Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
DatabricksホストモデルでAIコーディング環境を構築する
Search
Databricks Japan
January 27, 2026
Technology
670
0
Share
Embed
Copy iframe code
Copy JS code
Copy link
Start on current slide
DatabricksホストモデルでAIコーディング環境を構築する
Databricks Japan
January 27, 2026
More Decks by Databricks Japan
See All by Databricks Japan
生成AIワークショップ / Custom-AI-Agents-workshop
databricksjapan
0
170
Lakeflow Designer ワークショップ / lakeflow-designer-workshop
databricksjapan
0
210
Databricks 生成AIガバナンス実践ワークショップ / LLMOps-workshop
databricksjapan
0
220
プラットフォームエンジニア ワークショップ/ platform-workshop
databricksjapan
2
1.3k
DatabricksにおけるIcebergとDelta Lakeの現在と未来 / The Present and Future of Iceberg and Delta Lake in Databricks
databricksjapan
0
850
Databricks Academic Series 〜 データアナリスト編 〜 / academic-series-data-analyst
databricksjapan
1
330
Databricks Academic Series 〜 データエンジニアリング編 〜 / academic-series-data-engineering
databricksjapan
1
470
Databricks Academic Series 〜 機械学習編 〜 / academic-series-ml
databricksjapan
1
180
Databricks Academic Series 〜 大規模言語モデル / エージェント編 〜 / academic-series-llm
databricksjapan
1
320
Other Decks in Technology
See All in Technology
AIは実装を速くする。では、私たちは何を今作るべきか?-立場を越えてリリースに向き合ったチーム開発の実践 / 20260801 Hiromi Nakaya and Naoki Takahashi
shift_evolve
PRO
3
180
セキュリティ研修【MIXI 26新卒技術研修】
mixi_engineers
PRO
32
27k
「待ち時間」の消滅と「自我消耗」の加速:生成AI時代のエンジニアを救うメンタル・リソース管理
poropinai1966
0
400
SnowflakeCoCoでデータエンジニアリング!
foursue
0
110
Claude Code並行開発環境の ムダ‧ムラ‧ムリを見直した話
muranakaaa
1
390
AIエージェントの知識表現と推論に なぜグラフが使われるのか - 記号的AIの復権とニューラルAIとの統合
yohei1126
1
250
20260801_スクフェス大阪
kgnkhkr
0
330
ウォーターフォール開発案件のPMとしてAI活用を模索している話
hatahata021
3
250
Amazon Bedrock Managed Knowledge BaseDive Deep
ren8k
0
320
【CEDEC2026】ゲームシナリオライターを支援するAIツール開発の実践 ― 設計とプロンプトの工夫 ―
cygames
PRO
1
150
システム監視を 「システムを監視するだけ」で 終わらせないために
seiud
0
160
20260608_Codexの可能性_ノンプログラマー向け_大城追記
doradora09
PRO
0
720
Featured
See All Featured
How To Stay Up To Date on Web Technology
chriscoyier
790
250k
Scaling GitHub
holman
464
140k
Dominate Local Search Results - an insider guide to GBP, reviews, and Local SEO
greggifford
PRO
0
240
Jamie Indigo - Trashchat’s Guide to Black Boxes: Technical SEO Tactics for LLMs
techseoconnect
PRO
0
550
Why Mistakes Are the Best Teachers: Turning Failure into a Pathway for Growth
auna
0
190
Fight the Zombie Pattern Library - RWD Summit 2016
marcelosomers
234
17k
Imperfection Machines: The Place of Print at Facebook
scottboms
270
14k
Designing for Performance
lara
611
70k
What Being in a Rock Band Can Teach Us About Real World SEO
427marketing
0
1.1k
Highjacked: Video Game Concept Design
rkendrick25
PRO
1
420
No one is an island. Learnings from fostering a developers community.
thoeni
21
3.8k
Writing Fast Ruby
sferik
630
63k
Transcript
Databricksホストモデルで AIコーディング環境を 構築する JEDAI 2026 新春 Meetup! AIコーディング特集 2026年1月27日 データブリックス・ジャパン株式会社
中里 浩之 (シニア スペシャリストSA)
🤲 AIコーディングツール 使ってますか?
AIコーディングツール • Claude Code - Anthropicのターミナルベースのエージェント型 • Codex - OpenAIのマルチプラットフォーム対応エージェント
• Cursor - VSCodeフォークのAI特化型エディタ • Gemini CLI - GoogleのOSS・ターミナルベースのエージェント型 • Goose - Block社のOSS・エージェントフレームワーク • Cline - VSCode拡張のエージェント型 様々なツールが登場
Claude Codeとは • ターミナル上 で動作 • コードの読み書きやコマンド実行 が可能 • 会話形式でコーディングをはじめとしたあらゆる作業
を支援 • モデルはClaude Opus / Sonnetを使用 Anthropic公式のAIコーディングツール
DatabricksホストのClaude利用のメリット エンタープライズ利用の障壁をクリア 観点 Databricks基盤モデル APIなら データ保護 送信データおよび出力データをモデル学習に使用することはない (Docs) ネットワーク ワークスペースの各種ネットワークアクセス制御を適用可能
(コンテキストベースのイング レス制御、IPアクセスリスト、フロントエンドPrivate Linkなど) 契約・請求 Databricksの他に追加契約は不要、既存のDBU課金に統合 権限制御 ワークスペースへのアクセス、個人アクセストークンの利用、レート制限 (AI Gateway) によ る利用制御
利用状況の追跡・ガバナンス 可視化・制御の仕組み 機能 できること AI Gateway 使用状況監視、コスト追跡、推論テーブル (リクエスト/レスポンス全文記録)、レート制 限 システムテーブル
DBU消費量、ユーザー別利用状況の集計・分析 MLflow Tracing ツール呼び出しを含む詳細トレース、デバッグ
セットアップ手順 1. Claude Codeのインストール 2. Databricksワークスペース (基盤モデルAPIが利用可能) 3. 個人アクセストークン (PAT)
必要なもの
デモ
詳細な手順 • Claude Code + DatabricksおよびMLflowによるトレーシングのセットアップ手 順 • Claude Code
GitHub Actions + Databricksセットアップ手順 以下のQiita記事を参照ください
コストは?
モデル料金 → ほぼ同等の価格設定 ($0.07/DBU換算) Anthropic Pricing / Databricks Pricing 比較:Anthropic
APIとDatabricks基盤モデルAPI (Pay-Per-Token) モデル Input/Output Anthropic ($/MTok) Databricks (DBU/MTok) Opus 4.5 Input $5 71.4 ≒ $5 Output $25 357.1 ≒ $25 Sonnet 4.5 Input $3 42.9 ≒ $3 Output $15 214.3 ≒ $15
コスト実績 • 期間: 2026年1月5日〜23日(18日間) • モデル: Claude Opus 4.5のみ使用(Sonnetは未使用) •
使用スタイル : プログラミング、ドキュメント作成など様々な用途 • ユーザータイプ : ヘビーユーザー、毎日利用 自分自身で実験してみました
コスト実績 • 合計コスト : $500 • 合計アクティブ時間 : 45時間 •
合計ツール呼出回数 : 5,000回 自分自身で実験してみました ピーク日 (1月19日) • コスト: $74 • 時間: 4時間 • ツール呼出: 948回
参考:個人の実験結果からの大まかな推定値 使用パターン別の目安 パターン 月間利用時間 Opus 4.5 Sonnet 4.5 ライトユーザー 〜10時間(週1〜2時間)
〜$100 〜$60 ミドルユーザー 10〜30時間(週3〜7時間) $100〜300 $60〜180 ヘビーユーザー 30〜60時間(週8〜15時間) $300〜600 $180〜360
• エンタープライズ要件をクリア : データ保護、ネットワーク制御、権限管理 • ガバナンス機能が充実 : AI Gateway、システムテーブル、MLflow Tracing
• 契約・請求がシンプル : 追加契約不要、既存DBU課金に統合 まとめ Databricks基盤モデルAPIでClaude Codeを使用することで
None