Databricks（企業）に関するニュース一覧

Databricksは2026年3月、新セキュリティ製品「Lakewatch」を発表し、その基盤技術としてAntimatterとSiftD.aiの2社を買収したことを明らかにしました。

Lakewatchは同社の大規模データ保管能力を活かし、SIEM（セキュリティ情報イベント管理）の脅威検知・調査機能を提供します。AnthropicのClaude搭載AIエージェントが分析を支援する点が特徴です。

Antimatterはセキュリティ研究者Andrew Krioukov氏が創業し、2022年に1200万ドルを調達した企業です。エージェントの安全な展開と機密データ保護を実現する「データコントロールプレーン」技術を開発していました。

SiftD.aiは2025年11月に製品を公開したばかりの超初期段階の企業で、人間とエージェントが協働する対話型ノートブックを提供していました。共同創業者のSteve Zhang氏はSplunkの元主任科学者として知られています。

Databricksは先月50億ドルの大型資金調達を完了しており、今後もスタートアップ買収を継続する方針を示しています。広報担当者は「市場の先を行き、顧客ニーズのギャップを埋めることが目標」と述べました。

ReplitとDatabricksは、両社プラットフォームを直接接続する新コネクタを発表しました。これにより、企業が管理するデータ基盤上で、コードを書かずに自然言語プロンプトだけでデータアプリケーションを構築できるようになります。

Databricksは2万社以上のエンタープライズ顧客を持ち、Fortune 500の多くがデータガバナンス基盤として利用しています。従来のバイブコーディングでは、こうした本番データへのアクセスがセキュリティ上の壁となっていましたが、今回の連携でその課題が解消されます。

デモではReplitのエージェントが3D気象グローブアプリを数分で構築しました。開発者はプロンプトの調整に集中するだけで、スキャフォールディングやUI生成はエージェントが、データのスケールとガバナンスはDatabricksがそれぞれ担当します。

DatabricksのGenie機能はアプリ内データコパイロットとして機能し、自然言語の質問に対してデータの出典テーブルを明示しながら回答します。これにより、営業・財務・オペレーション部門での意思決定に必要なトレーサビリティが確保されます。

この統合により、PM・RevOps・アナリストなど非エンジニア職でも、ガバナンスを維持したまま社内ツールを自作できるようになります。従来はBI開発のバックログに埋もれていたツール構築が、エンジニアリングキューを経ずに迅速に実現可能となりました。

Databricksは、強化学習を活用した企業向けRAGエージェント「KARL（Knowledge Agents via Reinforcement Learning）」を発表しました。6種類の企業検索行動を同時に学習させることで、単一タスク特化型の限界を克服するモデルです。

従来の企業向けRAGパイプラインは、特定の検索パターンに最適化されており、複数文書の横断的な統合や制約付きエンティティ検索など、異なるタスクには対応できませんでした。KARLは独自ベンチマーク「KARLBench」でClaude Opus 4.6と同等の性能を、クエリあたりコスト33%減・遅延47%減で達成したと同社は主張しています。

学習には新アルゴリズム「OAPL」を採用しています。従来のGRPOが前提とするオンポリシー同期の制約を撤廃し、400勾配ステップ以上のポリシー遅延でも安定動作します。サンプル効率が約3倍向上し、数千GPU時間で全学習を完了できるため、企業チームでも現実的に取り組める規模です。

注目すべきは、KARLが文脈圧縮をエンド・ツー・エンドで自己学習する点です。一部のタスクでは200回の連続ベクトルDB検索が必要となり、コンテキストウィンドウを何度も超過します。圧縮機能を除去すると精度が57%から39%に低下しており、この自律的な圧縮能力が性能の鍵となっています。

一方で課題も明確です。曖昧な質問への対応や途中で回答を断念するケースが残り、SQL検索やPython計算には未対応です。それでも、汎用フロンティアAPIにすべてを委ねるのではなく、目的特化型の検索エージェントを強化学習で育てるアプローチは、企業のRAG戦略に再考を迫る重要な成果といえます。

Databricksは月次ARR（年換算経常収益）54億ドルを達成し、前年比65%の成長を報告しました。このうちAIプロダクトが14億ドル超を占めており、同社がAIデータプラットフォームとして市場での存在感を急速に高めていることを示しています。

CEO Ali Ghodsiは、AI時代においてSaaSという括りから積極的に距離を置いています。「我々にとってAIはSaaSの利用を増加させているだけだ」と述べつつ、プライベート市場ではAI企業として評価されることを重要視しています。

Ghodsiの踏み込んだ発言は「AIがSaaSを無関係にする」というものです。AIエージェントが個別のビジネスアプリケーションの機能を代替できるようになれば、何十もの専用SaaSサービスへの契約は不要になる可能性があります。

同社はMosaic Research（旧MosaicML）の買収を完了し、生成AIモデルの訓練・ファインチューニング能力を強化しました。生成AIとデータ統合の組み合わせが同社の差別化戦略の核心となっています。

既存のSaaSベンダーにとっては深刻な脅威を意味するこの予測は、企業のIT予算配分とソフトウェア調達戦略の抜本的な見直しを迫るものです。

データ分析スタートアップのFundamentalは2026年2月5日、Series Aで2億5500万ドルを調達したと発表した。また、テーブルデータ専用の基盤モデル「NEXUS」を公開した。

NEXUSは従来のビッグデータ分析で必須だったETL（抽出・変換・ロード）プロセスをネイティブに回避する設計となっており、手動のデータ前処理工程を大幅に削減できる。

テーブルデータ（スプレッドシート・データベース・CSVなど）を直接理解できるファウンデーションモデルの登場は、分析の民主化を次の段階に進める可能性がある。

VentureBeatは「大規模データ分析の在り方を根本から変える可能性がある」と評し、データエンジニアの役割が変化するきっかけになりうると分析した。

SnowflakeやDatabricksが支配するデータウェアハウス市場への挑戦となるが、NEXUSのようなAIファースト設計のデータ処理層は新しいカテゴリを作る可能性がある。

Databricksは「データレイクハウス」の概念を生み出した企業として知られていますが、今回はエージェント型AIアプリケーション開発向けに最適化されたサーバーレスデータベースを発表しました。

従来数ヶ月かかっていたAIアプリケーション向けのデータ基盤設計が、Databricksのサーバーレスアプローチにより数日に短縮できるとしています。スキーマ管理・接続設定・スケーリングが自動化されます。

エージェント型AIアプリケーションは、リアルタイムで多様なデータにアクセスしながら複雑なタスクをこなす必要があります。DatabricksのサーバーレスDBはこの需要を前提に設計されています。

競合のSnowflakeとOpenAIの提携、Microsoft Fabricなどと比較しても、Databricksはオープンソース親和性とMLエコシステムとの統合深度で差別化を図ります。

エンタープライズのAI戦略においてデータ基盤の選択は最重要であり、エージェント対応の観点からDatabricksの位置付けは強まっています。

Databricksは、従来のRAG（検索拡張生成）の限界を超える「Instructed Retriever」という新しいデータ取得手法を発表しました。従来のベクター類似検索は「質問に意味的に近い文書を探す」ものでしたが、Instructed Retrieverは明示的な指示に従って意図を理解した上で情報を取得します。

複雑なビジネスクエリや、ユーザーが何を求めているか明示的に伝えていないケースでも、文脈と意図を推定して適切なデータを取得できます。Databricksの統合データプラットフォームUnity Catalogと組み合わせることで、企業全体のデータ資産へのRAGアクセスが改善されます。

エンタープライズRAGの精度は、AIエージェントの有用性に直結する根幹技術であり、この改善はDatabricksを使うデータ・エンジニアリングチームにとって即座に価値が生まれる成果です。競合のSnowflake Cortex AIとの差別化にも貢献します。

IntelからスピンアウトしたAI企業Articul8は、7000万ドル超の資金調達ラウンドを完了し、企業評価額5億ドルに達しました。エンタープライズAIプラットフォームに特化した独立企業として、Intel技術スタックを基盤とした差別化を図っています。

主な顧客ターゲットはFortune 500企業で、オンプレミスまたはプライベートクラウドでのAIデプロイメント支援に強みを持ちます。コンプライアンス要件が厳しい金融・医療・製造業界での採用が進んでいます。

IntelがGPU市場でNvidiaに遅れを取る中、Articul8のスピンアウトはIntelのAI収益化戦略の一環とも見られます。エンタープライズAI導入の専門支援市場は急成長しており、Articul8の独立した成長軌道に注目が集まっています。

広告クリエイティブディレクターとセキュリティ研究者のコンビが開発したChrome拡張機能「AI2AI」がSNSで話題を集めています。LinkedInのAI関連投稿を自動的に検知し、NBAレジェンド、Allen Iversonのトリビアカードに置き換えます。

AI（人工知能）とAI（Allen Iverson）の同音異義語を掛け合わせたユーモラスなコンセプトで、生成AIの過剰なハイプへの疲弊感を抱えるプロフェッショナルから共感を得ています。LinkedInは利用規約違反と指摘しましたが普及が続いています。

拡張機能を使うと「AIファースト」な自己啓発投稿がカラフルなアイバーソン豆知識カード（「6フィートで最も低身長のMVP選手」など）に置き換わります。元々の投稿内容も確認できる形でオーバーレイ表示されます。

WIREDの長寿ポッドキャスト「Uncanny Valley」では、ホストのMichael CaloreとLauren Goodeが番組の終わりを告げ、2026年からBrian Barrett・Zoë Schiffer・Leah Feigerの新体制に移行することが発表されました。

最終回では2026年展望として、Stripe・OpenAI・Anthropic・Databricksなどの大型IPOが相次ぐ可能性が語られました。また「音声操作AI」はTIRED（退潮）で「アンビエントな環境感知AI」がWIRED（新潮流）とする展望も示されました。

データインテリジェンス企業のDatabricksは、シリーズLラウンドで約4,000億円超（4B米ドル超）を調達し、企業評価額が1,340億ドル（約20兆円）に達しました。わずか3か月前に評価額1,000億ドルを達成したばかりであり、34%の急騰を記録しています。

同社の年間収益率は4,800億円相当（4.8B米ドル）を超え、前年比55%増という高い成長率を維持しています。このうちAI製品からの収益はすでに1,000億円規模を超えており、エンタープライズ向けAI活用の需要の強さを示しています。

Databricksは新資金をAIエージェント向けデータベース「Lakebase」、エンタープライズ向けエージェント基盤「Agent Bricks」、開発者ツール「Databricks Apps」の3本柱に投資する方針です。AnthropicやOpenAIとの数百億円規模の提携も進めており、製品へのモデル統合を加速しています。

インドのカスタマーエンゲージメント企業MoEngageは、11月の1億ドル調達からわずか1か月でシリーズFの追加調達を実施しました。今回の1億8,000万ドルのうち約1億2,300万ドルはセカンダリー取引で、259人の現役・元社員への流動性提供も含まれています。

MoEngage社の評価額は9億ドル超とされ、年間経常収益は1億ドル規模に達する見通しです。今後はMerlin AIスイートのAIエージェント機能を強化し、米国・欧州での企業買収も視野に入れています。数年後のIPOを目指しつつ、今四半期中にEBITDA黒字化を達成する計画です。

イスラエルのスタートアップEchoは3,500万ドルのシリーズA調達を発表しました。同社はコンテナの基盤イメージをゼロから再構築し、既知の脆弱性（CVE）をデフォルトでゼロにする「セキュアバイデザイン」アプローチを採用しています。AIエージェントが生成するコードが脆弱なライブラリを使いやすい現状に対応しており、UiPathやEDB、Varonisなどの大手企業に採用されています。

中南米向け医療AIスタートアップのLeonaは、a16z主導で1,400万ドルのシード資金を調達しました。WhatsApp経由で届く患者メッセージをAIが仕分け・返答提案し、医師の業務負担を1日あたり2〜3時間削減できるとしています。すでに14か国・22診療科の医師に提供されており、自律的な予約対応エージェントの導入も予定しています。

今回の一連の資金調達は、AIブームがエンタープライズデータ管理からクラウドセキュリティ、マーケティングプラットフォーム、医療コミュニケーションまで幅広い領域に拡大していることを示しています。IPOを避けたまま大型資金を集める傾向も継続しており、プライベート市場でのバリュエーション競争がさらに激化しています。

元DatabricksのAI責任者Naveen Rao氏が率いる新興企業Unconventional AIは2025年12月9日、シードラウンドにおいて4億7500万ドル（約710億円相当）の資金調達を完了したと発表しました。評価額はシード段階としては異例の45億ドル（約6750億円相当）に達しており、AIハードウェア分野への市場の期待値の高さが浮き彫りとなっています。

本ラウンドはAndreessen Horowitz (a16z) とLightspeed Venturesが主導し、Lux CapitalやDCVCも参画しました。今回の調達は、最大10億ドルを目指す資金調達計画の第一弾と位置付けられています。テック業界では以前からRao氏の新会社が50億ドル規模の評価額を目指していると報じられており、今回の発表でその巨額構想が現実のものとなりました。

同社が目指すのは、AIに特化した新しいエネルギー効率の高いコンピュータの開発です。Rao氏は以前、「生物学と同じくらい効率的な」コンピュータを創るというビジョンを掲げていました。現在のAIモデル開発における膨大な電力消費課題を解決するため、根本的なハードウェアアーキテクチャの刷新を狙っていると見られます。

Rao氏は、これまでにAI関連スタートアップ2社を巨額で売却した実績を持つ「シリアルアントレプレナー」です。2016年にNervana SystemsをIntelへ4億ドル超で、2023年にはMosaicMLをDatabricksへ13億ドルで売却しました。この卓越した実績が、シードラウンドでの記録的な評価額と投資家からの厚い信頼につながっています。

昨今の急激な関税変動は、企業に48時間以内の対応を迫っています。しかし既存ERPのデータサイロ化が迅速な判断を阻害しています。本稿では、プロセスインテリジェンスがいかに供給網の死角を解消し、AI活用と競争優位をもたらすか解説します。

従来のERPシステムは取引記録には優れますが、変化への即応力に欠けています。SAPやOracleなどが個別に稼働しているため、関税変更時の影響分析や代替調達先の選定といったシナリオ分析を迅速に行うことが困難なのです。

ここで重要となるのが、「PI（プロセスインテリジェンス）なくしてAIなし」という原則です。正確な業務プロセスの文脈情報がないままAIエージェントを稼働させれば、部分最適による誤った判断を招き、数百万ドルの損失につながるリスクがあります。

先進企業は既に成果を上げています。Vinmar社は30億ドルの供給網をデジタルツイン化し、配送遅延を20％削減しました。Florida Crystals社も手戻りを排除し、数百万ドルの運転資金を解放するなど、可視化が直接的な利益を生んでいます。

最新の技術革新も見逃せません。Databricks等とのゼロコピー統合により、データを複製せずリアルタイムで数十億件の記録を分析可能です。これにより、企業はシステムを刷新することなく、既存資産を活かして変動に対応できます。

米国発の報道によると、データインテリジェンス大手のデータブリックスが、評価額1300億ドル（約20兆円）以上での資金調達に向けて協議を進めています。同社は9月に資金調達を完了したばかりですが、AIエージェント時代のデータ基盤としての地位を確立すべく、さらなる資本増強を目指している模様です。

今回の協議が成立すれば、2025年9月に完了したばかりの資金調達時の評価額1000億ドルから、わずか数ヶ月で30%以上の企業価値向上となります。現時点で条件概要書への署名は行われていませんが、市場からの期待値は依然として高い水準にあります。

急成長の背景には、AIエージェントの台頭という市場変化があります。同社CEOは以前、データベースの80%が人間ではなくAIによって作成されるようになったと指摘しており、この潮流に対応するためのAI向けデータベース開発やプラットフォーム強化が急務です。

同社は2025年5月にもオープンソースデータベースのNeonを10億ドルで買収するなど、積極的な投資を続けています。AIがデータ産業の再編を促す中、圧倒的な資金力を背景に市場シェアの拡大と技術統合を加速させる構えです。

データ分析基盤大手Databricksの共同創業者アンディ・コンウィンスキー氏が、AI分野で中国に対抗するためには米国はオープンソース戦略に転換すべきだと警鐘を鳴らしました。同氏はCerebral Valley AI Summitにて、現在の技術独占と学術界からの頭脳流出が米国の優位性を損ない、民主主義にとって「存亡に関わる脅威」になっていると強く訴えました。

コンウィンスキー氏が指摘する問題の核心は、大手AIラボの姿勢にあります。OpenAIやMeta、Anthropicなどは画期的な技術を開発していますが、その多くはプロプライエタリ（独占的）であり、広く共有されません。さらに、高額な報酬で大学のトップ研究者を引き抜くことで、学術界での自由な知見の交換が「枯渇しつつある」と危機感を示しました。

対照的に中国では、政府がAIイノベーションのオープンソース化を奨励していると氏は分析します。DeepSeekやAlibaba傘下のQwenといった企業の研究成果が公開されることで、他の研究者や開発者がその技術を土台に新たなイノベーションを生み出す好循環が生まれる可能性があり、これが米国の脅威となり得るとの見方です。

「今日の生成AIは、公開論文で発表されたTransformerアーキテクチャから生まれた」とコンウィンスキー氏は述べ、オープンな研究の重要性を強調します。次のTransformer級のブレークスルーをどちらの国が先に生み出すかが、今後のAI覇権を決定づける重要な要素となるでしょう。

現状を「トウモロコシの種籾を食べているようなものだ」と表現し、イノベーションの源泉が枯渇すれば、5年後には大手AIラボ自身も競争力を失うと警告。米国がAI分野でトップを維持するためには、オープンなエコシステムの再構築が急務であると結論づけました。

Deductive AI社は2025年11月12日、ソフトウェアのデバッグや障害解析を自動化するAIプラットフォームを正式発表し、シードラウンドで750万ドル（約11億円）を調達しました。強化学習を用いたAIエージェントが、複雑なシステムの障害原因を数分で特定します。既に大手DoorDashでは年間1,000時間以上のエンジニア工数を削減しており、AIによるコード生成が加速する中で深刻化する「デバッグ危機」の解決策として注目されています。

なぜ今、このようなツールが求められるのでしょうか。背景には、AIコーディングアシスタントの普及があります。自然言語で手軽にコードを生成できる「Vibe coding」が広まる一方、生成されたコードは保守性が低く、デバッグはますます困難になっています。ある調査では、エンジニアが業務時間の最大50%をデバッグに費やしていると報告されており、この生産性のボトルネック解消が急務となっています。

Deductive AIの核心は、強化学習で訓練されたAIエージェントです。システムはコードやログから関係性をマッピングした「ナレッジグラフ」を構築し、障害発生時には複数のエージェントが連携して根本原因を突き止めます。既存の監視ツールが「何が起きたか」を示すのに対し、同社のAIは「なぜ起きたか」というコードレベルの因果関係まで解明する点が大きな違いです。

その効果は、導入企業で既に実証されています。食品デリバリー大手DoorDashでは、同社のAIを導入し、これまで数時間かかっていた障害調査が数分で完了するようになりました。結果として、年間1,000時間以上に相当するエンジニアの生産性を向上させ、収益への貢献も数百万ドル規模に上ると試算されています。

位置情報サービスのFoursquare社でも同様の成果が見られます。データ処理基盤であるApache Sparkのジョブ失敗原因の特定にかかる時間を90%削減することに成功。これにより、年間27万5,000ドル以上のコスト削減を実現しています。エンジニアは障害対応から解放され、より付加価値の高い業務に集中できるようになりました。

創業チームは、DatabricksやThoughtSpotといったデータ基盤のトップ企業出身者で構成され、技術的な信頼性は折り紙付きです。同社は今後、障害発生後の対応だけでなく、問題発生を予測する予防的な機能の開発も進める計画です。AIがコードを生成し、そのコードが引き起こす問題を別のAIが解決するという、新たなソフトウェア開発サイクルが始まろうとしています。

Databricks社は、AIがAIを評価する「AI Judge」構築における最大の障壁が、技術ではなく組織的な課題であるとの調査結果を発表しました。多くの企業でAI導入を妨げているのは、品質基準の合意形成や専門知識の形式知化といった「人の問題」です。同社は解決策として、実践的なフレームワーク「Judge Builder」を提供し、企業のAI活用を新たな段階へと導いています。

AIモデルの性能自体は、もはや企業導入のボトルネックではありません。DatabricksのAIチーフサイエンティストは「モデルに何をさせたいか、そしてそれができたかをどう知るか」が真の課題だと指摘します。特にステークホルダー間で品質の定義が異なることは、技術では解決できない根深い「人の問題」なのです。

AIでAIを評価する際には、「評価AIの品質は誰が保証するのか」という「ウロボロスの問題」がつきまといます。この循環的な課題に対し、Databricksは人間の専門家による評価との「距離」を最小化するアプローチを提唱。これによりAI Judgeは人間の専門家の代理として信頼性を獲得し、大規模な評価を可能にします。

驚くべきことに、組織内の専門家同士でさえ、品質に対する意見は一致しないことが多いです。そこで有効なのが、少人数で評価例に注釈を付け、評価者間信頼性スコアを確認する手法です。これにより認識のズレを早期に発見・修正でき、ノイズの少ない高品質な学習データを確保して、Judgeの性能を直接的に向上させます。

優れたJudgeを構築する秘訣は、曖昧な基準を具体的な評価項目に分解することです。例えば「良い回答」ではなく、「事実性」「簡潔さ」を個別に評価するJudgeを作成します。また、必要なデータは意見が割れる20〜30のエッジケースで十分であり、わずか数時間で高精度なJudgeを構築することが可能です。

Judgeの導入は、AI投資の拡大に直結します。ある顧客は導入後にAIへの支出を数億円規模に増やし、以前は躊躇していた強化学習にも着手しました。AI Judgeは一度作って終わりではなく、ビジネスと共に進化する「資産」です。まずは影響の大きい領域から着手し、本番データで定期的に見直すことが成功への鍵となります。

データレジリエンス（障害復旧力）大手のVeeamは2025年10月21日、データセキュリティとAIガバナンスを手がけるスタートアップ、Securiti AIを17.25億ドル（約2500億円）で買収すると発表しました。現金と株式交換を組み合わせ、買収は12月第1週に完了する見込みです。AIの導入が加速する中、企業が持つデータのセキュリティと統制を強化する狙いがあります。

VeeamのAnand Eswaran最高経営責任者（CEO）は、「データの新たな時代に入った」と述べ、今回の買収の意義を強調しました。従来のサイバー脅威や災害からのデータ保護に加え、AIを透過的に活用するためには「すべてのデータを特定し、統制され、信頼できる状態に保つこと」が不可欠だと指摘。Securiti AIの技術統合により、この課題に対応します。

買収されるSecuriti AIは2019年設立。企業の全データを一元管理する「データコマンドセンター」を提供し、MayfieldやGeneral Catalyst、Cisco Investmentsなどから1億5600万ドル以上を調達していました。買収完了後、創業者のRehan Jalil氏はVeeamのセキュリティ・AI担当プレジデントに就任する予定です。

この動きは、AI活用を背景としたデータ業界の統合・再編の流れを象徴しています。2025年には、DatabricksがNeonを10億ドルで、SalesforceがInformaticaを80億ドルで買収するなど、大型案件が相次ぎました。企業がAI導入を進める上で、自社のデータ基盤を強化・統合する必要性が高まっています。

業界再編の背景には、多くの企業が課題としてきた「データスタックの断片化」があります。様々なデータ関連ツールを個別に利用することに多くの顧客が疲弊しており、AI導入によってその問題が一層顕在化しました。AIを効果的に活用するには、サイロ化されたデータを統合し、信頼できる基盤を構築することが急務となっており、ワンストップでサービスを提供する企業の価値が高まっています。

米国の園芸用品大手ScottsMiracle-Gro社が、AIを駆使してサプライチェーンコスト1.5億ドルの削減目標の半分以上を達成し、顧客サービスも大幅に改善しました。経営不振からの脱却と、150年の歴史で培った独自の専門知識をデジタル資産に変え、競争優位性を確立することが目的です。半導体業界出身のリーダー主導で組織改革を行い、社内に眠る膨大な知見をデータ化し、独自AIを構築しました。

変革の起点は、社長による「我々はテクノロジー企業だ。まだ気づいていないだけだ」という宣言でした。従来の機能別組織を解体し、新たに3つの事業部を設立。各事業部長に財務成果だけでなく、テクノロジー導入の責任も負わせることで、AI活用をIT部門任せにせず、全社的なビジネス課題として取り組む体制を整えました。

成功の鍵は、150年かけて蓄積された膨大な専門知識、いわゆるドメイン知識のデジタル化にありました。「考古学的作業」と称し、旧来のシステムや書類の山に埋もれていた知見を発掘。データ基盤にDatabricksを採用し、GoogleのLLM「Gemini」を用いて社内文書を整理・分類することで、AIが学習可能なデータ資産へと転換させました。

汎用AIの導入には課題もありました。例えば、除草剤と予防剤を混同し、顧客の芝生を台無しにしかねない誤った提案をするリスクが判明。そこで同社は、問い合わせ内容に応じてブランド別の専門AIエージェントに処理を割り振る、独自の階層型AIアーキテクチャを構築。これにより、正確で文脈に沿った対応を実現しました。

AIの活用は全社に及びます。ドローンが広大な敷地の在庫量を正確に測定し、需要予測モデルは天候や消費者心理など60以上の要因を分析。テキサス州で干ばつが起きた際には、即座に販促費を天候の良い地域へ再配分し、業績向上に貢献しました。顧客サービス部門でもAIが問い合わせメールの回答案を数秒で作成し、業務効率を劇的に改善しています。

同社は、シリコンバレー企業と給与で競うのではなく、「自分の仕事がビジネスに即時のインパクトを与える」という魅力を提示し、優秀な人材を獲得。GoogleやMetaなど外部パートナーとの連携を密にし、少人数の社内チームで成果を最大化するエコシステムを構築しています。この戦略こそ、伝統的企業がAI時代を勝ち抜くための一つの答えと言えるでしょう。

米Databricksの元AI責任者ナヴィーン・ラオ氏が、新会社「Unconventional」を設立し、AIハードウェア市場の巨人Nvidiaに挑みます。同社は、50億ドル（約7500億円）の評価額で10億ドル（約1500億円）の資金調達を目指しており、著名VCのAndreessen Horowitz (a16z)が投資を主導すると報じられました。AIの計算基盤そのものを再定義する壮大な挑戦が始まります。

ラオ氏が目指すのは、単なる半導体開発ではありません。彼がX（旧Twitter）で語ったビジョンは「知性のための新しい基盤」。生物学と同等の効率性を持つコンピュータを、カスタム半導体とサーバーインフラを統合して作り上げる計画です。これは、現在のAI開発における計算コストとエネルギー消費の課題に対する根本的な解決策となり得るでしょうか。

この挑戦を支えるため、シリコンバレーのトップ投資家が集結しています。リード投資家のa16zに加え、Lightspeed、Lux Capitalといった有力VCが参加。さらに、ラオ氏の古巣であるDatabricksも出資者に名を連ねており、業界からの高い期待が伺えます。すでに数億ドルを確保し、10億ドルの調達完了を待たずに開発に着手するとのことです。

ラオ氏は、これまでにも2社のスタートアップを成功に導いた実績を持つ連続起業家です。AIモデル開発の「MosaicML」は2023年にDatabricksが13億ドルで買収。それ以前に創業した「Nervana Systems」は2016年にIntelが4億ドル超で買収しました。彼の持つ技術力と事業構想力が、今回も大きな成功を生むのか注目が集まります。

生成AIの爆発的な普及により、その頭脳であるAI半導体の需要は急増しています。市場をほぼ独占するNvidia一強体制に対し、Unconventional社の挑戦が風穴を開けることができるのか。AIインフラの未来を占う上で、同社の動向から目が離せません。

データ分析基盤のDatabricksは25日、AI開発のOpenAIと複数年にわたる1億ドル規模の契約を結んだと発表しました。この提携で、DatabricksのプラットフォームにOpenAIの最新AIモデル「GPT-5」などが統合されます。企業が自社データを安全に活用しAIアプリを構築できるようにし、エンタープライズ市場での生成AI導入を加速させる狙いです。 今回の統合で、顧客はDatabricksのAI製品「Agent Bricks」上で自社データに基づくAIアプリやエージェントを構築できます。OpenAIの最新モデルが選択肢に加わり、SQLやAPI経由でアクセス可能です。「GPT-5」は旗艦モデルとして提供される予定で、企業のAI開発の選択肢が大きく広がります。 提携の背景には、生成AIを企業システムに組み込む競争の激化があります。企業は自社の機密データを安全に活用できるAIツールを求めており、今回の提携はこの需要に応えるものです。OpenAIのCOOは「企業の安全なデータがある場所で、我々の最先端モデルを提供する」と述べ、企業のAI活用を支援する姿勢を示しました。 今回の契約でDatabricksはOpenAIに最低1億ドルの支払いを保証します。これは関連収益が目標に達しなくても支払うもので、企業顧客のOpenAIモデルへの移行に賭ける戦略です。一方、急速なデータセンター増設を進めるOpenAIにとっては、安定した収入源の確保に繋がります。 Databricksは今年初めにAnthropicとも同様の契約を結んでおり、マルチAIモデル戦略を鮮明にしています。既にMastercardなどの顧客からOpenAIモデルへの強い需要があるとしており、今回の提携が企業のAI活用をさらに後押しすることが期待されます。