データブリックス、データ業務にエージェント型エンジニアリングをもたらす「Genie Code」を発表

- データエンジニアリング、データサイエンス、アナリティクスのアイデアを

自律的に本番環境へ展開する AI エージェント - データとAIの企業であるDatabricks(本社:米国カリフォルニア州サンフランシスコ、以下「データブリックス」)は、 データ業務の進め方を根本的に変える自律型 AI エージェント「Genie Code」を、米国時間 3 月 11 日に発表し ました。新機能の Genie Code は、パイプライン構築、障害デバッグ、ダッシュボードの公開、本番システムの運用と いった複雑なタスクを実行することができます。実際のデータサイエンス業務の課題を用いた検証では、Genie Code は主要なコーディングエージェントの成功率を 2 倍以上に向上させました。エージェント型コーディングツールがソフト ウェア開発を変革し、開発者をコード補完中心の支援からエージェント主導の開発へと進化させたように、Genie Code はデータエンジニアリング、データサイエンス、アナリティクスの分野にも同様のパラダイムシフトをもたらします。

Genie Code は、データブリックスが提供する会話型 AI アシスタント「Genie」に、新たに追加された機能です。デー タや情報を活用して意思決定などを行う従業員が、「Unity Catalog」に格納されたコンテキストや意味情報を使っ てデータと自然言語でやり取りし、信頼できる回答を瞬時に得られるようにします。Genie Code はこの仕組みをデータ専門職向けに拡張し、企業全体のデータを対象に、アイデアから本番環境への移行までに必要となる複雑な エンジニアリング作業を担います。さらにデータブリックスは、AI エージェントの評価および強化学習技術を手掛ける Quotient AI(本社:米国)を買収し、Genie と Genie Code に継続的な評価機能を組み込むことも、米国 時間 3 月 11 日に発表しました。

エージェント型データ業務の台頭

 現在のデータツールでは、AI はコード作成やローカルテストの実行、反復的な修正といった作業を支援する「補助的 な存在」として扱われています。そのため、計画、オーケストレーション、運用、検証、保守といった重要な業務は、依 然としてデータチームが担っています。Genie Codeは、このアプローチを大きく転換します。課題を論理的に分析し、 複数のステップからなる計画を立て、本番環境で利用可能な品質のコードを生成・検証し、その後の運用・保守ま でを担います。同時に、重要な意思決定は、人間が常にコントロールできる仕組みになっています。

データブリックスの共同設立者兼 CEO であるアリ・ゴディシは、次のように述べています。 「ソフトウェア開発はこの半年の間に、コード生成の支援ツールから、完全なエージェント型エンジニアリングへと移行し ました。Genie Code は、この変革をデータ部署にもたらします。AI がデータ専門家を支援する世界から、人間の指 示の下で AI エージェントが実際の業務を担う世界へと移行しつつあります。私たちはこれを『Agentic Data Work (エージェント型データ業務)』と呼んでいます。これは企業の意思決定のあり方を根本的に変えるものになるでしょ う」

Genie Code の主な機能

既存のエージェント型コーディングツールは、データのリネージ、利用パターン、ビジネス上の意味といった重要なコンテ キストにアクセスできないため、データ関連のタスクを十分に実行できないという課題があります。Genie Code は、こ うしたコンテキストのギャップを埋めることで、本番環境で求められる高い精度とガバナンスを確保しながら、データチー ムの業務を支援します。Genie Code の主な機能は以下の通りです。

• 機械学習エンジニアリングの専門家として機能
  Genie Code は、機械学習のワークフローをエンドツーエンドで処理します。複雑な課題を分析し、モデルの設 計・実装・デプロイまでを実行すると同時に、MLflow に実験ログを記録し、推論エンドポイントを最適化して高 いパフォーマンスを実現します。
• 高度なデータエンジニアリングの知見を活用
• 経験の浅いエンジニアがテストデータ上で動くスクリプトを書くのとは異なり、Genie Code はシニアアーキテクト のような設計を行います。テスト環境と本番環境の違いを考慮し、変更データキャプチャ向けのワークフローを構 築し、データ品質の要件を適用します。
• 自律的な運用・最適化
  Genie Code はバックグラウンドで「Lakeflow」パイプラインや AI モデルを監視し、障害のトリアージや異常の 調査を行います。また、人間が介入する前に、エージェントのトレースを自律的に分析してハルシネーションの修 正を行い、リソース配分を最適化します。
• 企業データのコンテキストを理解
  Unity Catalog と統合された Genie Code は、既存のガバナンスポリシーやアクセス制御を適用します。ビジ ネス上の意味や監査要件も理解し、外部プラットフォームのデータを含む企業データを横断的に連携します。
• 利用するほど進化
  Genie Code は、利用する組織や部署が増えるほど、より賢くなります。永続的なメモリ機能により、過去のや り取りやコーディングの好みに基づいて内部指示を自動的に更新します。データブリックスの検証では、実際の データサイエンスのタスクで、Genie Code は主要なコーディングエージェントの成功率を 32.1%から 77.1% へと 2 倍以上向上させました。

SiriusXM のデータエンジニアリング担当バイスプレジデントであるバーニー・グラハム氏は、次のように述べています。 「当社では、Genie Code がノートブックの作成や複雑な SQL の記述から、テーブル間の関係性の理解、パイプラ インのデバッグまで、幅広い業務をサポートしています。データ部門にとって実践的な開発パートナーとして機能し、よ り短時間で高品質な成果を生み出すことを可能にしています」

Repsol のデータマネジメント&アナリティクス部門 プリンシパルデータサイエンティストであるエミリオ・マーティン・ガヤル ド氏は、次のように述べています。 
「Genie Code は、当社のデータ部門の働き方そのものを変えています。これまでのようにノートブック、パイプライン、 モデルを手作業で組み合わせる必要はありません。データ、ガバナンス、ビジネスコンテキスト、そして『Repsol Artificial Intelligence Products』のような社内ライブラリを理解する AI パートナーに、複雑なワークフローを任せ ることができます。これにより、時系列予測から本番環境への展開まで、厳格さやコントロールを損なうことなく大幅な 効率化が実現します」

Quotient AI の買収により、継続的な評価機能を強化 
データブリックスが Quotient AI を買収したのは、本番環境における品質管理のサイクルを確立するためです。 Quotient は、AI エージェントのパフォーマンスを自動的に監視し、回答品質の測定、回帰の早期検知、障害の原

因特定などを行い、その結果を強化学習のループに反映させることで、エージェントの性能を継続的に向上させます。 Quotient の創業者は、GitHub Copilot の品質改善を主導した経験を持ち、AI コーディングシステムの評価に関 する深い専門知識を有しています。これらの機能を Genie Code に組み込むことで、データブリックスはデータおよび AI システムが単に本番環境で稼働するだけでなく、継続的に改善されていくことを実現します。

データブリックスについて 
データブリックスはデータと AI の会社です。アディダス、AT&T、バイエル、Block、Mastercard、リヴィアン、ユニリー バ、Fortune 500 の 60%以上の企業を含め、グローバルで 2 万社超が、データと AI のアプリケーション、アナリティ クス、エージェントの構築・拡張に、データブリックスを利用しています。米国カリフォルニア州サンフランシスコに本社を 置き、世界で 30 以上のオフィスを構えるデータブリックスは、「Agent Bricks」「Genie」「Lakebase」「Lakeflow」 「Lakehouse」「Unity Catalog」などが統合された「データ・インテリジェンス・プラットフォーム」を提供しています。詳 細は、ウェブサイト(日本語) をご覧ください。

【報道関係者のお問い合わせ先】 

データブリックス 広報代理 アシュトン・コンサルティング 

電話:03-5425-7220 Email: [email protected]