企業最有價值的知識往往沉澱在生產力與協作工具中，但這些數據長期分散在數十個獨立應用裏，每個數據源都需要定製API集成。Databricks博客指出，Lakeflow Connect通過原生、全託管的連接器解決了這一難題，讓數據團隊無需構建或維護自定義管道，即可將生產力數據和AI數據統一攝入Unity Catalog。
Lakeflow Connect是Databricks平台上的數據攝入引擎，提供覆蓋SaaS應用、數據庫和文件源的託管連接器。用户可以通過點擊式界面或簡單API設置連接器，數據隨後以增量方式作為受治理的託管表進入Unity Catalog，無需配置、管理或擴展任何基礎設施。連接器按客户需求優先排序，覆蓋客户360、運營、財務和生產力等各條業務線。
生產力工具棧通常包括項目跟蹤器、維基、文檔存儲、收件箱和AI工具，每個工具只記錄工作方式的一部分。傳統上，提取這些數據需要拼湊自定義管道，構建慢且維護痛苦，導致很多高價值用例難以實現，例如基於企業內部知識的AI代理或運營分析可見性。Lakeflow Connect為此提供內置連接器，涵蓋協作類（Jira、Monday.com、Smartsheet、Aha!、GitHub）、企業知識類（Confluence、Notion、Glean、SharePoint、Google Drive）、郵件類（Outlook、Gmail）以及AI類（OpenAI、Anthropic）。
實際案例包括豐田金融澳大利亞公司，其使用Jira連接器將數據作為全託管、零維護管道帶入Databricks，自動處理API複雜性和模式變更，交付受治理、可分析的Delta表。VaxCare則使用Confluence連接器將內部知識庫送入Databricks，為聊天機器人提供可搜索、可操作的數據，併為未來AI解決方案奠定基礎。
對於非結構化內容，AI代理需要基於企業集體知識提供即時、有依據的答案，但代理的質量取決於背後的數據，而大部分數據是非結構化的。Lakeflow Connect的連接器可以將文件、頁面和消息等非結構化內容作為受治理表落入Unity Catalog。不同來源的落地方式各異：SharePoint連接器將PDF、Word文檔、幻燈片和圖像等文件作為一行攝入，原始字節存儲在content列（BINARY或FILE類型），並附帶元數據；結構化文件如Excel和CSV可直接作為Delta表落地。Google Drive連接器類似，將非結構化文件的原始字節作為一行攝入，結構化文件可直接落地為Delta表。Confluence連接器將每個頁面和博客文章的內容作為STRUCT類型存入body字段。Outlook連接器將郵件正文存儲在full_body_content列（HTML或純文本），附件以BINARY類型存儲在attachments列。Gmail連接器將完整郵件正文作為文本字符串攝入messages表，並攝入附件引用attachmentId。GitHub連接器將倉庫文本文件（源代碼、Markdown、配置文件）存儲在repo_contents表的content列。
無論來源如何，內容都以受治理表的形式落地Unity Catalog，之後可以開始轉換以供下游AI使用。文本類內容（如Confluence頁面、郵件正文和GitHub源文件）經過簡單清理後即可分塊和嵌入。而以原始字節到達的文檔文件（如SharePoint和Google Drive的文件或Outlook附件）需要先通過Databricks內置的文檔智能ai_parse_document轉換為文本。最終都能得到可索引用於檢索並置於代理之後的文本。
M3 Accounting使用GitHub和SharePoint連接器將工程和產品文檔統一到Databricks。其數據與AI副總裁Ross Serven表示，GitHub連接器幾分鐘內就運行起來，每週節省約一小時，自動將GitHub數據與其他工程運營數據混合，提供可操作的開發者活動全貌；SharePoint連接器指向產品文檔庫後，內部知識助手在一週內就能從實時更新的內容中提取信息，無需自定義爬蟲或文件同步腳本。
隨着AI代理和生成式工具在團隊中普及，關於模型支出的問題也隨之而來：花了多少錢、誰在使用什麼、是否合規。Lakeflow Connect為大型基礎模型提供商提供連接器。OpenAI連接器攝入使用量、成本、API密鑰、項目、用户和審計日誌，便於按團隊歸因AI支出並跟蹤採用情況。Anthropic連接器攝入審計日誌、組織用户和角色以及claude.ai聊天和消息內容，便於治理工具使用。這使企業能夠統一查看AI使用和採用趨勢，衡量並報告AI投資回報。
在Atlassian生態方面，Lakeflow Connect覆蓋Jira和Confluence。Jira連接器攝入問題、評論、衝刺、看板和自定義字段，便於跟蹤交付並構建跨項目儀表板。Confluence連接器攝入頁面和博客文章的全文，以及空間、標籤和附件，使團隊書面知識可搜索、可分析。兩者結合可全面瞭解Atlassian數據，跟蹤發佈、瓶頸和解決時間，構建AI/BI儀表板，並用Genie以自然語言提問。
DigiCert使用Confluence連接器可靠地支持其內部AI知識助手，無需自定義管道開銷，保持知識助手與最新文檔同步，特別有利於產品機器人保持準確、最新的知識。Orizon使用Jira連接器將168個項目的超過一百萬張工單每日同步到Databricks，成功率達100%，並基於此構建AI/BI儀表板，自動為指導委員會駕駛艙提供數據；Genie讓他們用自然語言提問並即時獲得答案。
由於每個連接器都將數據作為受治理的Delta表落地Unity Catalog，攝入的生產力和AI數據與企業其他數據處於同一基礎之上。用户可以直接在Databricks SQL中查詢，用AI/BI Genie以自然語言提問，並用Agent Bricks基於當前公司知識構建代理。治理、血緣和訪問控制均來自Unity Catalog，因此無論數據來自哪個團隊或工具，訪問權限保持一致。TRegs等金融科技平台已在此基礎之上構建應用。