Przejęcie Row Zero przez Databricks stawia arkusze kalkulacyjne w centrum Genie

Databricks przejął Row Zero w transakcji o nieujawnionej wartości, zakładając, że agentowa AI potrzebuje znajomego interfejsu arkusza kalkulacyjnego, zanim zespoły biznesowe jej zaufają. Przejęcie Row Zero przez Databricks daje Genie przestrzeń roboczą, w której ludzie mogą sprawdzać, zmieniać i zatwierdzać analizy agenta AI. Włącza też powszechne źródło niezarządzanych danych przedsiębiorstwa do systemu zarządzania Databricks.

To kluczowe napięcie stojące za tą transakcją. Przedsiębiorstwa chcą agentów, którzy potrafią analizować dane i podejmować działania, lecz większość istotnych decyzji biznesowych nadal przechodzi przez arkusze kalkulacyjne. Pliki eksportowane do Excel lub Google Sheets często tracą mechanizmy uprawnień, pochodzenia danych i kontroli audytowej stosowane wewnątrz platformy danych.

Row Zero oferuje Databricks potencjalny pomost między tymi światami. Jego chmurowy arkusz kalkulacyjny łączy się z danymi na żywo i obsługuje znane formuły, tabele przestawne, wykresy oraz skróty klawiaturowe. Interfejs konkuruje z tradycyjnymi arkuszami kalkulacyjnymi w pracy analitycznej, podczas gdy Databricks rywalizuje ze Snowflake i innymi platformami o kontrolę nad zarządzanymi danymi stanowiącymi podstawę tej pracy.

Przejęcie oznacza więc więcej niż zakup kolejnej funkcji AI. Databricks próbuje uczynić swojego agenta użytecznym w interfejsie, który rozumieją już zespoły finansowe, operacyjne, sprzedażowe i marketingowe. Wynik będzie zależał od tego, czy natywna integracja zachowa elastyczność arkuszy bez odtwarzania ich rozproszenia w nowym produkcie.

Przejęcie Row Zero przez Databricks dodaje Genie przestrzeń do pracy

Databricks kupuje interfejs do wykonywania pracy analitycznej, a nie po prostu kolejny sposób wyświetlania danych.

Databricks ogłosił przejęcie 24 września 2026 roku. Warunki finansowe nie zostały ujawnione. Zespół Row Zero, założony przez byłych inżynierów Amazon Web Services i Tableau, dołączy do Databricks i będzie pracować nad rozwojem Genie.

Genie to współpracownik AI Databricks, służący do zadawania pytań o dane przedsiębiorstwa oraz przekształcania wyników w analizy lub działania. Row Zero dodaje powierzchnię arkusza kalkulacyjnego, w której użytkownicy mogą sprawdzać te wyniki, zmieniać założenia, modelować scenariusze i współpracować.

To rozróżnienie ma znaczenie. Odpowiedź w czacie może podsumować, dlaczego zmieniły się marże, ale analityk finansowy zwykle potrzebuje czegoś więcej niż podsumowania. Może potrzebować skorygować założenie, rozdzielić regiony, przetestować prognozę, prześledzić nieoczekiwaną wartość i pokazać obliczenie osobie dokonującej przeglądu.

Arkusz kalkulacyjny pokazuje te pośrednie kroki w strukturze, którą użytkownicy biznesowi już rozpoznają. Komórki, formuły, filtry i tabele przestawne stają się warstwą kontroli między rozumowaniem agenta a ostateczną decyzją.

Databricks twierdzi, że doświadczenie będzie działać w oparciu o kontekst biznesowy dostarczany przez Genie Ontology, Unity Catalog i Unity Gateway. Genie Ontology mapuje specyficzne dla firmy pojęcia i relacje. Unity Catalog zarządza uprawnieniami, odkrywaniem danych i ich pochodzeniem, a Unity Gateway stosuje mechanizmy zarządzania dostępem AI.

Row Zero zintegruje się z Genie w aplikacjach internetowych, desktopowych i mobilnych. Databricks twierdzi również, że arkusz pozostanie dostępny u głównych dostawców chmury i nadal będzie obsługiwał źródła danych spoza swojej platformy.

To zobowiązanie jest istotne, ponieważ Row Zero już łączy się ze Snowflake, Amazon Redshift, Google BigQuery, PostgreSQL, Oracle, Microsoft SQL Server, Teradata, Amazon Athena i Amazon S3. Kontynuowanie rozwoju produktu neutralnego względem platform pozwoliłoby Databricks obsługiwać użytkowników, których zasoby danych obejmują konkurujące systemy.

Przejęcie nastąpiło po wewnętrznym zastosowaniu produktu. Zespół finansów sprzedaży Databricks miał podobno wdrożyć Row Zero do planowania i analizy finansowej, zanim kierownictwo zainteresowało się przejęciem firmy. Według relacji o transakcji, zespół połączył Row Zero z Genie i używał go na skalę wykraczającą poza typowe możliwości arkuszy desktopowych.

To pochodzenie nadaje transakcji większą wiarygodność niż czysto defensywny zakup. Databricks zetknął się z Row Zero jako klient, zobaczył, jak pracownicy używają go z Genie, a następnie uznał, że ten proces powinien znaleźć się wewnątrz jego produktu.

Wewnętrzny entuzjazm nie dowodzi jednak szerokiego popytu. Zespoły finansowe wyjątkowo dobrze czują się w pracy z arkuszami kalkulacyjnymi, a Databricks nadal musi wykazać, że połączone doświadczenie sprawdza się w innych działach i przy innych wymogach dotyczących zarządzania.

Dlaczego agentowa AI wciąż wraca do arkusza kalkulacyjnego

Arkusz kalkulacyjny pozostaje wartościowy, ponieważ pozwala ludziom kwestionować odpowiedź, a nie tylko ją otrzymywać.

Agentowa AI odnosi się do oprogramowania, które może realizować cel poprzez wiele kroków, narzędzi i decyzji przy ograniczonym kierowaniu przez człowieka. W analityce przedsiębiorstw agent może odpytywać zarządzane dane, identyfikować odchylenie, tworzyć prognozę i przygotowywać rekomendację.

Agent może automatyzować tę sekwencję, ale końcowy rezultat nadal wymaga formy umożliwiającej przegląd. Użytkownicy biznesowi często muszą rozumieć, które rekordy uwzględniono, jak zmieniło się założenie i czy formuła jest zgodna z polityką firmy.

Tradycyjne pulpity business intelligence skutecznie obsługują powtarzalne metryki. Stają się mniej wygodne, gdy użytkownicy potrzebują otwartego modelowania lub tymczasowego obliczenia. Interfejs konwersacyjny oferuje elastyczność, lecz może ukrywać strukturę stojącą za odpowiedzią.

Arkusz kalkulacyjny znajduje się pomiędzy tymi podejściami. Jest wystarczająco uporządkowany, by ujawniać obliczenia, a jednocześnie na tyle elastyczny, by analityk mógł je zmieniać. To czyni go naturalną powierzchnią przeglądu dla analityki agentowej.

Row Zero bezpośrednio rozwijał ten argument. Jego podejście do analityki agentowej zakłada, że praca agenta powinna odbywać się w arkuszu kalkulacyjnym działającym na żywo i połączonym z danymi, aby użytkownicy mogli sprawdzać i modyfikować wynik. To wciąż stanowisko firmy, a nie niezależny dowód, lecz wyjaśnia, dlaczego przejęcie pasuje do Genie.

Rozważmy zespół operacji sprzedażowych oceniający jakość lejka sprzedażowego. Genie może odpytać szanse sprzedażowe, wskazać konta, w których proces utknął, i podsumować możliwe przyczyny. Row Zero może następnie przedstawić te rekordy w siatce, gdzie analityk koryguje założenia dotyczące prawdopodobieństwa lub wyklucza wyjątkowe transakcje.

Zespół finansowy może zastosować ten sam schemat do analizy marż. Agent identyfikuje zmiany według produktu i regionu, podczas gdy arkusz pozwala użytkownikowi testować założenia dotyczące waluty, wolumenu i rabatów. Obliczenie pozostaje połączone ze źródłem, zamiast stawać się odłączonym plikiem.

Dlatego Databricks nie zastępuje wprost Excel ani Google Sheets. Jego komunikat opisuje zgodność ze znanymi pojęciami arkuszy kalkulacyjnych i przedstawia Row Zero jako rozwiązanie uzupełniające istniejące narzędzia.

Databricks oferuje już konektory do przenoszenia danych platformy do Excel i Google Sheets. Opcje te wspierają użytkowników, którzy muszą pozostać w istniejących środowiskach desktopowych lub współpracy. Row Zero służy innemu celowi, czyniąc sam arkusz częścią zarządzanego środowiska Databricks.

Strategiczne pytanie brzmi, czy przedsiębiorstwa będą wystarczająco potrzebować tej nowej powierzchni, aby dodać ją obok istniejących narzędzi. Użytkownicy mogą preferować natywne środowisko do pracy z wrażliwymi danymi na dużą skalę, zachowując konwencjonalne arkusze do mniejszych zadań.

Taki podział nadal przyniósłby korzyść Databricks. Firma nie musi wyprzeć każdego arkusza kalkulacyjnego. Musi przejąć procesy, w których skala danych, dostęp agentów, możliwość audytu lub wymagania dotyczące zapisu zwrotnego sprawiają, że eksportowane pliki są ryzykowne.

Zarządzanie danymi jest mechanizmem, a nie funkcją pomocniczą

Przejęcie ma znaczenie, ponieważ Databricks chce, aby agenci i ludzie pracowali na tych samych zarządzanych danych bez tworzenia niekontrolowanych kopii.

Powszechny proces analityczny zaczyna się bezpiecznie, a kończy poza systemem. Użytkownik odpytuje zatwierdzoną hurtownię, eksportuje wynik i rozpowszechnia arkusz za pośrednictwem e-maila lub współdzielonej przestrzeni dyskowej. Wyeksportowany plik może się zdezaktualizować, nadal zawierając wrażliwe dane klientów, dane finansowe lub operacyjne.

Uprawnienia również mogą przestać towarzyszyć danym. Platforma źródłowa może ograniczać pracowników do określonych wierszy, ale wyeksportowany plik może ujawnić każdy zawarty w nim wiersz. Późniejsze edycje tworzą dodatkowe wersje, których pochodzenie trudno odtworzyć.

Agenci AI podnoszą stawkę, ponieważ mogą działać szybciej i w większej liczbie zadań niż pojedynczy użytkownicy. Agent pracujący z nieaktualnym lub niewłaściwie udostępnionym plikiem może powielać błędy na większą skalę. Może też wydać rekomendację, której pochodzenie danych jest niejasne.

Proponowany przez Row Zero mechanizm utrzymuje połączenie arkusza z autorytatywnymi źródłami danych. Zapytania dziedziczą uprawnienia użytkownika, a odświeżenia aktualizują skoroszyt na podstawie danych na żywo. Organizacje mogą ograniczać eksporty, audytować interakcje i zapisywać zatwierdzone wyniki z powrotem na połączonych platformach.

Niezależna analiza zarządzania danymi wskazała rozproszenie arkuszy kalkulacyjnych jako problem, na który celuje Databricks. Raport zwrócił również uwagę na stosowanie przez Row Zero zabezpieczeń na poziomie wierszy, kontroli dostępu opartej na rolach, ograniczeń eksportu i dedykowanych serwerów skoroszytów.

Mechanizmy te czynią z arkusza zarządzany interfejs, a nie oddzielny magazyn danych o niepewnej własności. Teoretycznie agent widzi wyłącznie dane dostępne dla jego użytkownika. Jego działania pozostają widoczne dzięki operacjom w arkuszu, które zespoły biznesowe mogą sprawdzać.

Databricks twierdzi, że Row Zero może pracować z miliardowymi zbiorami wierszy przy interaktywnych szybkościach. To deklaracja firmy, którą należy ocenić w rzeczywistych obciążeniach. Mimo to architektura usuwa typowe założenie, że analiza w arkuszu zaczyna się od pobrania ograniczonej lokalnej kopii.

Skala jest ważna, ale zarządzanie danymi stanowi mocniejsze uzasadnienie przejęcia. Przedsiębiorstwa mają już bazy danych i silniki analityczne zdolne do przetwarzania ogromnych zbiorów danych. Trudniejszym problemem jest włączenie użytkowników biznesowych do tych systemów bez zmuszania ich, by każda decyzja przechodziła przez wyspecjalizowany zespół danych.

Przejęcie Row Zero przez Databricks rozwiązuje ten problem, umieszczając znajomą powierzchnię sterowania nad platformą. Pozwala użytkownikom manipulować danymi za pomocą formuł i tabel przestawnych, przy zachowaniu połączenia z mechanizmami kontroli przedsiębiorstwa.

Wzmacnia to również szerszą strategię agentową Databricks. Agent działający za pośrednictwem zarządzanych narzędzi może potencjalnie przestrzegać tych samych wymogów dotyczących uprawnień i audytu co analityk. To bezpieczniejsze niż przyznanie agentowi szerokiego dostępu i proszenie użytkowników o zaufanie do wygenerowanego wniosku.

Projekt przypomina łączenie wiedzy w osobistych procesach AI, gdzie wyniki stają się użyteczniejsze po połączeniu z możliwym do prześledzenia kontekstem. W obu przypadkach samo wyszukiwanie informacji nie wystarcza. Użytkownicy potrzebują widocznej relacji między odpowiedzią a informacjami, które za nią stoją.

Mechanizm nadal wymaga starannego wykonania. Polityki zarządzania muszą przetrwać zapytania w języku naturalnym, przekształcenia w arkuszu, współpracę, eksporty i działania zapisu zwrotnego. Kontrola działająca u źródła może zawieść, jeśli jeden z późniejszych kroków utworzy nieograniczoną kopię.

Snowflake, Microsoft i Google stają do rywalizacji o znajomość środowiska

Databricks konkuruje o to, by jego platforma stała się domyślnym miejscem pracy analitycznej, a nie wyłącznie systemem przechowującym dane.

Snowflake jest najwyraźniejszym rywalem platformowym. Row Zero już łączy się ze Snowflake i zintegrowało się z Cortex Analyst, systemem analityki języka naturalnego Snowflake. Databricks posiada teraz interfejs, który może działać na obu platformach, a jednocześnie otrzymywać głębszą optymalizację dla Genie.

Tworzy to delikatną równowagę. Utrzymanie użyteczności Row Zero ze Snowflake poszerza jego rynek docelowy i wspiera klientów z mieszaną infrastrukturą. Nadanie zbyt wysokiego priorytetu funkcjom dostępnym wyłącznie w Databricks mogłoby osłabić obietnicę neutralności platformowej.

Microsoft wywiera presję innego rodzaju. Excel pozostaje głęboko osadzony w finansach i planowaniu operacyjnym, a Microsoft może połączyć go z danymi chmurowymi, narzędziami współpracy i Copilotem. Jego przewaga wynika z dystrybucji i utrwalonych nawyków użytkowników.

Google podąża podobną ścieżką za pośrednictwem Sheets, BigQuery i Gemini. Google Sheets oferuje silne procesy współpracy, a BigQuery dostarcza zarządzane dane chmurowe. Google może umieścić wsparcie AI w interfejsie, z którego wiele zespołów korzysta już codziennie.

Databricks nie może dorównać tym pakietom produktywności przez kopiowanie ich szerokości funkcji. Jego szansą jest zapewnienie głębszego nadzoru i dostępu do danych na większą skalę dla pracy analitycznej. Porównanie arkuszy kalkulacyjnych Row Zero przedstawia wybór jako połączone tabele w zarządzanym chmurowym arkuszu kalkulacyjnym kontra zaimportowane dane w Excelu.

To porównanie pochodzi od Row Zero i naturalnie faworyzuje jego produkt. Kupujący z przedsiębiorstw powinni przetestować różnice operacyjne, zamiast przyjmować tę narrację bez zastrzeżeń. Powinni zbadać zachowanie odświeżania, zgodność formuł, współpracę, opóźnienia, egzekwowanie uprawnień oraz odzyskiwanie po nieudanych działaniach zapisu zwrotnego.

Presję odczuwają również wyspecjalizowani dostawcy analityki. Sigma Computing, na przykład, zbudowała interfejs podobny do arkusza kalkulacyjnego nad platformami danych chmurowych. Inne produkty business intelligence dodały zapytania w języku naturalnym i zarządzane warstwy semantyczne.

Przewagą Databricks jest posiadanie bazowego systemu nadzoru i środowiska Genie. Natywna integracja może zmniejszyć liczbę modeli uprawnień, kopii danych i przekazań między dostawcami zaangażowanych w przepływ pracy analitycznej.

Jego wadą jest zakres produktu. Użytkownicy arkuszy kalkulacyjnych oczekują lat nagromadzonych zachowań, skrótów, formuł, kontroli formatowania i interoperacyjności. Technicznie skalowalna siatka nadal może wydawać się niekompletna, jeśli typowe skoroszyty nie przenoszą się bezproblemowo.

To sprawia, że konkurencja mniej dotyczy tego, który dostawca ma najwyższy limit wierszy. Decydującą kwestią jest to, czy użytkownicy biznesowi mogą wykonywać znane zadania bez rezygnowania z kontroli wymaganych przez zespoły danych.

Databricks w praktyce argumentuje, że zarządzana platforma powinna rozszerzać się w górę, do warstwy aplikacyjnej. Microsoft i Google podchodzą do tego samego rynku od strony oprogramowania produktywnościowego, podczas gdy Snowflake i wyspecjalizowani dostawcy — od strony analityki.

Row Zero daje Databricks wiarygodny punkt wejścia, ale nie automatyczne zwycięstwo. Przedsiębiorstwa rzadko standaryzują każdy przepływ pracy w arkuszach kalkulacyjnych na jednym produkcie. Najbardziej prawdopodobna rywalizacja będzie dotyczyć wartościowej pracy, w której dane na żywo, wsparcie AI, audytowalność i skala są ważniejsze niż uniwersalna zgodność z aplikacjami desktopowymi.

Najtrudniejsze jest zachowanie zaufania przy każdej edycji

Zarządzany arkusz kalkulacyjny jest użyteczny tylko wtedy, gdy użytkownicy mogą weryfikować działania agentów, a administratorzy egzekwować polityki w całym przepływie pracy.

Databricks twierdzi, że Row Zero sprawi, iż działania agentów będą zrozumiałe i audytowalne dzięki znanej składni arkuszy kalkulacyjnych. To twierdzenie jest wiarygodne, ponieważ formuły i komórki ujawniają więcej struktury niż samodzielna odpowiedź czatu. Nie zostało ono jeszcze udowodnione w pełnym zakresie przepływów pracy przedsiębiorstw.

Agent nadal może zapisać błędną formułę. Może wybrać niewłaściwe źródło, błędnie zrozumieć definicję biznesową lub stworzyć przekonujący wykres na podstawie niepełnych danych. Widoczny arkusz kalkulacyjny pomaga recenzentom znaleźć takie błędy, lecz widoczność nie gwarantuje, że ktoś przeprowadzi kontrolę.

System potrzebuje również wyraźnych granic między działaniami sugerowanymi a wykonanymi. Sporządzenie prognozy różni się od zapisania korekty z powrotem w systemie operacyjnym. Przedsiębiorstwa będą oczekiwać bramek zatwierdzania, historii działań, opcji wycofania zmian i precyzyjnych kontroli dostępu.

Współpraca wprowadza kolejne wyzwanie. Wiele osób i agentów może edytować skoroszyt, podczas gdy dane źródłowe zmieniają się pod nim. Databricks musi pokazać, które wartości pochodzą z systemów działających na żywo, które zostały wprowadzone ręcznie, a które wygenerował agent.

Zgodność formuł może stać się praktyczną przeszkodą. Zespoły finansowe i operacyjne często polegają na złożonych skoroszytach tworzonych przez wiele lat. Mogą korzystać z makr, zewnętrznych odwołań, wyspecjalizowanych dodatków lub nieudokumentowanych konwencji, które nie przenoszą się bezproblemowo.

Row Zero nie musi odtwarzać każdego zachowania Excela, lecz musi określić, gdzie kończy się zgodność. Niejasne różnice mogą powodować ciche błędy, szczególnie gdy użytkownicy zakładają, że znana formuła działa identycznie.

Kolejną niewiadomą jest neutralność platformowa. Databricks twierdzi, że Row Zero będzie nadal obsługiwać dane i agentów spoza Databricks. Kupujący powinni obserwować, czy jakość konektorów, terminy wdrażania funkcji i głębokość nadzoru pozostają porównywalne między platformami.

Samodzielna wersja, która stopniowo faworyzuje Databricks, mogłaby frustrować obecnych klientów. Z kolei równy poziom inwestycji w konkurencyjne systemy mógłby ograniczyć strategiczną przewagę, jakiej Databricks oczekuje po tym zakupie.

Istnieje również problem adopcji kulturowej. Zespoły danych mogą przyjąć silniejsze kontrole z zadowoleniem, podczas gdy zespoły biznesowe uznają je za utrudnienie. Jeśli zarządzane przepływy pracy trwają dłużej lub ograniczają użyteczny eksport, pracownicy mogą wrócić do lokalnych plików i prywatnych kopii.

Cena przejęcia pozostaje nieujawniona, a Databricks nie podał daty pełnej natywnej integracji. Dyrektorzy produktowi powiedzieli TechTarget, że prace integracyjne trwają i są spodziewane w niedalekiej przyszłości, nie zobowiązując się jednak do konkretnego harmonogramu.

Brak tego terminu ma znaczenie. Przejęcia często tworzą przekonujące diagramy produktów, zanim zespoły rozwiążą kwestie systemów tożsamości, rozliczeń, wsparcia, modeli danych i nakładających się planów rozwoju. Klienci powinni oceniać transakcję na podstawie dostarczonych przepływów pracy, a nie języka komunikatu.

Przejęcie Row Zero przez Databricks wiąże się więc z mierzalnym ryzykiem. Jeśli integracja stworzy kolejny częściowo połączony interfejs, zwiększy złożoność zamiast ograniczać rozproszenie arkuszy kalkulacyjnych. Jeśli kontrole będą przejrzyste, a przepływy pracy pozostaną znajome, może to ułatwić zarządzanie analizą agentową.

Trzy sygnały pokażą, czy strategia działa

Kolejnym testem będzie to, czy Databricks zdoła przekształcić przejęty arkusz kalkulacyjny w szeroko używany, weryfikowalny przepływ pracy dla ludzi i agentów.

Pierwszym sygnałem będzie natywna integracja z Genie o jasno określonym zakresie wydania. Kupujący powinni szukać bezpośredniego przejścia między analizą konwersacyjną a modelowaniem w arkuszu kalkulacyjnym, spójnych uprawnień i widocznego pochodzenia danych. Dostępność na komputerach, w sieci i na urządzeniach mobilnych powinna zachowywać te same gwarancje nadzoru.

Wydanie obsługujące jedynie podstawowe przeglądanie danych osłabiłoby tezę stojącą za przejęciem. Mocniejszy rezultat pozwoliłby użytkownikom zbadać odpowiedź, zmodyfikować założenia, współpracować i zapisywać zatwierdzone wyniki z powrotem bez opuszczania zarządzanego środowiska.

Drugim sygnałem będą dowody trwałej neutralności platformowej. Row Zero powinno nadal dodawać lub utrzymywać integracje ze Snowflake, BigQuery, Redshift i innymi źródłami korporacyjnymi. Dokumentacja i przykłady klientów pokażą, czy te połączenia pozostają centralne, czy stają się drugorzędne.

Silne wsparcie międzyplatformowe wzmocniłoby twierdzenie Databricks, że chce, aby Row Zero obsługiwało mieszane środowiska danych. Rosnąca luka w możliwościach sugerowałaby, że samodzielny produkt staje się przede wszystkim drogą do Databricks.

Trzecim sygnałem będzie adopcja wykraczająca poza pierwotny przypadek użycia w finansach. Finanse są oczywistym dopasowaniem, ponieważ analitycy już pracują głównie w arkuszach kalkulacyjnych. Strategia zyskuje większe znaczenie, jeśli operacje sprzedażowe, marketing, łańcuch dostaw i inne zespoły wykorzystują połączony produkt do powtarzalnych decyzji.

Adopcję należy oceniać na podstawie ukończonych przepływów pracy, a nie rejestracji użytkowników czy wygenerowanych zapytań. Użyteczne dowody obejmowałyby ograniczenie eksportów, mniej niezarządzanych kopii skoroszytów, krótsze cykle przeglądu i wyraźniejsze ścieżki audytowe.

Przedsiębiorstwa oceniające produkt powinny także testować przypadki awarii. Poproś agenta o użycie danych z ograniczonym dostępem, wprowadzenie sprzecznej formuły, zmianę rekordu źródłowego i próbę nieautoryzowanego eksportu. Reakcja ujawni więcej niż dopracowana prezentacja.

Zespoły powinny sprawdzić, jak system rejestruje działania agentów i korekty użytkowników. Godny zaufania przepływ pracy powinien rozróżniać pobrane wartości, wygenerowane formuły, nadpisania przez człowieka i operacje zapisu zwrotnego, nie zmuszając recenzentów do odtwarzania sekwencji.

Databricks podjął rozsądną decyzję strategiczną. Firma dostrzega, że agenci korporacyjni potrzebują czegoś więcej niż czatu oraz że użytkownicy biznesowi nie porzucą arkuszy kalkulacyjnych tylko dlatego, że model potrafi odpowiadać na pytania.

Nierozstrzygnięte pozostaje pytanie, czy znajomość narzędzia i nadzór mogą współistnieć bez osłabiania któregokolwiek z nich. Row Zero musi być wystarczająco elastyczne dla analityków, a zarazem wystarczająco kontrolowane dla zespołów bezpieczeństwa i danych.

Dla deweloperów i nabywców korporacyjnych najlepszym kolejnym krokiem jest praktyczna ocena. Wybierz jeden wrażliwy przepływ pracy intensywnie wykorzystujący arkusze kalkulacyjne i porównaj wersję zarządzaną z obecnym procesem eksportu. Śledź uprawnienia, pochodzenie danych, wysiłek związany z przeglądem, odzyskiwanie po błędach i zachowanie użytkowników.

Ten test określi, czy przejęcie Row Zero przez Databricks zapewnia agentową przestrzeń roboczą AI, czy jedynie dodaje kolejny arkusz kalkulacyjny do zarządzania.