Databricks Genieは、業務部門の担当者が日本語で質問すると、Unity CatalogのテーブルにSQLを発行して答えを返す機能です。回答の精度は、モデルより先に、テーブルの説明・結合・指標の定義をどこまで整えたかで決まります。この記事では2026年11月時点の公式ドキュメントをもとに、Genie Agent(旧Genieスペース)を作る要件と権限、COMMENT ONや例SQL・メトリックビューでの精度の上げ方、ベンチマーク、Python SDKからのAPI呼び出し、無料期間と課金を、コード付きで整理します。
まとめ:Databricks Genieは対象を5テーブル以内に絞り例SQLで精度を作る
Genie Agentを作る前に、プロかサーバーレスのSQLウェアハウスと、利用者側のUnity CatalogのSELECT権限を用意します。テーブルは5つ以内に絞り、列の説明をUnity Catalogに書き込み、よく聞かれる質問は例SQLとSQL式で先に答えを用意する。テキストの指示は最後の手段です。
公開前にベンチマークの質問で正答率を測り、公開後はモニタリングタブで誤答を拾って設定に戻す運用です。2026年11月15日時点では、利用者による質問は2027年1月31日まで無料ですが、SQLウェアハウスの費用は別にかかります。Databricks全体の機能と料金は、親記事のDatabricksとは?できること・DBU課金の料金と業種別の費用・導入事例にまとめています。
Databricks Genieの全体像と業務担当者・データチーム・開発者の分担
「Genie」は、2026年の時点で1つの機能名ではなく、Databricksの利用者向けAI機能の総称になっています。公式のGenieページでは、業務担当者の入口になるGenie One、データチームが質問の土台を設定するGenie Agents、開発者向けのGenie Codeなどに分けて説明しています。
2026年のGenie名称変更と旧スペース・業務担当者向け画面の対応関係
検索で見つかる解説記事の多くは「AI/BI Genie」「Genieスペース」という旧名で書かれています。Create and manage a Genie Agentには、Genie AgentsはかつてGenie Spacesと呼ばれていたと注記があります。業務担当者向けの簡易画面だったDatabricks Oneも、Use Genie OneによるとGenie Oneに改名されました。Genie Oneを業務ユーザーへ開く手順と権限の設計はDatabricks One(Genie One)の使い方:業務ユーザーへの開放手順と権限設計で扱っています。
画面の項目名も変わっています。旧記事の手順どおりに「Genie spaces」を探しても見つからない場合は、サイドバーのGenie Agentsを開きます。一方、APIのパスは/api/2.0/genie/spacesのままで、変数名もspace_idです。画面とAPIで名前が食い違う点は、社内手順書を書くときに注記しておくと混乱を防げます。
自然言語の質問がSQLになる仕組みと、生成クエリが読み取り専用である点
Genie Agents conceptsによると、Genieは説明の付いたテーブルと列から関係する名前と説明を選び、質問を同等のSQLに変換します。回答には生成したSQLと、実行できた場合は結果の表が付きます。生成されるクエリは常に読み取り専用で、Genie経由でテーブルが書き換わることはありません。
列名がamtやkbn_cdのような略語ばかりで説明が空のテーブルは、どの列が「売上」なのかをGenieが推測するしかありません。LLMでSQLを作る方式に共通する精度の限界はText-to-SQLとは?LLMで自然言語からSQLを生成する仕組みと精度の実務ラインで扱いました。Genieでも同じ限界があり、それを埋めるのが次章以降の設定です。
Genie Agentを作る前に揃える要件:SQLウェアハウス・権限・利用資格
Genie Agentは、作る人と質問する人で必要な権限が違います。ワークスペースの作成がまだなら、AWS上の手順をDatabricks on AWSの構築手順で確認してから進めてください。
プロまたはサーバーレスのSQLウェアハウスとCAN USE権限が要る理由
公式の要件は、プロかサーバーレスのSQLウェアハウスです。クラシックのSQLウェアハウスは対象外で、既存の環境がクラシックだけなら新しく作る必要があります。作成者には、選んだウェアハウスに対する少なくともCAN USEの権限が要ります。
見落としやすいのが、アカウントとワークスペースの両方で有効にするPartner-powered AI featuresの設定です。無効のままだと、利用者はアイコンを押せてもGenie Agentを開けません。変更できるのはアカウント管理者だけなので、情シスと事業部が別の会社では、作成前に申請を通しておきます。
作成者と利用者で異なる利用資格とUnity CatalogのGRANT
| 役割 | ワークスペースの利用資格 | データの権限 |
|---|---|---|
| 作成・編集する人 | Databricks SQL | 対象テーブルのSELECT |
| 質問する人 | Consumer accessかSQL資格 | 対象テーブルのSELECT |
表中のSQL資格はDatabricks SQLを指し、質問する人はConsumer accessまたはDatabricks SQLのいずれかを持つ必要があります。Unity Catalogでは、テーブルを読むのに親のカタログとスキーマへのUSE権限も必要です(Manage privileges in Unity Catalog)。利用者をグループにまとめ、Genie Agentで使うスキーマだけを読ませる場合は次のように付与します。
-- 利用者グループに、Genie Agentが参照するスキーマの読み取りだけを与える
GRANT USE CATALOG ON CATALOG sales TO `genie_users`;
GRANT USE SCHEMA ON SCHEMA sales.mart TO `genie_users`;
GRANT SELECT ON SCHEMA sales.mart TO `genie_users`;
スキーマ単位のSELECTは、後から追加したテーブルにも引き継がれます。権限継承の考え方はUnity Catalogとは?3レベル名前空間と権限継承・移行判断で解説しています。
埋め込み認証情報の挙動:計算資源は作成者、データは利用者本人
作成者がウェアハウスを選んで保存すると、その人の計算資源の認証情報がGenie Agentに埋め込まれます。この認証情報が許すのはウェアハウスの利用だけです。利用者はウェアハウスの権限を持っていなくても質問でき、データへのアクセスは常に利用者本人のUnity Catalogの権限で判定されます。
そのため、行フィルターや列マスクを設定済みのテーブルなら、同じ質問でも人によって返る行が変わります。権限の無いデータを聞かれた場合は空の回答が返ります。注意点は、別の編集者がウェアハウスを変更するとその人の認証情報に置き換わることです。退職や異動でアカウントを止める前に、埋め込み元を共有の担当者へ移しておきます。
Genie Agentの作成手順と、精度を左右するナレッジストアの設定
作成そのものは数クリックで終わります。時間をかけるべきなのは、作成後のナレッジストア(テーブルの説明・結合・SQL式を置く場所)の整備です。
サイドバーのGenie AgentsからNewで作成し、テーブルを5つ以内に絞る
- サイドバーのGenie Agentsを開き、右上のNewを押す
- データソースのテーブル・ビュー・メトリックビューを選び、Createを押す
- 自動で起動するGenie Codeが提案する説明や例クエリを確認して取り込む
- Settingsでタイトル、既定のウェアハウス、説明、よくある質問の例を入れる
- 共有設定でCAN VIEWかCAN RUNを利用者に、CAN EDITを編集者に付ける
上限は50個ですが、Curate an effective Genie Agentは5つ以下を目安にしています。「営業部の受注分析」「経理の月次締め」のように利用者と話題で分け、1つのGenie Agentに全社のテーブルを入れない設計にします。容量の上限は1つのGenie Agentにつき200,000会話、1会話あたり10,000メッセージです。
COMMENT ONでテーブルと列の説明をUnity Catalog側に書く設定
Genie Agentの画面でも列の説明は編集できますが、元のUnity Catalogに書いておけば、ダッシュボードや他のGenie Agentでも同じ説明が使われます。同じテーブルからダッシュボードを作る手順はDatabricksダッシュボードの作り方:AI/BIの作成・共有・外部埋め込みとPower BIとの使い分けで扱っています。COMMENT ONのCOLUMN指定は、Databricks SQLとRuntime 16.1以降で使えます。
COMMENT ON TABLE sales.mart.orders IS
'受注明細。1行が1明細。キャンセル分は削除せず status = ''CANCELLED'' で残る';
COMMENT ON COLUMN sales.mart.orders.amount_jpy IS
'税抜の受注金額(円)。「売上」と聞かれたらこの列を合計する';
COMMENT ON COLUMN sales.mart.orders.region_cd IS
'地域コード。E=東日本、W=西日本。「関東」「関西」はこの列で絞る';
説明には、列の意味だけでなく「どう聞かれたら、どう使うか」まで書きます。キャンセル分の扱いのような集計ルールを説明に入れておくと、生成SQLのWHERE句に反映されやすくなります。
結合関係・SQL式・エンティティマッチングの設定項目と上限値
Tune Genie Agent qualityに載っている主な設定と上限を並べます。
| 設定 | 内容 | 上限・条件 |
|---|---|---|
| 結合関係 | 多対一・一対多・一対一と結合条件 | 知識スニペット計200件 |
| SQL式 | Measures・Filters・Fields | 同上の200件に含む |
| エンティティマッチング | 列の実データ値を保存し語句と照合 | 120列・各1,024値・127文字 |
| 列の非表示 | 質問の文脈から外す | 権限やデータは変わらない |
エンティティマッチングは文字列の列だけが対象で、行フィルターのあるテーブルと列マスクのある列には効きません。「東京本社」と「本社(東京)」のような表記揺れが多い列に絞って設定すると、120列の枠を使い切らずに済みます。
自然言語からSQLへの精度を上げる例SQL・パラメータ・メトリックビュー
公式のベストプラクティスは、テキストの指示よりもSQL式と例SQLを優先するよう勧めています。文章で頼むより、正解のSQLを見せる方が確実に伝わるからです。
例SQLは利用者の言い回しをタイトルにし、パラメータで条件を受ける
例SQLのタイトルには、利用者が実際に入力しそうな文を使います。条件が変わる部分は、コロンに続けて名前を書くとパラメータになります。型はString・Date・Date and Time・Decimal・Integerから選べ、既定はStringです。
-- タイトル:地域別の月次売上を出して
SELECT
region_cd,
DATE_TRUNC('MONTH', order_date) AS order_month,
SUM(amount_jpy) AS sales_jpy
FROM sales.mart.orders
WHERE status != 'CANCELLED'
AND order_date >= :start_date
GROUP BY ALL
ORDER BY order_month;
:start_dateの型をDateにしておけば、「4月以降の地域別売上」と聞かれたときに日付だけを差し替えて同じ集計を返せます。キャンセル除外のような社内ルールは、毎回の生成に任せず例SQLに固定しておきます。
結合と集計が多いデータはメトリックビューで指標を先に定義する
公式は、指標・軸・集計を事前に定義できるメトリックビューをGenie Agentsに特に有効としています。Create a metric viewの書式にならうと、次のようになります。
CREATE OR REPLACE VIEW sales.mart.orders_metrics
WITH METRICS LANGUAGE YAML AS $$
version: 1.1
comment: "受注の指標。キャンセル分は除外済み"
source: sales.mart.orders
filter: status != 'CANCELLED'
fields:
- name: Order Month
expr: DATE_TRUNC('MONTH', order_date)
- name: Region
expr: region_cd
measures:
- name: Sales JPY
expr: SUM(amount_jpy)
- name: Order Count
expr: COUNT(1)
$$;
作成はRuntime 16.4以降で対応し、公式の例は17.3以降の機能を前提にしています。作成者には元テーブルのSELECT、作成先スキーマのCREATE TABLEとUSE SCHEMAが要ります。Query metric viewsのとおり、照会ではMEASURE(`Sales JPY`)で指標を呼び、SELECT *は使えません。指標を定義する層の考え方はセマンティックレイヤーとは?意味・仕組みから会話型AI時代の導入判断までで扱いました。
テキスト指示は最後の手段とし、指示100件の上限の内訳を把握する
指示の上限は1つのGenie Agentにつき100件です。例SQL1本、SQL関数1つ、全体向けのテキスト指示がそれぞれ1件と数えられます。例SQLを増やしすぎると、関数や指示を入れる枠が残りません。
テキスト指示に書くのは「金額は税抜で答える」「会計年度は4月始まり」のような全体に効く前提だけにします。特定の質問にしか関係しない内容は、例SQLかテーブルの説明に移します。
ベンチマークとモニタリングでGenie Agentの回答精度を測る運用
設定を足すたびに、以前は正しく答えていた質問が崩れることがあります。Test and monitor a Genie Agentの機能で、変更の前後を同じ質問で比べます。
ベンチマークに最大500問を登録し、GoodとBadで正答率を追う
BenchmarksタブのAdd benchmarkで、質問と正解のSQLを登録します。1つのGenie Agentに登録できるのは500問までで、実行に必要なのはCAN EDIT以上の権限です。結果はGoodかBadで判定され、正解SQLが無い問や結果が完全に一致しない問はManual review neededになります。
評価の詳細が見られるのは1週間です。設定変更のたびに正答率を表計算ソフトへ転記しておかないと、どの変更で精度が落ちたか後から追えません。公開前の受け入れ基準として「ベンチマーク30問中27問以上がGood」のように数値を決めておくと、公開判断を担当者の感覚に頼らずに済みます。
モニタリングタブとRequest reviewで誤答を拾い設定へ戻す流れ
利用者は回答ごとに「Is this correct?」へYes・Fix it・Request reviewで応えられます。Request reviewが付いた回答は、CAN MANAGEを持つ管理者がモニタリングタブで確認します。ただし利用者が会話をPrivateにしている場合、管理者に見えるのは質問文だけです。
誤答を見つけたら、生成SQLをShow codeで開き、原因が列の説明・結合・指標の定義のどれかを切り分けて直します。直した質問はベンチマークへ追加します。この往復を週1回まわす担当者を決めることが、公開後の精度を保つ実質的な条件です。
Genie Agents APIで社内チャットや自社アプリから質問を送る実装
Slackのボットや社内ポータルから質問を投げたい場合は、会話API(Conversation APIリファレンス)を使います。会話の開始はPOST /api/2.0/genie/spaces/{space_id}/start-conversationです。
Python SDKによる会話開始から質問送信・生成SQL取得までの実装例
Databricks SDK for Pythonのw.genieを使うと、ポーリングを含めて数行で書けます。space_idはGenie AgentのSettingsタブで確認できます。
from datetime import timedelta
from databricks.sdk import WorkspaceClient
w = WorkspaceClient() # 認証は環境変数か ~/.databrickscfg のプロファイルから読む
SPACE_ID = "01f0xxxxxxxxxxxxxxxxxxxxxxxxxxxx" # Genie AgentのSettingsタブに表示されるID
msg = w.genie.start_conversation_and_wait(
space_id=SPACE_ID,
content="先月の地域別売上を教えて",
timeout=timedelta(minutes=10), # SDKの既定は20分。公式の目安に合わせて10分で打ち切る
)
print(msg.status)
for att in msg.attachments or []:
if att.query:
print(att.query.query) # Genieが生成したSQL
res = w.genie.get_message_attachment_query_result(
space_id=SPACE_ID,
conversation_id=msg.conversation_id,
message_id=msg.message_id,
attachment_id=att.attachment_id,
)
print(res.statement_response.result.data_array[:5])
# 同じ会話で続けて質問する
follow = w.genie.create_message_and_wait(
space_id=SPACE_ID,
conversation_id=msg.conversation_id,
content="そのうち東日本だけ",
)
ボットから呼ぶ場合はOAuth M2M(サービスプリンシパル)で認証します。サービスプリンシパルにも、対象データのSELECTとウェアハウスの権限が必要です。
ポーリング間隔・10分の打ち切り・再試行を自前で持つ実装の注意
Use the Genie Agents APIは、状態の確認を1〜5秒ごとに行い、COMPLETED・FAILED・CANCELLEDのような確定した状態になるまで続けるよう案内しています。大半のクエリは10分で打ち切り、待ち時間は指数バックオフで延ばして上限を1分にします。
APIは失敗したリクエストを自動では再試行しません。チャットボットで同時に多くの質問を受ける設計なら、キューと再試行の仕組みを呼び出し側に用意します。生成SQLを利用者に見せる画面を作ると、誤答に気付いてもらえる確率が上がります。
Databricks Genieの料金と、導入を見送るべき場面の判断
Genieの費用は、Genie自体の利用料と、生成したSQLを実行するウェアハウスの費用に分けて考えます。
2027年1月31日までの無料期間とSQLウェアハウス費用の扱い
公式のGenieページには、利用者によるGenie OneとGenie Agentsの利用は2027年1月31日まで無料と書かれています(2026年11月15日時点)。サービスプリンシパルはこの無料期間の対象外で、APIをボットから呼ぶ使い方は課金されます。開発者向けのGenie Codeは、2026年7月8日から月ごとの無料枠つきの従量課金になりました。
Manage budgets and cost controls for Genieには、SQLウェアハウスなどクエリを実行する計算資源は別に課金され、Genieの予算には含まれないと明記されています。無料期間中でも、サーバーレスのSQLウェアハウスの稼働分は請求の対象です。質問が増える前に、ウェアハウスの自動停止時間と予算アラートを設定しておきます。ウェアハウスの種類とサイズ、自動停止の決め方はDatabricks SQLの使い方:SQLウェアハウスの種類・サイズ設計とクエリ実行例にまとめています。
Databricks Genieを採用する条件と、導入を見送るべきデータの状態
採用してよいのは、Unity Catalogに整った分析用のテーブル(マート)があり、「売上」「粗利」の定義が社内で1つに決まっている場合です。この条件がそろえば、定型レポートの依頼をデータチームが受け続ける状態から、業務担当者が自分で聞ける状態へ移れます。
見送るべきなのは、基幹システムから取り込んだ生のテーブルしかない段階です。列名が略語で説明が無く、部署ごとに売上の定義が違うなら、Genieに渡しても誤答の確認に追われます。先にマートと指標の定義を作るのが順序です。Power BIを全社で使っているなら、Power BI Copilotの使い方と比べてから決めても遅くありません。Snowflakeとの製品選定から迷っている場合はDatabricksとSnowflakeの違いが参考になります。
マートの設計、指標の定義、Genie Agentとダッシュボードの構築までを社外に任せたい場合は、一創のBIツール導入支援でデータ整備から引き受けています。
Databricks Genieの導入前に確認する利用条件のよくある質問と回答
genie databricksの導入を検討する段階で、よく聞かれる質問に短く答えます。
Databricks Genieは日本語の質問に対応していますか?
2026年11月15日時点で確認した公式の各ページには、対応言語の一覧は載っていません。日本語で使う前提なら、テーブルと列の説明、例SQLのタイトルに日本語の言い回しを入れておきます。列名が英語の略語だけのテーブルは、COMMENT ONで日本語の説明と「どう聞かれるか」を書き足し、ベンチマークに日本語の質問を登録して正答率を測ってから公開します。
AI/BI GenieとGenie Agentは別の製品ですか?
同じ機能です。AI/BI Genieの「Genieスペース」が、2026年にGenie Agentという名前に変わりました。旧記事の手順は概ね使えますが、画面上の名前はGenie Agentsです。APIのパスはspacesのままなので、既存のコードは書き換えずに動きます。
Genie Agentに入れられるテーブル数の上限は何個ですか?
テーブル・ビュー・メトリックビューを合わせて50個までです。公式のベストプラクティスは5つ以下を目安にしています。テーブルが多いほど結合の組み合わせが増え、誤ったテーブルを選ぶ余地が広がるためです。結合が多いデータは、ビューやメトリックビューで先に結合しておきます。
Genieに質問すると元のデータが書き換わることはありますか?
ありません。生成されるクエリは常に読み取り専用です。参照できる範囲も利用者本人のUnity Catalogの権限に限られ、権限の無いテーブルについて聞くと空の回答が返ります。行フィルターや列マスクも利用者ごとに適用されます。
Free EditionでもDatabricks Genieを試せますか?
試せる範囲はあります。classmethodの検証記事はFree Editionで手順を確認しています。ただしFree Editionには計算資源などの制限があり、全社展開と同じ権限設計や負荷は再現できません。本番の権限設計を確かめるなら、有償のワークスペースで利用者用のグループを作って試します。Free Editionの制限値は「Databricks Free Editionの使い方」でまとめています。
関連記事
- Databricksとは?できること・DBU課金の料金と業種別の費用・導入事例【2026年10月】:Databricks全体の機能とSKU別の単価
- Unity Catalogとは?3レベル名前空間と権限継承・移行判断を実装視点で解説【2026年版】:Genieの権限判定の土台になるカタログ設計
- Text-to-SQLとは?LLMで自然言語からSQLを生成する仕組みと精度の実務ライン:自然言語からSQLを作る方式の共通の限界
- セマンティックレイヤーとは?意味・仕組みから会話型AI時代の導入判断まで解説:メトリックビューにあたる指標定義の層
- BIツールのAI機能とは?自然言語クエリ・予測分析の実力と導入判断まで解説:他のBIツールの自然言語機能との比較