Databricks Data + AI Summit 2026

DAIS2026 Day2

Keynoteや注目トピックをお届けします。

挨拶

こんにちは！データエンジニアチームの成川と西田です。

6/16〜18日の期間でサンフランシスコで開催されたDatabricks Data + AI Summit 2026に参加しました。

今回はDay2編。KeynoteとEXPO開始で大盛り上がりでした！

朝ごはん

Day2は、朝8時からKeynoteが予定されていました。

ということで、早起きして朝食をいただきに行きました。ちなみに、朝食は7時から開始でした。

朝食会場はこんな感じです。すでにたくさんの人がいました。

夜に雨が降ったようで、テーブルが少し濡れていました。朝の空気も少しひんやりしていて、サンフランシスコらしい朝という感じがします。

この日飲んだコールドプレスジュースが、とてもおいしかったです。味はもちろん、ボトルのデザインもかわいくて、朝から少しテンションが上がりました。

他にも、お水、コーヒー、紅茶などが用意されていて、ドリンクの種類もかなり充実していました。

そして、この広場にはDatabricksのロゴが入ったゲームがたくさん置かれていました。めちゃくちゃかわいかったです。

もう少しゆっくり見て回りたい気持ちもありましたが、Keynoteに向かうため、足早に会場を後にしました。

いざKeynoteへ！

Keynoteの会場は、とても広かったです！

それでも開始時間が近づくにつれてどんどん席が埋まっていき、最終的にはかなり満席に近い状態になっていたようです。席を探して歩いている人も何人か見かけました。

会場では、日本語の翻訳機の貸し出しもありましたが、精度は今後に期待です！

Keynoteの感想

講演は、「AIエージェントに自社の文脈（コンテキスト）をどう理解させるか」と「どう安全に管理・統制するか」が大きなテーマでした。

現在のAIモデルは非常に優秀ですが、社内の独自ルールやデータを知らないため、実際の業務で使いこなすには課題があります。これを解決する目玉として発表されたのが「Genie Ontology」です。Databricks上のデータにとどまらず、SlackやGoogle Driveなどの情報も自動で読み込み、裏側で巨大な「知識のつながり」を構築することで、AIアシスタントのGenieが社内の事情を正確に汲み取り、精度の高い回答を出せるようになります。

また、こうしたAIアシスタントを全社で安全に運用するためのガバナンス基盤「Unity AI Gateway」も注目を集めました。これは単なる管理画面ではなく、AIの実行時間（ランタイム）を強力に統制する仕組みです。具体的には、予算上限に達した際に利用を自動停止するといったコスト管理や、特定のモデルに障害が起きた際に自動で予備のモデルへ切り替える機能を備えています。さらに、AIのやり取りやツールの利用履歴の記録、外部システムを操作するMCPツールの権限管理の仕組みも提供します。

これからはバラバラのSaaSを使うのではなく、統合された安全なデータ基盤の上で、自社の文脈を理解したAIエージェントたちが自律的に働く時代になると実感できる内容でした。

お昼ごはん

Keynoteの会場を後にして、ササっとお昼ご飯へ。朝食会場と同じ場所でした。

どれにしようかな。。。

君に決めた！

日の当たる広場でお姉さんの生歌を聞きながらの昼食でした。控えめに言って最高です。

サンドウィッチは何ともアメリカン。チーズがたくさん入っていて、途中何度かチーズだけ食べてる時がありました。サンドウィッチだけでもおなかいっぱいなのに、クッキーとチップスも入ってます。日本人には多いかもしれません。。。

Day2 注目セッション

参加レポート by 西田

PDFを構造化データに変換する関数についてのセッションを前日聴講しましたが、本日は「それを実際の業務システムでどう自動化し、スケールさせるか」という実践的なパイプライン構築についてのセッションに参加しました。

多くのエンジニアはSharePointなどに散らばる形式の異なるPDFの処理に悩まされていましたが、Lakeflow Connectを使うことで、数クリックで大量の非構造化データをシームレスにDatabricksへ取り込めます。取り込んだデータは、前日紹介された文書解析機能で構造化データへと自動変換されます。

今回驚いたのは、抽出精度を自動で高めるGenie Codeです。少量の正解データを用意するだけで、AI自身がエラーを分析し修正案を提示します。デモでは、提案を適用するだけで精度が11ポイントも上昇する様子が披露されました。数日かかっていたチューニング作業がワンクリックで完了します。

これらの設定はSpark宣言型パイプラインとしてコード化され、新規ファイルも自動処理されます。このデータをもとに経営ダッシュボードを自動更新したり、AIエージェントから経費削減の提案を受けたりと、高度な文書解析技術が経営分析までシームレスに繋がる、次世代のデータパイプラインだと感じました。

参加レポート by 成川

Your BI Copilot is Blind: Crafting an Agent that goes Beyond the Dashboardというセッションが印象的でした。このセッションでは、BIコパイロットが抱える「ダッシュボードの裏側までは見えない」という課題に対して、MCPを使ってBI・dbt・Databricksを横断的に調査するエージェントの構築事例が紹介されていました。

特に印象に残ったのは、マート層だけではなく、dbtの中間モデルやコンパイル済みSQLまで確認しに行く点です。これまでは、BI上の数値に問題があった場合でも、最終的なマート層を見ればある程度原因を追えると思っていました。しかし、実際には中間層でのJOINやフィルタ条件によって、最終的な数値の意味が大きく変わることがあります。

Tableau MCPの活用を考えるうえでも、「Databricksを直接見ればよい」という単純な話ではなく、BIで見えている数値と、その裏側にある変換ロジックをどうつなげて説明するかが重要だと感じました。

MCPを使うことで、BI・dbt・Databricksをまたいだ調査エージェントを作れる可能性がある点は非常に興味深く、今後のBI活用やデータ基盤上のAIエージェント設計を考えるうえで参考になるセッションでした。