Hex、ノートブックとAIをつないで分析を意思決定へ変えた転換

Barry McCardelは、Hexを「自分たちがいつも欲しかったデータツール」を作る会社として説明している。出典

創業のきっかけ

Hexは、データを扱う人々が複数の道具を行き来し、queryを貼り付け、chartのスクリーンショットをメールで送る状況への違和感から始まった。

公式の説明では、創業者たちは「everyone can be a data person」という信念を持ち、data scientist向けの柔軟なnotebookと、分析結果をinteractive reportingへ変えるdata appsを組み合わせた。出典

転機

初期のHexは、専門家が深く掘れることを重視した。

しかし、AIとdataの接近によって、技術レベルを問わずinsightへ到達する機会が広がった。

そこでHexは、notebookを残したまま、conversational self-serveとagentic analyticsを同じplatformに置く方向へ進んだ。出典

成長

2025年5月の公式発表では$70M Series Cと1,500超の利用チームが示された。出典

2026年のAboutページでは、創業から6年で2,000超の顧客を支えると説明される。出典

現在

現在のHexは、深いanalysis、conversational self-serve、data appsをAI analytics platformとして統合する。

ここでの転換は、notebookを捨ててAIへ移ることではなく、専門家のworkbenchを組織全体のcontextへ接続することだった。

読者が持ち帰れるのは、AI機能を足す前に、既存の仕事の流れと根拠を一つにできるかを問う姿勢である。

HexのPMFは、SQLやPythonで深く分析したいdata practitionerと、ダッシュボードの外側で自分の問いを確かめたいbusiness userの間にある。

公式docsは、plain languageで質問し、AI-generated SQLとPythonで掘り下げ、shareable appsへ変換できる一つの流れを示す。出典

顧客の痛みは、クエリ、local notebook、BI、spreadsheetが分断され、同じ数字をめぐる合意に時間がかかることだ。

Hexはlive queryと共有可能な成果物でdata movementを減らし、深い分析とself-serveを同じcontextへ置く。

これは「誰でもdata personになれる」という創業時の信念と整合する。出典

最大のmoatは、notebook、AI、context、data appを一つの分析履歴として蓄積できるworkflowにある。

単機能のBIやchatbotが同じ体験を再現するには、SQL・Python・共有・権限・評価を横断して実装する必要がある。

これは技術だけでなく、顧客の分析資産と習慣の蓄積にもなる。

ネットワーク効果は中程度。

利用者が増えるほど同じdata appや定義を共有できる価値は上がるが、一般消費者向けの直接的なnetwork effectではない。

むしろチーム内の共有contextと再利用が、アカウント単位の粘着性を作る。

主対象は、warehouseのデータをSQL・Pythonで分析し、事業部門へ説明可能な形で届けるdata team。

特に、BIだけでは追質問に答えきれず、local notebookやspreadsheetが増えている企業に合う。

一方、データ定義や権限が未整備で、完全自動の回答だけを期待する組織にはそのままでは向かない。

第一は、notebookの深い分析とdata appの共有を同じプロダクトにしたこと。

第二は、AIを単なるchatbotでなく、既存のSQL・Python・business contextと接続したこと。

第三は、顧客事例とenterprise securityを積み上げ、規制業界を含む利用へ広げたことだ。出典

2025年の公式Series C発表では1,500超のチーム、2026年のAboutでは2,000超の顧客が示される。

数の増加は、分析の深さと日常利用を同じ基盤に置く戦略が市場で検証されたシグナルと読める。出典出典

AI analyticsは、回答の速さだけでなくcontextの正しさを要求する。

データ定義や権限設計が不十分な企業では、自然言語の便利さが誤解釈を増幅しうる。

Hex自身もcontextのcuration、observability、guardrailsを必要条件として説明している。出典

また、Professionalは$36、Teamは$75 per Editor/monthで、個人向け無料枠から組織展開へ進むほど費用設計が変わる。

大規模BIの既存契約や社内データ基盤との移行コストは、導入時に要確認だ。出典

入口はCommunityの無料枠、content、templates、顧客事例で個人とdata teamを獲得し、共有されたappsとnotebookを組織利用へ広げるPLG型だ。

Series C後はAI analyticsを新しいcategoryとして定義し、既存BIの置換ではなく、深い分析・conversational self-serve・data appsの統合を訴求する。

Enterprise securityと顧客事例は、規制業界へ進むための信頼の補助線になる。出典出典出典

主要チャネル: content, community, product-led growth, enterprise sales, customer stories

categoryを奪うには、既存のdashboardへAIを足すだけでなく、実際の意思決定が進むworkflow全体を再設計する必要がある。

Hexの例では、分析、共有、app化、context管理を切り離さず、専門家の深さと非専門家の入口を同じ製品に置いた。

日本企業では、分析ツール導入より先に、部門ごとに異なる指標定義と権限を整理することが重要になる。

Hex型の価値を移植するなら、自然言語UIだけを売るのではなく、社内用語・SQL・既存BI・承認フローをcontextとして管理し、回答の根拠を追跡できる運用から始めるべきだ。