11月14日、Databricksが「OpenAI and Databricks: Enterprise AI on your governed data」と題した記事を公開した。この記事では、OpenAIとDatabricksのパートナーシップにより、企業がガバナンス済みのデータ基盤上でOpenAIのフロンティアモデルを活用できる仕組みが詳しく紹介されている。
「会議に呼ばれない20人のPhD」問題
OpenAI共同創業者・Greg Brockman(現在は社長職)は、企業データと切り離されたAIをこう表現している。「20人分のPhDを持つ人材を雇いながら、一度も会議に呼ばないようなものだ」。
この比喩が示すのは、ChatGPTをはじめとする高性能モデルも、社内の定義やデータにアクセスできなければ本領を発揮できないという現実だ。OpenAIとDatabricksは2025年9月に複数年の提携契約を締結し、この問題に正面から取り組んでいる。OpenAIがモデル(GPT系列、ChatGPT等)を提供し、Databricksは企業データのガバナンス基盤(Unity Catalog、Genie Ontologyなど)を提供するという役割分担だ。なお、両社は互いの顧客でもあり、OpenAIはDatabricksの最大顧客の一つで、Databricksの全エンジニアがOpenAIのコーディングエージェントへのアクセスを得ている。
3つの導入パターン
記事では、企業がこのパートナーシップを活用する典型的な入り口として3つのパターンを紹介している。
1. ChatGPT × Genieプラグイン:ビジネスユーザーの意思決定を加速
最も即効性が高いのがこのパターンだ。これまで、SQLを書けない現場担当者(たとえばPMや営業)がデータを参照するには、アナリストに依頼するか、定義の不明確なデータをAIに貼り付けて使うしかなかった。
DatabricksのGenieプラグインをChatGPTにインストールすることで、たとえばPMが「週次アクティブユーザーの採用率はプランティア別に目標に対してどう追跡されているか?」と自然言語で質問すると、ChatGPTがGenie経由でメトリクス定義を参照し、Databricks上でクエリを実行し、グラフで結果を返す。
ここで鍵になるのがGenie Ontologyだ。これは社内の承認済みメトリクスやビジネス定義を管理するコンテキスト層で、「revenue(収益)」や「active customer(アクティブ顧客)」がその企業でどう定義されているかをChatGPTに理解させる。財務レポートの定義とChatGPTの答えが一致する、という状態を実現する仕組みだ。ユーザーは自分が権限を持つデータのみ参照でき、各回答にはDatabricks上のソースへのリンクが付く。
プラグインはGenie MCP上で動作する。Genie MCPはDatabricksが提供するModel Context Protocolサーバーで、ChatGPTやClaude等の外部AIからDatabricks上のビジネスコンテキストを参照可能にするものだ。導入はDatabricksのGenieプラグインをChatGPTにインストールするだけで、ChatGPT側のプラグインストアから入手できる。

2. OpenAI APIコーディングエージェント × Unity Gateway:エンジニア全員にコーディングAIをガバナンスつきで展開
AIコーディングツールは現場単位で広まりやすく、管理者がコスト・利用状況・データの所在を把握できないまま組織全体に広がりがちだ。Databricks Unity Gatewayはこの問題に対応するプロキシ層として機能する。
コーディングエージェントを使う開発者はDatabricksの認証情報でサインインし、OpenAIのAPIキーはGateway側で一元管理される。すべてのリクエストはログに記録され、エンジニアリングリーダーはチーム別の予算設定・コスト確認・使用モデルの選択ができる。個々の開発者がAPIキーを直接管理する必要がなくなり、ガバナンスと利便性を両立できる点が特徴だ。
導入手順はUnity Gateway CLIをインストールしてug codexを実行するだけで、詳細はConnect Codex to Unity Gatewayに記載されている。
3. OpenAI Agents SDK × Databricks Apps:コアビジネスプロセスを変えるカスタムエージェント
セキュリティとガバナンスの制約により、本番環境に乗せられないエージェントが多い。このパターンでは、OpenAIのフロンティアモデルをDatabricks上でデータの隣で動かすことで、外部APIキーの管理なしにUnity Catalogのガバナンス下でエージェントを動かせる。データを外部に送出せずに推論を完結させられるため、金融・医療など規制の厳しい業界でも本番導入の障壁が下がる。
エージェントの構築にはAgent BricksかOpenAI Agents SDKを使い、Databricks Appsとしてデプロイする。エージェントのメモリや状態管理には、マネージドPostgresであるLakebaseが使われる。
アーキテクチャの全体像
| レイヤー | 役割 |
|---|---|
| ChatGPT / OpenAI APIコーディングエージェント | 社員が質問・コーディングを行うフロント |
| OpenAI GPTモデル | 推論を担当 |
| Databricks Model Serving | GPTモデルをSQL・ノートブック・エージェントから呼び出せる形で提供 |
| Unity Gateway | リクエストのルーティング、予算管理、監査ログ |
| Genie / Genie Ontology | 社内定義・アクセス権を持つコンテキスト層 |
| Unity Catalog / Lakehouse | データガバナンスの基盤 |
| Lakebase | エージェントのメモリ・状態管理(マネージドPostgres) |
DatabricksはベンチマークOfficeQA(実際のドキュメント処理を評価するもの)においてOpenAIモデルがリードしていると述べており、新モデルへの早期アクセスも提携の一環として含まれている。
その他の統合機能
記事では追加の統合として以下も紹介されている。いずれも「特定のロールのユーザーが、既存の権限設定を崩さずにAIを使える範囲を広げる」という方向性で共通している。
- Neon plugin for Codex:OpenAIのコーディングエージェント上でサーバーレスPostgresプロジェクトの作成・SQL実行・マイグレーション管理が可能になる。DBの操作をエージェントのワークフローに組み込みたい開発者向けの統合だ
- Databricks Agent Skills for Codex:コーディングエージェントがDatabricks CLIやSDKを操作するための公式インストラクション。エージェントがDatabricksのリソースを直接操作できるようになる
- Codex Data Science plugin:コーディングエージェントのデータサイエンスワークフローをDatabricks Lakehouse上で実行できる。データの持ち出しなしに分析作業を完結させられる点が重要だ
- ChatGPT Data Analyst plugin:Genie経由で接続したデータを元にChatGPT上でダッシュボードを作成・編集できる。SQLが書けないユーザーでもビジュアライゼーションを自力で作れるようになる
- ワンクリックChatGPT接続:管理者セットアップなしにChatGPTとDatabricksを接続し、既存のユーザー権限をそのまま適用できる。IT部門の工数を増やさずに展開できる点が特徴だ
今後数週間で、3つのパターンそれぞれについてアーキテクチャ詳細・セットアップ手順・顧客事例を別記事として公開する予定だとしている。
詳細はOpenAI and Databricks: Enterprise AI on your governed dataを参照していただきたい。




