過去1ヶ月の記事18件をAPI経由で取得し、生成AIで要約と傾向分析を自動生成しています。すべての処理は自動で行われています。
最終更新: 2026-05-08
最近の著者の傾向
主要な注力テーマ
-
AIエージェントの開発と運用
- Databricksを用いたAIエージェントのライフサイクル管理や運用基盤の構築に関する記事が多く、特にMLflowやLangGraphとの連携が強調されています。
-
データプロファイリングと分析
- SQLエディタやノートブックを活用したデータプロファイリングやデータ準備ツールに関する情報が目立ち、データ分析の効率化に注力しています。
-
ノーコードツールの活用
- LakeFlow Designerなどのノーコードツールを使用したデータ準備やダッシュボード構築に関する記事があり、技術的なハードルを下げる取り組みが見受けられます。
-
生成AIの適用
- 生成AIに関連する技術やツール（Claude Code、Gemini CLIなど）の紹介が多く、AIの実用化に向けた具体的な応用事例が提供されています。
技術的特徴
-
実践的なアプローチ
- 実際のツールやフレームワークを用いた具体例を交えた解説が多く、読者が実践しやすい内容になっています。
-
連載形式の情報提供
- AIエージェントに関する連載記事があり、継続的に学びを深められる構成になっています。
-
多様なツールの統合
- Databricksと他のツール（MLflow、LangGraph、Lovableなど）との統合に焦点を当て、エコシステム全体を活用する視点が強いです。
-
新技術の早期導入
- 新しい技術や機能（例: Declarative Automation BundlesやMany Model Forecasting）に対する迅速な適応と実験が見られます。
傾向分析
| カテゴリ | 主要技術・テーマ | 具体的な取り組み |
|---|---|---|
| AIエージェント | MLflow, LangGraph | AIエージェントのライフサイクル管理や運用基盤の構築に関する記事が多数 |
| データプロファイリング | SQL, notebook | ノートブックやSQLエディタを用いたデータプロファイリングの活用 |
| ノーコードツール | LakeFlow Designer | ノーコードでのデータ準備やダッシュボード構築の事例を提供 |
| 生成AI | Claude Code, Gemini CLI | 生成AIを活用した具体的なアプリケーションの紹介 |
| 新技術の導入 | Declarative Automation Bundles | 新機能の導入や活用に関する情報を迅速に発信 |
記事ごとの要約
[2026-05-08] DatabricksノートブックとSQLエディタの結果テーブルでネイティブなデータプロファイリングが使えるようになりました
2026年5月1日のDatabricksアップデートにより、ノートブックとSQLエディタの結果テーブルでネイティブなデータプロファイリング機能が追加されました。これにより、列ヘッダーを選択し「選択内容の詳細を開く」をクリックするだけで、プロファイリング統計を即座に確認可能になります。従来の方法では別途プロファイル生成が必要でした。新機能は特定の列の迅速な確認に適しており、従来の機能はDataFrame全体のサマリーに向いています。
[2026-05-05] Databricks Genie (旧Databricks One) チャットの「スケジュールされたタスク」を試す
Databricks Genieの新機能「スケジュールされたタスク」は、自然言語での指示に基づき、定期的なデータ確認やレポート送信を自動化します。この機能は、チャットを通じて簡単にタスクを作成でき、結果はチャットスレッドやメールで受け取れます。タスクは、チャットでの依頼またはUIから手動で作成可能です。Genieは、旧Databricks Oneからリブランドされ、ビジネスユーザー向けの統合UIとして機能しています。
[2026-04-29] ハーネスエンジニアリング入門:MLflow Tracing と LLM-as-a-Judge でAIエージェントを育てる (連載 第3回)
本記事では、AIエージェントの評価ハーネス（Evaluation Harness）をDatabricksを用いて実装し、エージェントの動作を定量的に確認する方法を解説しています。ハーネスエンジニアリングは、エージェントの内部動作を観測し、期待される振る舞いを定義したデータセットを用いて評価する仕組みです。MLflow Tracingを活用し、LLM-as-a-Judgeによる採点や自動評価の実行を行い、継続的な改善ループを構築します。これにより、エージェントの品質を統計的に向上させることが可能になります。
[2026-04-29] Lakebase × LangGraph × Qwen3で作る、セッションを跨ぐ記憶を持つAIエージェント (連載 第2回)
この記事では、Databricks LakebaseとLangGraphを活用し、セッションを跨いで記憶を持つAIエージェントの構築方法を解説しています。前回の短期メモリに加え、長期メモリを実装することで、ユーザーの情報を永続化し、異なるセッション間での記憶を可能にします。具体的には、PostgresStoreを用いてユーザー単位のメモリを管理し、save_memoryとrecall_memoriesの機能を追加します。これにより、エージェントは過去の会話やユーザーの好みを記憶し、より自然な対話が実現します。
[2026-04-28] Lakebase × LangGraphでステートフルAIエージェント:Autoscaling対応版(連載 第1回)
Databricks Lakebaseを用いたステートフルAIエージェントの構築方法を解説する連載の第1回。LakebaseはサーバレスのマネージドPostgreSQLで、AIエージェントのメモリストアとして最適。2026年3月以降、LakebaseはAutoscaling機能を持ち、リソースの自動調整やコスト削減が可能。記事では、LangGraphを使って短期メモリを持つエージェントを構築する方法を紹介。具体的には、会話の文脈を保持しつつ、Lakebaseに状態を保存する仕組みを解説している。
[2026-04-27] DatabricksにおけるAIエージェントのライフサイクル管理ベストプラクティス
DatabricksのMosaic AIプラットフォームは、AIエージェントのライフサイクル管理を統合的に行うフレームワークを提供します。開発、評価、デプロイ、モニタリングを含む5段階のワークフローを推奨し、ユースケース定義から本番リリースまでのプロセスを体系化しています。主要コンポーネントには、エージェント構築のためのノーコード/ローコードツールや、トレーシング・評価を行うMLflow、データガバナンスのUnity Catalogなどがあります。
[2026-04-27] CodingAgentOps 実践編——Databricks + MLflow でコーディングエージェントの運用基盤を構築する
この記事では、DatabricksとMLflowを用いて「CodingAgentOps」の運用基盤を構築する方法を解説しています。特に、軌跡オブザーバビリティ、品質ゲート、コストガバナンスの3つの柱に焦点を当て、Claude Codeからのトレースを自動収集し、Databricksで分析・評価するプロセスを示しています。全体アーキテクチャやデモのワークフローを通じて、テレメトリデータの蓄積や可視化も行い、実践的な運用の流れを具体的に説明しています。
[2026-04-24] CodingAgentOps——LLMOpsの先にあるコーディングエージェント時代の運用フレームワーク
この記事では、LLMOpsの次の段階として「CodingAgentOps」を提案しています。AIコーディングエージェントの普及に伴い、運用面での課題が浮上しています。特に、AI生成コードの品質やセキュリティ脆弱性が人間のコードよりも高く、開発者の生産性が低下する一方で、チーム全体の成果物が減少するというパラドックスが指摘されています。CodingAgentOpsは、これらの特有の課題に特化した運用フレームワークを提供し、コスト管理やガバナンスの向上を目指します。
[2026-04-23] Databricksのノーコードデータ準備ツール「LakeFlow Designer」入門
Databricksの「LakeFlow Designer」は、ノーコードでデータ準備を行うためのビジュアルツールです。ドラッグ&ドロップでデータ変換パイプラインを構築でき、自然言語インターフェースを通じて操作が可能です。DAG構造を用いたオペレーターを組み合わせてデータ処理を行い、生成されたワークフローは本番運用向けのコードとして管理されます。これにより、コードを使わずにデータ分析を行いたいアナリストが、プロトタイプから本番運用へシームレスに移行できることを目指しています。
[2026-04-23] DatabricksのMany Model Forecastingを動かしてみて、結果の読み方を整理する
DatabricksのMany Model Forecasting（MMF）は、多数の時系列データに対して複数の予測モデルを適用し、最適なモデルを選定するための評価基盤です。この記事では、MMFを使わずに単一の時系列に複数モデルを適用する方法から始まり、数千本の時系列に対してMMFを利用する意義を探ります。MMFは、モデル選定の自動化と並列処理を通じて、効率的な予測を実現します。最終的に、MMFの結果を正しく解釈することが重要です。
[2026-04-21] Databricks Apps上でClaude Code / Gemini CLI / OpenCodeをブラウザから動かす
Databricks Apps上でClaude Code、Gemini CLI、OpenCodeをブラウザから簡単に起動できる方法を紹介しています。リポジトリをテンプレートとして作成し、Databricksでアプリを作成後、3クリックとPATの貼り付けでデプロイが完了します。これにより、ローカルのIDEやAPIキー管理が不要になり、すぐにコーディングエージェントを利用可能です。各CLIはDatabricksのModel Servingに接続されており、簡単に使用できます。
[2026-04-20] 名前も中身も変わった! 2026年版 Declarative Automation Bundles (旧DAB) 入門
2026年3月、Databricks Asset BundlesはDeclarative Automation Bundles（DAB）に改名され、内部エンジンが刷新されました。DABは、DatabricksプロジェクトのリソースとコードをYAMLで宣言的に管理し、環境別にデプロイ可能です。これにより、散在するノートブックやジョブ定義の管理が容易になり、CI/CDパイプラインでのデプロイも効率化されます。DABは、インフラとソースコードを一体管理できる点でTerraformと差別化され、開発者に優しい設計が特徴です。
[2026-04-15] Databricksフリートライアルで見落としがちなクラウドプロバイダー課金について
Databricksのフリートライアルでは、クラウドプロバイダー（AWS/Azure）で別途課金が発生する可能性があります。特にクラシックワークスペースを選択すると、NATゲートウェイやVPCなどのリソースが自動作成され、これに対して課金されます。トライアルを安全に利用するためには、サーバーレスワークスペースを選ぶことが推奨され、クラシックワークスペースを使用する場合は作成されたリソースを把握し、不要になったリソースは手動で削除する必要があります。
[2026-04-15] Lovable × Databricks連携でノーコードのセマンティックレイヤーダッシュボードを構築する
Lovableは、自然言語プロンプトからWebアプリを生成できるノーコードのAIアプリビルダーで、Databricksとの連携により、データを直接クエリし、ライブダッシュボードを構築可能です。連携にはOAuth M2M認証を使用し、サービスプリンシパルを介して接続します。この記事では、COVID-19のセマンティックレイヤーダッシュボードを構築する手順を紹介し、Databricksの設定やLovableでの接続方法を詳述しています。
[2026-04-15] Databricks Vector Searchの検索品質を自動評価する(AutoEval)
DatabricksのMosaic AI Vector Searchに新たに追加されたAutoEval機能は、検索品質を自動評価するベータ版です。この機能により、ソーステーブルから自動生成されたクエリを用いて、ANN、全文検索、ハイブリッドの検索戦略を比較できます。評価は4段階の関連性スコアで行われ、結果はDeltaテーブルに保存され、後から確認可能です。利用には管理されたDelta Sync検索インデックスが必要で、ワークスペース管理者によるアクセスの有効化が求められます。
[2026-04-13] Databricks AI Dev Kit Builder Appのローカル起動で遭遇した隘路と対策
Databricks AI Dev KitのBuilder Appをローカルで起動する際に遭遇した問題とその対策を解説しています。主な問題には、Lakebaseプロジェクトの競合エラー、ENABLED_SKILLSのパス不整合、アドレスの重複使用があり、それぞれの原因と回避策が示されています。特に、Lakebaseは事前に作成し、スキルのパスを正しく設定することが重要です。これらの対策を講じることで、スムーズにアプリを起動できるようになります。
[2026-04-09] MLflowトレースをUnity CatalogにOTEL形式で保存してSQLで分析する
MLflow 3のトレーシング機能が強化され、Unity CatalogにOpenTelemetry形式でトレースデータを保存できるようになりました。これにより、従来のMLflowコントロールプレーンからDeltaテーブルに移行し、無制限の保存容量やSQLによる分析が可能になります。新APIを用いてトレースをUCに保存する方法を解説し、ETLパイプラインやダッシュボードとの統合が容易になる利点を示しています。設定にはUnity Catalog対応のワークスペースが必要です。
[2026-04-08] プラットフォーム管理者にとってのDatabricks Apps (Part 1): バックエンドアーキテクチャとアクセス制御
この記事は、Databricks Appsのプラットフォーム管理者向けのシリーズの第一部で、アーキテクチャとアクセス制御に焦点を当てています。Databricks Appsは、サーバレスでフルスタックのWebアプリケーションを構築・デプロイ可能で、管理者はアプリのデプロイやアクセス権限、コスト管理について理解する必要があります。アプリは特定の状態でのみ課金され、2レベルの権限モデル（CAN MANAGEとCAN USE）が採用されています。また、アプリは2つの認証モデル（アプリ認証とユーザー認証）をサポートし、セキュリティとアクセス制御を強化しています。