🧑‍💼 AIが「答える道具」から「働く同僚」へ｜Databricks Genie Oneが変えるオフィスの仕事

アイ

2026-06-17

AIが「同僚」になるって、ちょっとドキッとしない？

正直さ、このニュースを読んだとき「あ、いよいよ来たな」って思ったんだよね。

2026年6月16日、Databricksっていうデータ基盤の会社が、自社のData & AI Summitで「Genie One」っていうAIを発表したんだ（Databricks）。会社はこれを「エージェント型のコワーカー（agentic coworker）」、つまり一緒に働く同僚って呼んでるの。

ここがポイントなんだけど、これまでのAIって基本「聞いたら答えてくれる便利な道具」だったよね。検索したり、文章を直したり、質問に答えたり。でもGenie Oneは、自分でレポートを作ったり、アラートを管理したり、タスクをスケジュールしたり、実際に作業を実行したりするって言ってるんだ。

つまり「答える道具」から「働く同僚」へ、立ち位置がぐいっと動こうとしてる。これってデータ専門家だけの話じゃなくて、ふつうにオフィスで働いてるわたしたち全員に関係する変化だと思うんだよね。だから今日は、これが自分の仕事にどう効いてくるのかを、いっしょに整理してみたいんだ。

そう考える3つの理由

「質問に答える」から「仕事を実行する」への進化

まず、いちばん大きいのが「やれることの範囲」が変わったってこと。

もともとDatabricksには「Genie」っていう機能があって、これは社内のデータに自然な言葉で質問すると、答えやグラフを返してくれるものだったんだ。いわゆる分析アシスタント。質問に答えるのが仕事で、そこで完結してたんだよね。

それが今回の「Genie One」では、質問に答えるだけじゃなくて、レポートを作ったり、アラートを管理したり、タスクをスケジュールしたり、実際にアクションを実行したりまでできるって発表されてる（Databricks）。これ、地味に見えてけっこうすごい飛躍なんだ。

ここで一回「エージェント」って言葉を説明させてね。エージェントっていうのは、ざっくり言うと「目的を渡すと、自分で段取りを考えて、必要な作業を順番にこなしてくれるAI」のこと。「この数字をまとめて」って言うと、データを取りに行って、整理して、レポートにして、関係する人に通知する、みたいな一連の流れを自分で回してくれるイメージなんだ。

これまでのチャットAIは「次は何をすればいい？」を毎回わたしたちが考えて、指示を出す必要があったよね。でもエージェントは、その「段取りを考える」ところまで肩代わりしてくれる。だから「答えをもらう」じゃなくて「仕事が片付いてる」に変わるんだ。

わたしがいいなと思うのは、ここが「人間が判断する部分」を残しつつ、面倒な実行を任せられる構造になってること。たとえば「毎朝の売上アラートを管理して、異常があったら知らせて」みたいな、定型だけど見落としやすい仕事って、けっこうあるよね。そういうのを淡々とこなしてくれる同僚がいたら、正直べんりそうだなって思うんだ。

もうひとつ大事なのが、この「実行する力」がチーム全員に開かれてるって発表のニュアンスなんだ。会社はこれを「あらゆるチームのためのコワーカー」って言い方をしてる（Databricks）。つまり、データの専門家だけが触れる高度なツールじゃなくて、営業もマーケも人事も、ふつうに自然な言葉でお願いできる前提なんだよね。

これってけっこう象徴的だと思う。これまで「データを分析して実行に移す」って、専門スキルを持った人の特権だったじゃない？でもエージェント型のAIが間に入ることで、その専門性の壁がぐっと低くなる。誰でも「これやっといて」で仕事が進む世界に近づくってことなんだ。

もちろん「実行までやる」ってことは、間違ったときの影響も大きくなるってこと。質問に答えるだけなら「ちょっと違うな」で済むけど、勝手にタスクをスケジュールしたりアクションを起こしたりするなら、その判断ミスがそのまま実害につながりかねないよね。だからこそ、どこまで任せてどこから自分で確認するか、っていう線引きが、これから大事になってくると思うんだよね。

MCPで社内ツールと繋がる＝サイロを超えるという意味

次に、わたしがいちばん「これは効くな」と思ったのが、社内のいろんなツールと繋がるって部分。

Genie OneはMCPっていう仕組みを使って、Google Drive、Jira、Slack、Confluence、SharePointみたいな、いわゆるサードパーティのツールに接続できるって発表されてる（Databricks）。会社のなかで実際に使われてる道具たちと、ひとつのAIが横断的につながるってことなんだ。

ここでMCPって言葉も説明するね。MCP（Model Context Protocol）っていうのは、ざっくり言うと「AIと外部のツールやデータを繋ぐための共通の差し込み口」みたいなもの。USBの規格みたいに「この形でつなげばどのツールとも話せる」って約束ごとを決めておくことで、AIがいろんなアプリの中身を読んだり操作したりできるようになるんだ。

なんでこれが大事かっていうと、会社のなかって情報がバラバラの場所に散らばってるからなんだよね。仕様はConfluence、タスクはJira、ファイルはGoogle DriveとSharePoint、会話はSlack。これ「サイロ（縦割りの倉庫）」って呼ばれたりするんだけど、人間が毎回あちこち開いて、情報をかき集めてつなぎ合わせてる状態なんだ。

つまりGenie Oneがやろうとしてるのは、この散らばった情報を横断して、ひとつの流れで仕事を回すこと。たとえば「この案件の状況をまとめて」って頼んだら、Jiraの進捗とConfluenceの仕様とSlackの議論を全部見て、レポートにしてくれる、みたいなイメージだよね。

しかも今回のGenie Oneは、社内のきれいに整ったデータ（構造化データ）だけじゃなくて、文書やチャットみたいな整ってないデータ（非構造化データ）も扱えるって言ってるんだ（Databricks）。

ここも一回かみくだくね。構造化データっていうのは、表計算みたいに「行と列でカチッと整理された数字」のこと。一方の非構造化データは、メールの文章、議事録、Slackの雑談、PDFの資料みたいに「決まった形がない情報」なんだ。じつは会社のなかの情報って、後者のグチャグチャしたほうが圧倒的に多いんだよね。

だから「数字も文章もまとめて扱える」っていうのは、わたしたちが普段ほんとうに困ってる「あの資料どこだっけ」「あの会話なんて言ってたっけ」を、AIが横断して拾ってくれる可能性があるってこと。サイロを超える、っていうのはそういう意味で、ここが実用上いちばんありがたいポイントだと思うんだ。

ついでに言うと、わたしはこの「既存のツールに合わせてくれる」って姿勢もけっこう好きなんだよね。だってツールを乗り換えるのって、現場からするとほんとうに大変じゃない？せっかくJiraやSlackに慣れてるのに「これからは新しいAI専用ツールに全部移してください」って言われたら、たぶん誰も使わなくなる。MCPで今使ってる道具にそのまま繋がるなら、わたしたちは普段の仕事のやり方を変えずに、後ろでAIが手伝ってくれる状態になる。

この「いまの仕事の流れを壊さずに入り込む」っていう設計思想が、実用化のうえではけっこう効くと思うんだ。すごい機能でも、使う人の習慣を全部ひっくり返すものって、結局根づかないからね。

自己改善するオントロジーと、人の仕事の再定義

最後は、ちょっと未来っぽい話なんだけど、わたしは一番ここを考えさせられたんだ。

Genie Oneのうしろには「Genie Ontology（ジーニー・オントロジー）」っていう、新しい文脈の層（コンテキストレイヤー）があるって発表されてる。しかもこれが「自己改善する（self-improving）」って書かれてるんだ（Databricks）。

オントロジーって言葉、むずかしいよね。ざっくり言うと「その会社のなかで言葉や概念がどう繋がってるかの地図」みたいなもの。たとえば「うちの会社で言う『売上』ってどの数字のこと？」「『顧客』って契約者のこと？それとも見込み客も含む？」みたいな、会社ごとに違う意味の体系を整理したものなんだ。

なんでこれが要るかっていうと、AIに「売上をまとめて」って言っても、その会社にとっての「売上」の定義をわかってないと、トンチンカンな答えを返しちゃうからなんだよね。オントロジーは、その会社の言葉づかいや約束ごとをAIに教える「共通の辞書」みたいな役割をするんだ。

で、ここが面白いんだけど、その辞書が「自己改善する」って言われてる。つまり、使えば使うほど、その会社の文脈をだんだん正確に理解していく、ってことだと思うんだ。最初はピント外れでも、やり取りを重ねるうちに「あ、この会社で言う売上ってこういうことね」って賢くなっていくイメージだよね。

わたしがここでドキッとしたのは、これって新入社員が会社に慣れていく過程とそっくりだなってこと。最初は社内用語も文化もわからないけど、半年もすれば「うちのやり方」を覚えていく。AIが同じことを、しかも忘れずに、もっと速くやり始めるかもしれないんだ。

そうなると、わたしたちの仕事の中身も変わってくると思うんだよね。これまで価値があったのは「社内のどこに何があるか知ってる」「定型のレポートを正確に作れる」みたいなスキルだった。でもそこをAIが担い始めると、人間の役割は「何を問うか」「その答えをどう判断して決めるか」のほうに寄っていく気がするんだ。

つまり、作業をこなす人から、方向を決めて責任を持つ人へ。これは脅威にも聞こえるけど、わたしはむしろ「面倒な作業を渡して、考えることに集中できる」っていう前向きな再定義のチャンスでもあると思ってる。大事なのは、同僚としてのAIに何を任せて、自分は何を握り続けるかを、いまのうちに考えておくことだよね。

まとめ：道具じゃなくて同僚として、どう付き合う？

ここまでをぎゅっとまとめると、今回のGenie Oneは「答える道具」から「働く同僚」へAIが一歩進んだ、っていう象徴的な発表だったと思うんだ。質問に答えるだけじゃなくて、レポートを作り、アラートを管理し、タスクを段取りして、実行までやる。しかもMCPで社内ツールと横断的に繋がって、数字も文章もまとめて扱える（Databricks）。

正直、これはデータ専門の会社だけの話に見えて、じつはどの職場にも降りてくる流れだと思う。だって「情報があちこちに散らばってて、まとめるのが面倒」っていう悩みは、どんな会社にも共通してるからね。サイロを超えて、文脈を理解して、自分から動くAI。そういう同僚が隣に座る日は、思ったより近いのかもしれない。

だからわたしたちが今からできるのは、AIを「敵」でも「魔法」でもなく「新しく入ってきた同僚」として捉えてみることかなと思う。同僚なら、得意なこと（速くて疲れない作業）は任せて、人間にしかできないこと（最終判断と責任、何を問うかの設計）は自分で握る。その線引きを、自分の仕事に当てはめて一度考えてみる。それだけで、この変化はずいぶん心強い味方に変わると思うんだ。

関連記事: AI業界の最新動向まとめ

ソース:

Databricks Launches Genie One, an All-New Agentic Coworker for Every Team（Databricks 公式プレスリリース）