Azure Databricksが2026年4月リリースノートのなかで静かに、しかし重要なアップデートを告知した。Mosaic AI Model ServingがAnthropicのClaude Opus 4.7をDatabricksホスト型モデルとしてサポートしたのだ。データエンジニアやMLエンジニアにとって、これは「どのモデルを使うか」の選択肢が広がったというだけの話ではない。エンタープライズデータ基盤のなかで最新の大規模言語モデルをどう安全に運用するかという、より本質的な問いへの回答が一つ増えた瞬間だ。

Databricksホスト型モデルとは何か

Mosaic AI Model Servingのホスト型モデルとは、モデルの推論インフラをDatabricks側が管理し、ユーザーはAPIを叩くだけで利用できる仕組みだ。今回Claude Opus 4.7が追加されたことで、Foundation Model APIsのペイパートークン課金でこのモデルを呼び出せる。重要なのは、データがAzure Databricksの管理境界の外に出ない点だ。

通常、外部のAI APIをエンタープライズデータと組み合わせようとすると、データをAPIエンドポイントに送信することになる。これはセキュリティポリシー上の審査が必要になり、特に個人情報や機密情報を含む業務データでは大きなハードルになる。ホスト型モデルならこの問題を回避できる。

アクセス方法は三つ用意されている。

  • Foundation Model APIs（ペイパートークン）
  • 推論（Reasoning）モデル向けのクエリ
  • ビジョンモデル向けのクエリ

Opus 4.7はAnthropicのフラッグシップクラスのモデルであり、複雑な推論タスクや長文ドキュメントの解析において高い精度を発揮する。Databricks上のUnity Catalogと組み合わせれば、データカタログに蓄積されたメタデータや実データに対して高度な自然言語クエリをかけることが現実的になる。

同時に注目すべき4月の他アップデート

今回のリリースノートはClaude Opus 4.7の追加だけにとどまらない。エンタープライズのデータ基盤という観点で注目すべきアップデートがいくつか重なっている。

Databricks Data ClassificationがGA（一般提供）になった。これはUnity Catalog内の機密データをエージェント型AIシステムで自動分類・タグ付けする機能だ。個人情報保護法対応やコンプライアンス管理のコストを大幅に下げられる可能性がある。

Lakeflow Designerがパブリックプレビューに入った。ドラッグ＆ドロップのキャンバスと自然言語でデータ変換ワークフローを視覚的に構築できる機能で、SQLやPythonを書かずにデータパイプラインを組める。

Supervisor API（Beta）も追加された。モデル、ツール、インストラクションを定義するだけで、ツール選択・実行・レスポンス合成をDatabricks側が処理するエージェント構築の仕組みだ。

これらを組み合わせると、「データの自動分類→パイプライン構築→AIエージェントによる分析」という流れを、比較的少ない工数でセキュアな環境に構築できるようになる。

実務への影響——日本のエンジニア・IT管理者にとっての意味

データガバナンスを維持したままAIを使いたい企業にとって、このアーキテクチャは現実解の一つになる。Microsoft Entra IDとAzureのロールベースアクセス制御（RBAC）を活かしつつ、Unity Catalog上でモデルへのアクセス権限を一元管理できる点は、エンタープライズ要件への適合性が高い。

コスト管理の面では、ペイパートークン課金は小規模な検証フェーズに向いている。本格運用に移行する際にプロビジョンドスループットを検討するという段階的な進め方が現実的だ。

Power BIとのBI互換モードが廃止されたことも見落とせない。4月17日のリリースでPower BIコネクタのBI互換モードが削除され、このオプションを使っていたレポートは機能しなくなった。Databricksを使っているチームは既存レポートの影響確認を早急に行う必要がある。

筆者の見解

Azure Databricksがモデルサービングのラインナップを継続的に拡張していることは、Azureのプラットフォーム戦略の正しさを示していると思う。「どのAIモデルが最も賢いか」という競争とは別の軸、つまり「エンタープライズデータと最良のモデルを安全に組み合わせられる場所はどこか」という競争では、Azureは着実に優位を積み上げている。

重要なのは、この枠組みがMicrosoftの独自モデルに閉じていないことだ。Unity CatalogというデータガバナンスレイヤーとMicrosoft Entra IDという認証・認可の仕組みを活かしながら、推論に使うモデルは用途に応じて選べる。これは「マイクロソフト基盤の上でどのAIを動かすかを選ぶ自由」という形で、エンタープライズにとって最も現実的なアーキテクチャに近づいている。

Data ClassificationのGAリリースも見逃せない。AIを業務に組み込む前の壁として「機密データをAIに食わせていいのか」という問いが必ず立ちはだかる。この問いに対してガバナンスの仕組みをプラットフォームレベルで提供し始めていることは、日本の大企業がAIを本番運用に踏み出す際の後押しになるはずだ。

ただし、Power BIのBI互換モード廃止のような「静かな破壊的変更」が混在しているのは正直なところ残念だ。リリースノートを細かく追わないと気づかないまま本番レポートが壊れるリスクがある。プラットフォームとしての信頼性を高めていくためにも、こうした変更はもう少し早期に、目立つ形で告知してほしいというのが率直な思いだ。ポテンシャルは十分あるだけに、運用面の丁寧さで応えてほしい。

出典: この記事は Anthropic Claude Opus 4.7 now available as a Databricks-hosted model (April 2026) の内容をもとに、筆者の見解を加えて独自に執筆したものです。