Databricks Data + AI

Summit

2026

現地レポート

DATA+AI SUMMIT 2026
とは？

Databricks社主催の世界最大級のデータ・分析・AIをテーマとしたカンファレンスがサンフランシスコにて開催されます。
世界中から多数の参加者が集い、800以上のセッション、基調講演、ハンズオントレーニング、ネットワーキングイベントが予定されています。

生成AI（LLM）やAIエージェント、データ×AI統合基盤（Data Intelligence）、Apache Spark™、Delta Lake、MLflow、Unity Catalogなど、データおよびAIの最新トレンドとイノベーションについて知ることができます。

また、データレイクハウスアーキテクチャを活用し、データ、分析、AIを統合した国内外の企業事例も紹介され、実践的な知見を得ることができます。

イベントサイトはこちら >

トピックス

【DAIS2026】火曜日の基調講演（Tuesday Keynote）

「Tuesday Keynote」の内容に基づき、DatabricksとOpenAIが示した企業向けAI活用のビジョンと、データ基盤からAIエージェントまでを支える最新技術をご紹介します。

現地レポートはこちら

現場向けAIエージェント：7-ElevenのGenAIメンテナンスアシスタント

「AI Agents for the Frontline: 7-Eleven’s GenAI Maintenance Assistant」の内容に基づき、店舗設備の保守業務を支援する生成AIアシスタントの取り組みをご紹介します。

現地レポートはこちら

Lakehouseにおけるスケーラブルな高速化

「Under the Hood of Lakehouse//RT」の内容に基づき、大規模な同時接続環境における低遅延分析の実現方法と、Lakehouseの性能を最大化するためのアーキテクチャについてご紹介します。

現地レポートはこちら

フォーマットの共進化：Iceberg v4 と Delta 5.0 が統合メタデータを共有する方法

「Delta + Iceberg, Better Together」の内容に基づき、Delta LakeとApache Icebergのメタデータ統合に向けた取り組みと、Iceberg v4・Delta 5.0で進む相互運用性向上の方向性についてご紹介します。

現地レポートはこちら

AtlassianのAI/BI Genie活用：パイロットから本番、そして次のステップ

「Atlassian's Journey of Using AI/BI Genie From Pilot to Production and What's Next?」の内容に基づき、AtlassianによるGenie活用事例と、セルフサービスAI分析を全社展開するための実践的なアプローチをご紹介します。

現地レポートはこちら

Lakebase入門：コアワークフローとLakebase体験

「Lakebase 101: core workflows and the Lakebase experience」の内容に基づき、大規模データ環境における低遅延分析の実現方法と、Lakehouseの性能・拡張性を高めるためのアーキテクチャについてご紹介します。

現地レポートはこちら

Delta Sharing SecureConnect：外部データコラボレーションのネットワーク設定を簡素化

「Delta Sharing SecureConnect: Simplify Network Configuration for External Data Collaboration」の内容に基づき、パナソニックによるDatabricksへの移行事例と、データ基盤の統合による性能向上・コスト削減の取り組みをご紹介します。

現地レポートはこちら

SIEM からデータ プラットフォームへ: Adob​​e の Lakewatch、Unity Catalog、AI による脅威検出のスケーリング

「From SIEM to Data Platform: Scaling Threat Detection with Lakewatch, Unity Catalog, and AI at Adobe」の内容に基づき、SIEM中心のセキュリティ運用から、Databricksベースのセキュリティデータプラットフォームへの移行事例をご紹介します。

現地レポートはこちら

Databricks Trusted LakehouseでLakewatchを保護・管理する方法

「Learn How We Secure and Govern Lakewatch on the Databricks Trusted Lakehouse」の内容に基づき、Lakewatchを活用したセキュリティデータ管理と、Unity Catalogによるガバナンス強化のアプローチをご紹介します。

現地レポートはこちら

データモデルをバイブコーディングしてGenieを強化

「Vibe Your Data Model, Supercharge Your Genie」の内容に基づき、AIエージェントを活用したデータモデリングの効率化と、Genieの分析精度向上を実現するアプローチをご紹介します。

現地レポートはこちら

2時間から2分へ：PanasonicのData Intelligence Platformによるグローバル規模のエンジニアリング

「From Power BI DAX to Metric View KPIs: How Mercedes-Benz Korea Built “Talk to Your Data” at Scale」の内容に基づき、AIエージェントを活用したデータモデリングの効率化と、Genieの分析精度を向上させる実践的なアプローチをご紹介します。

現地レポートはこちら

Databridgeプラットフォーム：Databricksでデータサイロをシームレスに接続する

「The Databridge Platform: Connecting Data Silos Seamlessly With Databricks」の内容に基づき、楽天が取り組むデータサイロ解消と、Unity Catalogを活用した統合ガバナンスおよびゼロコピー・データ連携の実践事例をご紹介します。

現地レポートはこちら

コンテキストギャップの解決：信頼性の高いAIエージェントの設計

「How to Solve the Context Gap: Engineering Reliable AI Agents」の内容に基づき、信頼性の高いAIエージェントを実現するためのコンテキスト設計と運用手法についてご紹介します。

現地レポートはこちら

Unity Catalogビジネスセマンティクス：エージェント・アプリ・BIのためのオープンで統一されたセマンティクス

「A–Z of Unity Catalog Business Semantics: Open and Unified Semantics for Agents, Apps and BI」の内容に基づき、AIエージェントやBIの信頼性向上を支える、Unity Catalogの統合セマンティック基盤についてご紹介します。

現地レポートはこちら

Apache Spark™ 4.2の展望：統合アナリティクスの次章

「The Upcoming Apache Spark™ 4.2: The Next Chapter in Unified Analytics」の内容に基づき、Apache Spark 4.2で強化されるパフォーマンスや開発者体験、新たな分析機能についてご紹介します。

現地レポートはこちら

Lakeflow Designer: ノーコード ETL - AIで作成され、本番環境向けに構築

「Lakeflow Designer: No-code ETL— Authored With AI, Built for Production」の内容に基づき、AIを活用したノーコードETLの実現方法と、本番運用を見据えたデータパイプライン構築のアプローチをご紹介します。

現地レポートはこちら

より良いアプリの構築: Databricks アプリのアーキテクチャのベスト プラクティスと一般的なパターン

「Building Better Apps: Architecture Best Practices and Common Patterns on Databricks Apps」の内容に基づき、Databricks上で高性能かつ安全なアプリを構築するためのアーキテクチャ設計と実践パターンをご紹介します。

現地レポートはこちら

Vector SearchからAI Searchへ：AI時代の検索を再構築

「From Vector Search to AI Search: Rebuilding Retrieval for the AI Era」の内容に基づき、Databricks AI Searchによる検索品質の向上と、AI時代の検索基盤の構築アプローチをご紹介します。

現地レポートはこちら

水曜日キーノート

「Wednesday Keynote」の内容に基づき、Databricksが発表したAIエージェント、アプリ開発、ML運用、セキュリティ分野の最新戦略と主要アップデートをご紹介します。

現地レポートはこちら

Lakewatchの紹介

「Introducing Lakewatch」の内容に基づき、AIを活用したオープンでスケーラブルなセキュリティプラットフォーム『Lakewatch』の特徴と活用方法をご紹介します。

現地レポートはこちら

きめ細かいアクセス制御のガイド: Unity カタログの権限、ABAC、RBAC

「Your guide to fine-grained access control: Permissions, ABAC, and RBAC in Unity Catalog」の内容に基づき、Unity Catalogにおける権限管理とABAC・RBACを活用したアクセス制御のベストプラクティスについてご紹介します。

現地レポートはこちら

AstraZenecaのマルチエージェントシステム：Agent Bricksでエージェントを10倍にスケールした教訓

「AstraZeneca's Multi-Agent System: Lessons Scaling Agents by 10x With Agent Bricks」の内容に基づき、マルチエージェントシステムを大規模運用するための設計とガバナンスについてご紹介します。

現地レポートはこちら

Lakehouse上での本番グレードSQL ETLの構築

「Building Production-Grade SQL ETL on the Lakehouse」の内容に基づき、レガシーDWHからLakehouseへのSQL ETLモダナイズと、宣言的なデータパイプライン構築手法をご紹介します。

現地レポートはこちら

DatabricksでのエージェンティックAIのセキュリティ：実験からエンタープライズグレードシステムへ

「Securing Agentic AI on Databricks: From Experimentation to Enterprise Grade Systems」の内容に基づき、エージェントAIを安全に本番運用するためのセキュリティフレームワークとガバナンスの実践についてご紹介します。

現地レポートはこちら

BI と AI のセマンティック モデリングのベスト プラクティス

「Semantic Modeling Best Practices for BI and AI」の内容に基づき、BIとAIで共通利用できる、AI時代のセマンティックモデリングのベストプラクティスについてご紹介します。

現地レポートはこちら

イベントスケジュール  
-日本時間-

エーピーコミュニケーションズ
の技術ブログ

Databricks関連記事

• 
  2026.6.18

  水曜日キーノート

• 
  2026.6.18

  Lakewatchの紹介

• 
  2026.6.17

  Lakeflow Designer：ノーコードETL — AIで作成され、本番環境向けに構築

• 
  2026.6.17

  Apache Spark™ 4.2の展望：統合アナリティクスの次章

• 
  2026.6.17

  より良いアプリの構築：Databricks Appsのアーキテクチャベストプラクティスと一般的なパターン

• 
  2026.6.17

  Vector SearchからAI Searchへ：AI時代の検索を再構築

• 
  2026.6.17

  Unity Catalogビジネスセマンティクス：エージェント・アプリ・BIのためのオープンで統一されたセマンティクス

• 
  2026.6.17

  Databridgeプラットフォーム：Databricksでデータサイロをシームレスに接続する