Snowflake にて Databricks の Iceberg 読み取りが有効な Delta Lake テーブル（UniForm）から標準 STREAM を作成する方法 #SnowflakeDB qiita.com/manabian/items/0e8… #Qiita @manabianより

はてなブログに投稿しました Databricksに入社しました - 科学と非科学の迷宮 shiumachi.hatenablog.com/ent… #はてなブログ

AIエージェントは企業の生産性や成長を後押しする可能性がある一方で、その前提としてデータ基盤やガバナンスがかなり重要になってくる、という少し前のTechReaderの記事。 これまでAI/MLチームとデータ基盤チームが分かれていたのは、自然なことだったと思います。モデルの精度を上げる仕事と、データを安定して使える状態に整える仕事では、求められる役割が違っていたから。 ただ、AIエージェントになると、少し話が変わる。 エージェントの価値は、モデルの性能だけでは決まらない。社内で今何が起きているのか、誰が何を決められるのか、どの情報を信じればいいのか。そういう前提に、どれだけ正しくアクセスできるかが重要になる。 特にスタートアップでは、プロダクトも組織もどんどん変わる。昨日まで正しかった情報が、今日にはもう古くなっていることもある。そういう環境で、エージェントが古い情報や一部の情報だけをもとに動いてしまうと、生産性を上げるどころか、かえって混乱を増やしてしまう。 だから、AIチームとデータ基盤チームを別々に動かすのではなく、「事業の状態をAIが扱える形にする」ことから一体で考えた方がいいのではないかと。 AIエージェントを入れるというより、会社の中で起きていることをAIがちゃんと扱える状態にしていく。これをどれだけ早く設計できるかが、これから大事になっていきそうです。いや、もう大事になってきているはずです。 techradar.com/pro/even-ai-ag…