top of page

Databricks: Genie OntologyのGA発表、共有ビジネスコンテキストを最優先に

16 分前
読了時間: 19分

Databricksは11月11日、Genie Ontologyの一般提供開始を発表し、共有されたビジネス定義をエンタープライズ向けエージェント戦略の中心に据えた。「Announcing GA of Genie Ontology」と題する発表は、実務上の課題を取り上げている。エージェントは同一のデータを照会しても、ビジネス上の意味について異なる結論に至る可能性がある。

オントロジーとは、ソフトウェアが利用できるビジネス概念とその関係性を構造化して表現したものだ。Databricksは、各アシスタントが企業知識を個別に再構築するのではなく、この表現を複数のエージェントが利用できるようにしたい考えだ。

この発表は、エージェントごとに独立したコンテキストの集合を構築しているチームに再考を促すものでもある。Palantirはすでにオントロジーをエンタープライズインフラとして扱っているが、その実装では業務オブジェクトとアクションが重視されている。Databricksは異なる重点を打ち出す。既存の分析業務からコンテキストを学習しつつ、人が権威ある定義を確立できるようにするというものだ。

この違いは、また一つのチャットインターフェース以上に重要である。中心となる問いは、過去のダッシュボード、ノートブック、文書をすべて無条件の真実に変えることなく、企業が蓄積してきた知識を再利用できるかどうかだ。

Genie OntologyのGA発表が共有コンテキストレイヤーを確立

重要な変化は、複数のエージェントが再利用できる、中央管理されたビジネスコンテキストへの移行である。

DatabricksはGenie Ontologyを、自動的に学習された知識と人によって統制される定義を組み合わせる共有インフラと説明している。11月11日の発表では、Unity Catalog DomainsとPagesも一般提供となったことが示された。一方、計画中のビジュアルキュレーションインターフェースであるOntology Managerは、ベータ版として近日提供予定のままである。

こうした提供状況の違いは、購入に関する議論の早い段階で扱うべきだ。基盤となるオントロジーの一般提供は、同時に発表されたすべての機能が同じ成熟度に達していることを意味しない。

より広範なGenieのローンチには、自律的な作業機能や追加のアプリケーション体験も含まれる。これらの進展は背景を提供するが、この発表が扱うのは、それらの体験を支えるビジネス知識である。

このアーキテクチャ上の選択は、組織が意見の不一致を調査すべき場所を変える。別々のエージェントが矛盾する結果を返す場合、個々のプロンプトは原因の一つにすぎない。定義、ソースの選択、アクセス権も検討に値する。

たとえば、異なるアシスタントにアクティブ顧客の特定を依頼する架空の営業組織を考えてみよう。財務アシスタントは契約上のステータスを使うかもしれない一方、カスタマーサクセスのアシスタントは直近の製品利用状況を使うかもしれない。どちらの回答も、妥当なローカルルールに従っている可能性がある。

共有コンテキストレイヤーは、そうした違いを消し去るものではない。それらを表現し、所有者を割り当て、意図された適用範囲を可視化する場所を作る。

これは、エージェントを追加のファイルに接続することよりも要求の厳しい提案である。検索は回答を含む文書を見つけられる。しかしエンタープライズコンテキストでは、その文書が当該の問いに対して適切な回答を提供するかどうかも確立しなければならない。

したがって、この発表は技術的な課題とともに組織的な課題も提起する。どのビジネス定義に権威を持たせるか、どの定義を部門内にとどめるか、そして誰がそれらを変更できるかを、誰かが決めなければならない。

既存のDatabricks顧客にとって、実用上の魅力は再利用にある。分析資産にはすでに、計算、例外、レポーティング慣行に関する判断が含まれている。新しいアシスタントごとにこれらの判断を再構築すれば、新たな保守負担が生じる。

プラットフォームを評価する組織にとっては、問いが異なる。自らの環境にすでにどれだけ利用可能な知識が存在し、どれだけが文書化されていないままなのかを評価する必要がある。

こうした初期条件が必要な作業量を左右する。コンテキストシステムは誰も記録していないポリシーを復元できず、記録された慣行が自動的に承認済みポリシーになるわけでもない。

Genie OntologyのGA発表は、この区別を商業的に重要なものにする。購入者は、その機能が利用可能なプラットフォーム機能として評価できる一方で、それが利用する知識に対する責任は引き続き負うことになる。

共有コンテキストがデータ所有者に負担を移す

共通の知識レイヤーにより、定義の所有権はエージェント導入の一部となる。

直接的な負担は、データリーダー、ビジネスドメインの所有者、社内エージェントを保守するチームにかかる。既存の定義がより広範な再利用に耐えられるかを判断しなければならない。

馴染みのあるチーム内で機能するレポーティング慣行も、別の部門がアシスタント経由で利用すると曖昧になりうる。元の利用者は、文書化されなかった例外を理解しているかもしれない。

自動化によって、そうした例外の重要性は増す。ダッシュボードを確認する人なら、作成者にラベルの意味を尋ねられる。エージェントには、その区別を行うためのアクセス可能な根拠が必要だ。

これは導入に関する議論を変える。アシスタントがデータセットにアクセスできるかどうかを問うだけでは不十分である。購入者は、そのデータセットの意図された利用方法を理解しているかも知る必要がある。

同じことは過去の情報にも当てはまる。ある計算は過去のレポートを正確に再現できても、現在の業務判断には不適切である可能性がある。コンテキストには、来歴だけでなく目的意識も必要だ。

来歴とは、情報がどこで生まれ、どのように回答に至ったかの記録を指す。レビュー担当者が推論を調査する助けにはなるが、基礎となるビジネス判断を保証するものではない。

この違いはドメイン専門家に作業を生じさせる。どの定義を広く適用すべきか、どの定義にはより狭い解釈が必要かを特定しなければならない。

中央集権的な所有だけでは、別の問題を生む。すべての明確化にプラットフォームチームが必要なら、ビジネスコンテキストはインフラ保守やアプリケーション提供と競合する待ち行列になる。

したがって、実行可能な運用モデルには分散された責任が必要だ。財務部門は財務解釈を所有し、他部門は自らの業務に固有の概念に対する権限を維持すべきである。

共有レイヤーは、こうした境界を理解可能にしなければならない。そうでなければ、一つのエンタープライズ知識システムは、有用な定義を集約するのと同じように混乱も集約しかねない。

開発者にも関連する変化がある。彼らの仕事は、指示やツールアクセスを提供することから、異なるユーザー条件下でエージェントが正しい解釈を取得するかを確認することへと広がる。

有用な評価項目の一つは、権威ある定義を変更した際に、利用するエージェント全体で期待した変更が生じるかどうかだ。もう一つは、部門固有の定義が意図された範囲内にとどまるかどうかである。

これらは報告されたGenieの結果ではなく、提案される受け入れ基準である。再利用可能なコンテキストという約束から導かれるものだ。更新は予測可能に伝播し、例外は意図的なものとして維持されるべきである。

ナレッジワーカーもここに利害を持つ。部門間で基礎となる用語について意見が分かれていても、引用付きの回答は決着済みのように見えることがある。

より広い区別は、個人ナレッジとチームナレッジの違いに似ている。ある個人に役立つ情報が共有インフラになるのは、その適用範囲と保守方法が明確になった場合に限られる。

調達チームにとっては、製品機能と並行して実装上の責任を評価することを意味する。ソフトウェアはコンテキストを整理できるが、意見の不一致を解決する権限を持つ人は依然として企業側に必要である。

運用上の利点は、その作業が再利用可能であることにかかっている。新しいエージェントごとに定義の整理をやり直す必要があるなら、組織は重複を減らしたのではなく、移しただけになる。

学習された知識には明示的な権威モデルが必要

Databricksのアプローチは、広範な知識抽出と、意図的にガバナンスされた少数の定義を組み合わせる。

同社のドキュメントは、学習された知識とモデル化された知識を区別している。学習された知識は、既存資産と利用状況から抽出されたスニペットで構成される。モデル化された知識には、明示的に管理されるメトリクス、概念、組織上のグループ分けが含まれる。

文書化されたコンテキスト権威モデルでは、モデル化された知識が、矛盾する学習済み知識より優先される。ユーザーは裏付けとなるスニペットとそのソースを確認できる。学習済みスニペットを直接編集することはできず、修正にはソースの変更または権威あるモデル化された定義が必要となる。

Unity Catalogは、データおよび関連資産のためのDatabricksのガバナンスシステムである。そのセマンティクスツールには、ガバナンスされた計算のためのMetric Views、ビジネス上のグループ分けのためのDomains、定義済み概念のためのPagesが含まれる。

この設計は、よく知られた保守上のジレンマに対応する。すべての詳細をモデル化するには継続的な労力が必要である一方、抽出された資料だけに依存すると、偶発的または時代遅れの慣行を残してしまうリスクがある。

仮想的な売上に関する問いは、両方が重要である理由を示す。あるダッシュボードには、地域営業会議向けに設計された計算が含まれているかもしれない。経理チームは、財務報告のために異なる定義を維持している可能性がある。

ダッシュボードのロジックを自動抽出すれば、有用な知識を回収できる。それを普遍的に権威あるものとして扱えば、適用範囲に関する誤りを導入することになる。

したがって重要な仕組みは、抽出と権威の関係である。システムには、特定の問いに答えるための十分な学習済み詳細と、どの定義が他より優先されるかについての明示的なルールが必要だ。

この構成はフィードバックの機会も生む。繰り返し生じる曖昧さは、正式な所有権が必要な概念を示す可能性がある。

ただし、定義を正式化するにはビジネス上の判断が伴うべきである。繰り返し使われているからといって計算が正しいとは限らず、人気があるからといって承認済みであることにはならない。

修正経路も同じくらい重要だ。ソースに誤りが含まれる場合、組織はソースを変更する前に、どの下流の回答がそれに依存しているかを理解する必要がある。

権威ある上書きは当面の解釈に対応できるが、元の資産もなお注意を払うに値する。そうしなければ、人間とエージェントは異なる経路を通じて矛盾するバージョンに遭遇し続ける可能性がある。

ここで、共有コンテキスト戦略は保守戦略へと変わる。その価値は、システムが学習した内容に異議を申し立てる能力を保ちながら、繰り返しの発見作業を減らすことにある。

競合比較は、その範囲を明確にする助けとなる。Palantirの運用オントロジーは、オブジェクト、プロパティ、リンクを通じてビジネスエンティティを表現し、ワークフローを支えるアクションと関数も併せて扱う。

これは、主に質問への回答のためのコンテキストとしてオントロジーを扱うことよりも広範な運用上の枠組みである。用語が重なっているからといって、実装や意図された用途の違いが見えにくくなるべきではない。

購入者は具体的なワークフローを比較すべきである。各プラットフォームが、争いのあるメトリクスをどう表現するか、責任をどう記録するか、ビジネスアクションをどう制御するか、回答をどう説明するかを問うことができる。

「ontology」という共通の言葉は、同等の機能を保証しない。このリリースもまた、DatabricksとPalantirの間における包括的な性能順位を確立するものではない。

Databricksにとっての特徴的な提案は、既存の分析業務と再利用可能なビジネス理解との接続にある。その成功は、抽出されたコンテキストが検査可能で、修正可能であり、ガバナンスされた定義に適切に従属し続けるかどうかにかかっている。

Genie OntologyのGA発表後に評価すべき仕組みはこれだ。すなわち、プラットフォームが蓄積された作業を、すべてのアーティファクトに同等の権威を与えることなく、再利用可能なエビデンスへと変える方法である。

ベンチマークは完全なエージェント構成をテストする

報告された性能差はさらなる評価を裏付けるが、オントロジー単体の寄与を切り分けるものではない。

DatabricksはTuringと共同で、架空の英国エネルギー供給事業者Calderwick Energyを題材とするベンチマークを開発した。各エージェントは、同じワークスペース上ですべてのタスクを5回ずつ実行した。

公開されたエンタープライズ・エージェント・ベンチマークでは、Genieの合格率は91%、Agent Aは45%、Agent Bは58%と報告されている。平均トークン使用量は、それぞれ431,829、889,019、1,051,070だった。トークンは、モデルが処理するテキストの単位である。

Genieはネイティブに実行された一方、名前が明かされていない代替手段は、Genie MCPへのアクセスを含まないDatabricksのツールベルトを使用した。MCP(Model Context Protocol)は、AIアプリケーションと外部ツール間の接続を標準化する。

これらは完全な構成におけるベンダー報告の結果である。普遍的なエンタープライズ精度を示すものでも、オントロジーへのアクセスの有無以外が同一のシステムを比較したものでもない。

この制約が評価を無意味にするわけではない。企業は、モデル、ツール、権限、蓄積されたコンテキストを含むシステムを導入する。組み合わせた結果を測定すれば、実務的な購買判断に答えられる。

ただし、それは単一コンポーネントを対象とする統制実験とは別の問いに答えるものだ。購入者は、提供されるシステムの性能と、その優位性について示される説明を区別すべきである。

ベンチマークのタスク設計も重要だ。ビジネス分析では、最も明白なテーブルの外側にある解釈を見つける必要がある場合が多い。

公開されたウォークスルーでは、一見すると単純な過去の計画レートに関する質問であっても、ノートブックのコンテキストを参照する必要がある。表示されたテーブル値だけを読めば、誤った解釈へと向かう。

一般化できる教訓は有用だ。クエリが正しく実行されたからといって、ビジネス上の回答が正しいとは限らない。エージェントは実在する値を取得しても、別の質問に答えてしまう可能性がある。

とはいえ、ベンチマークはその設定の範囲内で捉えるべきだ。架空のエネルギー事業者のワークスペースは、すべての企業の文書、権限構造、定義の品質を代表できない。

蓄積された知識を持つ既存環境も、新たに接続したワークスペースとは異なる。購入者は、報告された測定に先立ってどの準備手順が必要なのかを理解する必要がある。

トークン効率にも同様の注意が必要だ。回答時のトークン使用量が少ないことには価値があるが、運用上の工数には周辺知識の準備と維持も含まれる。

完全な評価では、その保守を回答品質と併せて検討すべきである。そうしなければ、組織は可視化される推論作業の最適化に偏り、それを可能にする労力を見落とすおそれがある。

名前が示されていない競合エージェントは、解釈をさらに制限する。読者は公開されたラベルをもとに、特定の商用アシスタントの性能が低いと結論づけることはできない。

また、名称がないからといって憶測を招くべきでもない。関連する比較は、ベンダーが説明する構成とアクセス条件のもとで文書化された比較である。

エンタープライズ向けパイロットでは、定義に争いがあるケース、古いアセット、制限付きソース、過去の解釈を必要とする質問を含めることで、より強力なローカルテストになる。こうしたケースは、単純な検索では見逃される弱点を露わにする。

レビュー担当者は、不正解も検討すべきだ。誤った定義に基づく自信に満ちた誤答には、アクセス不足による拒否とは異なる対処が必要となる。

このベンチマークは、Databricksの主張をテストする理由を示している。購入者自身のビジネス内でシステムがどう振る舞うかを測定する必要性をなくすものではない。

より広いソースカバレッジは新たなガバナンス境界を生む

接続される知識が増えても、アクセス、鮮度、権威性が理解可能な状態に保たれて初めて有用性が高まる。

Databricksのエンタープライズ検索セットアップに関するドキュメントでは、Google Drive、Jira、Confluence、Workdayがサポート対象ソースとして挙げられている。コンテンツと権限は共有インデックスに取り込まれると説明している。

このドキュメントは、インデックス検索とライブコネクタを区別している。検索はインデックス更新後の変更を反映し、コネクタは現在のアプリケーション状態を取得し、許可されたアクションを実行できる。初回のインデックス作成には数時間から数日かかる場合がある。

この区別には実務上の影響がある。プロセスを説明する文書と、現在のステータスを示すチケットは、ビジネス上の質問の異なる部分に答える。

仮想的なローンチレビューでは、エージェントに両方が必要になるかもしれない。設計文書は意図された動作を説明し、現在のチケットは未解決の作業を記録する。

広範な検索結果が、現在の運用確認の代わりに黙って置き換わるべきではない。逆に、ライブのステータス更新には、その重要性を解釈するために必要な根拠が欠けている可能性がある。

したがって購入者は、回答が時間をどのように伝えるかを検討すべきだ。引用はソースを示すが、利用者にはその内容がなお適用可能かを判断するための十分なコンテキストも必要である。

権限は別の境界を生む。情報へのアクセスは誰がそれを閲覧できるかを定め、権威性はその情報がいつ回答の指針となるべきかを定める。

これらの制御は関連しているが、別々の問題を解決する。広くアクセス可能な文書が古くなっている場合もある。制限された文書が、参照を許可された利用者にとって権威あるものである場合もある。

ビジネスロジックがアプリケーションの境界をまたぐ場合にも、同じ区別が当てはまる。計算をインポートしても、元の作成者がその運用を意図した条件まで消去すべきではない。

Databricksの11月10日の発表は、別のPower BI publishing機能について説明している。これはUnity Catalog Metric ViewsをPower BIのセマンティックモデルに公開する機能で、現在もプライベートプレビュー段階にある。

このフローは、既存のBIアセットからコンテキストを学習することとは異なる。ガバナンスされた定義を外部に公開することと、既存のビジネスロジックを内部に取り込むことでは、所有権と検証に求められる要件が異なる。

オントロジーの一般提供開始は、その公開統合の提供状況を変更するものではない。購入者は、周辺のローンチから準備状況を推測するのではなく、各機能を独立して追跡すべきである。

この区別は、より広い実装上の問いも明らかにする。複数のツールが定義を利用できる場合、組織はその定義をどこで維持すべきか。

移行によって重複を減らせるのは、チームが権威ある保管先について合意する場合に限られる。編集可能なバージョンをあらゆる場所に残せば、元の調整問題が維持される。

これは、すべてのビジネス概念をただちに1つのアプリケーションへ移す必要があるという意味ではない。移行期間中、どのバージョンがどのワークフローを管理するのかを把握することが必要である。

プラットフォームチームにとって優先すべきなのは、責任の連鎖を明確にすることだ。ソースアクセス、ソース品質、定義の承認、下流の振る舞いを誰が所有するのかを把握する必要がある。

ビジネス利用者にとっての優先事項は、理解可能性である。統合アーキテクチャ全体を再構築しなくても、なぜ回答が特定の定義を使ったのかを理解できるべきだ。

接続性が広がるほど、これらの責任はより緊急性を帯びる。エージェントが利用できるエビデンスが増える一方で、古い前提が生じうる場所も増加する。

キュレーション、独立した再現、共有利用を注視する

次に有用となるシグナルは、コンテキストがどのように維持されるか、結果がどのように再現されるか、複数のエージェントが実際にそれを再利用するかに関するものだ。

まず、Ontology Managerのリリースと実務的な適用範囲を注視したい。Databricksは、今後のベータ版をオントロジーの検査とキュレーションを行う場として位置づけている。

その意義は、それによって可能になる作業に左右される。曖昧な概念を見つけることは、それを所有する担当者が調査し、統制された修正を行える場合にのみ価値がある。

分かりやすいレビューと修正の証拠は、共有インフラという主張を強めるだろう。日常的な変更にも専門家の介入への依存が続くなら、その実務的な到達範囲は狭まる。

次に、独立して再現された評価を注視したい。最も強い証拠は、組織が自らの質問をテストし、結果を説明できるだけの詳細を公開することから得られる。

有用な開示には、準備工数、ソースカバレッジ、失敗ケース、競合システムの構成が記載されるだろう。見出しとなる合格率だけでは、これらの条件を確立できない。

異なる環境で繰り返し改善が見られれば、このアプローチがベンダーの事例を超えて適用できるという信頼は高まる。結果の変動が大きければ、ローカルな知識品質への依存がより強いことを示すだろう。

どちらの結果も有益な情報となる。購入者が知る必要があるのは、一般提供開始が組織全体で一様な準備状況を意味すると想定することではなく、どの前提条件が成功を予測するかである。

第三に、同じガバナンスされたコンテキストが、定義作業を繰り返すことなく複数のエージェント体験を支えるかを注視したい。再利用こそが、このアーキテクチャの中心的な約束である。

説得力のある導入事例では、組織がビジネス定義を更新し、それを利用するワークフロー全体で適切な振る舞いを確認できることが示されるだろう。また、例外がどのように統制されたかも説明されるべきである。

それは、調整作業が減少したという証拠になる。より多くのアシスタントを接続するだけでは到達範囲は示せても、保守に関する主張は未解決のまま残る。

これらのシグナルは、今後数か月にわたって注目すべき点を示す。製品ローンチの根底にある運用モデルをテストするため、追加の機能名よりも多くを明らかにする。

Genie OntologyのGA発表は、エンタープライズ購入者に、持続的なエージェント課題を検討する具体的な手段を与える。すなわち、情報へのアクセスが共有されたビジネス理解を保証するわけではないという課題である。

まず、現在その答えを巡って意見の対立が生じているビジネス上の質問から始める。承認済みの定義、競合する過去の解釈、対立の解消に責任を持つ人々を特定する。そのうえで、エージェントが適切なエビデンスを選び、その選択を理解可能にしているかを評価する。変更された定義と制限付きソースも含めるべきだ。どちらも、整ったデモンストレーションでは隠れがちな振る舞いを明らかにする。プラットフォームが取り除く作業と、チームに残る責任を問うべきである。判断は、共有コンテキストが修正を管理可能に保ちながら、繰り返される解釈を減らせるかどうかに基づくべきだ。あなたの組織が、複数のエージェントに再利用させるほど信頼できる定義はどれだろうか。

 
 

無料で始めましょう

ローカルファーストのパーソナル知識管理付きAIアシスタント

より良いAI体験のために、

remio は現在、 Windows 10+ (x64)とM-Chip Mac のみをサポートしています。

仕事のAIパートナー
remioでもっと仕事が進む

計画・作成・仕上げまで
すべてをひとつに

bottom of page