「AGIはもう来ている。必要なのはあなたの会社のデータだ」── Data + AI Summit 2026 Keynote Day1 レポート

はじめに

2026年6月15日~18日に、サンフランシスコ・バーチャルにて開催されるDatabricks主催の、年間最大規模のカンファレンスイベント、「Databricks Data＋AI Summit 2026」（DAIS）が開催中です。

本記事はDAIS2026 Keynote Day 1で発表された、アップデート情報のまとめ記事です。

本記事はDatabricks公式発表を元にした非公式の日本語要約であり、すべての著作権・知的財産権はDatabricksに帰属します。

忙しい方用

• Databricksの主張は「AIの知能はもう十分。足りないのは会社の文脈（Enterprise Context）」
• そのために、データ統合、セキュリティ、コスト管理、オープン性をまとめて支える新機能群が発表された
• 中核は Genieファミリー。社内知識を“地図化”し、自然言語で正確に使えるAIを実現する方向性が示された

0. Keynote 1日目に共通する大テーマ

Databricks CEO の Ali Ghodsi 氏は、冒頭で次の質問を投げかけました。

「AGI（汎用人工知能）は、もう来ていると思う人は？」

会場で手が挙がったのは、わずか5%ほど。
しかし、Ali氏の答えは 「YES」 でした。

最先端のAIは、専門家でも解けない数学・物理の難問を解き、最難関ベンチマークでも高い正答率を示している。
つまり、モデルの“賢さ”はすでに十分高い。
ではなぜ、私たちの会社ではAIがいまひとつ役に立たないのか？

Databricksの答えは明快でした。

AIに必要なのは知能ではなく、企業の文脈（Enterprise Context）である

どれだけ優秀な新入社員でも、会社のことを知らなければ仕事はできません。
同じように、今のAIは「賢い頭脳はあるが、会社の地図を持っていない状態」だというわけです。

第1章：バラバラのデータを「ひとつの基盤」に集約する

AI活用の出発点は、やはりデータです。
社内に散らばったデータを集め、AIがすぐ使える状態（AI Ready）に整えるための新機能が多数発表されました。

1-1. 集める：進化した Lakeflow

データ取り込みの入口となる Lakeflow は、Salesforce、Workday、Oracle など 100以上のコネクタを備えるまでに成長しました。

さらに、アプリからAPI経由で直接データを送り込める 「Zero Bus」 がGA（一般提供開始）となり、
毎秒12GB規模のリアルタイムインジェストが可能になっています。

特に印象的だったのは、
データパイプラインの 60%が、わずか3か月でAI（Genie Code）によって自動生成された
という実績です。

1-2. 形式を気にしなくていい世界へ：Delta と Iceberg の完全統合

長年、データ形式を Delta Lake にするか Apache Iceberg にするかは、データエンジニアの悩みの種でした。

Tabular の CEO、Ryan Blue 氏はステージでこう語りました。

「将来的に、ユーザーが Iceberg を気にする必要はなくなります」

Databricksは、2026年後半（目標はQ4）までに Delta と Iceberg を完全統合し、ディスク上でも同じ形にすることを目指しています。

1-3. 爆速で分析する：新エンジン Reyden と Lakehouse RT

Databricksは「最高のデータウェアハウスは Lakehouse である」という思想のもと、
この1年で 110以上のDWH機能を追加してきました。

そのハイライトが、新エンジン Reyden を搭載した Lakehouse RT（Real-Time） です。

• データを別システムにコピーせず
• データレイク上で直接
• ミリ秒級の分析を実現

デモでは、1,000体のAIエージェントが同時に毎秒約6,000クエリを投げても、わずか37ミリ秒の遅延でさばくという圧倒的な性能が示されました。

1-4. アプリを支える超高速DB：Lakebase と、脱CDCを掲げる LTAP

分析だけでなく、アプリケーション向けの高速DBとして、Postgres互換の Lakebase も登場しました。

主な特徴は以下の通りです。

• Scale-to-Zero
  使わない時間帯は計算費をゼロにできる
• ブランチング機能
  巨大なDBを わずか500ミリ秒で丸ごとクローンできる
• AIエージェントとの相性がよい
  試行錯誤→失敗時の即ロールバック、という運用に向く

さらに、運用DBと分析DBをストレージ層で統合する新概念 LTAP も発表されました。

これにより、従来の脆いデータコピー技術（CDC）から脱却し、
本番環境への影響ゼロ・データ遅延ゼロでの分析が可能になるとされています。

第2章：安全に、ムダなくAIをコントロールする

データという「材料」が揃っても、
コストやセキュリティの管理ができなければ、現場での導入は進みません。

2-1. 統一管理の司令塔：Unity Catalog

Unity Catalog は、どのデータを、誰が、いつ、何のために使ったかを一元管理するための仕組みです。

対象はテーブルだけではありません。

• PDF
• AIモデル
• AIエージェント

など、あらゆる資産のアクセス制御やコスト管理を 無料で一括管理できます。
しかも、これは オープンソース として提供されています。

2-2. AI時代の関所：Unity AI Gateway

社内に複数のAIモデルやエージェントが乱立すると、
コストが不透明になり、セキュリティリスクも高まります。

そこで登場したのが Unity AI Gateway です。

これは、社内のAI通信が必ず通る 「高速道路の料金所」 のような存在です。

できることは、例えば以下の通りです。

• AIの支出を可視化する
• 予算超過時に自動でブレーキをかける
• OpenAI / Anthropic / Gemini など、モデルの差し替えを柔軟にする

第3章：AIに「会社の知識」を渡す ── Genieファミリー

ここからが、この講演のメインです。
冒頭の「会社の文脈をAIに理解させる」ための具体策が語られました。

3-1. なぜ今のAIは「遅くて不正確」なのか？

多くのAIは、質問されるたびにゼロから社内文書を探し回ります。
これは、地図を持たずに街をさまようようなものです。

その結果、

• 回答に10分かかる
• ハルシネーションが起きる
• 数字を捏造する

といった問題が生じます。
半分しか当たらないAIに、ビジネスの意思決定は任せられません。

3-2. 解決策の核：社内知識のGoogleマップ Genie Ontology

Databricksが出した答えは、
「質問される前に、バックグラウンドで社内知識を“地図（グラフ構造）”にしておく」
というアプローチでした。

具体的には、以下を紐づけます。

• 社内文書
• メール
• Jira
• 用語集
• 「誰が何に詳しいか」という専門家情報

これらを、GoogleのPageRankを応用した OntoRank アルゴリズムで整理し、
AIを最も信頼できる情報へ導きます。

その結果として、

• AIの正答率は 30ポイント以上向上
• 処理時間は 半分に短縮

されたと紹介されました。

従来のAI

ユーザーの質問
  → 毎回ゼロから社内を探し回る
  → 遅い・間違う

GenieのAI

ユーザーの質問
  → 事前に構築した「Genie Ontology（知識の地図）」を参照
  → 爆速・正確

3-3. 自社データを理解して自然言語で対話できるAI：Genie One

この知識の地図の上で動くのが、データに強いAI同僚 Genie One です。

SQLの知識がなくても、普段の言葉で

「先月いちばん売れた商品は？」

と聞けば、社内ルールや権限を守った上で、正確なデータとグラフを返してくれます。

デモでは、

「OKRのレビュー資料を作って」

という指示に対し、最新のライブデータから

• 異常値
• 予測値
• 地域別内訳

まで揃えた資料を、ボタン一つで自動生成していました。

3-4. 質問だけでなく「運用・作業」も自動化する

Genieは、単に質問に答えるだけではありません。

Genie Agents

たとえば、

• Salesforceから情報を取得
• Workdayに投入
• レポート送信

といった一連の自律業務をこなします。

Genie ZeroOps

データ運用の面倒を肩代わりするバックグラウンド型エージェントです。

例えば深夜2時にシステムが止まっても、

• 自動で原因を特定し
• 修正案を作成し
• 人間は朝にレビューするだけ

という運用が可能になります。

第4章：OpenAIトップが語る、AGIのその先

基調講演には、OpenAI 共同創業者兼 President の Greg Brockman 氏も登壇しました。

両社は前年に 1億ドル規模のパートナーシップを結んでおり、
Databricksのデータ基盤上で OpenAI の Codex などを わずか1分でセットアップできる環境を実現しています。

Brockman氏は、AGIについて次のように語りました。

「『AGIか否か』という二分法ではなく、AIの能力は連続的なスペクトラム（グラデーション）で捉えるべきだ。
本当に問うべきは、今どんな能力があり、人間にどう利益をもたらし、どう制御するかという人間中心の問いだ」

また、Databricksへの要望を尋ねられると、

「より速く、よりスケーラブルに、より信頼性高く」

と一言。

ここには、
モデル（頭脳）がどれだけ賢くなっても、それを活かすのは自社のデータ基盤である
という、1日目を通貫するメッセージが凝縮されていました。

第5章：現実の世界を動かす、先進企業の事例

5-1. PepsiCo：データと「対話」する文化への変革

従業員32万人、世界250か国で展開する PepsiCo は、過去6年で 60以上のデータレイクをDatabricksに統合しました。

これまでAIコンソールの構築に数ヶ月かかっていたところ、
整ったデータ基盤の上に Genie を載せたことで、ローンチ後わずか数週間で 3万件のクエリが発生。

「レポートを眺める文化」から
「データと対話して意思決定する文化」
へと現場が変わったといいます。

5-2. Mastercard：複数エージェントを繋ぐ強固な基盤

200か国以上の決済を支える Mastercard は、
80もの異なるAIサービスをひとつのプラットフォームに統合しました。

Lakebase を活用し、あるAIエージェントが生み出したインサイトを、別のアカウントが即座に利用できる 「共有コンテキスト」 を構築しています。

中小企業の資金繰りを支援する 「Virtual CFO」 のような新サービスを、
高度なガバナンスを保ったまま、わずか数週間で形にしたと紹介されました。

まとめ

1日目のメッセージは明確でした。

「賢いAI（頭脳）はもう手の中にある。
あとは、あなたの会社の地図（データ）を渡せるかどうかだ」

もし自社でAI活用を本格化させるなら、以下の観点で整理を進めるのがよさそうです。

1. AI戦略の4軸点検

自社のAI施策は、次の4点をクリアできているでしょうか。

• コンテキスト
• セキュリティ
• コスト
• 選択肢

2. データ運用の棚卸し

既存のシステム連携、たとえば CDC やミラーリングに、
無駄な保守コストがかかっていないかを見直す必要があります。

3. 「知識の地図」の準備

AIを活かすために、社内の

• 用語集
• データアクセス権
• ドキュメント
• 専門家情報

などをどう整理するか。
Unity Catalog 的な発想が重要になってきます。

企業の競争力の源泉は、AIモデルそのものではなく、
「自社にしかないデータ」をどう活かすかへと完全にシフトしつつあります。

Databricks Summit 2026 1日目のKeynoteは、その未来像をかなり強い言葉で提示していました。

お知らせ

ナレッジコミュニケーションでは、Databricks Data + AI Summit 2026 開催に伴い、日本語でのウェビナーや現地レポートを公開しております！

DAIS2026 Recap イベント
現地参加が難しかった方や、主要トピックスを短時間で振り返りたい方向けに、Recapイベントを開催します。
セッションの要点整理や、日本企業での実装観点も交えてご紹介予定です。

▼ 開催概要・お申し込みはこちら

ナレッジコミュニケーション DAIS2026 特設サイト
DAIS2026で発表された注目テーマ、関連セッション、実務での活用ポイントを継続的に発信する特設ページです。
イベント情報の整理・社内共有にもご活用いただけます。

Databricks 導入支援サービスサイト
Databricksの導入検討から活用定着まで、課題に応じた支援メニューをご紹介しています。
「何から着手すべきか相談したい」という段階でも、お気軽にご覧ください。