この記事の要点
- 同じ質問でも、APAC担当者とAMER担当者では見える答えが変わる例が示されています。
- 表データだけでなく、PDFやOffice文書なども知識源になります。
- 公式ブログには価格と提供開始日は書かれていません。
会議前の質問が変わる
会議前に、AIへこう聞けたら便利です。今四半期で一番売れた商品は何で、その理由は何か。
Databricksの公式ブログは、この場面をかなり実務的に描いています。Brickstoreという架空の小売企業で、担当者が売れ筋、需要の理由、上位顧客、メールアドレスを聞きます。
ここで大事なのは、AIが賢く答えることだけではありません。見てよい範囲で答えることです。
社内AIは全部知っているふりをしない
Databricksは2026年8月10日付で、Genie Agentsの実装方法を公開しました。Genie Agentsは、社内データを使って答えるAIエージェント（自分で手順を考えて動くAI）です。
今回の話は、AIが表データと文書をまたいで答える設計です。構造化データ（表のように整理されたデータ）と非構造化データ（文書や画像のように形がそろわないデータ）を同時に扱います。
一言でいえば、社内AIは全部知っているふりから卒業する方向です。利用者の権限に合わせて、答えの材料を変えます。
表と文書が一つの仕事になる
売れ筋を知るだけなら、表を見れば足ります。けれど、なぜ売れたのかは、資料やレポートに残りやすいものです。
Databricksは、Genie Agentsがテーブル、指標、文書を同時に扱えるとしています。対象は大きく分けると次のようになります。
・Managed TablesやExternal Tablesなどの表
・ViewsやMetric Viewsなどの定義された見え方
・Unity Catalog Volumesに置いた文書や画像です。番号いきますね。これにより、数字の質問と理由の質問が同じ流れに入ります。AIが単なる検索窓ではなく、業務の文脈を読みに行く形です。
同じ質問が別の答えになる
公式ブログの例では、APAC担当者とAMER担当者が同じ質問をします。聞いている文面は同じです。
しかし、返ってくる数字は違います。APAC担当者にはAPACの行が返り、AMER担当者にはAMERの行が返ります。
メールアドレスの列は、Column Masks（列の値を隠す仕組み）で守られます。Row Filters（行単位で表示を絞る仕組み）も使われます。
この違いは、AIに地域別の注意書きを書くことで作るのではありません。Unity Catalog（Databricksのデータ管理基盤）が、問い合わせ時に権限を評価します。
導入の現実はIDから始まる
AI導入というと、モデル名や画面に目が行きます。けれど、社内で使うならIDが土台になります。
Databricksは、AIM（IDを自動同期する仕組み）とJIT provisioning（初回ログイン時に利用者を用意する仕組み）を説明しています。Microsoft Entra IDとOktaから、ユーザーやグループの情報を同期する流れです。
所属が変われば、見える答えも変わります。権限の鮮度が、AIの安全性を左右します。
使える資料と、まだ書かれていないこと
文書も知識源になります。公式ブログでは、PDF、画像、Office文書、テキスト、Markdownが挙げられています。
ただし、Unity Catalog Volumes（文書などのファイル置き場）はVolume単位で権限を与えます。1ファイルだけを細かく選んで共有する単位ではありません。
| 項目 | 公式発表にある内容 |
|---|---|
| 公式ブログ日付 | 2026年8月10日 |
| 提供開始日 | 発表に書かれていない |
| 価格 | 発表に書かれていない |
| 対象 | Genie AgentsとUnity Catalogを使う企業向け設計 |
今回の公式ブログは、使い始める日や料金の告知ではありません。そこを過度に読み込むより、企業AIの設計思想として読むほうが合っています。