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

「Rakuten’s Journey from Data Silos to Unified Intelligence」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

「AI Search: High Quality Retrieval Made Easy」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

Lakeflow、Genie コード、IDE を使用したエージェントティック データ エンジニアリング

「Agentic Data Engineering with Lakeflow, Genie Code, and IDEs」の内容に基づき、Genie CodeとZero Opsによるデータエンジニアリング運用の自動化と、その実践アプローチをご紹介します。

現地レポートはこちら

800TB、Zero Pipelines：Ensemble Health PartnersがLakebase上にAI対応のレベニューサイクルを構築した方法

「800TB, Zero Pipelines: How Ensemble Health Partners Built an AI-Ready Revenue Cycle on Lakebase」の内容に基づき、800TB規模の医療データ基盤をLakebaseへ統合し、AIエージェント活用を見据えたレベニューサイクル管理のモダナイズ事例をご紹介します。

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

エージェントのフルライフサイクルの構築と管理方法

「How to Build and Manage the Full Agent Lifecycle」の内容に基づき、エージェントをプロトタイプから本番運用まで管理するための評価・ガバナンス・監視の実践をご紹介します。

現地レポートはこちら

本番環境の構築：Lakeflow Spark Declarative PipelinesとAUTO CDCによるスケーラブルなディメンショナルデータマート

「Building a Production: Scale Dimensional Data Mart With Lakeflow Spark Declarative Pipelines and AUTO CDC」の内容に基づき、Lakeflow SDPとAUTO CDCによるスケーラブルなデータマート構築手法をご紹介します。

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

エージェントアプリの構築とスケーリング入門

「An Intro to Building and Scaling Agentic Apps」の内容に基づき、Agent BricksやDatabricks Appsを活用した、エンタープライズ向けエージェントアプリ開発のベストプラクティスをご紹介します。

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

Lakebridgeによる包括的なデータウェアハウス移行

「Comprehensive Data Warehouse Migrations With Lakebridge」の内容に基づき、LakeBridgeによるレガシーDWH移行の自動化と効率化についてご紹介します。

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

エージェントの評価方法：ベンチマークからCI/CDまで

「How to Evaluate Your Agents From First Benchmark to CI/CD」の内容に基づき、Lakeflow SDPとAUTO CDCによる大規模データマートの効率的な構築・運用手法をご紹介します。

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

エージェント対応データガバナンス：Databricks on Databricks

「Agent Ready Data Governance: Databricks on Databricks」の内容に基づき、AIエージェント時代に求められる新たなデータガバナンスの実践手法をご紹介します。

現地レポートはこちら

Databricksによるコーディングエージェント利用のガバナンスと監査

「How to Govern and Audit Your Coding Agent Usage with Databricks」の内容に基づき、コーディングエージェントの利用拡大に伴うガバナンスと監査の実践手法をご紹介します。

現地レポートはこちら

目の前のペタバイト：既存のオンプレミスデータへDatabricksを拡張する

「Petabytes in Plain Sight: Extending Databricks to the On-Prem Data You Already Have」の内容に基づき、オンプレミスデータを活かしたLakehouse活用アプローチをご紹介します。

現地レポートはこちら

Unity Catalogのコネクション・シークレット・関数による安全な外部データアクセス

「Secure External Data Access with Connections, Secrets, and Functions in Unity Catalog」の内容に基づき、Unity Catalogによる外部データ・API接続のガバナンスと認証情報管理をご紹介します。

現地レポートはこちら

Unity AI Gateway：企業全体のマルチAIアクセスをガバナンスする方法

「Unity AI Gateway: How to Govern Multi-AI Access Across Your Company」の内容に基づき、企業全体のAIモデル・エージェント利用を統制するガバナンス基盤をご紹介します。

現地レポートはこちら

ガバナンスされたデータから運用上の意思決定へ：DatabricksとPalantirの顧客プレイブック

「From Governed Data to Operational Decisions: A Customer Playbook for Databricks and Palantir」の内容に基づき、DatabricksとPalantirによる、ガバナンスを維持したデータ活用と運用意思決定の統合アプローチをご紹介します。

現地レポートはこちら

信頼できるAIのスケーリング：Databricks上のTakedaのセルフサービスAI基盤

「Scaling Trustworthy AI: Takeda’s Self-Service AI Foundation on Databricks」の内容に基づき、ガバナンスを組み込んだセルフサービスAI基盤構築をご紹介します。

現地レポートはこちら

Long-Horizo​​n AIエージェントによるドキュメント作業の自動化

「Automating Document Work with Long-Horizon AI Agents」の内容に基づき、非構造化ドキュメントを扱う長期実行AIエージェントの実装手法をご紹介します。

現地レポートはこちら

Databricks Genie を使用して説明可能なAIリサーチエージェントを構築する

「Building an Explainable AI Research Agent With Databricks Genie」の内容に基づき、Genieを活用した根拠付きデータ分析のセルフサービス化手法をご紹介します。

現地レポートはこちら

Apache Spark™ 4.1の新機能

「What’s New in Apache Spark™ 4.1?」の内容に基づき、Apache Spark 4.1で進化した運用性・SQL・ストリーミング機能をご紹介します。

現地レポートはこちら

MCPセキュリティ詳解：Databricksがエンタープライズユーザーのツールアクセスを保護する方法

「MCP Security Deep Dive: How Databricks Secures Tool Access for Enterprise Users」の内容に基づき、エンタープライズ環境におけるMCPの安全なツールアクセス制御をご紹介します。

現地レポートはこちら

Databricksにおけるデータプライバシー

「Data Privacy at Databricks」の内容に基づき、Databricksで実現するデータプライバシーとコンプライアンス対応をご紹介します。

現地レポートはこちら

本番環境でのオブザーバビリティによるエージェント品質ループの実現

「Closing the Agent Quality Loop Through Observability in Production」の内容に基づき、本番環境で実現するAIエージェントの品質改善サイクルをご紹介します。

現地レポートはこちら

Genie Codeの最新イノベーション：エージェンティックデータワークの未来

「Latest innovations in Genie Code: The Future of Agentic Data Work」の内容に基づき、AIエージェントによる次世代のデータ分析ワークフローをご紹介します。

現地レポートはこちら

TD SYNNEXスポンサー | リアルタイムデータからビジネス価値へ：Databricks・IBM・TD SYNNEXによるエコシステムアプローチ

「Sponsored by: TD Synnex | Real-Time Data to Real Business Value: An Ecosystem Approach with Databricks, IBM, and TD SYNNEX」の内容に基づき、データ活用によるビジネス価値創出の実践アプローチをご紹介します。

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

• 
  2026.6.23

  【DAIS2026】参加レポート：サンフランシスコ出張

• 
  2026.6.19

  本番環境でのオブザーバビリティによるエージェント品質ループの実現

• 
  2026.6.19

  TD SYNNEXスポンサー | リアルタイムデータからビジネス価値へ：Databricks・IBM・TD SYNNEXによるエコシステムアプローチ

• 
  2026.6.19

  目の前のペタバイト：既存のオンプレミスデータへDatabricksを拡張する

• 
  2026.6.19

  Databricksにおけるデータプライバシー

• 
  2026.6.19

  MCPセキュリティ詳解：Databricksがエンタープライズユーザーのツールアクセスを保護する方法

• 
  2026.6.19

  Genie Codeの最新イノベーション：エージェンティックデータワークの未来

• 
  2026.6.19

  Apache Spark™ 4.1の新機能