価されている。投資家には、Lightspeed、Nexus Venture Partners、Vertex Ventures が含まれます。 Hasura の主なビジネスは常に「アプリケーションがより高速にデータにアクセスできるようにする」ことであり、GraphQL エンジンを通じてゼロコードで API を生成します。しかし、タンマイ氏はインタビューで何度も「今データにアクセスする必要があるのは（もはやアプリケーションではなく）AIだ。AIはユーザーのためにデータにアクセスしているのだ」という判断を述べている。この判断が直接 PromptQL を生み出しました。 Tanmai 氏の言葉を借りれば、PromptQL は「AI 時代における GraphQL の自然な継続」です。 PromptQL は、2025 年 6 月に独立した製品として発売されました。当初は、SQL/API に代わる自然言語を使用してエンタープライズ データをクエリする「AI データ アクセス エージェント」として位置づけられていました。 2026 年半ばまでに、製品の方向性は大幅に進化し、純粋なデータ レイヤー ツールから完全なマルチプレイヤー AI ワークスペースにまで拡大します。 Hasura の公式 Web サイトの「About」ページは、promptql.io にリダイレクトされ、企業レベルでのこの変革の優先順位を示しています。創設者らは、同社が2026年2月から社内（70人チーム）でPromptQLに完全に移行し、過去に使用していたSlackを置き換えたと公に述べた。 X に関する Tanmai の説明によると、この実験は「チーム全体の AI 精神病を引き起こした」 - 共有 AI がすべてのチャネル、倉庫、プロジェクト ボードからの情報を集約し始めた - しかし、この製品が真に「AI 時代の Slack」になったことを証明した。Hasura には現在約 170 名の従業員がいます。 2025 年に、Suku Krishnaraj Chettiar (Sumo Logic の元 CMO、ARR を 1,000 万ドルから 3 億ドルに引き上げた) が COO として加わります。 PromptQL は、フォーチュン 500 の顧客で 1 時間あたり 900 ドルの AI エンジニア コンサルティング モデルに導入され、数カ月以内に 7 桁の契約が締結されました。しかし、同社は2022年のシリーズC以降資金調達を行っておらず、ARRデータも公表していないことから、PromptQLのビジネスモデルはまだ模索段階にある可能性があることが示されている。
-
PromptQL の機能システムは、データ接続層、推論実行層、チーム コラボレーション層の 3 つの層に分類できます。データ接続レイヤー: PromptQL は、データベース (Snowflake、PostgreSQL など)、SaaS ツール (Salesforce、Slack、Notion など)、API (MCP プロトコル経由)、およびファイル (Google ドキュメント、スプレッドシートなど) に接続できます。接続プロセスでは、ETL パイプラインやデータ レプリケーションの確立は必要ありません。仮想クエリ レイヤーを使用し、データは所定の位置に残ります。これは、Hasura DDN (データ配信ネットワーク) の技術アーキテクチャから継承されています。一連のメタデータ レイヤーを使用してデータの意味を記述し、AI は基礎となるストレージに直接触れることなく、メタデータ レイヤーを通じてクエリを実行します。公式の約束は「データのコピーゼロ」と「データが国境を離れることはない」です。投機的実行レイヤー: これは PromptQL の最も印象的な部分であり、通常の text-to-SQL または RAG ソリューションとの根本的な違いです。ユーザーが質問した後、PromptQL は回答を直接生成しません。代わりに、最初に読み取り可能で編集可能なクエリ プラン (クエリ プラン) を生成し、AI が何をしようとしているのか (どのソースからデータを取得するか、どのような計算を行うか、どのような前提を使用するか) を段階的に説明します。ユーザーが計画をレビューして確認 (または変更) した後でのみ、計画は実行フェーズに入ります。実行結果は、モデルのコンテキストとは独立してアーティファクト (テーブル、チャート、テキスト) として保存されるため、単一のコンテキスト ウィンドウをはるかに超えるデータ量を処理できます。この「最初に計画し、後で実行」アーキテクチャは、答えをでっち上げるという LLM の最も厄介な問題を解決します。 PromptQL は、クエリの複雑さ、データ品質、モデルの信頼性に基づいて生成された各回答の信頼性スコアを提供します。スコアが低い場合、AIは強制的に出力するのではなく、自信がないことを明らかにします。 Berkeley Data Agent Benchmark のデータを引用すると、最先端モデルの現在の最高スコアはわずか 43% (Opus 4.6) であり、テキストから SQL へのソリューションの大部分は 0% に近いです。 PromptQL の創設チームは、このギャップが「精度の問題」の核心であると考えています。チーム コラボレーション レイヤー: これは、2026 年 7 月に開始される中核となる新しい価値です。PromptQL のスレッドは「複数の人によって共有」されます。質問すると、AI の推論プロセスと中間結果がチームの全員に表示されます。同僚は追加、修正、または「いいね！」をするために参加できます。一度修正すると共有知識となる（Wikiエントリ、スキル）またはセマンティックモデルの変更など）、将来的には誰も説明を繰り返す必要はありません。基本的に、PromptQL は、「コンテキストの維持」を追加の負担から通常のワークフローの副産物に変えます。 UX レベルでは、この製品は AI アシスタントを備えたチャット インターフェイスのように見えますが、Markdown レンダリング、テーブル、チャートをサポートしています。検索結果はアーティファクトカードに表示されます。インタラクションのデザインは細部に注意を払っています。AI が何か新しいことを学習したい場合、「PromptQL が学習したい」というプロンプトが自動的にポップアップ表示され、ユーザーは確認後にそれを Wiki に直接書き込みます。全体的なエクスペリエンスは、ツールを操作するというよりも、賢い同僚とコラボレーションしているように感じられます。
-
PromptQL は現在、無料バージョン (3 シート + 制限されたクエリ割り当て) と有料の Pro バージョン (完全なデータ ウェアハウス統合、Wiki 生成機能) を提供しています。法人顧客向けにカスタマイズされたソリューションがあります。 ビジネス モデルの観点から見ると、Hasura は複数の戦略を採用しています。まず、SaaS サブスクリプション (シート + クエリ ボリュームに応じて請求)。 2 つ目は、ハイエンド AI エンジニア コンサルティング サービス (1 時間あたり 900 ドル) で、フォーチュン 500 の顧客が PromptQL 導入のカスタマイズを 2 週間以内に完了できるように支援します。 3 番目は、トークンのリチャージ (Fable、Sol、Kimi-K3 などの複数のモデルをサポート)、製品のリリース時に Product Hunt ユーザーに 1,000 ドルのトークン クレジットが与えられました。 この多角的な戦略は、PromptQL がまだ最適な価格設定モデルを模索している段階にあることを示しています。比較すると、企業向けの Glean の競争力のある価格は年間数万ドルからとなっています。 PromptQL が無料版で中小企業の間で評判を築くことができれば、エンタープライズ版に移行することも珍しくありません。 ただし、注目に値するシグナルは、Hasura の主要なビジネス モデル (GraphQL エンジンのクラウド バージョン + セルフホスト バージョン) が PromptQL の価格設定システムと内部競合する可能性があることです。チームが既に API レイヤーに Hasura GraphQL Engine を使用している場合、自然言語で同じことを行う AI レイヤーに追加料金を支払う必要はありません。このクロスポジショニングの質問に対して、Hasura はまだ正面から答えていません。
-
PromptQL は Product Hunt で 5.0/5.0 の評価 (レビュー 7 件) を獲得しており、ユーザーからのフィードバックは全体的に肯定的です。 Hashnode の最新の詳細なレビューでは、この製品は本物で効果的だが、不快に感じると述べ、3.5/5 の評価を与えました。 肯定的なコメントは、「コンテキストの共有」という相違点に焦点を当てていました。 - ディレクター レベルのエンジニアリング リーダーである Shahidh K Muhammed 氏は次のように述べています。「以前は、Grafana、Slack、AWS、Snowflake、GitHub、Linear など、ツールを際限なく切り替えて時間を費やしていました。実際の作業は難しいことではありませんが、作業間の摩擦が問題です。PromptQL のおかげで、私はフロー状態に保たれています。」 - マーケティング マネージャーの Lili Riahi 氏は次のように述べています。「どのようなタスクであっても、私の出発点は PromptQL で新しいスレッドを開くことです。それは誇張ではありません。私の仕事のやり方が完全に変わりました。」 - AI 責任者のアヌシュルート・グプタ氏は、「私はもう TODO リストを管理しません。やるべきことが減ったからではなく、作業単位がキュー内のタスクではなくなり、すでに実行中のスレッドになったからです。」と述べました。 否定的なフィードバックと批判点: - 製品のポジショニングの変動: 初期の頃は「AI データ アクセス エージェント」でしたが、現在は「マルチプレイヤー AI ワークスペース」になっており、ユーザーは何を購入するのか混乱する可能性があります。 - 初期設定には投資が必要です。複数のデータ ソースを接続してビジネス コンテキストを教えるには時間がかかり、すぐに使用できるわけではありません。 - 伝播ラグの問題: 2 つのデータ ソース間で競合が発生した場合、PromptQL はそれを自動的に解決しません。代わりに、競合をマークし、チームに質問します。これは厳しいですが、ペースは遅くなります。 - 無料版では機能が制限されており、コアセールスポイント（マルチソースデータ統合+Wiki生成）を完全にテストすることができず、真の価値を評価するにはPro版が必要です
-
2026 年 7 月の製品再発売後、メディアや業界アナリストからの注目が大幅に高まりました。 RuntimeWire は、PromptQL の違いは、「AI 支援のチーム チャット」だけではなく、「タスク固有のエージェントをオンデマンドで生成できる AI としてワークスペース全体を扱う」ことであるとこのレポートを信じています。しかしこの記事では、Slack、Microsoft Teams、Microsoft Copilot にはすでに AI が組み込まれており、ユーザーの習慣とプラットフォームのネットワーク効果が PromptQL が克服する必要がある大きな障害になっているという疑問も抱かれています。 Grayscale VCの分析記事は、技術アーキテクチャの観点から高く評価されており、PromptQLの「プランと実行の分離アーキテクチャ」は、MCPツールオーケストレーション、マルチエージェントオーケストレーション、テキストからSQLへの3つの主流ソリューションよりも、予測可能性、制御可能性、使いやすさの3つの側面で大幅に優れていると考えられています。中心的な議論は、LLM は計画は得意だが実行は苦手であり、PromptQL は決定論的な実行でこの欠点を補っているということです。 Crows Eye Intelligence Dossier による Hasura の全体的な分析では、次のように述べられています。コミュニティは、GraphQL から AI への Hasura の変換について意見が分かれています。V3/DDN のアーキテクチャ変更により、多くの古いユーザーは見捨てられたと感じており、クラウド バージョンの価格の値上げも一部のユーザーに不満を抱いています。 PromptQL の高い注目度が、コア GraphQL コミュニティからの感情的な消耗を補うことができるかどうかは未解決の問題です。 VentureBeatのレポートでは、「最大の問題は、質問に正確に答えられないことではない。最大の問題は、AIが正確ではない場合でも正確であるふりをしていることだ。AIは自信を持って間違いを犯している。それが問題だ」というタンマイ氏の中核的判断を引用している。このステートメントは、PromptQL が解決したい問題、つまり速度や範囲ではなく信頼性を正確に捉えています。
-
PromptQL が直面する最も重大なリスクは「変換の痛み」です。 Hasura が 6 年近くを費やして築いてきた GraphQL コミュニティの信頼 (31,000 人の GitHub スター、4 億件のダウンロード、30 社以上の著名な企業顧客) は、現在、まだ市場適合性が証明されていない新製品に再投資されています。コミュニティではすでに不満の声が上がっています。V3/DDN での異例の変更が多くの古いユーザーを混乱させ、クラウド バージョンの価格の値上げにより、人々は V2 時代を懐かしむことにもなりました。 PromptQL が期待される収益を達成できなかった場合、Hasura は GraphQL の基盤と AI 分野での足場の両方を失うという困惑に直面する可能性があります。 プライバシーとセキュリティの観点から、PromptQL は「データが境界を決して出ない」ことと「データのコピーがゼロ」であることを約束します。システム アーキテクチャには、仮想クエリ レイヤーと属性レベルのポリシー実行が実装されています。しかし、X のディスカッションで、新しいコネクタを作成するときに AI エージェントが機密 API を誤って公開する可能性があるかどうかをユーザーが質問したところ、創設者らは、各統合は所有者のアクセス制御の対象であり、開発者はそれを明示的に承認する必要があると答えました。現在、このメカニズムについては公式に説明されているだけで、独立したサードパーティのセキュリティ監査レポートはまだ不足しています。 競争環境において、PromptQL は複数の方向からの圧力に直面しています。水平方向には、Glean (ナレッジ管理と AI 検索) と Notion AI (ドキュメント + AI) があります。垂直方向には、Microsoft Copilot for Teams (既存のオフィス エコシステムに組み込まれています) があります。技術層には、LangChain/LlamaIndex (エージェント フレームワーク) と Defog (テキストから SQL) があります。競合製品にはそれぞれ独自の堀があります。 PromptQL の「共有コンテキスト」は独自の価値提案ですが、既存のコラボレーション ツールのエコシステムに穴を開けることができるかどうかは、企業チームが集団的に移行する意欲を持てるかどうかにかかっています。そして、これがまさに最も難しいことなのです。 製品のポジショニングのドリフトもリスクシグナルです。公式ウェブサイトは「AI データ エージェント」から「マルチプレイヤー AI ワークスペース」に変更されており、創設者はこれを「偶然発見された製品」と呼んでいます。この種の主張は実際の需要シグナルを表していますが、製品チームがターゲット市場とユーザー プロファイルを完全に把握していないことも意味している可能性があります。
-
PromptQL に最も適したチームは、多くのデータ ソースを持ち、頻繁に部門を超えたコラボレーションを行い、「同じ質問に異なる機会に繰り返し答える」ことにうんざりしている組織です。具体的には: 対象者: Snowflake、Salesforce、および内部システム全体で定期的なレポートとデータ主導の意思決定を行う必要がある、運用集約型の企業 (小売、物流、金融) の分析チーム。 Slack の情報過多にうんざりしており、AI スレッドをコアとした新しい作業モデルを試してみたいと考えている中小規模のテクノロジー チーム。地域を超えたコラボレーションのニーズがあり、各地に点在するビジネス コンテキストを統一したいと考えているチーム。 以下には適していません: データスタックが薄い小規模チーム (Google シートで十分)。極度のデータ セキュリティ要件があり、サードパーティの SaaS に依存したくない企業。 Glean やその他のナレッジ マネジメント ツールに多額の投資を行っているチーム。 代替手段に関して言えば、text-to-SQL だけが必要な場合は、Defog または Supabase の AI クエリ機能がより軽量です。主にナレッジ管理である場合、Glean と Notion AI はより成熟しています。 AI 支援のチャットだけが必要な場合は、Microsoft Copilot for Teams または Slack AI の方が手間がかかりません (少なくともチームの移行は必要ありません)。 PromptQL の独自性は、これらの要件を統合していることですが、統合のコストとして学習コストと移行コストが高くなります。
-
PromptQL は、断片化したチームのコミュニケーションを共有 AI コンテキストに置き換えるという大胆なビジョンを持つ製品ですが、その成功は製品自体が優れているかどうかではなく、チームが集合的に新しい作業パラダイムに移行できるかどうかにかかっています。技術的なアーキテクチャとしては、「計画と実行の分離」と「自己修正コンテキスト層」がこの分野の最先端レベルを表しています。市場レベルでは、Hasura の GraphQL のルーツは技術的な信頼性と既存の企業関係を提供しますが、注意散漫や不明確な位置付けのリスクももたらします。新しい作業モデルを試してみたいチームにとって、PromptQL は試してみる価値があります。 ROI について確実性を必要とする企業の場合は、数四半期実行するまで待つことをお勧めします。
ユーザーレビュー
-
RMurphyX98—3 日間使用した後、Slack に戻りたくなくなりました。コンテキストを共有するという考えはあまりにも苦痛です。 -
KCampbell_7784—PH は 1,000 元のトークン割り当てを与え、チームはそれを試してみるよう招待されました。どうやって付ければいいのでしょうか？最初の30分くらいは混乱してしまいました。慣れてくると、AIはこのようにチームで協力できることに気づきました。 -
MMendoza_Max—PromptQL はチーム コラボレーションを真に再定義します。ファイルを繰り返し転送する必要はなく、スレッドを共有するだけで、AI エージェントはそれぞれ独自の作業を行うことができます。これは素晴らしい経験です。 -
Msدینااحمدی_2024—一度修正すれば、全員がその恩恵を受けられます。この「学んだことを共有スキルに変える」という仕組みはまさに正しい。全員が個別に AI を教える必要はありません。 -
RMorales_2021—権限の面は非常にしっかりしています。同じ AI でも、人によって異なるデータが表示されます。財務は財務しか見られませんし、営業は売上しか見られません。これにより、企業は安心して利用できるようになります。 -
Scott_Peterson_2024—PromptQL を使用してからは、毎日さまざまなツール間を行ったり来たりする必要がなくなりました。 Salesforce、Marketo、Outreach から直接データを要求することができます。以前は「イベントの申し込みはどうなっていますか？」などの質問に答えるだけでした。 「この顧客にどのような情報を送信すればよいでしょうか?」私のエネルギーのほとんどを費やしました。 AIに直接質問するようになり、ついに私が情報中継局になる必要がなくなりました。 -
JBakerZ—@nl_kapur はまさにその通りです。部門間のコンテキストはすべて 1 か所に保存されるため、チャット履歴を調べる必要はもうありません。 -
nODErUNNERrEED—私たちのチームが Slack から PromptQL に移行してから 2 か月が経過しました。最大の感触は、コンテキストが失われていないことです。以前は、プロジェクトを変更する場合、チャット履歴をもう一度確認する必要がありました。 AI は、私たちが以前に議論した内容を直接認識します。とても気持ちいいです。 -
mobp4kqkvf—非常に多くのコネクタがあり、Snowflake、Postgres、MongoDB、BigQuery がすべてサポートされており、さらに MCP プロトコルもサポートされています。 Hasuraのデータ連携の蓄積が存分に活かされている感じです。 -
CTurner_66—チームを一斉に新しいツールに移行するのは簡単ではありませんが、それは正しい方向です。人間がコンテキストを担当し、AI が実行を担当し、役割分担が明確です。 -
KennethWood_Plus502—Slackへの移行は確かに苦痛でしたが、慣れてしまうともう戻れません。最も明らかな変化は、会議が大幅に減ったということです。AI が「アレックスは何に忙しいのか」「このプロジェクトのどこで行き詰まっているのか」に直接答えることができるため、質問するために特別に人を会議に招待する必要がなくなりました。 -
Emily_RamosQ62—価格は一人当たりではなく消費量に基づいているため、これは良い点です。チームの人数が増えれば、料金が倍増することも恐れません。 -
ticklishladybug283—レビューでは、計画と実行の分離アーキテクチャが最も印象的な部分であると言われており、実際に私が実際にテストした場合もそうでした。質問すると、まずAIがデータをどのように確認したいのか、何を計算したいのかを示し、それを確認して実行します。この種の透明性は他の AI ツールでは見られません。 -
JSullivan_X98—デメリットも明らかです。初期設定には時間がかかり、ビジネスを理解できるように教える必要があります。箱から出してすぐに使える製品ではありません。そして、Wiki に誤った情報が蓄積されると、それを広めるのが恐ろしい場合があります。 -
Jesse_Murphy45—ハスラチームは本当に強力です。彼らは GraphQL で 31,000 個のスターを達成でき、現在では一連の AI ワークスペースも備えています。 PromptQL の「最初に計画してから実行」モデルは、AI による構成の問題を解決し、非常に信頼できます。 -
Joseph_Morales_Plus225—小売業に従事している人は同意するはずです。最も問題となるのは、さまざまなデータ ソースからのレポートが一致しないことです。 PromptQL で競合が発生しても、それは解決されません。代わりに、ユーザーが決定できるように両方の側面をリストします。一度決定したら、今後はこれを使用します。これは非常に現実的です。 -
Russell_AndersonX88—AIエンジニアのコンサルは1時間900ドルと高額ですが、すでにフォーチュン500社が利用していると聞きました。 Hasura のアプローチは非常に興味深いもので、製品とサービスを同時に販売します。 -
De_FiKing—データエージェントから複数人ワークスペースへプロダクトの方向性は何度か変化しており、チームとしても方向性が見えてきている感じです。ただし、基盤となるテクノロジーは確かであり、最初に計画してから実行するアーキテクチャは、text-to-SQL よりもはるかに信頼性が高くなります。 -
叶霖—チームが反復的なデータの質問に答えるのに週に 5 時間を超える場合、PromptQL はコスト効率が高くなります。ただし、データスタックが薄い場合は、気にする必要はありません。 -
Christian_Collins—正直に言うと、無料版では少し制限があり、3 シートでは多くのデータを確認することはできません。その価値を真に評価したい場合は、やはり Pro にアップグレードする必要があります。ただし、複数のデータ ソースが必要な場合、Pro は非常にコスト効率が高くなります。 -
孔霞超—マクドナルドとシスコの両方がこれを使用していることを考えると、エンタープライズレベルのセキュリティコンプライアンスは大きな問題にはならないはずです。 SOC2やHIPAAに対応すれば金融業界も参入できる。 -
MsImranMostad_88—以前は、Grafana、AWS、Snowflake、GitHub、Linear を毎日切り替えていました。実際の作業はそれほど疲れませんでしたが、道具同士の摩擦で疲れました。 PromptQL はこれらすべてを 1 か所にまとめ、最終的にフロー状態を維持できるようになります。 -
Amber.Chavez007—Snowflake、Salesforce、Slack からデータを収集して分析できます。以前は、ETL を実行するには SQL を自分で記述する必要がありましたが、今では入力するだけで済みます。 AI が SQL と Python コードを表示してくれるので、安心してください。