Databricks は 2026 年 10 月 14 日、公式ブログで Predictive AI Functions のベータ提供を発表した。SQL ネイティブな新関数 4 つを一度に追加し、既存の ai_forecast もより強い時系列基盤モデルに置き換えた。狙う課題は具体的だ。来期の売上はどうなるか、この指標はなぜ動いたか、どの日のデータがおかしいか。従来はデータサイエンスチームに依頼して順番待ちだった問いを、アナリストが SQL エディタやダッシュボードから直接聞けるようになり、ビジネスユーザーは Genie 経由で日常の言葉で質問し、システムが適切な関数を呼び出す。
5 つの関数、問いの種類ごとに 1 つ
切り分けは業務の問いに沿っている。ai_forecast は時系列を未来へ外挿し、ai_top_drivers は指標の変化を最も説明するセグメントを特定し、ai_detect_anomalies は時系列データの異常行を検出する。ai_predict_value と ai_predict_class は連続値とカテゴリ結果をそれぞれ補完する。いずれもネイティブ SQL 関数で、数億行規模で実行でき、結果は既存のクエリやパイプラインにそのまま流せる。提供状況では、ai_top_drivers はすでに Genie で使え、残り 4 つは Genie 対応が近日中とされ、現時点では主に SQL とダッシュボードから使う。
調整不要を掲げる理由
強化された ai_forecast の背後には、多様な時系列データを事前学習した Transformer ベースの時系列基盤モデルがある。言語モデルがテキストを学ぶように季節性やトレンドのパターンを先に覚えさせ、企業自身のデータでは調整なしに予測を出すという発想だ。新版はビジネス側が実際に使う変数にも対応し、祝日の効果を組み込めるほか、価格変更やマーケティング支出といった外部共変量も投入できる。fev-bench ベンチマークでは、新版 ai_forecast が主要なクラウドデータウェアハウスの同等関数と自社の旧版をタスク勝率で上回ったと Databricks は述べる。これはベンダー申告の比較であり、選定時には自社の履歴データで検証すべきだ。同じ週にはドキュメント処理も正式提供に入った。Databricks ドキュメントインテリジェンス API の正式提供もあわせて見ると、方向性は共通している。専門家の順番待ちだった作業を、プラットフォームの標準関数に変えることだ。
ベータであることの意味
冷静に見るべき点も明確だ。この関数群はまだベータで、モデルは Databricks が集中管理する。ダッシュボード、SQL、Genie で結果が一貫し、基盤運用が不要になる利点と引き換えに、モデルの選択や自前の調整はできず、予測が外れたときに自作モデルほど分解して調べることも難しい。適した使い方は、探索と日常の経営分析だ。深掘りする価値があるかを素早く判断し、本当に重要な指標には専用モデルを別途用意する。すでに Databricks 上にデータがあるチームにとって試行コストは確かに低く、SQL 1 本で検証できる。データが他所にあるチームにとって、この発表自体は移行の理由にはならない。
