7月17日、Databricksが「Unified context: The missing layer for enterprise AI coworkers」と題した記事を公開した。企業向けAIアシスタントが実際のビジネス意思決定に貢献できない根本原因は、意思決定に必要なデータが複数システムに分散していることにある——記事はその構造的課題と、解決策としての「統合コンテキスト層」の仕組みを詳説している。
AIアシスタントが「使えない」本当の理由
メール下書き、会議の要約、質問への回答——汎用AIアシスタントはこうした作業では機能する。だが、フォーキャストコール（予測コール：営業チームが案件の進捗と着地見込みを確認する定例会議）や四半期業績レビューといった、実際にビジネスが動く場面では結果を変えられていない。
Databricksはその原因を2点に整理している。
- 意思決定に必要なコンテキストが複数システムに分散している。 CMOがキャンペーン結果を見るときと、CFOが四半期業績を見るときとで、同じ数字を見ていない。
- 汎用AIはこの種の作業向けに設計されていない。 コードベースの検索のような単発タスクは得意だが、複数システムをまたいでデータや定義、ワークフローを追跡することが苦手だ。
具体例として挙げられているのが、営業リーダーが「どの案件がクローズしそうか」を汎用アシスタントに問い合わせるシナリオだ。アシスタントはCRMのステージや直近の活動に基づいてリストを返すが、製品利用トレンド、未解決のサポート案件、アカウントプランの変化は自動的に加味されない。 答えは流暢に聞こえるが、意思決定に必要な全体像からは切り離されている。
「Genie Ontology」が作る生きたコンテキスト層
Databricksが提示する解決策の核心は、Genie Ontologyと呼ばれる統合コンテキスト層だ。
これは単なるデータカタログではない。データ、ダッシュボード、クエリ、ドキュメント、接続されたSaaSアプリケーションから学習し、ビジネス用語・メトリクス・エンティティ・それらの関係性をナレッジグラフとして組織化する仕組みだ。
重要なのは「生きている（living）」という点で、ビジネスの定義は変わり、所有者も変わり、新しいシグナルが生まれ続ける。Genie Ontologyは利用頻度や認定アセットへのリンクといった要素をもとにシグナルをランク付けし、どの定義を権威あるものとして扱うかを動的に判定する。
記事では、マーケティングリーダーが「どのキャンペーンがパイプラインを本当に作っているか」を問い合わせる例が示されている。有用な答えを返すには、トップオブファネル指標だけでなく、セグメント・チャネル・CRMの商談・受注済み収益・製品利用の状況を一気通貫でつなぎ、組織が普段使っている指標の言葉で説明する必要がある。 これが「表面上アクセス可能なコンテキスト」と「意思決定を支えられるコンテキスト」の違いだとDatabricksは指摘する。
ガバナンスを「後付け」にしない設計
AIが中核的なビジネス意思決定に近づくにつれ、ガバナンスは別レイヤーの制御ではなく中核要件になる、というのが記事の主張だ。
ここでUnity CatalogとGenie Ontologyが連携する。Unity Catalogがアクセス制御・認定データ・共有定義（メトリクスや業務用語）を管理し、Genie Ontologyはそのガバナンスされたアセットを基盤に、組織全体のコンテキストをつなぐビジネス対応マップを構築する。
実際には、財務アナリストが収益について問い合わせると、承認済みデータと認定定義だけが参照される。同時に、パイプラインや利用状況といった関連シグナルはシステム横断で接続される。ルールの中で動きながら、より広いコンテキストを活用する——この両立が設計の要点だ。
Genie One：統合コンテキスト上で動くAIアシスタント
こうした仕組みの上に構築されているのが**Genie One**だ。SlackやMicrosoft Teams、モバイル、MCP（Model Context Protocol：AIアシスタントが外部ツールやデータソースと標準化された方法でやり取りするためのオープン仕様）、ダッシュボードなど、ユーザーがすでに使っているツールからガバナンスされたリアルタイムデータに基づいた回答を得られる。
単なる問い合わせへの回答にとどまらず、エージェント型の協働機能も持つ。タスクのスケジューリング、ドキュメント下書き、レポート生成、接続ツールへのワークフロートリガーが可能で、フォーキャストコールやQBR（四半期ビジネスレビュー）パケット、エスカレーションワークフローといった繰り返しユースケースをエージェント化して共有することもできる。
導入を進めるうえでの実践的指針
記事の末尾では、ビジネスリーダー向けに3つの行動指針が示されている。
- すでに重要な業務から始める。 フォーキャストコールや計画サイクルなど、チームが数字の突き合わせに時間を使っている繰り返し業務をパイロットに選び、有効なパターンをエージェント化する。
- コンテキスト層を企業資産として扱う。 コンテキストモデルはチーム・アシスタント・モデルをまたいで再利用可能な資産だ。特定のモデルやハーネスの中ではなく自社に帰属するため、モデルを切り替えてもデータのグラウンドトゥルースは失われない。
- ガバナンスをスケールの手段にする。 既存のデータ・アクセス制御をAIが引き継ぐことで、新たなルールを追加せずにより重要な業務へ展開できる。
詳細はUnified context: The missing layer for enterprise AI coworkersを参照していただきたい。
