Databricks lanza Genie Code y adquiere Quotient AI

Databricks ha presentado Genie Code, un agente de inteligencia artificial diseñado para encargarse de tareas exigentes de ingeniería y análisis de datos, y ha adquirido Quotient Artificial Intelligence, una empresa centrada en detectar fallos en agentes de IA, según dailysynapse.com.

Estos dos movimientos conectan la automatización del trabajo con datos con el desafío de hacer fiables los programas autónomos. Databricks presenta Genie Code como un paso más allá de los asistentes de programación convencionales. En lugar de limitarse a sugerir líneas de código, el sistema está diseñado para planificar y ejecutar flujos de trabajo de datos, mientras las personas mantienen la responsabilidad de supervisarlos.

El argumento más amplio de la empresa es que la IA empresarial debe comprender el significado y la estructura de la información con la que trabaja. En entornos corporativos, esto puede incluir definiciones empresariales establecidas, consultas anteriores, reglas de seguridad y las relaciones entre los sistemas de datos. Genie Code está diseñado para utilizar ese contexto circundante al convertir la solicitud de una persona en las especificaciones necesarias para las operaciones de datos en producción.

De las sugerencias de código a los flujos de trabajo supervisados

Genie Code está diseñado para trabajar estrechamente con la plataforma de datos de Databricks y su sistema de gobernanza Unity Catalog. Unity Catalog pretende proporcionar el perímetro de seguridad y gobernanza en torno a las actividades del agente. Se espera que Genie Code opere principalmente dentro de Databricks, mientras que Unity Catalog también puede ofrecer una vía de acceso a fuentes de datos externas.

Este diseño refleja un cambio en la forma en que Databricks imagina que los equipos de datos utilizarán la IA. El énfasis se está alejando de pedir a los profesionales que escriban cada fragmento de código y se orienta hacia que dirijan, revisen y coordinen agentes de software. La empresa espera que el beneficio vaya más allá del desarrollo inicial.

El trabajo operativo rutinario puede consumir una parte considerable de la atención después de que se haya creado un sistema de datos. Databricks afirma que los agentes podrían ayudar a mantener en funcionamiento las canalizaciones e investigar problemas causados por cambios en los sistemas ascendentes. En ese modelo, los profesionales de datos dedicarían menos tiempo a reparar manualmente procesos individuales y más a supervisar los sistemas automatizados responsables de ellos.

Los tecnólogos de Databricks afirmaron que Genie Code ya se está utilizando para tareas de preparación que, de otro modo, pueden resultar laboriosas. Entre ellas se incluyen limpiar tablas, localizar valores ausentes, rellenar esos huecos y aplicar transformaciones. La automatización de estos pasos podría permitir a los científicos de datos dedicar más esfuerzo a su trabajo central de aprendizaje automático, en lugar de invertir tanto tiempo en preparar las entradas.

Poner a prueba a los agentes cuando fallan

La compra de Quotient Artificial Intelligence aborda un problema distinto, aunque estrechamente relacionado: un agente puede ser capaz de actuar y aun así tomar una decisión inadecuada. Quotient desarrolla tecnología diseñada para examinar el comportamiento de un agente, diagnosticar fallos y evaluar el rendimiento de sus procesos.

La startup fue fundada por desarrolladores que anteriormente trabajaron en Copilot de GitHub. Sus modelos personalizados pueden inspeccionar la actividad de un agente e identificar los casos en los que seleccionó la llamada de herramienta equivocada. Ese tipo de análisis pretende mostrar no solo que un flujo de trabajo falló, sino también dónde ocurrió el fallo y qué intentaba hacer el agente en ese momento.

Databricks planea integrar la tecnología de Quotient en Genie Code y en su plataforma de agentes más amplia. El objetivo es ofrecer a las organizaciones una forma de observar continuamente los agentes desplegados, investigar sus errores y ajustarlos a medida que cambian las condiciones que los rodean.

Por qué importa la combinación

La adopción empresarial de herramientas autónomas de datos depende de algo más que de la capacidad de generar código. Estos sistemas deben operar dentro de las definiciones y los permisos de una organización, realizar tareas en procesos de datos conectados y seguir siendo comprensibles cuando sus decisiones producen un resultado inesperado. El lanzamiento y la adquisición de Databricks abordan conjuntamente esos requisitos.

Genie Code proporciona el mecanismo para planificar y ejecutar tareas de datos, mientras que la tecnología de Quotient pretende ofrecer información sobre la conducta del agente. Esa combinación podría respaldar un ciclo en el que los agentes realizan el trabajo, se evalúan sus acciones y se mejora su comportamiento con el tiempo.

Los directivos de Databricks describieron esto como parte de una transformación más amplia del trabajo con datos. En la presentación de la empresa, los especialistas humanos no están siendo eliminados del proceso; en cambio, su función se está redefiniendo en torno a la supervisión y la orquestación. El éxito de ese enfoque dependerá de la eficacia con la que los sistemas interpreten el contexto empresarial, respeten los controles de gobernanza y respondan cuando cambie el entorno de datos subyacente.