Databricks、Instructed-Retriever-1 で Knowledge Assistant の検索を高速化

Databricks は 2026年6月4日、Agent Bricks Knowledge Assistant の検索と回答生成を高速化する Instructed-Retriever-1 を発表しました。回答生成時間は 2倍、検索時間は 3倍超改善し、Time To First Token は約2秒まで短縮されたと説明されています。

要点

• Agent Bricks Knowledge Assistant の検索品質とレイテンシ改善が発表された
• Instructed-Retriever-1 はクエリ生成とリランキングの両方を担う検索特化モデル
• 逐次的なエージェント検索ではなく、初期検索を並列化する Parallel Test-Time Scaling を採用している
• 既存ユーザーは再設定なしで高速化の恩恵を受けると説明されている
• 社内ナレッジ検索では、速度、品質、根拠、コストのバランスを確認したい

今回のブログ記事で語られていること

この記事は、企業向けナレッジ検索における「高品質だが遅い」問題への Databricks の回答です。多くの agentic search は、検索、評価、次の検索判断を逐次的に進めるため、精度は上がってもレイテンシとコストが重くなります。Databricks は、Agent Bricks Knowledge Assistant に Instructed-Retriever-1 を導入し、検索時の test-time compute を並列に使うことで、探索範囲を広げながら回答開始までの時間を短くする方向を示しています。

Instructed-Retriever-1 は、クエリ生成によって recall を高め、リランキングによって precision を高める検索特化モデルとして説明されています。つまり、単に LLM に検索結果を読ませるのではなく、最初から検索パイプラインに特化したモデルを使い、複数の候補検索を並列に広げ、必要な文脈を早く揃える設計です。記事では、KARLBench や実運用ワークロードでの検証にも触れ、速度と品質の Pareto 最適な改善を強調しています。

企業の Knowledge Assistant では、回答が遅いと利用率が落ちます。一方で、速いだけで根拠が薄い回答は信頼されません。今回の更新は、社内文書や業務知識を扱う AI アシスタントにおいて、検索の品質と体感速度を同時に改善する試みとして見るべきです。

Databricks は 2026年6月4日、Agent Bricks Knowledge Assistant の検索と回答生成を高速化する Instructed-Retriever-1 を発表しました。回答生成時間は 2倍、検索時間は 3倍超改善し、Time To First Token は約2秒まで短縮されたと説明されています。

今回のブログ記事が関係する人

• databricks をすでに利用しており、今回の内容が運用、開発、分析、データ連携にどう影響するかを確認したいチーム
• AI・データ基盤の選定や導入計画を進めており、公式ブログの背景や実務上の読み方を整理したい担当者
• セキュリティ、ガバナンス、監査、コスト、サポート体制など、発表内容を本番運用の判断材料に落とし込みたい管理者

実務で確認したいポイント

導入済みのチームは、更新前後で代表的な質問の回答速度、引用元の妥当性、検索漏れ、コストを比較したいところです。特に、部門横断のナレッジ、古い文書、似た名前のプロジェクトが多い環境では、速くなっただけでなく正しい根拠を拾えているかを確認する必要があります。

結局、今回のブログ記事をどう読むべきか

Instructed-Retriever-1 は、Databricks が企業向け AI 検索を本番利用に近づけるための基盤更新です。生成モデルだけでなく、検索モデルとレイテンシ設計が AI アシスタントの実用性を左右することを示す発表です。