コンテンツにスキップ

Databricks Genie Ontology とは何か（セマンティックレイヤー・ナレッジストアとの関係）

出典: @taka_yayoi（Databricks Japan）, Qiita, 2026-06-26 https://qiita.com/taka_yayoi/items/35e4b28280290c131ee3 Data + AI Summit 2026 発表のプレビュー機能を、公式・報道ベースで整理した調査記事。

要点（一言で）

Genie Ontology は、組織のデータと業務を自動学習して整理し続ける「自己改善型コンテキストレイヤー（生きたグラフ）」。人手で作り込む metric view（セマンティックレイヤー）やナレッジストアを置き換えるのではなく、それらを高信頼の「アンカー」として吸い上げて供給を受ける上位層。キモは、衝突する複数の定義から最適なものを選ぶ ontorank（PageRank着想の権威付け）。

コンテキストレイヤーという土台

  • AIエージェントに業務文脈をまとめて渡す層。用語の意味・データの正確性・アクセス権限まで含む広い概念。
  • Genie Ontology はこのコンテキストレイヤーを自動構築するアプローチ。

Genie Ontology の定義

  • 組織データ・ビジネスを自動学習する「自己改善型コンテキストレイヤー」。知識を生きたグラフとして整理し続ける。
  • 抽出元: テーブル、クエリ、ダッシュボード、パイプライン、外部アプリ。

スニペット（snippet）

  • 知識の最小単位の定義。例:「アクティブ顧客とは…」「売上は main.finance.certified テーブルから取得すべき」。

ontorank（中核メカニズム）

  • PageRank に着想を得た権威付け。衝突する定義から最適なものを選別する。
  • 信頼度の算定要素: 出典の素性 / 作成者の権威 / 利用頻度 / 認証済み資産との結びつき / 鮮度。
  • アンカー（anchor）= オントロジーが最も信頼する基点。認証済み定義・UC Semantics 由来が高権威になる。SQLサンプルはテキストより優先される。

従来 Genie Spaces からの変化

観点 従来（Genie Spaces） 新（Ontology）
範囲 Space単位 アカウント/ワークスペース横断
作り方 人の設定中心 自動抽出中心
対象 構造化データ ダッシュボード・外部アプリ・非構造化データまで
定義の衝突 起きにくい ontorank で解決

metric view（セマンティックレイヤー）との関係

  • 置き換えではなく「供給」関係。
  • metric view = 人が意図的に定義する KPI の正式化。
  • Ontology = 自動抽出で全体の信頼ソースを選別。UC Semantics で定義したものが高権威アンカーになる。

ナレッジストアとの関係

  • ナレッジストア = Space単位のローカル文脈設定（最大200スニペット）。
  • 移行パス: Export to metric view で Space内の手動資産を metric view へ昇格 → Ontology に供給。段階的に上位層化していく。

「手動キュレーション不要」の正しい理解

  • ゼロにはならず役割がシフト。「全部作り込む」→「重要な定義のアンカー付けと誤り修正」へ。

数値・接続先

  • Genie 初回試行精度 84.5%（28問の実世界データ分析スイート）。最強コーディングエージェントは 52.4%、処理速度は約2倍速。
  • ただし約6問に1問は誤りうる。
  • 外部接続: Slack / Jira / Google Drive / SharePoint / Salesforce など 50以上。

留意点（記事の立場）

  • プレビュー段階で未検証。ベンダー公称値であり第三者検証なし。
  • 定義のランク付け（どれを信じるか）と、計算の妥当性（合っているか）は別問題。
  • 今すぐ触れるのは metric view、ナレッジストア／ナレッジマイニング、Export to metric view。

自分への示唆（メモ）

作成: 2026-06-27 ／ 最終更新: 2026-06-27