top of page

Aktualizacja Databricks Genie Agents rozszerza zakres od pytań o dane po przepływy pracy

40 minut temu
10 minut(y) czytania

Databricks rozszerzył Genie Agents 11 listopada, dodając kontekst i działania dla przedsiębiorstw, jednocześnie pozostawiając istotne możliwości w wersji preview lub beta. Aktualizacja Databricks Genie Agents łączy znany problem biznesowy z trudniejszym pytaniem operacyjnym: kiedy odpowiedź analityczna powinna stać się działaniem?

Ogłoszenie wprowadza analizę dokumentów, połączenia z aplikacjami i udostępnianie zewnętrzne do jednej historii produktowej. Te dodatki dotyczą pracy przekraczającej granice baz danych, plików i aplikacji biznesowych. Wprowadzają również odmienne wymagania dotyczące dowodów, uprawnień i weryfikacji.

Główne napięcie dotyczy szerszego kontekstu i kontrolowanego wykonywania działań. System wyjaśniający zmianę przychodów ma inne obowiązki niż system, który publikuje swoje wnioski lub aktualizuje rekord. Cortex Agents od Snowflake stanowi konkurencyjny punkt odniesienia dla tego kierunku. Dla nabywców korporacyjnych pytanie coraz częściej dotyczy tego, jak takie systemy łączą informacje i uprawnienia, a nie tego, czy obsługują pytania zadawane w języku naturalnym.

Co faktycznie dodaje aktualizacja Databricks Genie Agents

Wydanie rozszerza istniejący produkt analityczny, a dostępność różni się w zależności od nowych możliwości.

Według aktualizacji Genie Agents firmy, analiza nieustrukturyzowanych dokumentów trafia do public preview. Dane nieustrukturyzowane to informacje przechowywane w dokumentach i obrazach, a nie w uporządkowanych tabelach baz danych. Natywne konektory Model Context Protocol, które pozwalają agentom komunikować się z narzędziami zewnętrznymi, są opisane jako ogólnie dostępne.

OpenSharing i Genie Clean Rooms dla Genie Agents pozostają w wersji beta. OpenSharing umożliwia dostawcom dystrybucję agentów między kontami Databricks. Genie Clean Rooms dodaje kontrolowany interfejs pytań i odpowiedzi, który ukrywa dane źródłowe przed odbiorcami. Te etapy udostępniania mają znaczenie niezależnie od siebie, nawet gdy funkcje pojawiają się razem w demonstracji.

Jest to aktualizacja komponentów w ramach szerszego zestawu zapowiedzi dotyczących Genie. Nie należy jej interpretować jako pierwszego uruchomienia Genie. Nie oznacza też, że każda funkcja związana z szerszą rodziną Genie jest gotowa do ogólnego wdrożenia.

Praktyczna zmiana dotyczy zakresu dowodów, z których agent może korzystać przed udzieleniem odpowiedzi. Tabela może pokazać, że wskaźnik biznesowy się zmienił. Dokument może wyjaśnić wyjątek, warunek umowny lub procedurę operacyjną. Połączenie z aplikacją może dostarczyć kolejny element kontekstu albo wskazać miejsce, do którego należy wysłać wynik.

To połączenie zmienia charakter zapytania analitycznego. Użytkownik może zadać pytanie, którego odpowiedź zależy zarówno od obliczeń, jak i wyjaśnienia. Powstały przepływ pracy może również wyjść poza miejsce, w którym wykonano obliczenie.

Rozważmy przykładowy przegląd konta. Menedżer sprzedaży widzi, że szansa sprzedażowa słabnie w tabeli raportowej. Wyjaśnienie może zależeć od planu dotyczącego konta i niedawnej rozmowy z klientem. Agent mający dostęp do tych źródeł ma lepszy punkt wyjścia niż agent ograniczony do tabeli.

Jednak dostęp do większej ilości dowodów nie oznacza, że są one istotne lub aktualne. Dopracowana odpowiedź nadal może połączyć prawidłowe obliczenie z nieaktualnym wyjaśnieniem. Kupujący powinni zatem oddzielać zakres źródeł od jakości odpowiedzi.

Aktualizacja Databricks Genie Agents ma znaczenie, ponieważ wprowadza te pytania do zakresu operacyjnego produktu. Wyraźniej pokazuje granicę między analizą a wykonaniem działania. Ocena tej granicy wymaga spojrzenia poza interfejs konwersacyjny i zbadania, co dzieje się za każdą odpowiedzią.

Kontekst dokumentów zmienia odpowiedzialność za odpowiedź

Analiza dokumentów przenosi część ciężaru wdrożenia na osoby odpowiedzialne za dowody biznesowe.

Dokumentacja analizy plików Databricks opisuje dołączanie wolumenów Unity Catalog, czyli zarządzanych kontenerów plików, do agenta. Analiza plików korzysta z Agent mode, wieloetapowego trybu rozumowania produktu. Odpowiedzi mogą zawierać cytowania konkretnych stron źródłowych, a dostęp jest zgodny z uprawnieniami użytkownika składającego żądanie.

Dokumentacja określa również praktyczne ograniczenia. Autorzy dołączają całe wolumeny, a nie wybrane foldery w ich obrębie. Wyszukiwanie treści obsługuje zarządzane wolumeny i pomija pliki większe niż 100 MB lub dłuższe niż 500 stron. Obowiązują również zależności regionalne.

Te szczegóły sprawiają, że organizacja dokumentów staje się kwestią operacyjną. Wolumen zawierający zatwierdzone zasady obok nieaktualnych wersji roboczych tworzy inne środowisko dowodowe niż starannie utrzymywany zbiór. Interfejs agenta nie eliminuje potrzeby decydowania, które dokumenty powinny być ze sobą zestawione.

Wywiera to presję zarówno na właścicieli biznesowych, jak i zespoły danych. Dział finansowy może odpowiadać za definicję wskaźnika, podczas gdy dział prawny odpowiada za język umowy zmieniający jego interpretację. Odpowiedź łącząca oba źródła wymaga jasnej relacji między tymi zakresami odpowiedzialności.

W przypadku przykładowego pytania zakupowego rejestry wydatków mogłyby wskazać dostawców o rosnących kosztach. Dokumenty umowne mogłyby wyjaśniać warunki odnowienia lub wynegocjowane wyjątki. Łączenie tych źródeł jest użyteczne tylko wtedy, gdy agent odróżnia aktywną umowę od zastąpionej wersji.

Cytowania stron ułatwiają weryfikację, ponieważ wskazują czytelnikowi konkretne miejsce do sprawdzenia. Nie potwierdzają jednak, że wybrana strona wspiera każdą część wniosku. Odniesienie może być trafne, podczas gdy oparte na nim rozumowanie nadal pozostaje niepełne.

To rozróżnienie staje się szczególnie ważne, gdy użytkownicy pytają, dlaczego coś się wydarzyło. Zmiana liczbowa i komentarz dokumentacyjny mogą występować razem, nie dowodząc związku przyczynowego. Agent powinien zachować tę niepewność, zamiast zamieniać bliskość w wyjaśnienie.

Obciążenie zatem się zmienia, a nie znika. Zarządzana funkcja dokumentów może ograniczyć pracę związaną z niestandardową integracją. Eksperci dziedzinowi nadal muszą ustalić, co stanowi wiarygodny dowód i jak sprzeczne źródła powinny wpływać na odpowiedź.

Istnieje również różnica między udzielaniem odpowiedzi na podstawie istotnych fragmentów a ustalaniem wyczerpującego wzorca w całym zbiorze. Przekonujące podsumowanie samo w sobie nie pokazuje, jak dokładnie system przeszukał materiały. Osoby weryfikujące muszą zapytać, czy pominięte dowody zmieniłyby wniosek.

Najmocniejszy argument za wdrożeniem dotyczy ograniczonej domeny biznesowej z rozpoznawalnymi źródłami i przypisanymi właścicielami. Szersze zbiory zwiększają zakres możliwych pytań, ale utrudniają też ocenę doboru źródeł. Większy kontekst staje się użyteczny, gdy jego autorytet jest zrozumiały.

Dostęp do aplikacji czyni działanie odrębną decyzją

Uprawnienie do pobierania informacji należy oceniać oddzielnie od uprawnienia do zmiany innego systemu.

Databricks odróżnia Lakeflow Connect, swoją usługę pozyskiwania danych, od połączeń z narzędziami w czasie działania. Pozyskiwanie danych wprowadza dane aplikacji do środowiska analitycznego. Połączenia w czasie działania pozwalają agentowi współdziałać z aplikacją podczas wykonywania zadania. Te ścieżki służą różnym celom, nawet jeśli dotyczą powiązanych informacji biznesowych.

Dokumentacja narzędzi MCP opisuje indywidualne uwierzytelnianie użytkowników oraz wywołania narzędzi wykorzystujące uprawnienia użytkownika składającego żądanie. Rozróżnia automatyczne operacje odczytu od operacji zapisu wymagających zatwierdzenia. Autorzy mogą włączać lub wyłączać poszczególne narzędzia.

Istnieje rozbieżność dotycząca dostępności, którą warto zachować. Ogłoszenie z 11 listopada określa natywne konektory MCP jako ogólnie dostępne. Przewodnik integracyjny, ostatnio zaktualizowany 9 listopada, nadal oznacza narzędzia MCP w Genie Agents jako beta. Kupujący powinni potwierdzić obsługiwaną konfigurację swojej przestrzeni roboczej, zamiast zakładać identyczną dostępność.

W planowaniu wdrożenia ważniejsza jest relacja między wiedzą a uprawnieniami. Pobranie planu dotyczącego konta może pomóc wyjaśnić rekomendację. Opublikowanie tej rekomendacji na wspólnym kanale zmienia to, kto ją widzi i jak inni mogą z niej skorzystać.

Przykładowy przegląd sprzedaży pokazuje to rozróżnienie. Agent może porównać dane dotyczące pipeline’u z dokumentami konta i przygotować podsumowanie strategii. Analiza może być użyteczna, zanim ktokolwiek zatwierdzi jej dystrybucję. Wysłanie jej wprowadza kolejną decyzję dotyczącą odbiorców, treści i czasu.

Istniejące uprawnienia użytkownika w aplikacji wyznaczają granicę dostępu, ale nie rozstrzygają każdego pytania dotyczącego przepływu pracy. Ktoś może mieć uzasadniony dostęp do dokumentu, a mimo to potrzebować przeglądu kierowniczego przed rozpowszechnieniem opartych na nim wniosków. Autoryzacja techniczna i zatwierdzenie biznesowe służą różnym celom.

W tym miejscu aktualizacja Databricks Genie Agents zmienia sposób oceny produktu przez kupującego. Demonstracja skutecznego użycia narzędzia potwierdza, że połączenie zadziałało. Nie potwierdza, że wybrane działanie odpowiadało procesowi organizacji.

To rozróżnienie ma również znaczenie, gdy przepływ pracy zatrzymuje się w połowie. Prawidłowa analiza może poprzedzać nieudaną operację zapisu. I odwrotnie, działanie może zakończyć się powodzeniem, nawet gdy leżąca u jego podstaw rekomendacja wymaga korekty. Traktowanie całej rozmowy jako jednego sukcesu zaciera te różnice.

Zespoły oceniające te przepływy pracy powinny więc badać wyniki pośrednie. Muszą rozumieć, jakie informacje pobrano, jaki wniosek sformułowano i jakie działanie zaproponowano. Każdy etap stwarza inny rodzaj ryzyka niepowodzenia.

Nie oznacza to, że każde zadanie musi stać się długim procesem zatwierdzania. Wymaga dopasowania ciężaru weryfikacji do konsekwencji. Szkic do osobistego wglądu i wspólna aktualizacja operacyjna zasługują na odmienne traktowanie.

Kierunek produktu ma sens w przypadku pracy, która już teraz przekracza granice aplikacji. Jego wartość zależy od ograniczania przekazywania zadań bez utrudniania śledzenia odpowiedzialności. Kluczowe pytanie brzmi, czy użytkownicy mogą rozumieć i kontrolować przejście od dowodów do wykonania działania.

Snowflake pokazuje, dlaczego interfejs czatowy już nie wystarcza

Presja konkurencyjna dotyczy pełnego przepływu pracy analitycznej, w tym sposobu łączenia i weryfikowania dowodów.

Dokumentacja Cortex Agents Snowflake opisuje system łączący źródła ustrukturyzowane i nieustrukturyzowane. Cortex Analyst generuje zapytania do baz danych, a Cortex Search pobiera informacje z dokumentów. Agent koordynuje te narzędzia i rozumuje na podstawie ich wyników.

Snowflake dokumentuje również niestandardowe narzędzia, zewnętrzne połączenia MCP, monitorowanie i ewaluacje. Dokumentacja wyraźnie ostrzega, że dokładność odpowiedzi i cytowania nie są gwarantowane. Te możliwości stanowią istotne porównanie, a nie dowód, że którykolwiek dostawca działa lepiej w konkretnym obciążeniu.

Wspólny kierunek jest jasny: analityka w języku naturalnym coraz częściej obejmuje pracę towarzyszącą zapytaniu. Użytkownicy chcą wyjaśnień, materiałów wspierających i użytecznego kolejnego kroku. Sam interfejs konwersacyjny nie rozstrzyga, jak ta praca powinna przebiegać.

Dla kupujących zmienia to porównanie z listy funkcji w ocenę operacyjną. Obaj dostawcy mogą opisywać łączenie danych i dokumentów. Znaczące różnice ujawniają się, gdy rzeczywiste pytanie zawiera niejednoznaczność, brakujące dowody lub sprzeczne definicje.

Przykładowe pytanie o przychody może wykorzystywać termin, który finanse i sprzedaż rozumieją inaczej. Wyzwanie nie polega wyłącznie na wygenerowaniu poprawnego zapytania. Chodzi o wybór zamierzonej definicji biznesowej i wyjaśnienie, która interpretacja wpłynęła na wynik.

Dostęp do aplikacji dodaje kolejny wymiar porównania. Lista narzędzi może wskazywać, że agent dociera do systemu biznesowego. Kupujący nadal muszą ustalić, czy wynikowa interakcja respektuje ich proces weryfikacji i zapewnia wystarczającą szczegółowość do rozwiązywania problemów.

Wywiera to presję na dostawców, by ich przepływy pracy były możliwe do zbadania. Zmusza też zespoły wewnętrzne do zdefiniowania, jak wygląda satysfakcjonujący rezultat. Bez uzgodnionego standardu przekonująca demonstracja może zastąpić realizację zadania jakością prezentacji.

Porównania powinny uwzględniać istniejące środowisko przedsiębiorstwa. Przenoszenie danych, odtwarzanie definicji lub wprowadzanie kolejnej granicy administracyjnej może wpływać na praktyczny rezultat. Najlepsza odpowiedź konwersacyjna jest tylko częścią decyzji wdrożeniowej.

Ta zmiana stanowi również wyzwanie dla odizolowanych asystentów analitycznych. Narzędzie ograniczone do pytań o bazy danych musi uzasadnić przekazania, których użytkownicy dokonują później. Szerszy agent musi natomiast uzasadnić dodatkową złożoność, którą wprowadza. Żadne z tych podejść nie wygrywa wyłącznie dlatego, że obsługuje więcej funkcji.

W przypadku pracowników wiedzy podobna granica istnieje między wyszukiwaniem informacji osobistych a współdzieloną analizą przedsiębiorstwa. Rozróżnienie między wiedzą osobistą i zespołową pomaga wyjaśnić, które źródła i obowiązki należą do każdego z tych środowisk.

Implikacja konkurencyjna jest zatem węższa niż twierdzenie, że agenci zastępują istniejącą analitykę. Dostawcy konkurują o przejęcie większej części ścieżki od pytania biznesowego do zweryfikowanego wyniku. Klienci powinni oceniać tę ścieżkę na podstawie własnych dowodów i ograniczeń operacyjnych.

Udostępnianie zewnętrzne rozszerza granicę zarządzania

Udostępnienie agenta tworzy odpowiedzialność za odpowiedzi otrzymywane przez odbiorców, a także za dane, których nie mogą oni bezpośrednio sprawdzić.

Ogłoszenie OpenSharing firmy Databricks przedstawia protokół jako rozszerzenie wykraczające poza udostępnianie tabel i plików. Rozróżnia ono otwarty protokół od korporacyjnej implementacji Databricks. To rozróżnienie ma znaczenie przy ocenie twierdzeń o interoperacyjności w odniesieniu do konkretnej konfiguracji produktu.

W przypadku Genie Agents listopadowa aktualizacja wprowadza funkcje udostępniania w wersji beta. Dostawca może połączyć z agentem kontekst i instrukcje. Genie Clean Rooms jest przeznaczone do sytuacji, w których odbiorcy powinni otrzymywać odpowiedzi bez bezpośredniego wglądu w dane źródłowe.

Zmienia to zakres tego, co dostawca musi utrzymywać. Zbiór danych ma definicje, oczekiwania dotyczące odświeżania oraz warunki dostępu. Agent dodaje kolejną warstwę: instrukcje wpływające na interpretację pytań oraz na to, jak dowody stają się odpowiedzią.

Rozważmy przykładową relację z dostawcą. Producent chce, aby partner zbadał wyniki dostaw bez ujawniania wszystkich wewnętrznych rekordów. Kontrolowany interfejs agenta może zapewnić węższą drogę do informacji, pod warunkiem że dozwolone odpowiedzi odpowiadają zamierzonej relacji.

Istotne rozróżnienie dotyczy ukrywania surowych rekordów i ograniczania tego, co ujawniają odpowiedzi. Są to powiązane cele, ale nie są to cele tożsame. Ocena prywatności musi uwzględniać informacje dostępne za pośrednictwem odpowiedzi, w tym wielokrotnie zadawane lub ściśle powiązane pytania.

To kwestia analityczna, a nie twierdzenie, że ogłoszona funkcja ma wykazaną podatność. Publiczny opis produktu nie dowodzi, że wyeliminowano wszelkie możliwe ryzyka wnioskowania. Kupujący powinni unikać przekształcania intencji architektonicznej w ogólną gwarancję prywatności.

Udostępnianie zewnętrzne zmienia również konsekwencje niejednoznacznej metryki. Wewnętrzni współpracownicy często mogą wyjaśnić mylącą definicję dzięki utrwalonej relacji roboczej. Klient lub partner może zasadnie uznać odpowiedź agenta za oficjalne stanowisko dostawcy.

To sprawia, że własność definicji i instrukcji staje się istotna komercyjnie. Dostawcy muszą zdecydować, jak poprawki docierają do odbiorców i jak użytkownicy rozpoznają zmianę znaczenia. Odpowiedź konwersacyjna nie powinna po cichu ukrywać zmienionej reguły biznesowej.

Podobny problem dotyczy pytań, których system nie obsługuje. Współdzielony agent może sprawiać wrażenie bardziej elastycznego niż stały raport, co zachęca odbiorców do eksploracji. Jego użyteczność zależy częściowo od rozpoznawania sytuacji, w których dostępne dane nie mogą poprzeć odpowiedzi.

Odpowiedzialność dostawcy wykracza więc poza udostępnienie agenta. Obejmuje utrzymanie godnej zaufania relacji między materiałem źródłowym, dozwolonymi pytaniami a wynikającymi z nich wnioskami. Pakowanie inteligencji nie eliminuje potrzeby jasnych granic.

Aktualizacja Databricks Genie Agents wskazuje kierunek dystrybucji doświadczeń analitycznych obok danych. To znaczące rozszerzenie roli produktu. Jej powodzenie będzie zależeć od tego, czy dostawcy potrafią wspierać te doświadczenia z taką samą starannością, jaką stosują wobec swoich podstawowych produktów informacyjnych.

Na co zwracać uwagę, gdy te funkcje trafią do większej liczby przepływów pracy

Kolejne użyteczne dowody będą dotyczyć gotowości wdrożeniowej, jakości odpowiedzi opartych na mieszanych źródłach oraz ukończonej pracy z widoczną odpowiedzialnością.

Pierwszym sygnałem będzie większa jasność dostępności. W ciągu najbliższych kilku miesięcy kupujący powinni śledzić informacje o wydaniach i dokumentację pod kątem zmian w analizie dokumentów i udostępnianiu. Powinni także sprawdzać, czy wskazówki dotyczące konektorów rozwiązują rozbieżność między ogłoszeniem a dokumentacją integracji.

Spójne wskazówki wzmocniłyby argument, że organizacje mogą planować wdrożenia wokół stabilnego zestawu funkcji. Utrzymujące się różnice sprawiłyby, że ocena byłaby bardziej zależna od potwierdzenia specyficznego dla przestrzeni roboczej. Żadnego z tych wyników nie należy wywodzić z ogólnego brandingu Genie.

Drugim sygnałem będą dowody dotyczące pytań wymagających zarówno dokumentów, jak i tabel. Użyteczna ocena powinna ujawnić, czy system znalazł niezbędne dowody i poprawnie je zinterpretował. Sama płynna odpowiedź zapewnia niewielki wgląd w którekolwiek z tych wymagań.

Dokumentacja monitorowania agentów firmy Databricks stanowi podstawę do testowania i przeglądu zachowania agenta. Kupujący powinni wykorzystywać tę funkcję do badania reprezentatywnych zadań z własnej działalności. Ważne jest to, czy wydajność pozostaje akceptowalna po zmianie źródeł i instrukcji.

Na przykład ocena może odróżniać prawidłowe obliczenie od uzasadnionego wyjaśnienia. Odpowiedź może poprawnie podać wartość finansową, jednocześnie błędnie interpretując wyjątek kontraktowy. Oddzielne rejestrowanie tych wyników czyni decyzję wdrożeniową bardziej informacyjną.

Niezależne lub publikowane przez klientów oceny z jasno opisanymi metodami wzmocniłyby argument za szerszym zastosowaniem. Raporty pomijające warunki źródłowe lub przypadki niepowodzenia pozostawiłyby istotne pytania bez odpowiedzi. Dowody powinny wyjaśniać, co zostało przetestowane, zamiast jedynie opisywać entuzjazm użytkowników.

Trzecim sygnałem będzie ukończona praca ze zrozumiałym zapisem decyzji. Organizacje powinny obserwować, czy szerszy kontekst zmniejsza wysiłek potrzebny do osiągnięcia zweryfikowanego wyniku. Powinny również analizować pracę wprowadzoną przez sprawdzanie, korygowanie i utrzymywanie agenta.

Pozornie szybsza odpowiedź może nadal tworzyć dodatkowy wysiłek na dalszych etapach, jeśli ktoś musi odtworzyć jej tok rozumowania. Wolniejsza, ale dobrze uzasadniona odpowiedź może być bardziej użyteczna, gdy weryfikacja niesie realne konsekwencje. Porównanie musi uwzględniać całe zadanie.

Udane przykłady powinny odróżniać sugerowane działania od działań autoryzowanych i ukończonych. Powinny także uwzględniać właściwą odmowę lub eskalację. Agent, który rozpoznaje niewystarczające dowody, może lepiej wspierać przepływ pracy niż taki, który zawsze przedstawia pewną rekomendację.

Te sygnały określą, ile odpowiedzialności operacyjnej przedsiębiorstwa przypiszą rozszerzonemu produktowi. Dostęp do funkcji tworzy możliwość przetestowania tej odpowiedzialności. Powtarzalne, możliwe do zbadania wyniki zapewniają silniejszą podstawę do jej rozszerzania.

Przed rozszerzeniem pilotażu wybierz pytanie biznesowe, które już wymaga obliczenia, dowodów dokumentacyjnych i zweryfikowanego kolejnego kroku. Ustal, jak wygląda poprawny wynik, zanim porównasz odpowiedź agenta. Poproś odpowiedzialnego właściciela biznesowego o osobne zbadanie dowodów i proponowanego działania. Zapisz, gdzie osąd człowieka pozostaje niezbędny oraz czy przepływ pracy oszczędza wysiłek po weryfikacji. Wykorzystaj te ustalenia, aby zdecydować, które dodatkowe źródła lub narzędzia zasługują na dostęp. Aktualizacja Databricks Genie Agents rozszerza zakres tego, czego zespoły mogą próbować; praktyczna decyzja dotyczy tego, które obowiązki uzasadniają przypisanie na podstawie ich dowodów. Co Twoja organizacja musiałaby zobaczyć, zanim zaufałaby wynikającemu z tego działaniu?

 
 

Zacznij bezpłatnie

Asystent AI działający przede wszystkim lokalnie, z funkcją zarządzania wiedzą osobistą

Aby zapewnić lepsze działanie AI,

remio obsługuje obecnie wyłącznie Windows 10+ (x64) i M-Chip Macs.

Twój partner AI w pracy
Zrób więcej z remio

Planuj. Twórz. Dostarczaj.
Wszystko w jednym miejscu.

bottom of page