Xingyu Gu

Databricksは、クラウド・ニュートラルなアプローチと、データ管理、アナリティクス、AIに関する包括的なケイパビリティにより、日本を含むグローバル市場で急成長を遂げている。しかし、日本のユーザーは、コスト管理や既存のデータ・プラットフォームとの統合といった課題に直面している。本セッションでは、Databricksを含むベンダー選定における重要な考慮事項を提示する。D&Aリーダーは、特に競合他社との比較において、自組織の将来のD&Aニーズを正確に見積もり、ベンダーにまつわるリスクを軽減する方法を理解することが求められている。

データがなければAIは機能せず、メタデータがなければデータは成り立たない。Gartnerは2022年半ばにAI-Readyデータの概念を体系化し、そのための用語を策定した。4つのAI-Readyデータ・モードと、30個のデータ評価／準備ステップを実現すべく、プラクティスは進化している。本セッションでは、組織が本番環境AIに向けたデータ標準化を目指す基盤としてAIデータ・レディネスをどう利用しているかを示す事例と共に、このアプローチを要約する。

本セッションでは、エージェント型AIが既存のデータ管理アーキテクチャとテクノロジにどう影響するか、データ管理およびエンジニアリングにおいてどういった新しいユースケースを可能にするか、また、その活用に際して必要なスキルや陳腐化するスキルは何かを詳述する。そのほか、これらの変化に備えて予算やチーム、オペレーティング・モデルをどのように準備するかについても取り上げる。エージェント型AIが進化するにつれて、こうした課題が浮き彫りになり、しばしば議論されるようになっている。