Databricks Genie 自主 AI 從提供答案轉向持續處理工作
Databricks 於 2026 年 11 月 11 日宣布推出常駐運行版本的 Genie,讓這個助理轉向承擔持續性的職責,同時保留由人員負責審批。Databricks Genie 自主 AI 針對的是在對話結束後仍會持續的工作:監察變化、調查問題,並在決策需要關注時再次回來。公告描述了更廣泛的委派模式,但新的常駐功能將先進入預覽及 beta 計劃。
這項分別十分重要,因為回答問題與負責一項經常重複的任務,帶來不同的責任。一個助理可以提供準確的分析,卻仍要由人員協調每一項後續行動。委派這類協調工作,需要就權限、中斷情況,以及軟件何時應停止作出決定。
Microsoft 一直透過 Copilot Studio 發展自主商業代理,為這項公告提供了一個既有的競爭參照。Databricks 強調,業務脈絡與既有管治是支援較長期工作的基礎。其構想對常見的工作安排構成壓力:員工操作多個助理,並親自串連它們的輸出結果。
Databricks Genie 自主 AI 處理請求之間的工作
這次公布的改變關乎連續性:Genie 應能持續推進一項任務,而無須每一步都重新輸入提示。
根據公司關於自主企業工作的公告,用戶可設定界限、監督工作、審批指定行動,並可停止工作。Genie One、電郵、Slack 及 Microsoft Teams 都可用作與它互動的方式。這是延伸 Databricks 於 2026 年稍早推出的 Genie One,並非其最初發布。
公司以活動監察及保險調查說明這種做法。Genie 會調查活動表現不佳的原因,並提出預算調整建議供審批。在保險場景中,它會整理證據,並在情況超出指引時將個案轉交核保人。這些是公司描述的情境,並非獨立證明其運作可靠。
這些例子揭示了建議價值所在。一名市場分析師通常不只需要診斷昨天的結果。還需要有人判斷問題是否持續、收集相關證據,並決定某項變動是否值得關注。只負責診斷的助理,大致上仍會保留協調工作的負擔。
持續性的任務會改變員工與軟件的關係。員工不再要求另一份報告,而是指定一個結果及升級處理的條件。軟件其後需要分辨一般波動與值得回應的發展。即使最終決定仍由人作出,這種分辨也涉及業務判斷。
不妨把活動情境視為評估問題,而非保證成果。調整支出的建議應說明有甚麼改變,以及證據為何支持介入。它亦應指出尚欠哪些資訊。否則,員工收到的只是一項偽裝成完成建議的研究任務。
同樣的推理亦適用於保險。整理個案可以節省工夫,卻不等於授予軟件決定其處置方式的權限。有用的交接內容包括證據、適用指引、未解決的問題,以及為何應由特定審核人員採取行動。這個交接的質素,決定自動化是減少工作,還是只是重新編排工作。
這令持續性的企業工作與單純定期摘要成為不同的產品類別。摘要可以準時送達,卻未必能推進其背後的責任。獲委派的工作需要清晰可辨的狀態:進行中、等待中、受阻、可供審閱,或已完成。這些狀態讓員工理解系統實際負責甚麼。
因此,對正在評估此公告的讀者而言,重要的轉變是實際的。Databricks 希望 Genie 參與分析周邊的協調工作。這種參與能否獲得持續授權,取決於軟件能否清楚傳達其進度及限制。
由員工協調每個助理正是壓力所在
Databricks 正挑戰一種工作流程:AI 加快個別步驟,但員工仍要負責每一次交接。
這種安排在示範時看似高效。一個人要求分析、索取摘要,然後草擬跟進訊息。每個回應都很快送達。然而,這個人仍要記住哪些事項尚未完成、檢查輸入是否改變,以及在應用程式之間移動資訊。
由此產生的工作量很容易被低估,因為它很少以獨立任務的形式出現。記住一個尚未得到的答案需要注意力。記得重新檢視一項決定需要注意力。即使產生建議的成本不高,檢查先前建議是否仍然有效同樣需要注意力。
受影響的群體不只分析師。營運經理要協調跨團隊的例外情況。客戶經理要把客戶活動的變動,與對話及承諾互相核對。財務主管需要隨預測發展而保持一致的解釋。每個角色都將資訊蒐集與對下一步的責任結合。
對這些員工而言,相關的生產力衡量標準,是完成一項任務所需的工夫。更快的草稿不一定會縮短審閱週期。更詳盡的報告不一定能免除跟進會議。當軟件的輸出帶着足夠脈絡送達下一位負責人、可支援採取行動時,才會創造價值。
這亦令管理者承受壓力,需要更明確地界定工作。像「監察表現」這類長期指示,仍留下重要問題未答。哪些變動值得調查?誰負責回應?甚麼證據足以支持升級處理?委派工作會揭露以往人員可能憑經驗解決的模糊之處。
數據團隊亦面對相關的期望轉變。一旦助理建議採取行動,定義上的爭議便會成為營運問題。對活躍客戶含義的分歧,可影響企業聯絡誰。對收入指標的爭議,可影響哪個問題獲得管理層關注。
分析上的含義是,AI 採用可能先令工作轉向前期準備,才在後期減少工作。團隊需要一致的定義、清晰的責任歸屬,以及可用的升級處理規則。當這些準備支援經常重複的責任時,便值得投入;若每項任務都需要大量度身訂造的監督,則更難證明其合理性。
個人脈絡與共同權限之間的分別亦很重要。員工的筆記可以解釋,為何某次客戶對話顯得緊急。受管治的業務紀錄則決定組織承認哪一種帳戶狀態。這些來源有不同用途,助理把它們結合時,應保持可辨識性。
一個個人知識庫提供了有關這項分別的實用背景。對企業委派而言,問題是哪些知識支援一項詮釋,以及哪個來源授權作出具影響力的決定。
因此,Databricks Genie 自主 AI 除了產品主張外,亦提出組織層面的議題。當企業能清楚說明員工目前非正式採用的規則時,員工便能更有效地委派協調工作。助理的實用性部分取決於這些知識有多少可以明確化。
業務脈絡決定代理人值得擁有多少權限
系統需要理解企業的意思,才能可靠地判斷甚麼值得關注。
Databricks 將 Genie Ontology 定位為脈絡基礎:它是業務定義與關係的共享表述。其業務脈絡公告將這個組件的正式推出,與常駐運行功能的發布分開處理。這項分別將已推出的脈絡層,與同時公布、更廣泛承擔責任的體驗區分開來。
即使沒有自主軟件,根本問題也很常見。不同團隊可用同一個詞語表示不同指標。儀表板可能包含技術上正確的計算,卻回答了錯誤的業務問題。員工往往憑着知道哪個定義在特定情況下重要,解決這種不吻合。
委派工作令這個詮釋步驟更具影響力。若軟件監察錯誤指標,它可以在內部保持一致,卻反覆升級處理錯誤的問題。即使算術準確,對組織希望優化甚麼的錯誤理解,仍難以避免問題。
這正是為何脈絡值得接受審視,而不應只看已連接的應用程式數量。可存取一份文件,只代表資訊可供取得,並不代表文件是最新、具權威性,或適用於該任務。當這些分別仍未釐清時,檢索到更多材料反而可能增加模糊性。
一個說明性的銷售例子可展示當中的差異。經理可能會問,為何某個地區看來正在失去動力。答案取決於企業衡量的是已簽訂合約、已確認收入,還是符合資格的商機。這些指標可以有不同走勢,卻不互相矛盾。
有用的調查應在建議中保留這項分別。若關注的是已確認收入,關於未簽訂商機的證據需要說明其相關性。讀者不應要自行推斷助理採用了哪個指標,或在採取行動後才發現不吻合。
組織脈絡帶來另一層因素。理解某項指標的人,未必擁有其所支援決策的責任。獲授權審批變更的人,可能需要報告架構以外人士的意見。理解這些關係,可能與理解底層數據同樣重要。
這並不代表業務脈絡能取代推理或核實。共享定義本身可能過時。正式具權威的來源亦可能含有錯誤。有效的委派模式需要有方法揭示矛盾,而非將管治視為正確性的保證。
對企業採購者而言,實際問題是:不確定性是否仍然可見。當來源互相矛盾時,建議會否說明這些分歧?當定義改變時,持續工作會否獲得適當審閱?這些是評估準則,而非只靠公布脈絡基礎便能證實的能力。
Databricks 強調的機制作為產品方向是可信的:共享含義可支援不同任務之間更一致的決策。其營運價值將取決於維護。業務知識需要擁有人,能隨組織變化而更正、淘汰並說明其限制。
Microsoft 提供先例,而工作流程仍是另一種選擇
競爭的關鍵在於哪個系統能在保留對業務流程可預測控制的同時,減少協調工作。
Microsoft 在 2024 年 10 月公布的 自主代理功能,介紹了可為跨應用程式及資料來源的業務流程而設定的代理。公告亦提到 Pets at Home 的代理,會整理個案供具專業技能的人員審核。這提供了一個結合自動化準備與人類判斷的歷史先例。
因此,Databricks 正加入一場既有的責任歸屬競爭,而非發明企業代理。它強調共享業務脈絡,表明其希望買家從何處看見差異化。Microsoft 的先例亦顯示,僅憑自主性主張不足以構成完整的比較基礎。
買家應比較成功結果背後所需的工作。要完成有用的任務,需要多少設定?需要多久才要有人修補缺失的脈絡?審核人員要花多少工夫重建證據?這些問題將產品設計與其聲稱能減省的人力連繫起來。
最有力的比較,並不要求每位參與者都以同一方式完成工作。提供廣泛彈性的系統,可能需要更多監督。較狹窄的流程可能較易驗證,但當輸入內容改變時適應力較低。合適的選擇取決於責任本身的變動程度。
Anthropic 的 代理設計指引提供了一項有用的架構區分。工作流程會依循預先定義的路徑,而代理會動態選擇流程及工具。該指引亦指出成本、回應時間及彈性之間的取捨,並建議在足夠時採用較簡單的方法。
這項區分令「更高自主性必然產生更高價值」的假設變得複雜。輸入內容穩定的定期報告,或許適合預先定義的流程。涉及相互矛盾證據的調查,則可能受惠於能自行選擇下一步的系統。兩者都可服務同一業務團隊,毋須擁有完全相同的權限。
對持續進行的企業工作而言,分界線往往在於如何處理例外情況。若每個例外情況都遵循已知規則,傳統自動化仍是嚴肅的替代方案。若下一個有用行動取決於解讀陌生資訊,具彈性的代理行為便更具相關性。
這項取捨在審核時會變得具體。預先定義的流程可以說明,它已依循獲批准的順序。代理則需要解釋,為何它為這宗個案選擇了特定順序。後者可能很有價值,但其解釋必須支援有意義的監督。
因此,開發人員要作出一項設計決定:裁量權應置於何處。他們可為具重大後果的行動保留固定界線,同時容許研究及準備工作具備彈性。這種安排為審核人員提供穩定的決策點,毋須預先規定每個調查步驟。
對 Databricks 而言,競爭成功意味著讓這種平衡更易於運作。該公司毋須取代每個助手介面才能變得相關。它需要證明,其脈絡及控制機制能協助員工以比現有安排更少的協調成本完成責任。
預覽狀態及人類審核界定了限制
公告確立了一個方向;可用性細節及營運證據決定買家可從中作出哪些負責任的推論。
Databricks 在其 常駐 Genie 發布公告中表示,現有的 Genie 及 Genie Ontology 已正式全面推出。Genie Search、Ontology Manager 及新的常駐 Genie 將推出至預覽及 beta 計劃。公告亦描述了供決策使用的優先收件匣及串連式電郵提示。
這種可用性措辭,不容將公告視為不受限制的生產環境全面推出。它亦避免了另一個更廣泛的錯誤:假設某個基礎功能正式全面推出,便自動適用於圍繞它建立的每項體驗。買家需要評估其擬部署的具體功能。
11 月 12 日的 Genie 發行說明提供了另一個例子。說明將 artifacts,即生成的簡報及視覺頁面,標示為 Beta。它亦警告,即使檢視者無權存取來源資料表,artifact 仍會儲存可供他們看見的資料快照。
這項警告有直接的實際含義。擷取資訊的權限與分發生成輸出的權限,必須分開考慮。來源可以繼續受到保護,但從中複製的資訊可能透過簡報而變得可用。審核必須包括完成工作成果的預定受眾。
說明亦指出,適用於 Genie 回合的統一追蹤功能為 Beta,並須由管理員啟用。追蹤意指記錄回應背後的步驟及工具活動。其狀態之所以重要,是因為有關可審計性的廣泛聲明,並不代表每個工作區已啟用所有監控功能。
核心的不確定性仍是長時間運行的任務需要多少監督。工作可以產生有用建議,卻過於頻繁地打斷其負責人。它亦可能一直保持安靜,卻錯過值得升級處理的發展。兩種結果都會影響委派工作是否真的節省注意力。
批准本身無法解決這種張力。若審核人員收到沒有支持證據的建議,批准便幾乎無法轉移有意義的判斷。若每個小行動都需要審核,員工仍要負責協調流程。有用的界線取決於行動的後果及可逆性。
成本控制同樣值得仔細審視。Databricks 將 Unity Gateway 描述為管治工具、批准、使用量及支出的層級。其配套 Genie One 資料指出,更詳細的成本控制將於日後推出。買家應確認哪些控制適用於其預定設定,而非推斷所有功能均一致可用。
營運經濟效益亦應包括員工的時間。即使任務只使用適量運算資源,若需要反覆修正,成本仍可能很高。若資源密集程度較高的調查能交付完整、具充分支持的決策方案,便可能值得。支出與監督應放在同一項評估中。
這些限制均不會令產品方向失效。它們界定了評估所需的證據。公司情境說明預期行為;生產環境報告則需要證明,當輸入不完整、權限改變及負責員工不在時,這些行為能有多一致地維持。
留意推出存取、已完成工作及例外情況處理
下一項有用證據將顯示誰可使用該系統、它完成哪些責任,以及工作變得不確定時它如何運作。
未來數月的首個訊號,是有關新常駐體驗的存取權文件。買家應留意預覽或 beta 參與要求、受支援設定及明確界線。清晰文件可將廣泛的產品方向轉化為團隊可直接評估的內容,從而加強公告的說服力。
可用性應按功能層面評估。已推出的介面並不代表背景任務、搜尋、生成輸出及監控具有相同狀態。更精確的文件可讓買家區分可依賴的組件與仍在測試中的組件。
第二個訊號,是關於已完成責任的證據。有用的客戶報告應指出助手承擔了甚麼工作,以及保留了多少人為參與。它應說明工作是否達至獲接受的結果、需要修正,還是以未解決的阻礙告終。
若證據同時包括日常任務與精選成功案例,說服力會更強。買家需要了解該系統在他們預期委派的各類工作中如何表現。一個精心製作的例子證明可能性;重複出現的獲接受結果,才提供更有用的部署依據。
第三個訊號,是可見的例外情況處理。評估應檢視缺失輸入、相互矛盾的定義、已變更的權限及被拒絕的建議。這些情況可揭示系統是否辨識其權限界線,以及是否帶著足夠資訊交還控制權,讓人員能夠繼續工作。
良好的例外情況處理會加強擴大委派的理由。反覆出現無聲停滯、無法解釋的重試,或要求不必要的存取權,則會削弱這個理由。關鍵在於,人員能否理解情況並復原,毋須從頭重建調查。
這些訊號亦比自主性主張的廣度,提供更好的競爭比較基礎。企業需要證據證明軟件能推進工作,同時令其界線保持可理解。勝出的安排將取決於責任、可用脈絡,以及機構對不確定性的容忍程度。
在即將進行的評估中,選擇一項有清晰負責人及可觀察完成標準的定期責任。委派前先記錄目前的協調成本。然後比較獲接受的輸出、修正、中斷及未解決的例外情況。詢問審核人員:證據是否足以支援決策,而毋須再進行一輪調查。將研究權限與作出具重大後果變更的許可分開,並只在結果證明合理時才擴大兩者。Databricks Genie 自主 AI 提出了一項具體方案,以承擔這些協調工作。下一步是檢視一項完整任務,包括軟件需要協助的時刻,並決定它是否已贏得承擔下一項任務的責任。



