Sunday, October 4, 2026
直近24時間は、ai_decide()によるネイティブなSQL駆動型AIディシジョニングの登場と、エージェント型データアプリの運用化に関する議論が中心となりました。また、データエンジニアの間では、Unity Catalogをまたいだマルチカタログ同期や、Deltaテーブルにおけるストレージ保守の課題にも関心が集まりました。
1.Databricksのai_decide()がインライン分類とスコアリングをSQLパイプラインに統合
Databricksはベータ版としてai_decide()を導入し、分類、確率計算、ルーティングをSQLクエリ内で直接実行するための技術的解説が公開されています。実務家たちは、Databricks SQLワークフロー全体で、分離されたLLM推論呼び出しをネイティブなエンジン内決定ロジックに置き換える手段として、この機能を評価しています。
2.エージェント型データアプリの拡大と、タスクベースのコスト配分要求の高まり
実務家たちは、Databricks Apps、Lakeflow、Genieを専用のエージェント型データエンジニアリングフレームワークと組み合わせることで、インタラクティブなデータアプリを構築しています。エージェントの導入が成熟するにつれて、運用の焦点は基本的なトークン追跡から、完了したタスクごとの真のコンピュートおよびモデルコストの算出へと急速に移行しています。
ソース
- Built a live Helsinki tram tracker on Databricks with Lakeflow, Lakebase, Genie and AppsCommunity · databricks-community · Oct 4
- Building A Data App with dashboard and agentic capabilities in dbxCommunity · reddit · Oct 4
- AltimateAI/altimate-codeProject · TypeScript · Oct 4
- How are you attributing agent cost per successful task, not just per token?Community · databricks-community · Oct 4
3.クロスカタログ連携とバキューム処理のオーバーヘッドがレイクハウスのストレージを複雑化
アーキテクトたちは、Polaris上のApache IcebergやAWS GlueとUnity Catalogを橋渡しするクロスカタログ同期パターンの構築に取り組んでいます。一方、データプラットフォームチームからは、Delta Lakeテーブルのメンテナンスに関する運用の摩擦が報告されており、バキュームルーチンによって数百万もの参照されていないファイルが特定されたものの、回収できる容量は驚くほど少ないという課題が生じています。