データ サイエンスとエンジニアリングの急速に進歩する分野では、生産性を向上させるために人工知能 (AI) の統合が不可欠になっています。 数多くのツールが登場し、データ実務者の生活を一変させ、複雑なタスクを容易にし、イノベーションを促進してきました。 2023 年 7 月に Databricks Assistant をパブリック プレビューでリリースしたとき、私たちはデータ サイエンティスト、アナリスト、エンジニア間の効率を合理化することのみを目的として設計しました。 この目標をどの程度達成しているかをよりよく理解するために、経験の異なる複数の組織のトップユーザーを対象に調査を行うことにしました。
調査の目的
Databricks Assistant がデータ プロフェッショナルに与える影響をより深く理解するために、 幅広いユーザー エクスペリエンスを捉えられるようにこの調査を綿密に設計しました。 このアンケートを実施した目的は、アシスタントがユーザーの日常生活に与える影響をよりよく理解するだけでなく、アシスタントを最もよく使用しているユーザー、アシスタントが呼び出される頻度、応答品質に対するユーザーの認識をよりよく理解することでした。
生産性と満足度を厳密に定量的に測定するのは難しいことを認識しているため、定性的な質問と定量的な質問の両方を組み合わせて調査を意図的に設計しました。 定量的には、ユーザーがアシスタントを利用する頻度、主なユースケースに関するデータを収集し、リッカート尺度を利用して満足度と生産性を測定しました。 定性的に、参加者に、アシスタントとのやり取りで経験した一般的な問題、お気に入りの機能ややり取り、これらの要素がワークフローにどのような変化をもたらしたかについて、さらに詳しく尋ねるように依頼しました。
受け取った70件の回答は主にエンジニア（31.9%）からのものでしたが、データ サイエンティスト（18.8%）、SQL アナリスト（23.2％）、その他の専門家（26.1％）からの回答もありました。 これらの回答者は、それぞれの分野で0年から20年以上の経験レベルまで、幅広い範囲に及びました。
このアンケートは、パブリック プレビューを熱心に利用している複数の組織に配布されました。 アクティブ ユーザーの間での Databricks Assistant の現在の状況の包括的な把握と、将来の改善に向けた建設的なフィードバックを実現するために、率直なフィードバックの重要性を強調しました。
主な調査結果
以下の調査結果は、調査から得られた3つの主要なポイントを浮き彫りにしています。
調査結果1：アシスタントは、ユーザーの作業環境にシームレスに統合し、迅速な応答を提供することに優れていることが証明されています。
私たちの調査は、Databricks Assistant ユーザーが最も気に入っている点を明らかにすることを目的としています。 回答者の93.6%が、相互に関連する2つの理由を上位に挙げました。
- シームレスなワークフロー統合：ユーザーは、アシスタントが既存の Databricks 環境に直接統合される点を高く評価していると述べています。
- 効率的で即時のサポート：開発者は、 PythonやSQLの生成からSpark機能の検索まで、アシスタントの迅速かつ正確な応答を高く評価しました。Databricks Assistant は、回答を得るために外部ソースに問い合わせるという従来の煩わしさを解消し、大幅な時間節約になると評価されています。
「 Databricks Assistant は、開発への統合アプローチを導入し、初期段階から実行まで、プロセス全体に AI をシームレスに組み込みます」
- Core42 / G42、データ + AI ディレクター、Alaeddin Khader 氏
調査結果2：開発者は、コードの作成とデバッグのためにアシスタントを最も頻繁に使用します。
調査では、ソフトウェア エンジニア、データ サイエンティスト、SQL アナリストが主に次の 2 つの理由でアシスタントを使用していることがわかりました。
- エラーの修正/トラブルシューティング：ほとんど の回答者(88.4%)は、効果的なバグ修正機能のために、主にアシスタントを操作していると回答しています。
- コード作成の支援：ユーザーの約半数 (49.3%) が、アシスタントを利用する主な目的はコード作成の支援であると回答しています。Databricks Assistant は、コードを提案して速度を向上させるだけでなく、ソリューションの品質も向上させます。
「今週は、Databrick の AI アシスタントを活用して、これまでコーディングしたことのない言語で 200 行以上の堅牢なコードをコーディングすることができました」
- Kythera Labs ソリューション アーキテクト マネージャー、Josue A. Bogran 氏
調査結果3：アシスタントは時間管理に大きな影響を与えました。
アシスタントは、日々のワークフローを効率化するだけでなく、時間効率を大幅に向上させます。これは、私たちの調査結果からも明らかです。
- 節約された時間の定量化：ユーザーの 72% 以上が、アシスタントによって、特定のタスクにかかる時 間が少なくとも 30% 節約されたと主張しています。
- 集中力の強化：回答者は、アシスタントによってユーザーの時間が効果的に解放され、より戦略的で価値の高いタスクに集中できるようになると強調しました。
「 Databricks は Databricks Assistant によってさらに強力になりました。この最先端の AI コンパニオンは、データ分析の取り組みに革命をもたらし、複雑なタスクを簡素化し、生産性を加速しました」
- ABN AMRO Bank NV 上級アナリティクス コンサルタント、Byron Exaporriton 氏
これらすべての調査結果を念頭に置いて、アシスタントによってもたらされる生産性の向上について、1 (生産性が大幅に低い) から 5 (生産性が大幅に向上) までのスケールで尋ねたところ、開発者の 55.5% がエクスペリエンスを 4 または 5 と評価しました。 このフィードバックは、ワークフローの合理化、コードの修正と記述における Databricks Assistant の有効性を強調しています。
投資分野
今回の調査では、当社の強みの多くが明らかになりましたが、改善すべき重要な分野もいくつか浮き彫りになりました。
投資1：多くのユーザーがアシスタントの迅速な応答を賞賛する一方で、パフォーマンスの改善を指摘する点もいくつかありました。
Databricks Assistant をより高速かつ効率的にするために、現在取り組んでいることがいくつかあります。 私たちは非同期コンテンツ フィルタリングに移行し、ストリーム時間を短縮するだけでなく、より高速でより優れたフォーマットを提供することにも重点を置いています。 さらに、会話履歴に関係なく一貫したパフォーマンスを確保したいと考えています。
投資2：回答者は、アシスタントは一般的に関連情報を提供するものの、データが古くなっている場合もあると指摘しました。
Databricks Assistant が不正確な情報を提供する場合があることを認識しており、信頼の構築と回答の正確性の向上に尽力しています。 まず第一に、Databricks 固有の提案が最新のものであることを確認し、検索領域を継続的に最新化することを計画しています。 さらに、具体的な回答に対しては、より詳細なフィードバックの仕組みを取り入れ、自己評価や改善に役立てていく予定です。
まとめ
私たちは、データ実務者が日常業務の効率と満足度を高めるためのサポートに取り組んでいます。 調査の結果、パブリック プレビューの短い期間で、かなりの割合 (48.6%) のユーザーが日常的に Databricks Assistant を使用していることがわかりました。 私たちは、アシスタントをさらに良くする方法を常に学んでいます。 この分野が進化し続ける中、私たちはアシスタントをさらに改良してより良いものにできると楽観視しているだけでなく、より広範な研究コミュニティが発見するであろうイノベーションを楽しみにしています。
Databricks Assistant が利用可能になりました。
アシスタントを有効にするには、こちらの指示に従ってください。アカウントをお持ちでない場合はDatabricks無料トライアルでDatabricksを始めることができます。
