GENDAとIVRy、急成長スタートアップがDatabricksを採用した理由 Data + AI World Tour 2025

Data + AI World Tour 2025 の発表資料です

Transcript

1. @IVRy Inc. All rights reserved. GENDAとIVRy、急成⻑スタートアップが Databricksを採⽤した理由 株式会社IVRy Head of Data ⼤曽根圭輔 Data + AI World Tour Tokyo
2. ⾃⼰紹介 ▪ 学⽣時代: ⼤学院で博⼠（⼯学）  第⼆次ブームから第三次ブームの間にゲームAIの研究 ▪ 2012年: 株式会社サイバード  ビッグデータブームに伴いデータ分析部⾨⽴ち上げ等を担当 ▪ 2015年: 株式会社Gunosy Chief Data Officer  ニュース記事配信アルゴリムの改善およびグノシー事業責任者 ▪ 2024年: 株式会社IVRy  Head of Data として社内外のデータ活⽤を推進 書籍に「現場で使える! Python機械学習⼊⾨ 機械学習アルゴリズムの理 論と実践」 ⼤曽根 圭輔 2 2
3. @IVRy Inc. All rights reserved. データプロダクトへの活⽤ 社内でのデータ活⽤ データ増による転送コスト増 ⾮構造データ対応の必要性 Databricks の採⽤ Databricks 導⼊による IVRy 社内外のデータ活⽤の事例を紹介します 本⽇話す内容 Databricks 活⽤のタイムラインと事例紹介 2025年7⽉ - 検討 本格導⼊ 活⽤ 2025年1⽉ - 3⽉ 2025年4⽉ - 6⽉ 通信の秘密への対応 導入から半年ほどで • AI/BI Genie • MLFlow • ai_query など多くのサービスを活用 3
4. @IVRy Inc. All rights reserved. 4 Index IVRy について 4 Databricks採⽤の理由 9 社内活⽤事例（Genieなど） 14 プロダクトのPoC活⽤事例 21
5. @IVRy Inc. All rights reserved. 5  As-Is To-Be プッシュ式 IVR 対話型AI Option 対話型AI 標準機能 プッシュ式 IVR アイブリーは対話型AIとして進化していきます! アイブリーは、プッシュ式IVRから「対話型AI」に進化 IVRy について
6. @IVRy Inc. All rights reserved. 2021 2022 2023 2024 2025/8 アイブリーの導⼊実績 IVRy について ※1：⾃動対話システム市場の現状と展望2025年版 / デロイト トーマツ ミック経済研究所 ※2：2024年2⽉期_クラウド型IVRシステムにおける市場調査 調査機関:⽇本マーケティングリサーチ機構 / 調査期間:2024年1⽉16⽇~2024年2⽉2⽇ ※2022年1⽉(⾃社調査)時点 97/99 導⼊ 業界数 5：5 導⼊企業 規模割合 4.9/5.0 顧客 満⾜度 *⽇本標準産業分類(令和5年)の中分類 99業界 ※2025年8月末時点 40,000 件 6
7. @IVRy Inc. All rights reserved. 7 Databricks を基盤とした新サービスをリリース 新サービス紹介
8. @IVRy Inc. All rights reserved. 8 Index IVRy について 4 Databricks採⽤の理由 9 社内活⽤事例（Genieなど） 14 プロダクトのPoC活⽤事例 21
9. @IVRy Inc. All rights reserved. 9 IVRy のデータの特徴 IVRy について 機密性が⾼い リアルなコミュニケーションデータ • 第三者の閲覧は原則不可 • 明確に扱うためには許諾および委託が 必要 • 厳密な閲覧権限が必要 本音と文脈が自然に残る一次データ であり、AI時代において強力な資産だが、 機密性が高く扱いが難しい。 本⾳と⽂脈が⾃然に残る⼀次データ • アンケートのような Explicit なログ、 Web のログのような Implicit なログの 双⽅のよい点 • 購買したかどうか、脱会したかどうか の判別が可能 • 状況‧感情も含まれる。 通信の秘密があるため扱いが難しい
10. @IVRy Inc. All rights reserved. Databricks採⽤の理由 課題 1. データ増による転送コスト増と⾮構造データ対応 2. データと権限が散在 Before (2025/6) 10
11. @IVRy Inc. All rights reserved. 課題を踏まえた選定ポイント Databricks採⽤の理由 データと権限が⼀元で管理しやすいか 1 権限管理が容易で、ストレージが完全に分離され、ワークフローからBIまで 含み、LLMの検証からデプロイまでできるDatabricksを採⽤ AWS内で完結したシステムで、S3データを中⼼に据えられるか 2 ETLプログラムの実⾏やBIの運⽤がしやすいか 3 LLMソリューションの開発や社内外展開がしやすいか 4 11
12. @IVRy Inc. All rights reserved. After (2025/7) Databricks採⽤の理由 12
13. @IVRy Inc. All rights reserved. データ基盤のアーキテクチャ ( https://findy-tools.io/companies/ivry/90/76 ) Databricks採⽤の理由 13
14. @IVRy Inc. All rights reserved. 14 Index IVRy について 4 社内活⽤事例（AI/BI Genie） 14 プロダクトのPoC活⽤事例 21 Databricks採⽤の理由 9
15. @IVRy Inc. All rights reserved. 社内のデータ活⽤に関する課題 社内活⽤事例（AI/BI Genie） ビジネスの拡⼤においてデータ部署への依頼がボトルネック ビジネス担当による集計クエリの品質にばらつきが発⽣ Databricks採⽤の期待として • データエンジニア観点ではコストダウン（当初の⽬的） • 分析観点では⾃然⾔語でのデータ集計‧分析 15
16. @IVRy Inc. All rights reserved. AI/BI Genie データに対して⾃然⾔語で問い合わせが可能 社内活⽤事例（AI/BI Genie） 16
17. @IVRy Inc. All rights reserved. Genie 検証 ダッシュボード側 社内活⽤事例（AI/BI Genie） ダッシュボードに登録されたデータに対して質問可能 17
18. @IVRy Inc. All rights reserved. DatabricksでのAI利⽤ユースケース紹介 - Genieを利⽤したデータ分析 社内活⽤事例（AI/BI Genie） information_schemaを追加することでテーブル検索も可能に 18
19. @IVRy Inc. All rights reserved. Metric Views 社内活⽤事例（AI/BI Genie） セマンティックレイヤーの役割の View を定義することでビジネスユーザー の要望に対して回答がずれない。 AI が理解できる = 誰でも使えるセマンティックレイヤーに Databricksドキュメントより 19
20. @IVRy Inc. All rights reserved. AI 時代でも、事前のデータモデリングが⼤事 社内活⽤事例（AI/BI Genie） Warehouse層 Genie Staging層 Mart層 metric views として実装 （セマンティックレイヤー） ダッシュボード with Genie Notification Fact Table Dimension Table 20
21. @IVRy Inc. All rights reserved. 21 Index IVRy について 4 社内活⽤事例（Genieなど） 14 プロダクトのPoC活⽤事例 21 Databricks採⽤の理由 9
22. @IVRy Inc. All rights reserved. IVRy Data Hub をリリース 22
23. @IVRy Inc. All rights reserved. 顧客が競合他社に⾔及し、 ⾃社サービスと⽐較している コミュニケーションを特定してくださ い。 該当する代表的な ⾔及パターンを抽出し、 社名と発⾔内容を整理してください。 ⽐較対象となる競合の調査 IVRy Data Hubについて Data Hub 対話デモ 「競合の分析」 プロンプト
24. @IVRy Inc. All rights reserved. アークテクチャ IVRy Data Hubについて 24 必要に応じて Gold 層への変換の際にai_queryも活⽤
25. @IVRy Inc. All rights reserved. Complex agents likely get context from many sources. Context can come from the developer of the application, the user, previous interactions, tool calls, or other external data. Pulling these all together involves a complex system. AI エージェントの活⽤にはデータ扱いが重要 IVRy Data Hubについて 25 https://blog.langchain.com/the-rise-of-context-engineering/
26. @IVRy Inc. All rights reserved. 26 AI エージェントは “AI-Ready” な基盤があるかどうかで⼤きく性能が変わる IVRy Data Hubについて ① 単⼀AI ②コンパウンドAI ③エージェント(型)AI • ChatGPT, Copilotなど 「要約」「メール作成」 など個別⽀援 • LLM がその時々の状況に応 じて、どのツールをどう使 うかを⾃律的に決定しなが らタスクを進める • 社内外のOLTP、OLAPとAI が連携することが不可⽋ コンパウンドAI、エージェントAIには、コンテキスト とツールを読ませることが重要。複 合 AI システムと AI エージェント ⾃律的に⽬的を理解‧⾏動 複数AIが連携して動く • LLM を複数回呼び出した り、外部ツールや検索、 リランキングなど、複数 のコンポーネントを組み 合わせたシステム 1つのタスクを⾃動化
27. @IVRy Inc. All rights reserved. Databricks を データプロダクトのPoCへ活⽤する際の利点 IVRy Data Hubについて 27 通信の秘密があるためデータと権限を⼀元で管理する必要 特に社内PoCで認証を作るのが⼤変 • 当時は Databricks Appsが⽇本になかったので独⾃で構築 ◦ あったら Databricks Apps を使っていた AI の機能がDatabricksに搭載されており、試⾏錯誤がしやすい • ai_query は初期のアノテーションやデータセットの作成にも
28. @IVRy Inc. All rights reserved. 未来の構成と課題 実サービスに導⼊の際には今後は OLTP と OLAP の連携が肝に • より実務に深く⼊る場合には頻度が⾼くなる、かつトランザクション処 理が必要 ◦ エージェントの状態管理、コンテキストの保持 ◦ コンテキストも⻑期‧中期‧短期をバランスよく使う必要があるた めリバースETLが重要になる ▪ Lakebase が待たれる • Agent Bricks も積極的に使っていきたい IVRy Data Hubについて 28
29. @IVRy Inc. All rights reserved. AI 時代には “AI-Ready” なデータ基盤が必要 IVRy では Databricks を基盤とすることで • 社内では metric views をセマンティックレイヤーとして活⽤し、 Genie によりビジネスユーザーもデータを利⽤可能に • 社外向けには権限を管理した上で Databricks を活⽤した エージェント基盤を構築し、Delta Sharing などで社内外のデータを 活⽤できるデータプロダクトを開発 今後も Agent Bricks、Lakebase なども積極的に活⽤予定 IVRy Data Hubについて 29 まとめ
30. @IVRy Inc. All rights reserved.