#databricks

重要なのは、DatabricksがBI assistantを単一SQL回答からmulti-step analysisへ押し出していることだ。Genie Agent Modeはplanを立て、hypothesesを試し、複数queriesを実行し、findingの裏にあるSQLも示せる。

重要なのは、企業のAI codingが個人単位のtool選択から、統制されたfleet運用へ移りつつある点だ。DatabricksはUnity AI GatewayでCodex、Cursor、Gemini CLI、MCP integrations、budgets、rate limits、observabilityをまとめるとしている。

なぜ重要か: coding agentが実験用途から本番インフラへ移ると、権限、費用、監査ログが分散しやすい。Databricksはcoding agents、LLM calls、MCP integrationsをgovernance、budgets、observabilityの3軸で管理する構えを示した。

Databricks AI Researchは2026年4月10日、Memory Scaling for AI Agents を公開し、real-world agent の性能はより長い reasoning よりも external memory の蓄積と retrieval 品質に左右されうると論じた。記事は labeled example、user log、organizational knowledge によって精度と効率が同時に改善する結果を示している。

Databricksは2026年3月24日、multimodal telemetryを取り込み、business dataと統合し、AI agentで検知・調査・対応を自動化する新しいopen agentic SIEMとしてLakewatchを発表した。DatabricksはAdobeとDropboxを含む顧客とPrivate Previewを開始し、AI-driven攻撃に対抗するには防御側もmachine-speedの構造が必要だと主張している。

Databricksは2026年3月27日、LogSentinelがLLMでcolumnを分類し、hierarchical・residency-aware labelを適用し、driftを検知すると説明した。2,258 sampleでPIIに対して最大92% precision、95% recallを達成したという。Databricksの文書では、Unity Catalog Data ClassificationがAI agentとLLMでtableを分類・taggingし、governed tagsとABACでそれをaccessおよびcompliance controlにつなげると説明している。