LTAPが解決する根本問題

これまで企業は、データを扱う二つの全く別の世界を維持してきた。一つは日々の業務（注文処理、在庫更新、顧客記録など）を支える**オンライントランザクション処理（OLTP）システム、もう一つはレポート作成、ダッシュボード、機械学習モデルの訓練などを実行するオンライン分析処理（OLAP）**システムだ 。両者の間でデータを移動させるには、**ETL（抽出、変換、ロード）**パイプラインが必要であり、これは遅延、コスト、ガバナンス上の頭痛の種となってきた 。

LTAPは、これらのワークロードをデータレイクに保存された一つのデータコピー上で統合することを目的としている。Databricksによれば、このアーキテクチャは設計上、ETL、レプリカ、データ移動を排除するという 。トランザクションデータは変換やパイプラインメンテナンスなしに、即座に分析に利用可能となる。

このLTAPの基盤となるのが、オープンなオブジェクトストレージ上に構築されたサーバーレスPostgresサービス「Lakebase」だ 。Lakebaseはすでに数千の顧客に利用され、プラットフォーム全体で1日あたり1200万回のデータベース起動を処理している 。LTAPモデルの下では、LakebaseはデータをDelta LakeやApache IcebergといったオープンフォーマットでUnity Catalogに直接保存する。これにより、ガバナンスの効いたトランザクションデータが、分析ワークロードから即座にクエリ可能になる 。

Databricksが掲げる主な特性は以下の通りだ ：

• 単一の信頼できる情報源（Single Source of Truth）による統合ガバナンス
• トランザクションと分析、それぞれのワークロードの独立したスケーリング
• Postgresワークロードの完全なACID準拠
• 維持すべき隠れたパイプラインやコネクタが存在しないこと

進化するLakebaseの新機能

LTAP発表と同時に、DatabricksはLakebase自体の強化も発表した ：

• クロスクラウド・クロスリージョンのディザスタリカバリ：本番Postgresデータベースの保護を強化。
• Gitスタイルのブランチとスナップショット：本番データ上で直接、安全な実験を可能にする。
• 自律的なデータベース運用：パフォーマンス低下の監視、異常検知、自動リカバリを実行。

これらの機能は、DatabricksがサーバーレスPostgresを単なる分析用の簡易レイヤーではなく、アプリケーションやAIエージェントのための第一級の運用データベースにしようとしていることを示している 。

Lakehouse//RT：ガバナンスの効いたデータ上のリアルタイム分析

2つ目の主要なインフラ発表は、新しいコンピュートエンジン「Reyden」（共同創業者Reynold Xinにちなむ「Reynold's Dream Engine」の略）を搭載したリアルタイムレイクハウス「Lakehouse//RT」だ 。

Databricksによれば、Reydenはガバナンスの効いたDelta LakeおよびApache Icebergテーブル上で直接、数万の同時接続ユーザーとエージェントに対してミリ秒単位のクエリレイテンシを実現するという 。

これは、リアルタイム性能を達成するために企業がキャッシュ層、マテリアライズドビュー、外部クエリエンジンなどの個別のサービス提供インフラを設定する必要がなくなる可能性を意味する 。ビジネスインテリジェンス（BI）ツールのSigma Computingがローンチパートナーとして参加し、組み込み分析のためにLakehouse//RTに直接接続することを発表した 。

Databricksの共同創業者であるReynold Xin氏は、今回の発表を「Lakehouseの発表以来、おそらく我々が行った最大の単一の発表」と表現した 。

エージェントへの本格的な注力：Genie One、Agent Bricks、AIツール群

Databricksは今回のサミットを、自社プラットフォームをエンタープライズAIエージェントの基盤と位置付ける場としても活用した。発表内容は以下の通りだ：

• Genie One：実際のビジネスデータに基づき、ビジネスチームの業務自動化を支援するAIエージェント型コワーカー。エージェント文脈の強化が図られている 。
• Genie Agents と Agent Bricks：企業データ全体を観測、推論、実行できるAIエージェントを構築・展開するためのツール。Agent Bricksは、ガバナンスの効いたデータを用いてエージェントを自動最適化する、事前構築済みコンポーネントである 。
• Unity AI Gateway：複数のAIモデルプロバイダーを管理する組織のための、マルチAIガバナンスとコスト管理機能 。

業界アナリストが捉えたより大きな文脈は、LTAPとLakehouse//RTが、エージェント型エンタープライズアーキテクチャのデータ提供レイヤーであるということだ。Databricksは、運用データをオープンフォーマットでガバナンスされたストレージ上に置くことで、AIエージェントがデータを移動したりコピーしたりすることなく、本番データベースにアクセスし、推論し、行動できると考えている 。

AzureとMicrosoftの統合強化

Databricksは、Microsoft Azureエコシステムとの統合を一層深め、以下の機能を共同発表した：

• Copilot Studio と GitHub Copilot：ユーザーは単一のMCP（Model-Centric-Protocol）接続を通じて、Azure Databricksワークスペース全体を推論するCopilot Studioエージェントを作成可能に 。
• Genie for Microsoft Teams と M365 Copilot （ベータ版）：ユーザーはTeamsスレッドでGenieをタグ付けし、Azure Databricks環境から文脈を理解した回答を直接受け取れる 。
• Azure Databricks Excel アドイン （パブリックプレビュー） と ネイティブExcel取り込み （一般提供） により、スプレッドシートからの完全自律型分析が可能に 。
• Databricks CustomerLake：Azure Databricks向けに発表された、初のレイクハウスネイティブな顧客データプラットフォーム（CDP） 。

これらの統合は、ユーザーを別の分析インターフェースに切り替えさせるのではなく、ビジネス判断が行われるコラボレーションツールにDatabricksのガバナンスとAI機能を組み込むという戦略を示唆している。

企業データアーキテクチャへの示唆

サミットでの一連の発表は、次世代のエンタープライズアプリケーションがエージェント主体、リアルタイム、かつガバナンスが効いたものになるという、一貫したプラットフォーム戦略を示している。

LTAPはトランザクションと分析の断絶を取り除き、Lakehouse//RTは分析クエリにおける遅延の妥協点を解消する。そしてGenieファミリーがエージェントのオーケストレーションレイヤーを提供する 。

これが成功すれば、データベース、パイプライン、データ提供レイヤーといった、典型的な企業データスタックに存在する多くの可動部品を減らしつつ、AIエージェントが自律的にビジネスデータに基づき行動するために必要な、ガバナンスの効いたリアルタイムなコンテキストを提供できる可能性がある。

Databricksだけがこの収束を追求しているわけではないが、Lakebaseがすでに1日あたり1200万回のデータベース起動を達成し、3万人以上の参加者を集めたサミットがそのエコシステムを強化する中で、LTAPの発表は、レイクハウスアーキテクチャが分析プラットフォームから運用データのバックボーンへと進化する、重要なマイルストーンとなる 。

LTAPが解決する根本問題

これまで企業は、データを扱う二つの全く別の世界を維持してきた。一つは日々の業務（注文処理、在庫更新、顧客記録など）を支える**オンライントランザクション処理（OLTP）システム、もう一つはレポート作成、ダッシュボード、機械学習モデルの訓練などを実行するオンライン分析処理（OLAP）**システムだ 。両者の間でデータを移動させるには、**ETL（抽出、変換、ロード）**パイプラインが必要であり、これは遅延、コスト、ガバナンス上の頭痛の種となってきた 。

LTAPは、これらのワークロードをデータレイクに保存された一つのデータコピー上で統合することを目的としている。Databricksによれば、このアーキテクチャは設計上、ETL、レプリカ、データ移動を排除するという 。トランザクションデータは変換やパイプラインメンテナンスなしに、即座に分析に利用可能となる。

このLTAPの基盤となるのが、オープンなオブジェクトストレージ上に構築されたサーバーレスPostgresサービス「Lakebase」だ 。Lakebaseはすでに数千の顧客に利用され、プラットフォーム全体で1日あたり1200万回のデータベース起動を処理している 。LTAPモデルの下では、LakebaseはデータをDelta LakeやApache IcebergといったオープンフォーマットでUnity Catalogに直接保存する。これにより、ガバナンスの効いたトランザクションデータが、分析ワークロードから即座にクエリ可能になる 。

Databricksが掲げる主な特性は以下の通りだ ：

• 単一の信頼できる情報源（Single Source of Truth）による統合ガバナンス
• トランザクションと分析、それぞれのワークロードの独立したスケーリング
• Postgresワークロードの完全なACID準拠
• 維持すべき隠れたパイプラインやコネクタが存在しないこと

進化するLakebaseの新機能

LTAP発表と同時に、DatabricksはLakebase自体の強化も発表した ：

• クロスクラウド・クロスリージョンのディザスタリカバリ：本番Postgresデータベースの保護を強化。
• Gitスタイルのブランチとスナップショット：本番データ上で直接、安全な実験を可能にする。
• 自律的なデータベース運用：パフォーマンス低下の監視、異常検知、自動リカバリを実行。

これらの機能は、DatabricksがサーバーレスPostgresを単なる分析用の簡易レイヤーではなく、アプリケーションやAIエージェントのための第一級の運用データベースにしようとしていることを示している 。

Lakehouse//RT：ガバナンスの効いたデータ上のリアルタイム分析

2つ目の主要なインフラ発表は、新しいコンピュートエンジン「Reyden」（共同創業者Reynold Xinにちなむ「Reynold's Dream Engine」の略）を搭載したリアルタイムレイクハウス「Lakehouse//RT」だ 。

Databricksによれば、Reydenはガバナンスの効いたDelta LakeおよびApache Icebergテーブル上で直接、数万の同時接続ユーザーとエージェントに対してミリ秒単位のクエリレイテンシを実現するという 。

これは、リアルタイム性能を達成するために企業がキャッシュ層、マテリアライズドビュー、外部クエリエンジンなどの個別のサービス提供インフラを設定する必要がなくなる可能性を意味する 。ビジネスインテリジェンス（BI）ツールのSigma Computingがローンチパートナーとして参加し、組み込み分析のためにLakehouse//RTに直接接続することを発表した 。

Databricksの共同創業者であるReynold Xin氏は、今回の発表を「Lakehouseの発表以来、おそらく我々が行った最大の単一の発表」と表現した 。

エージェントへの本格的な注力：Genie One、Agent Bricks、AIツール群

Databricksは今回のサミットを、自社プラットフォームをエンタープライズAIエージェントの基盤と位置付ける場としても活用した。発表内容は以下の通りだ：

• Genie One：実際のビジネスデータに基づき、ビジネスチームの業務自動化を支援するAIエージェント型コワーカー。エージェント文脈の強化が図られている 。
• Genie Agents と Agent Bricks：企業データ全体を観測、推論、実行できるAIエージェントを構築・展開するためのツール。Agent Bricksは、ガバナンスの効いたデータを用いてエージェントを自動最適化する、事前構築済みコンポーネントである 。
• Unity AI Gateway：複数のAIモデルプロバイダーを管理する組織のための、マルチAIガバナンスとコスト管理機能 。

業界アナリストが捉えたより大きな文脈は、LTAPとLakehouse//RTが、エージェント型エンタープライズアーキテクチャのデータ提供レイヤーであるということだ。Databricksは、運用データをオープンフォーマットでガバナンスされたストレージ上に置くことで、AIエージェントがデータを移動したりコピーしたりすることなく、本番データベースにアクセスし、推論し、行動できると考えている 。

AzureとMicrosoftの統合強化

Databricksは、Microsoft Azureエコシステムとの統合を一層深め、以下の機能を共同発表した：

• Copilot Studio と GitHub Copilot：ユーザーは単一のMCP（Model-Centric-Protocol）接続を通じて、Azure Databricksワークスペース全体を推論するCopilot Studioエージェントを作成可能に 。
• Genie for Microsoft Teams と M365 Copilot （ベータ版）：ユーザーはTeamsスレッドでGenieをタグ付けし、Azure Databricks環境から文脈を理解した回答を直接受け取れる 。
• Azure Databricks Excel アドイン （パブリックプレビュー） と ネイティブExcel取り込み （一般提供） により、スプレッドシートからの完全自律型分析が可能に 。
• Databricks CustomerLake：Azure Databricks向けに発表された、初のレイクハウスネイティブな顧客データプラットフォーム（CDP） 。

これらの統合は、ユーザーを別の分析インターフェースに切り替えさせるのではなく、ビジネス判断が行われるコラボレーションツールにDatabricksのガバナンスとAI機能を組み込むという戦略を示唆している。

企業データアーキテクチャへの示唆

サミットでの一連の発表は、次世代のエンタープライズアプリケーションがエージェント主体、リアルタイム、かつガバナンスが効いたものになるという、一貫したプラットフォーム戦略を示している。

LTAPはトランザクションと分析の断絶を取り除き、Lakehouse//RTは分析クエリにおける遅延の妥協点を解消する。そしてGenieファミリーがエージェントのオーケストレーションレイヤーを提供する 。

これが成功すれば、データベース、パイプライン、データ提供レイヤーといった、典型的な企業データスタックに存在する多くの可動部品を減らしつつ、AIエージェントが自律的にビジネスデータに基づき行動するために必要な、ガバナンスの効いたリアルタイムなコンテキストを提供できる可能性がある。

Databricksだけがこの収束を追求しているわけではないが、Lakebaseがすでに1日あたり1200万回のデータベース起動を達成し、3万人以上の参加者を集めたサミットがそのエコシステムを強化する中で、LTAPの発表は、レイクハウスアーキテクチャが分析プラットフォームから運用データのバックボーンへと進化する、重要なマイルストーンとなる 。