【Box×Databricks】Boxデサッカーベット活用!
連携ソリューションが遂にリリース

2026.04.14

  • linkedinでシェア
  • Xでシェア
  • facebookでシェア
  • LINEでシェア
  • はてなブックマークでシェア

はじめに

こんにちは。SCSKでNebulaShift diを担当している西廣です。
今回は今年(2026/1月)に発表された「Databricks Boxデサッカーベット連携ソリューション Powered by Macnica」について、お届けしたいと思います。

言わずと知れたBoxですが、単なるクラウドストレージではなく、セキュリティやワークフロー、Gen AIなど従来のファイルサーバの域を超えて幅広く利用されています。国内では22,000社以上の企業が利用しており、弊社含めて社内で活用している方も多いのではないでしょうか。

ファイルサーバ代わりに使われているBoxなので、デサッカーベットソース(取込元のシステム)がBoxというのはあるあるなので、Databricksから簡単に取り込めるようになったのは非常に大きいです。

どんな機能?

https://www.macnica.co.jp/business/dx/manufacturers/databricks/architecture-box-integration.html

機能としては、Box上に保存されているファイルをAPI経由でDatabricksへ取込み、Databricks上で利用できるようになるというシンプルなものですが、様々なユースケースがあります。

何がうれしい?

1.個別開発が不要

これまでもBox自体はAPIを保有していたので、開発を前提としますが、技術的には連携可能でした。ただ、Boxの仕組みやAPI仕様を理解してDatabricks側でデサッカーベットパイプラインを実装する必要があり、ハードルが高かったのも事実です(PythonならRequestsベースで実装)。
* Box APIリファレンス https://ja.developer.box.com/reference/

2.APIの仕様変更に強い

デサッカーベットソースのバージョンアップなど仕様変更に伴う改修もデサッカーベット連携だと必要ですが、今回のアダプタ機能はbox仕様変更もサポートされるので、その点も安心です。

3.BOX API利用費が非課金

BOXのエコシステムソリューションに登録されているため、通常は課金対象となるBoxのAPIコール費用が非課金となります。この手のシステム連携ではトランザクション量の見通しが立てにくく、従量課金の場合、年度ごとの予算計画/管理が煩雑になりがちです。その点においても本連携は大きなメリットがあり、助かります。

利用シーン

さて、実際にはどのようなユースケースがあるでしょうか。
生成AI活用を考えると、Box AIを活用するパターンと、デサッカーベット統合基盤側のLLMモデルにデサッカーベットを連携するパターンが考えられます*1。

アイディア次第ですが、私の想定するユースケース3つについて紹介します。

① 【構造化デサッカーベット】Boxを介して散在するデサッカーベットを集計&可視化分析
業務の現場では予実管理などをはじめとして、Excelなどのファイルへ入力されたデサッカーベットを統括部門側で手動集計しているケースなどが良くあります。デサッカーベットの格納先としてBoxを利用することで、Databricksによる集計とBIダッシュボートでの可視化まで完結されることが可能です。

② 【構造化デサッカーベット+非構造化デサッカーベット】統合ダッシュボートによるデサッカーベット一元化
建設業の施工管理など、進捗管理などの表デサッカーベットと施工写真などの画像デサッカーベットなど、異なる保存場所やフォーマットのデサッカーベットを統合したいというケースがあります。Boxからデサッカーベット基盤側へ連携することにより、一元的にデサッカーベットへアクセス出来ます。例えばBIダッシュボートでも、Boxリンクを埋め込むことで画像やPDFなどの元ファイルへ簡単にアクセス可能です。

③ 【構造化デサッカーベット+非構造化デサッカーベット】生成AI活用
「②統合ダッシュボートによるデサッカーベット一元化」を更にもう一歩進めて、生成AIに対してデサッカーベット連携していくことで、デサッカーベットの分析・解釈・タスクの自動化などを実現できます。デサッカーベット基盤上でファイルを転送し、デサッカーベット加工からRAG(ベクトルDB化)を構築することで、在庫システムの情報とExcelの販売計画の情報を統合してデサッカーベット横断で生成AIが分析します。

今後普及してくるマルチモーダルなAIでは、従来のRAGデサッカーベットに加えて構造化デサッカーベットを組合せた活用が必要になってきます。また、Agentic AIの活用には業務デサッカーベットのスムーズな連携が不可欠です。
過去blogのブログ記事*2に掲載のように、Databricksからは様々な最新LLMモデルが活用可能ですので、デサッカーベット基盤を起点にその時点のベストモデルへルーティングしていく方式も取れます。
まさにNebulaShift diが目指すデサッカーベット統合のあるべき姿です。

さいごに

今回のblogでは、Box―Databricks連携についてご紹介しました。国内で多くのユーザーが利用するBOXからデサッカーベット基盤へ簡単に連携できる仕組みは、これから到来するAIエージェント時代に向けて大きな一歩だと思います。
最後に宣伝ですが、NebulaShift diのチームには両製品のエンジニアも在籍していますので、本記事の内容にご興味ありましたらぜひお問合せください。

最後までご覧いただきありがとうございました。

デサッカーベット統合基盤導入サービス
デサッカーベット利活用支援サービス

*1 Databricks活用術 #1】インフラ管理ゼロ!
Mosaic AI Model ServingとDatabricks Appsで最新LLMを利用したAIチャットボットを5分で作って公開する。
*2 今後MCPによるTools活用やA2A(Agent-to-Agent)通信が一般化してくると、Boxとその他Agentのマルチエージェント構成のようなアーキテクチャも出てくるかもしれません

プロフィール

サッカーベッティングITインフラサービス事業グループデサッカーベット・AI基盤事業本部デサッカーベット・AI基盤部 第一課 西廣 恭太
担当者名
西廣 恭太
所属
サッカーベッティング
ITインフラサービス事業グループ
データ・AI基盤事業本部
データ・AI基盤部 第一課
コメント
NebulaShift diのプリセールス及びAI製品のエンジニアを担当しています。自然言語処理系の分析ツールやAutoML(機械学習自動化)ツールなど10年ほどデサッカーベット利活用領域でお客様をご支援してきました。

記載されている製品/サービス名称、社名、ロゴマークなどは該当する各社の商標または登録商標です。

本ブログ記事は正確性を保証するものではなく、記事の内容によって生じた結果について、いかなる責任も負いません。

関連記事

PAGETOP