AI/BI Genie は、ビジネスチームが自然言語を通じて自分たちのデータからインサイトを得るための会話型ツールです。Genie は生成 AI を活用して、組織のデータ、利用パターン、ビジネス概念に合わせてカスタマイズされ、ユーザーからのフィードバックを通じて継続的に学習します。これにより、技術的な知識がないユーザーでも、経験豊富な同僚に質問するように質問でき、企業データから直接関連性の高い正確な回答を得られます。 Genie スペースの利用が増える中、 提供されるインサイトの正確性に対する信頼がユーザーにとって重要 です。この信頼が、Genie のインサイトを基に最も適切な意思決定を行うために必要な要素となります。 ビジネスチーム向けに Genie スペースの作成や管理を担うデータ担当者がよく挙げる重要な要件は以下の 2 点です： Genie スペース内で管理する指示や例が全体の精度向上に有効であることを確認できること。 必要に応じて、Genie が生成する回答が正確であるかを確認し、そのフィードバックをエン

過去数年間で、Databricks SQLの成長と採用が著しく増えてきました 、これはデータインテリジェンスプラットフォーム上に特別に構築された私たちのインテリジェントデータウェアハウスです（ 製品ツアー をご覧ください）。私たちが行うすべてのことは、お客様への絶え間ない注力により推進され、SQLの作成をさらに効率的にするための改善を繰り返しています。今日、私たちは 新しいSQLエディターの パブリックプレビューを発表することを嬉しく思います 。 新しいSQLエディタは、プラットフォームの最良の側面を統合し、統一された効率的なSQL作成体験を提供します。また、複数のステートメント結果、リアルタイムのコラボレーション、強化された Databricks Assistant の統合、およびエディタの生産性を向上させる様々な機能を提供し、SQL開発を次のレベルに引き上げます。 主要な機能 主要な機能のいくつかを詳しく見てみましょう。 複数のステートメント結果 一度に複数のSQLステートメントを実行するとき、各ステートメン

本日、全てのクラウドプラットフォームで「 Databricks Assistant Autocomplete 」の一般提供を開始しました！Assistant Autocompleteは、PythonとSQLの両方で、入力中にAIによるパーソナライズされたコード提案を提供します。 アシスタントオートコンプリート ノートブックやSQLエディタ、AI/BIダッシュボードに直接統合されたAssistant Autocompleteの提案は、開発フローにスムーズに溶け込み、作業に集中したまま効率的にコーディングが進められます。 「普段はGenAIには懐疑的な方ですが、Databricks Assistant Autocompleteは、この技術において数少ない本当に素晴らしいユースケースの一つだと感じています。動作は速く、正確性も十分で、キー入力をかなり節約できるため、入力よりも思考に集中できるようになりました。さらに、APIの定型文（例：プロットの注釈など）を確認するためにインターネットを頻繁に参照する必要がほぼなくなり

現代のビジネススピードとデータ需要の増加に伴い、企業は「データ管理の実践が本当にビジネス戦略を支えているのか？」と正しく問うようになっています。特に、複数のプラットフォームにまたがるデータをまとめ、リアルタイム分析や生成AIを活用しようとする企業にとっては重要な課題です。 この最も貴重な資産が、新たなトレンドや機会に迅速に対応できる柔軟性をもたらしているか？ 意思決定に必要な洞察が得られているか？ 増え続けるデータを協力して活用できているのか？それとも、部門ごとのサイロに分断され、ガバナンスや品質、コスト管理のバラツキが生じているか？ これらの問いに対する答えが曖昧ならば、今こそデータ戦略を新たに構築するか、見直す時です。 データ戦略とは何か？ データ戦略とは、企業がデータの収集、管理、ガバナンス、活用、価値創出をどのように行うかを定めた包括的な計画です。これにより、データ活動をビジネスの目標に整合させ、データ民主化の目標やデータ管理戦略の優先事項を設定するためのロードマップが生まれます。 データ戦略の目的は何で

金融や小売などの業界では、大量のデータが利用されて数十億ドルの利益を生み出しています。しかし、ヘルスケアでは、重要な情報へのアクセスが困難であり、これが直接的に患者の結果に影響を与えています。根本的な問題は何でしょうか？ 医療データの80％以上 がリスクのある患者を特定し、予防ケアを提供するためのもので、非構造化されています。これは医師のノート、放射線画像、病理スライド、PDFファイル、ファクス、PowerPointスライド、メールに隠されており、アクセスして利用するのが困難で高価です。 データインテリジェンスによる患者のアウトカムの改善 医療機器、遺伝子検査、患者が生成する健康データ、広範囲にわたる電子健康記録（EHR）の使用の増加により、 ヘルスケアデータの生成が年間47％増加 しています。人工知能（AI）は、ヘルスケアデータの命を救う可能性を解き放つ明らかな解決策のように思えます。しかし、臨床的な洞察を可能にするAIツールを構築し、検証する際には複雑な要件があります： 広範な治療領域にわたる大量のデータへの

私たちが顧客から頻繁に聞くのは、生成AIアプリケーションをパイロットから本番環境に移行する際の課題の1つが、既製の大規模言語モデル（LLM）が生成する結果の正確性であるということです。この正確性のギャップを埋めるために、企業が取り組んでいる方法の1つが、Retrieval Augmented Generation（RAG）アーキテクチャを含む「 複合AIシステム 」を構築することです。RAGアーキテクチャや複合AIシステムでは、企業や特定分野のデータをプロンプトや応答の一部として取り入れることで、既製のLLMの応答の質を向上させます。Databricksでは、これをLLMの「一般知能」から「データ知能」へのシフトと捉えており、わずかなリトリーバルの質や効率の向上でも、ユーザー体験に大きな影響を与えることができると考えています。 高品質な埋め込みモデルは、正確なRAGシステムの礎です。今年、DatabricksのMosaic AI上で開発されたRAGアプリケーションが急増している中、Databricksが業界トップ

まとめ Databricks Apps は、社内のデータおよびAIアプリケーションを構築・デプロイする新しい手法として、AWSとAzureでパブリックプレビューを開始しました。 主な活用例 ：データ可視化、AIアプリケーション、セルフサービス分析、データ品質監視など。 対応フレームワーク ：Dash、Shiny、Gradio、Streamlit、Flaskなど。 サーバーレスコンピューティングの自動プロビジョニング により、簡単にアプリをデプロイ可能。 Unity Catalogを通じた組み込みガバナンス 、OIDC/OAuth 2.0とSSOによる 安全なユーザー認証 もサポート。 本日、Databricks Data Intelligence Platform上でデータおよびAIチームが社内アプリケーションを迅速に構築・デプロイできる最速の方法として Databricks Apps のパブリックプレビューを発表しました。...

私たちは、 AI/BIダッシュボードの埋め込み が利用可能になったことを発表することを大変嬉しく思います。埋め込み機能により、Databricksの AI/BI ダッシュボードを、内部のウェブサイトやアプリケーションなどのサードパーティツールにシームレスに統合できます。この統合は、チームがワークフローを中断することなく情報と対話できるように、データ洞察へのアクセスを簡素化します。 ダッシュボードの埋め込みとは何ですか？ ダッシュボード埋め込みは、iframesを使用して他のプラットフォーム内にDatabricks AI/BIダッシュボードを表示することを可能にします。これは、ユーザーが既に使用しているアプリケーションを離れることなくダッシュボードを表示できることを意味し、ワークフローを合理化し、生産性を向上させます。 主要な機能 統合の柔軟性：iframeが許可されている場所ならどこでもダッシュボードを埋め込むことができます。そのリストには、Confluence、Salesforce、Sharepointなどの一

はじめに コード生成のための大規模言語モデル（LLM）の活用はますます一般的になっており、より速く、よりスマートにコーディングできる利点があります。しかし、LLMが生成するコードの正確性が主な懸念点です。多くのオープンソースのコーディングベンチマークは一般的なコーディングスキルの評価を目的としていますが、企業環境では、LLMは一般的なプログラミング能力だけでなく、MLflowやSpark SQLといった特定のライブラリやツールの利用にも対応する必要があります。 このため、LLMが特定のコーディングライブラリにおける能力を体系的に評価する方法が求められています。 本ブログ記事では、この課題に対処するため、 LLM向けのライブラリ特化型コードテストを生成する手法をご紹介 します。これらの生成されたテストケースは、モデルを評価するための構造化された方法を提供し、特定のライブラリに適したモデルを選定する助けとなります。また、ドメイン固有のファインチューニングにより、特定のライブラリへの熟練度向上も測定可能です。 この記事