企業最有價值的知識往往沉澱在生產力與協作工具中，但這些資料長期分散在數十個獨立應用裡，每個資料來源都需要定製API整合。Databricks部落格指出，Lakeflow Connect透過原生、全託管的聯結器解決了這一難題，讓資料團隊無需構建或維護自定義管道，即可將生產力資料和AI資料統一攝入Unity Catalog。
Lakeflow Connect是Databricks平臺上的資料攝入引擎，提供覆蓋SaaS應用、資料庫和檔案源的託管聯結器。使用者可以透過點選式介面或簡單API設定聯結器，資料隨後以增量方式作為受治理的託管表進入Unity Catalog，無需配置、管理或擴充套件任何基礎設施。聯結器按客戶需求優先排序，覆蓋客戶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專案跟蹤器、維基、文件儲存、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，提取這些資料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為此提供內建聯結器，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聯結器將資料作為全託管、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聯結器將內部知識庫送入Databricks，為聊天機器人提供可搜尋、可操作的資料，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資料，而大部分資料是非結構化的。Lakeflow Connect的聯結器可以將檔案、頁面和訊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聯結器將PDF、Word文件、幻燈片和影像等檔案作為一行攝入，原始位元組儲存在content列（BINARY或FILE型別），並附帶後設資料；結構化檔案如Excel和CSV可直接作為Delta表落地。Google Drive聯結器類似，將非結構化檔案的原始位元組作為一行攝入，結構化檔案可直接落地為Delta表。Confluence聯結器將每個頁面和部落格文章的內容作為STRUCT型別存入body欄位。Outlook聯結器將郵件正文儲存在full_body_content列（HTML或純文本），附件以BINARY型別儲存在attachments列。Gmail聯結器將完整郵件正文作為文本字串攝入messages表，並攝入附件引用attachmentId。GitHub聯結器將倉庫文本檔案（原始碼、Markdown、配置檔案）儲存在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原始檔）經過簡單清理後即可分塊和嵌入。而以原始位元組到達的文件檔案（如SharePoint和Google Drive的檔案或Outlook附件）需要先透過Databricks內建的文件智慧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聯結器將工程和產品文件統一到Databricks。其資料與AI副總裁Ross Serven表示，GitHub聯結器幾分鐘內就執行起來，每週節省約一小時，自動將GitHub資料與其他工程運營資料混合，提供可操作的開發者活動全貌；SharePoint聯結器指向產品文件庫後，內部知識助手在一週內就能從即時更新的內容中提取資訊，無需自定義爬蟲或檔案同步指令碼。
隨著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聯結器。OpenAI聯結器攝入使用量、成本、API金鑰、專案、使用者和審計日誌，便於按團隊歸因AI支出並跟蹤採用情況。Anthropic聯結器攝入審計日誌、組織使用者和角色以及claude.ai聊天和訊息內容，便於治理工具使用。這使企業能夠統一檢視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聯結器攝入問題、評論、衝刺、看板和自定義欄位，便於跟蹤交付並構建跨專案儀表板。Confluence聯結器攝入頁面和部落格文章的全文，以及空間、標籤和附件，使團隊書面知識可搜尋、可分析。兩者結合可全面瞭解Atlassian資料，跟蹤釋出、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聯結器可靠地支援其內部AI知識助手，無需自定義管道開銷，保持知識助手與最新文件同步，特別有利於產品機器人保持準確、最新的知識。Orizon使用Jira聯結器將168個專案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資料；Genie讓他們用自然語言提問並即時獲得答案。
由於每個聯結器都將資料作為受治理的Delta表落地Unity Catalog，攝入的生產力和AI資料與企業其他資料處於同一基礎之上。使用者可以直接在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，因此無論資料來自哪個團隊或工具，訪問許可權保持一致。TRegs等金融科技平臺已在此基礎之上構建應用。