AI-Papers
- DatabricksがGPT-5.5を採用し、エンタープライズ向けQA評価指標OfficeQA Proで業界最高性能を達成したとOpenAIが発表
- Unity CatalogとRAG（検索拡張生成）を組み合わせ、企業データに即した高精度な業務回答を生成するエージェントを実現
- データプラットフォームとLLMの垂直統合という戦略が新たな競争軸として台頭し、エンタープライズAI市場の勢力図に変化をもたらす可能性
OpenAIとの提携が本格始動
データレイクハウスプラットフォームを手がけるDatabricksは2026年5月、OpenAIの最新モデルGPT-5.5をエンタープライズ向けAIエージェントワークフローに採用すると発表しました。OpenAIの公式ブログで同社との連携が紹介され、Databricksが運営するデータ基盤上でGPT-5.5を活用したエージェントシステムがOfficeQA Proベンチマークにおいて最高性能を達成したことが明らかになりました。
DatabricksはMosaicAIなど独自のAI/ML開発基盤を持ちながらも、顧客企業の多様なモデル選択ニーズに応えるため、外部モデルとの統合を積極的に進めてきました。今回のGPT-5.5採用はその戦略の延長線上にある選択であり、エンタープライズAIエージェント市場での競争力強化を図るものです。
OfficeQA Proの概要と成績
OfficeQA Proは、企業内業務文書を対象とした質問応答（QA）の精度を測定するベンチマーク評価指標です。社内メール、契約書、業務マニュアル、会議録などの非構造化データに対し、AIエージェントがどれだけ正確かつ適切な回答を生成できるかを評価します。
一般的なテキスト理解ベンチマークとは異なり、OfficeQA Proは実際のエンタープライズ環境を前提とした設問構成が特徴です。複数文書にまたがる情報統合や、業務文脈を踏まえた解釈など、企業AIエージェントに求められる実用性を重視しています。OpenAIの公式発表によると、Databricksのシステムがこの評価においてトップスコアを記録し、他の企業向けAIソリューションを上回る結果を示しました。
Unity CatalogとLLMの統合
Databricksの強みは、データガバナンスを担うUnity Catalogとの緊密な統合にあります。企業がDatabricks上で管理する構造化・非構造化データを、GPT-5.5がリアルタイムでコンテキストとして参照できる仕組みを実現しています。これにより、汎用LLMに固有の「一般的な回答しかできない」という限界を超え、各社のデータに即した業務特化型の回答が可能になります。
具体的には、Retrieval-Augmented Generation（RAG、検索拡張生成）のアーキテクチャを採用し、企業のベクターストアとGPT-5.5の推論能力を組み合わせることで、高い事実精度を維持したまま業務文書に基づく回答を生成します。Databricksのインフラ上でモデルのファインチューニングやカスタマイズも可能であり、大手企業の多様なニーズに対応できる柔軟性が評価されています。
エンタープライズAI市場での競争激化
今回の発表は、エンタープライズAIエージェント市場における競争の新たな局面を示しています。Microsoft Copilotのような垂直統合型製品だけでなく、AnthropicがClaude for Small Businessとして中小企業向けの業務自動化サービスを展開するなど、各社がビジネス向けAIの実用化を加速させています。
Databricksのアプローチの独自性は、企業が既存のデータ基盤に直接AIエージェントを組み込める点にあります。CRMやERPなど既存システムとの連携を前提に設計されており、データ移行コストや既存インフラとの非互換リスクを最小化できます。「データプラットフォームとLLMの垂直統合」という戦略が、今後のエンタープライズAI市場における新たな競争軸として注目されています。
企業AI導入加速の展望
DatabricksはFortune 500企業の60%以上を顧客として抱えており、今回のGPT-5.5採用はこれらの大手顧客のAIエージェント導入を加速させる可能性があります。特に金融、製造、医療などデータ活用が進む業種での需要が見込まれます。
一方で課題も残ります。エンタープライズ向けAIエージェントの普及には、コンプライアンスやデータセキュリティの整備が不可欠です。企業データをクラウドLLMに送信することへの懸念は根強く、プライベートデプロイメントのオプションや監査証跡の整備が普及の速度を左右します。DatabricksはMosaicAIによる自社モデルとOpenAIの外部モデルを使い分けるマルチモデル戦略で、この課題に対応していく方針です。
