DatabricksとGoogleの提携、成長率80%超の中で70億ドルの試練に直面

Databricksは、第2四半期に前年同期比80%超の成長を記録し、売上の年換算ランレートが70億ドルを突破したと発表した。この節目により、企業のAI支出がガバナンスの効いた社内データにますます沿う市場において、DatabricksとGoogleの提携はより大きな重みを持つことになる。

この数値は、監査済みの上場企業の売上高ではない。売上ランレートは直近の販売活動を年換算したものであり、認識済みの年間売上高より速く変動し得る。それでも今回の水準は、わずか6カ月前にDatabricksが報告した54億ドルのランレートと65%成長に続くものだ。

より深い対立軸は、単純なDatabricks対Snowflakeではなく、Google Cloudをめぐるものだ。GoogleはBigQueryを独自のデータ・AIプラットフォームとして販売する一方で、Databricksをホストし、Geminiモデルを統合し、共通のエンタープライズ顧客を支援している。Databricksはインフラをハイパースケーラーに依存するが、拡大するソフトウェア層によって、そのインフラの上で顧客との関係を獲得できる。

両社が市場を拡大している間、この取り決めは機能する。だが、エージェント、データベース、分析、ガバナンス、モデルへのアクセスがより少ない購買判断の中に収束するにつれ、均衡を保つことは難しくなる。

Databricksは、急速なAI利用の拡大が持続的な利益率と顧客価値を生むことを示さなければならない。Googleは、急成長するパートナーにどこまでプラットフォーム領域を委ねるべきかを判断する必要がある。

70億ドルという節目が競争の規模を変える

Databricksはもはや、新興のデータアーキテクチャを販売しているわけではない。エンタープライズのデータとAIを支える運用レイヤーになることを目指している。

同社によると、年換算売上ランレートは70億ドルを超え、前年からの成長率は80%を上回った。Databricksは非上場企業であるため、読者はこれらの数値を四半期ごとの規制当局提出書類と照合することはできない。

最新の正確な数値よりも、その方向性の方が検証しやすい。2月の公式財務アップデートでは、ランレートが54億ドルを上回ったとされている。Databricksはまた、直近12カ月にわたりフリーキャッシュフローがプラスだったと報告した。

この開示には、いくつかの有用な指標も含まれていた。AI製品の売上ランレートは14億ドルを超え、ネットリテンション率は140%超を維持した。ネットリテンションは、拡大、縮小、解約後に顧客支出がどのように変化するかを測る指標だ。

年間利用額が100万ドルを超える顧客は800社超、1,000万ドルを超えた顧客は70社超に達した。これらの数値は、成長が実験段階や小規模な部門導入に限られていなかったことを示唆している。

2四半期で54億ドルから70億ドルへ近づく動きは、急激な加速を意味する。それはまた、従来型ソフトウェア企業に対する評価の見直しが広がる中でも、投資家が資金を供給し続けた理由を説明するだろう。

Databricksは7月、評価額1,880億ドルで戦略的資金調達プロセスを発表した。当時の報道では、取引は未完了で最終規模も明らかになっていないとされた。報道によれば、同社は8月に評価額約1,900億ドルで、より大規模なラウンドを完了した。

その結果、評価額は大半の成熟したソフトウェア企業が期待できる水準をはるかに上回るペースで上昇してきた。7月の資金調達報道は、この変化を2024年後半の620億ドルから2026年2月の1,340億ドルまで追っている。

この評価上昇は、Databricksが単なるデータウェアハウスの代替を超える存在になりつつあるという前提に立つ。投資家は実質的に、同社のエンタープライズデータへのアクセスをエージェント市場における戦略的ポジションとして扱っている。

AIエージェントは、目標を解釈し、行動を選び、限定的な人間の指示のもとでツールを使うソフトウェアシステムだ。必要なのはモデルだけではない。最新の業務データ、ID管理、取引記録、信頼できる権限管理も必要となる。

Databricksはすでに、大企業顧客向けにそうした入力の多くを管理している。現在はGenie、Lakebase、Unity AI Gateway、そしてより広範なデータインテリジェンスプラットフォームを通じて、その立場を拡張している。

Genieは、従業員が会話言語を使って、ガバナンスの効いた社内データに質問できるようにする。Lakebaseは、業務記録を必要とするアプリケーションやエージェント向けに設計されたマネージドPostgreSQLデータベースだ。

Unity AI Gatewayは、モデルおよびエージェントの利用に統制を適用する。企業がリクエストを振り分け、活動を追跡し、アクセスを管理し、異なるモデルにまたがる利用量を監視するうえで役立つ可能性がある。

これらの製品はいずれも、Databricksをアプリケーション開発と従業員のワークフローに近づける。これが、この財務上の節目の背後にある重要な変化だ。

70億ドルという主張は、単に販売が強まったことを示すものではない。顧客がより多くのデータおよびAI業務を同一のコントロールプレーンに集約していることを示唆している。

この集約が中心的な緊張を生む。DatabricksはGoogle、Microsoft、Amazonからクラウドインフラを調達する必要がある一方で、3社すべてが提供するサービスとの競争を強めている。

DatabricksとGoogleの提携が今重要な理由

Databricksの成功はGoogleにインフラ利用をもたらす一方、より価値の高いソフトウェア上の顧客関係を手放すリスクもある。

DatabricksとGoogleの提携により、顧客はDatabricksプラットフォームをGoogleのインフラおよびモデルと比較的直接的に組み合わせられる。DatabricksのワークスペースはGoogle Cloud上で稼働し、BigQueryやGeminiなどのサービスと接続できる。

Googleはこの取り組みを、マルチクラウドのデータ・AIオプションとして提示している。提携概要では、Geminiへのアクセス、BigQuery統合、オープンモデル、GoogleのAIインフラを強調している。

顧客にとって、この組み合わせはAI導入における一般的な障壁を低減する。企業は、Googleのモデルや特化型インフラを利用しつつ、既存のパイプラインとガバナンスをDatabricksに維持できる。

このアプローチは、新しいモデルを試す前にすべてのデータセットを移動しなければならないという圧力も軽減する。顧客情報や規制対象の資料を含む記録では、データ移動は依然として高コストで時間がかかり、リスクも高い。

たとえば小売企業は、製品イベントとレコメンデーション機能をDatabricksに保存しているかもしれない。その開発者は、データ基盤全体を別の場所に再構築することなく、ショッピングアシスタント向けにGeminiを評価できる。

金融機関は、モデル入力にDatabricksのガバナンスを使いながら、選定したワークロードをGoogleのインフラ上で実行できる。技術的な詳細は異なるが、購買の論理は一貫している。

購入者は、別の分断されたデータスタックを生むことなく、モデルの柔軟性を求めている。また、分析、アプリケーション、AIエージェントにまたがってポリシーがデータに追随することも望んでいる。

これらのワークロードはストレージ、ネットワーキング、アクセラレータ、マネージドクラウドサービスを消費するため、Googleは恩恵を受ける。Databricksは、実験が本番環境に移行するにつれて利用量を拡大できるエンタープライズ顧客をもたらす。

Databricksも、Googleが提供するグローバルインフラと主要なAIモデル群から利益を得る。Google Cloudをサポートすることは、顧客が単一のプロバイダーへの依存を避けられるというDatabricksの主張も補強する。

ただし、この提携には重複する製品が含まれる。BigQueryはデータウェアハウスと分析を担う。Googleはモデル開発、データベース、ビジネスインテリジェンス、ガバナンス、対話型分析向けのツールも販売している。

Databricksも、これらと同じ要件の多くに対応している。同社は、複数のクラウドにまたがって自社のカタログ、クエリツール、アプリケーションサービス、データベース、エージェント制御を顧客に利用してもらうことを目指している。

GoogleはBigQueryを従来のSQL分析の枠を超えて拡張し続けている。対話型分析のリリースにより、ユーザーはGeminiを通じてガバナンスの効いたデータに質問し、一部のクロスクラウドデータソースにもアクセスできる。

このリリースは、レイクハウスで管理されるデータとDatabricks Unityのデータソースを明示的にサポートしている。これにより協力は容易になる一方、Googleの対話型インターフェースが別の場所で管理されるデータの上位に位置することにもなる。

この違いは重要だ。インターフェースは将来の購買判断を形づくり得るためである。従業員がデータに問い合わせる方法を管理するベンダーは、モデル、ガバナンス、アプリケーション開発への影響力を得られる可能性がある。

これにより、階層化された競争が生まれる。BigQueryが分析ワークロードを失った場合でも、GoogleはDatabricks顧客からインフラ収益を得られる。

Databricksは、Googleにデータコントロールプレーンの所有権を渡すことなくGeminiを利用できる。したがって両社は、より戦略的な機能の獲得を目指しながら、互いから利益を得ることができる。

この関係は、インフラプロバイダーが独立系ソフトウェアベンダーをホストする他のクラウド提携に似ている。異例なのはDatabricksの規模とスピードだ。

小規模なパートナーが、ホストクラウドの上位にあるアーキテクチャを定義する脅威になることはめったにない。70億ドルのランレートに近づく企業は、エンタープライズがAIシステムを組み立てる方法に影響を与えるだけの流通力を持つ。

エンタープライズ環境は異種混在であるため、この提携は依然として合理的だ。大企業がすべてのデータベース、アプリケーション、モデルを単一プロバイダーに置くことはほとんどない。

この現実は相互運用性に有利に働く。また、Unity Catalogと関連サービスが分断された環境全体に共通のガバナンスレイヤーを提供できるため、Databricksに交渉力を与える。

しかし、相互運用性が競争をなくすわけではない。競争は統制、デフォルト設定、調達の領域へ移る。

重要な問題は、GoogleがDatabricksのサポートを継続するかどうかではない。顧客がデータアクセス、エージェントポリシー、アプリケーションコンテキストを定義する既定の場所が、どのプラットフォームになるかだ。

利用量の成長は仕組みであって、答えのすべてではない

Databricksは顧客のワークロード増加とともに成長するが、同じ仕組みがインフラコストを押し上げ、利益率を複雑にする可能性もある。

Databricksは主に従量課金モデルに従う。顧客がより多くのデータを処理し、より多くのクエリを実行し、モデルを学習させ、予測を提供し、本番アプリケーションを運用するほど、売上は増加する。

これは主に従業員ライセンスを通じて販売される従来型ソフトウェアとは異なる。エージェントを追加すると、人間のユーザーを増やさずに継続的な計算需要が生じる可能性がある。

この違いは、DatabricksのCEOであるAli Ghodsiが、AIは単にソフトウェアを置き換えるのではなく利用量を増やすと主張してきた理由の説明にもなる。エージェントは新たなデータ処理、推論リクエスト、評価、監視の要件を生み出す。

エージェントは既存のワークロードを拡大することもある。サポートエージェントは、一度の対話の中で口座履歴を取得し、利用資格のルールを確認し、過去のケースを要約し、チケットを更新するかもしれない。

各ステップでストレージへのアクセス、データベースクエリ、モデル呼び出し、ガバナンスチェックが発生し得る。このワークフローを毎日数千件の会話で繰り返せば、大きな利用量が生まれる。

Lakebaseは、この仕組みを業務アプリケーションへと広げる。従来の分析プラットフォームは主に、イベント発生後のデータを調査していた。エージェントは現在のアプリケーション状態を読み取り、更新する必要もある。

在庫管理エージェントは、現在の在庫水準、保留中の注文、配送上の制約を把握しなければならない。財務エージェントには、請求書、ベンダー記録、支払い状況への承認済みアクセスが必要になる場合がある。

Databricksは、こうしたトランザクションワークロードを分析・AIサービスの近くに置こうとしている。成功すれば、顧客はデータエンジニアリング、レポーティング、エージェント、アプリケーションにまたがって、一つのガバナンス環境を利用することになる。

Genieは、もう一つの拡大経路に対応する。ビジネスユーザーはSQLを書かずに質問できるため、分析リソースを利用する人の数が増える可能性がある。

インターフェースの障壁を下げることは、測定可能な収益を生み出し得る。一方で、脆弱なデータ定義、一貫性のない権限設定、コストの高いクエリパターンも露呈しかねない。

Unity AI Gatewayは、これに関連する課題を対象としている。複数のモデルを利用する企業には、認証情報、ルーティング、ポリシー適用、コスト可視化のためのレイヤーが必要になる。

ゲートウェイは実験をより安全にする一方で、Databricksを顧客とモデルプロバイダーの間に位置づける。この立場は、企業がGemini、OpenAI、Anthropic、オープンウェイトモデルを組み合わせるほど価値を増す。

DatabricksとGoogleの関係は、顧客がDatabricksのサービスをGoogleのインフラストラクチャとGeminiと組み合わせられるため、この消費収益エンジンを強化する。どちらの企業も、収益を得るためにすべての製品カテゴリーで勝つ必要はない。

ただし、消費収益が自動的に質の高い収益になるわけではない。プロバイダーはインフラに費用を支払い、突発的なワークロードを支え、キャパシティを管理しなければならない。

AIワークロードは、スケジュールされたデータ処理とは異なる経済性を持ち得る。長いモデルコンテキスト、反復的なエージェントループ、評価、低レイテンシのサービングは、高価なリソースを消費する可能性がある。

タスクを何度も再試行するエージェントは、顧客価値を増やさずに利用量だけを増やすかもしれない。設計の悪い検索は、大規模データセットを繰り返しスキャンする可能性がある。

企業は実験段階では非効率を許容できる。しかし、パイロットが継続的な運用予算へ移行すれば、調達チームの許容度は下がる。

したがってDatabricksは、消費の成長が許容可能なユニットエコノミクスを伴うことを示す必要がある。ユニットエコノミクスは、ワークロードから得られる収益と、その提供に直接かかるコストを比較する。

同社が以前に開示したプラスのフリーキャッシュフローは心強いが、詳細は限られている。製品別の粗利益率や、新しいエージェントサービスのコスト構造は明らかにしていない。

非公開企業の報告は比較も難しくする。Databricksは、完全な損益計算書を公開せずに、選択したランレート、継続率、キャッシュフローの数値を公表できる。

80%成長という主張は、この制約を踏まえて読むべきだ。並外れた需要を示しているが、収益性や収益の持続性に関する疑問へ単独で答えることはできない。

ランレートは、直近の好調な期間を反映する場合もある。現在の消費が通年で続く保証にはならない。

顧客はワークロードを最適化し、コミットメントを再交渉し、成功しなかったエージェントを停止する可能性がある。クラウド支出は、技術導入とコスト削減が同時に起こり得ることを繰り返し示してきた。

Databricksを前進させる仕組みは実在する。データ業務が増えれば消費は増え、AIはデータ業務を増幅できる。

未解決の問題は、インフラ、サポート、最適化のコストを計算に入れた後も、その増幅が経済的に魅力的であり続けるかどうかだ。

Snowflakeは圧力に直面するが、より厳しい境界を定めるのはGoogle

Snowflakeは目に見える製品上の競合相手であり、GoogleはDatabricksがインフラパートナーと衝突せずにどこまで拡大できるかを定める。

Snowflakeは依然として、Databricksにとって最も直接的な独立系競合企業である。両社はクラウドデータプラットフォームを販売し、AI、アプリケーション、ガバナンス、開発者ツールへと事業を拡大している。

両社の技術的な歩みは異なる。Snowflakeはクラウドデータウェアハウスとして登場したのに対し、DatabricksはApache Sparkとレイクハウスのアプローチから成長した。

こうした違いは縮まっている。Snowflakeはより広範なデータエンジニアリングとAIワークロードをサポートし、DatabricksはSQLウェアハウジングとビジネスインテリジェンスに大きく投資してきた。

顧客はますますアーキテクチャのラベルではなく成果を比較するようになっている。チームがどれだけ迅速にガバナンスされたワークロードを展開し、支出を管理し、複数のモデルをサポートできるかを問う。

Databricksの報告された成長は、Snowflakeに大企業顧客を守る圧力を強める。また、プラットフォーム統合をめぐる交渉でDatabricksの立場も強化する。

ただし、Snowflakeだけが比較対象ではない。Google、Microsoft、Amazon、Oracleは、より広範なクラウド契約の中で、データベース、分析、モデル、インフラを束ねられる。

このバンドルはハイパースケーラーにいくつかの優位性を与える。彼らはすでに顧客のコミットメント、アイデンティティシステム、地域インフラ、多くの調達関係を管理している。

AIサービスを既存製品にも接続できる。GoogleはBigQuery、Gemini、Looker、データベース、クラウドインフラを一つのアカウントの下で組み合わせられる。

Databricksはマルチクラウド対応と、より独立した制御レイヤーで対抗する。顧客は、別々のネイティブスタックを採用する代わりに、Google Cloud、Azure、AWSで類似のパターンを適用できる。

この独立性は、企業がモデルの選択肢を求めるときにより価値を持つ。ネイティブクラウド統合がより低い運用複雑性を提供する場合には、その価値は低下する。

したがって主要な競争は、単純なDatabricks対Googleの争いではない。顧客がどこにアーキテクチャ上の権限を置くかが焦点になる。

Unity Catalogが権限とデータの意味を定義するなら、Databricksは中心的な役割を担う。BigQueryとGoogleのエージェントプラットフォームがそれらの制御を定義するなら、Googleがスタックのより多くを取り込む。

同じ論理はユーザーインターフェースにも当てはまる。Genieはビジネスデータへの会話型の入口になり得る。GoogleはGeminiを、データ、文書、アプリケーション、生産性ツール全体への入口として提示できる。

これらの製品は相互運用できるが、顧客は通常、限られた数のインターフェースに標準化する。制御プレーンが一つ増えるごとに、トレーニング、セキュリティ、サポートのコストが生じる。

Workspaceを通じたGoogleの配布も、この競争を変える。従業員は専門的な分析インターフェースに出会う前にGeminiに接するかもしれない。

Databricksは、ガバナンスされたデータと技術チームにより近い。Googleは、エンドユーザー、インフラ管理者、既存のクラウド契約により近い。

どちらの立場も支配を保証するものではない。企業導入は、どのチームがプロジェクトに資金を出すか、どのリスクが優先されるかに左右されることが多い。

データ組織は、ポータビリティと統合ガバナンスを理由にDatabricksを選ぶかもしれない。クラウドプラットフォームチームは、よりシンプルな運用を理由にネイティブのGoogleサービスを好むかもしれない。

事業部門は、日々のワークフローにすでに表示されるアシスタントを選ぶ可能性がある。セキュリティ責任者は、より明確な監査とポリシー制御を提供するプラットフォームを支持するかもしれない。

Databricksの最新の成長は、同社が十分な数のこうした議論に勝ち、主要プラットフォームになったことを示唆する。すべての新しいエージェントワークロードが同社のインターフェース内にとどまることを証明するものではない。

DatabricksとGoogleの提携が機能するのは、まさに境界が交渉可能なままであるためだ。顧客はデータレイヤーにDatabricksを、インフラまたはモデルにGoogleを選べる。

各ベンダーがより完全なエージェントプラットフォームを導入するにつれ、圧力は高まる。重複は単なる技術的な関心事ではなく、営業上の問題となる。

アカウント内で勝者となるのは、モデルやクラウドの選択を制限せずにガバナンスの複雑さを低減するプラットフォームかもしれない。この点では概念的にDatabricksが有利だが、ハイパースケーラーは統合によって差を縮められる。

80%成長という主張が示していないこと

報告された加速は重要だが、利用可能な開示だけでは、利益率、継続率の質、最終的な資金調達条件を確立できない。

Databricksは非公開企業であるため、その財務上の主張は主に会社発表とインタビューを通じて示される。投資家は機密情報を受け取るが、一般には同等の詳細は提供されない。

これにより、いくつかの検証上の空白が生じる。同社は、認識済み売上高、繰延コミットメント、粗利益率、営業費用、顧客集中度の完全な内訳を公表していない。

ランレート指標には特に注意が必要だ。企業は直近の月または四半期を年換算して算出できるが、選択する期間が結果に影響し得る。

消費型ビジネスには季節性もある。顧客活動は、休暇、予算サイクル、移行、大規模なトレーニングプロジェクトの前後で変化し得る。

最新の主張は、Databricksの第2四半期における前年比80%超の成長を対象としていると報じられている。基礎となる四半期数値がなければ、外部者はその計算を再現できない。

2月の基準値は有用な確認点となる。当時Databricksは、ランレートが54億ドルを超え、AI製品が14億ドルを超え、ネットリテンションが140%を上回ったと述べた。

これらの数値は、より広範な成長の物語を裏付ける。ただし、8月の正確な節目を独自に確認するものではない。

資金調達の報道にも同様の精度が必要だ。Databricksは7月、評価額1,880億ドルでタームシートに署名したと発表した。タームシートは、最終的なクロージング文書の前に提案された投資条件を記録する。

現在の報道では、完了した資金調達は約1,900億ドル、規模は約50億ドルとされている。Databricksが完全な最終条件を公表するまで、それらの詳細は監査済みの事実としてではなく、出典付きの情報として扱うべきだ。

評価額は、企業が利用できる現金と同じではない。その構造には、一次投資、従業員の流動性、または異なる経済的効果を持つその他の取引が含まれ得る。

投資家は、自らのリターンを保護する優先権を付けることができる。見出しの評価額からは、清算権、ガバナンス条項、将来の希薄化についてほとんど分からない。

顧客価値も別の不確実性を抱える。高い消費は本番導入の成功を示す可能性がある一方、非効率なシステムや高コストな移行を反映している場合もある。

企業の買い手は最終的に、完了した業務、エラー率、人間によるレビュー、運用上の節減によってエージェントを評価する。トークン量とクエリ成長は中間的なシグナルにすぎない。

ガバナンスに関する主張にも実地での検証が必要だ。中央カタログはアクセスルールを定義できるが、企業には正確なメタデータ、所有権、監視、インシデント対応が依然として必要になる。

エージェントはプラットフォームの権限に従っていても、質の低い判断を下す可能性がある。承認済みの文書を取得しても、それが古い、不完全、または誤解されたものかもしれない。

ここでは、知識の品質がインフラと同じくらい重要になる。チームには、モデルへのアクセスだけでなく、追跡可能な情報源と維持されたコンテキストが必要だ。

Databricksは、構造化データと非構造化データのガバナンスを支援できる。しかし、そのデータの中に隠れた組織上のあらゆる対立を自動的に解決することはできない。

ハイパースケーラーによる競争上の脅威も依然としてリスクである。GoogleはDatabricksを支援しつつ、独立レイヤーの必要性を減らすネイティブサービスを改善できる。

Microsoftも、Azureとより広いエンタープライズ配布を通じて同様の戦略を取れる。Amazonは、AWS内でインフラ、データベース、分析、モデルサービスを組み合わせられる。

Snowflakeは、製品変更、商業的インセンティブ、提携を通じて対応できる。オープンソースプロジェクトも、フォーマットとカタログに関する切り替えコストを下げ得る。

Databricksのマルチクラウドの立場は、単一プロバイダーへの直接的な依存から同社を守る。一方で、急速に変化する複数のプラットフォームにわたって一貫した機能を維持することを求める。

その作業にはエンジニアリングとサポートのコストがかかる。ネイティブクラウドサービスは、新しいインフラ機能をより早く受け取るか、より緊密に統合できる場合がある。

これらの懸念はいずれも、報告された成長を無効にするものではない。それらは、見出しだけでは答えられない点を定義している。

この節目は、Databricksがエンタープライズデータ消費を軸に、大規模で拡大中のビジネスを構築したことを示す。その消費がどれほどの利益を生むのか、あるいは最終的に誰がエージェントレイヤーを支配するのかを決着させるものではない。

DatabricksとGoogleの均衡を試す3つのシグナル

次の段階は、検証された財務の質、本番環境でのエージェント導入、Googleのプラットフォーム境界の変化によって決まる。

最初のシグナルは、Databricksによる次の詳細な財務開示だ。読者はランレートを超えて、認識済みの成長、ネットリテンション、フリーキャッシュフロー、顧客拡大を見るべきである。

70億ドルを超える持続的なランレートと、継続的なプラスのキャッシュ創出が両立すれば、同社の成長ストーリーはより強固になる。リテンションの低下やキャッシュ創出力の悪化は、消費拡大の加速に見えにくい圧力が伴っていることを示唆する。

特に重要なのは粗利益率だ。Databricksが新たなAI、エージェント、データベースのワークロードをどれほど効率的に提供できているかを示す指標となる。

同社には、上場前にその数値を公表する義務はない。ただし、IPO準備や追加資金調達によって、透明性が高まる可能性はある。

第2のシグナルは、Lakebase、Genie、Unity AI Gatewayが本番環境で採用されるかどうかだ。製品発表そのものより、顧客が継続的に運用する再現性のあるワークロードの方が重要である。

有用な証拠としては、大規模導入の増加、測定可能なクエリ精度、制御されたエージェント操作、初期トライアル後の利用拡大などが挙げられる。

Lakebaseは、Databricksを業務データベースの領域へ進出させるため、特に注目に値する。成功すれば、顧客が分析用コピーだけでなく、稼働中のアプリケーション状態もこのプラットフォームに託していることが示される。

Genieは、信頼性に欠ける回答や制御不能な支出を招くことなく、会話型アクセスによって有用な分析を広げられることを証明しなければならない。Unity AI Gatewayは、別の管理上のボトルネックにならずに、モデル横断のガバナンスを実証する必要がある。

これらの製品が既存顧客内で拡大すれば、Databricksはデータ分野での優位性をエージェント・プラットフォームへ転換できる。採用が伸びなければ、同社は既存のエンジニアリングおよび分析ワークロードへの依存をより強めることになる。

第3のシグナルは、Googleによるクロスプラットフォームのデータとエージェントの扱いだ。GeminiとDatabricksの統合が継続すれば、両社の提携は強化される。

BigQueryから外部レイクハウス・データへのアクセスが深まれば、顧客には有益だが、より多くの制御がGoogleのインターフェースへ移る可能性もある。新たなエージェント・ガバナンス機能は、Unity AI Gatewayと直接重複する可能性がある。

エンタープライズ導入の中で、どの製品がデフォルトになるかを注視すべきだ。正式なプラットフォーム決定が下されるはるか前から、デフォルト設定はアイデンティティ、監視、請求、開発者の習慣に影響を及ぼす。

顧客がオープンなアーキテクチャを求め、両社がともに消費を拡大できる限り、databricks googleの取り決めは協調的なものにとどまる。買い手がガバナンスとエージェントのインターフェースを統合するにつれ、競争はより激しくなるだろう。

エンタープライズの購入者にとって、実務的な対応は、コミットする前に境界をテストすることだ。モデルのポータビリティ、データ移動、ポリシーの一貫性、インフラ全体の消費量を測定すべきである。

開発者もまた、印象的なデモと、保守されている本番システムを区別すべきだ。再試行、ツール障害、レイテンシー、エージェント出力の修正に必要な人的作業を追跡する必要がある。

ナレッジワーカーは、会話型の回答が引用、権限、ビジネス上の定義を維持しているかを問うべきだ。チームがその推論の根拠を確認できないなら、より高速なインターフェースの価値は限定的である。

Databricksは、競合他社がその戦略を無視しにくい規模に達した。同社が報告した80%の成長は、企業向けAI支出が、すでに企業データと接続されたプラットフォームへ流れていることを示唆している。

次の問いは、より厳しいものだ。最大のインフラ・パートナーが競合するデータ層とエージェント層を構築する中で、Databricksはマルチクラウドの独立性を維持できるのか。

その答えは、財務の質、本番利用、プラットフォームのデフォルトを通じて明らかになる。購入者は、70億ドルのランレートを確定した勝利として扱う前に、これらのシグナルを注視すべきだ。