ダッシュボードの先へ：意思決定実行プラットフォームのご紹介

図1：Databricks Forward Deployed EngineeringによるDecision Execution Platform（DEP）

Decision Execution Platform（DEP）は、DatabricksのForward Deployed Engineering（FDE）が提唱する、エンタープライズアナリティクスの新しいカテゴリです。DEPは、単にインサイトを提示するだけでなく、企業の収益に直接影響を与える意思決定ループ（シグナル、意思決定、実行、そして具体的なビジネス成果）を、ガバナンスの効いたDatabricksのインフラストラクチャ上でエンドツーエンドで実行します。

BIは意思決定の「インプット」を改善したに過ぎない

BIソフトウェアに対する世界の企業支出は、2025年に348億ドルに達し、2034年までに722億ドルに達すると予測されています。このカテゴリは現在、エンタープライズソフトウェアにおいて最大規模のものの1つとなっています。

BIツールは、リーダーがより多くの情報に基づいて判断を下すのに役立ってきました。COOは、マージンの低下、在庫の老朽化、フルフィルメントの遅れ、需要の変化、予測の乖離などを、かつてないほど迅速に把握できるようになりました。これらのインサイトは現代のビジネス運営において極めて重要ですが、意思決定プロセス全体のごく一部をサポートしているに過ぎません。

今日のダッシュボードは意思決定へのインプットを改善しますが、意思決定自体を前進させるわけではありません。経営陣の目標は、データが示す内容に基づいて行動することです。今日のBIツールはそこで立ち止まり、次のカテゴリがそこから始まります。

意思決定は依然として手動で、断片化されており、遅い

企業内の一般的な意思決定ワークフローは、数十年前とほとんど変わっていません。経営陣はダッシュボード、週報、またはメールでシグナルを確認します。会議を招集して選択肢を議論し、決定事項はスライド資料やメールにまとめられます。実行は、スプレッドシート、プロジェクトトラッカー、Slackのスレッドなどを使って各チームに委ねられます。数週間後、誰かが別のダッシュボード、単発の分析、または電話でその影響を測定しようと試みます。

すべてのステップが手動であり、すべてのシステムがバラバラです。シグナルはダッシュボードに、議論のプロセスは会議に、決定事項はスライド資料に残ります。実行はスプレッドシートやスレッドに分散し、影響の測定はまったく別の場所で行われます。何も接続されておらず、何もオーケストレーションされていません。ほとんどの組織はKPIを測定できるようになりましたが、自らの意思決定がそれらにどのように影響したかを測定できる組織はごくわずかです。

豊富なデータを保有している組織であっても、ビジネスが求めるスピードと規模で意思決定を行うのに苦労しているのは、これが理由です。

しかし、状況は変わりつつあります。ガバナンスの効いたエンタープライズデータ、リアルタイム分析、アプリケーションインターフェース、トランザクション状態、そして本番環境レベルのエージェントが融合しつつあります。これにより、過去の手動による調整、断片化、遅いフィードバックループが、1つの継続的で統制されたシステムへと置き換わる条件が整いつつあります。Gartnerは、2028年までにCIOの45%がIT部門以外のAIエージェントシステムを主導し、企業のワークリソースモデルの共同設計者になると予測しています。私たちは、アナリティクスのこの次のフェーズが、データの可視化を行動へ、そして何よりも「成果」へと変えるものであると信じています。

Decision Execution Platform（DEP）とは？

本日、私たちはDatabricks FDEによるDecision Execution Platform（以下、DEP）を発表します。

Decision Execution Platform（DEP）は、エンタープライズアナリティクスソリューションの新しいカテゴリです。情報をより迅速に提示するのではなく、意思決定をエンドツーエンドで実行できるように設計されており、以下を可能にします。

• より多くの意思決定を実行に移す - シグナルが会議、スライド資料、スレッドで停滞することなく、承認され実行されるアクションへと変換されます
• 常時稼働データに基づく品質の向上 - 承認前にリアルタイムのコンテキスト、予測される影響、実行可能な代替案が提示され、ライブデータがエージェントの意思決定を継続的に強化します
• 継続的な学習 - すべての意思決定とその成果がフィードバックされ、時間の経過とともにシステム、経営陣、組織をトレーニングします

DEPは、意思決定を「シグナル」「意思決定」「実行」「成果」という4つの明確で計算可能なステージに分解し、単一の統制された運用プレーン上で1つの継続的なループとして実行できるようにします。

• シグナル - KPIに対する変化をリアルタイムで検出し、重要なタイミングで提示します
• 意思決定 - 各シグナルに対して、エージェントが推奨するアクション、実行可能な代替案、予測される影響、およびその根拠が提示されます
• 実行 - ワンクリックで選択したオプションを記録システム（systems of record）に反映し、業務を実行するエージェントを派遣します
• 成果 - すべての意思決定がその結果（予測された影響と実際の成果、その差分、および次の意思決定を改善するための教訓）を書き戻します

経営陣が権限の主体であり続ける一方で、かつては会議、スライド資料、フォローアップの連続を必要としていたシグナルからビジネス成果までの間の業務をエージェントが処理します。このループは継続的に実行され、すべての意思決定とその成果は、組織独自のデータプレーン内のDecision Logに一緒に保存されます。

図2：FDEによるDecision Execution Platformのアーキテクチャレイヤー

Decision Execution Platformの仕組み：アーキテクチャ

DEPには、レガシーなCSVファイルの上に可視化レイヤーを重ねる以上のものが必要です。データ、AI、アプリケーション、エージェント、および運用状態が1つのシステムとして連携する、ガバナンスの効いたアーキテクチャが必要です。DEPスタックは3つのレイヤーで構成され、それぞれが下位のレイヤーの上に構築され、すべてDatabricksプラットフォーム上で動作します。

• レイヤー1 - 基礎（Foundation） - お客様独自のDatabricksインスタンス上の、オープンでガバナンスの効いたデータとAI。お客様はデータ、モデル、およびIPを保持します。Lakebase（リアルタイムのトランザクション状態）、Genie（自然言語アクセス）、Unity Catalog（ガバナンス）、Lakehouse（分析データ）、Agent Bricks（エージェントとモデル）、MLflow（ライフサイクル）などで構築されています。読み取られたすべてのシグナル、下されたすべての意思決定、測定されたすべての成果は、1つのガバナンスの効いたプレーン上に存在します。
• レイヤー2 - Software Development Kit（SDK） - Databricks FDEによって開発および保守されています。すべてのDEPが構成する再利用可能なプリミティブには、Genie Ontology（すべてのシグナル、意思決定、成果の型定義）、Action Types（レビュー可能で取り消し可能なエージェントの動作）、Decision Log（意図に対する各意思決定の完全なチェーン）、Scenarios（承認前に経路を比較）、およびOmnigent Agent Harness（これらすべてを連携させるもの）があります。これらのプリミティブにより、リアルタイムで常時稼働する実行エージェントが、再現可能なカテゴリへと変わります。
• レイヤー3 - Executive Surface - 各クライアント向けにDatabricks FDEが開発する、製品化されたアプリケーションレイヤー。各顧客のデータや運用システムに合わせて構成された業界別アーキタイプです。保険、ヘルスケア、エネルギー、金融サービス、小売などのアーキタイプが提供されています。それぞれがレイヤー2のSDKとレイヤー1の基盤を継承しているため、DEPは顧客向けにゼロから再構築されるのではなく、カスタマイズして構成されます。

これら3つのレイヤーが一体となり、単一のデータプレーン内で、シグナルから成果に至る経営陣の完全な意思決定ループを実行する、ガバナンスの効いたスタックを形成します。

図3：Decision Execution Platformのコンポーネント

ケーススタディ：消費財

当社のFDEチームは最近、大手スポーツ用品小売企業を支援し、チェックアウト時にお客様に提示する配送スケジュールと、すべての注文を物理的に配送ルートに乗せるフルフィルメント最適化システムとの間のギャップを解消しました。

以前は、これら2つのシステムが異なるデータに基づいて動作していたため、プランナーは毎日何時間もかけてエージェントの推奨事項と運用の現実との整合性を図っていました。SLAは守られず、急ぎの配送コストは急増し、クライアント自身の社内試算では、このギャップだけで年間9桁（数億ドル）以上の収益影響が生じていました。

私たちは4週間にわたり、クライアントのチームと共同で、フルフィルメント最適化のための実稼働するDEPインスタンスを開発しました。これは、機能やアウトプットではなく、明確に定義された成果（アウトカム）、KPI、およびOKRをスコープとしています。

DEPは、Unity Catalogでモデル化された、フルフィルメントノード、配送業者、合意された配送タイムラインをカバーする統合オントロジーで構成されていました。型定義されたアクションタイプ（Typed Action Types）により、プランナーやエージェントは、直接的な書き込みアクセス権がなくても、キャパシティの再ルーティング、制約のシミュレーション、本番フルフィルメントシステムへの意思決定の実行を行うことができます。分析コンテキスト、シミュレーションエンジン、エージェントランタイム、オペレーターインターフェースはすべて、クライアント自身のDatabricksワークスペース上で動作しました。移行先となるマルチベンダーのデータプレーンや独自のオントロジーは不要です。

この最初のDEPデプロイのスケーリングフェーズに入るにあたり、測定可能な収益（ボトムライン）と顧客満足度の向上に向けて順調に進んでおり、サプライチェーンの責任者にループ全体にわたるエンドツーエンドの意思決定権限を提供しています。

図4：グローバル小売企業向けに開発された意思決定実行プラットフォーム（Decision Execution Platform）

これが企業の意思決定の未来に意味すること

何十年もの間、分析プラットフォームは企業が可視性を高めるのに役立ってきました。その取り組みは依然として重要であり、リーダーは常に、信頼できるデータ、明確な指標、および強力なダッシュボードを必要としています。

しかし、最前線は変化しており、分析の次のフェーズは、データが示す内容に基づいて行動するシステムを構築することです。この方向に進まない企業は、多くの組織が初期の分析を扱ったのと同じようにAIを扱うリスクがあります。つまり、プロセス自体の再設計を促すものではなく、既存のプロセスへのアドオンとして扱ってしまうリスクです。その結果、組織運営における時代を画するような劇的な変化の機会を逃す可能性があります。

意思決定実行プラットフォーム（Decision Execution Platforms）は、Databricks FDEがこのシフトに向けて定義している新しいカテゴリです。問いはもはや「ビジネスで何が起きているか？」だけではありません。「私たちは何をすべきか、それをどのように実行するか、そしてそれは効果があったのか？」へと変化しています。

Databricks FDEによる意思決定実行プラットフォームがお客様の企業に何をもたらすかについて詳しく知り、デモをリクエストするには、dep-fde@databricks.comまでお問い合わせください。

(このブログ記事はAI翻訳ツールを使用して翻訳されています) 原文記事