Databricks lancia Genie Code e acquisisce Quotient AI

Databricks ha introdotto Genie Code, un agente di intelligenza artificiale pensato per gestire complesse attività di ingegneria dei dati e analisi, e ha acquisito Quotient Artificial Intelligence, un’azienda specializzata nell’individuazione dei malfunzionamenti degli agenti di intelligenza artificiale, secondo dailysynapse.com.

Le due operazioni collegano l’automazione del lavoro sui dati alla sfida di rendere affidabili i software autonomi. Databricks presenta Genie Code come un passo avanti rispetto ai tradizionali assistenti alla programmazione. Anziché limitarsi a suggerire righe di codice, il sistema è progettato per pianificare ed eseguire flussi di lavoro sui dati, lasciando alle persone la responsabilità della supervisione.

La tesi più ampia dell’azienda è che l’IA aziendale debba comprendere il significato e la struttura delle informazioni su cui opera. In ambito aziendale, ciò può includere definizioni di business consolidate, query precedenti, regole di sicurezza e relazioni tra i sistemi di dati. Genie Code è pensato per utilizzare questo contesto circostante quando trasforma la richiesta di una persona nelle specifiche necessarie per le operazioni sui dati in produzione.

Dai suggerimenti di codice ai flussi di lavoro supervisionati

Genie Code è costruito per lavorare a stretto contatto con la piattaforma dati di Databricks e con il suo sistema di governance Unity Catalog. Unity Catalog dovrebbe fornire il perimetro di sicurezza e governance per le attività dell’agente. Genie Code dovrebbe operare principalmente all’interno di Databricks, mentre Unity Catalog può anche offrire un collegamento a fonti di dati esterne.

Questo design riflette un cambiamento nel modo in cui Databricks immagina l’utilizzo dell’IA da parte dei team che lavorano con i dati. L’attenzione si sta spostando dal chiedere ai professionisti di scrivere ogni singolo elemento di codice al far sì che dirigano, verifichino e coordinino agenti software. L’azienda prevede che i vantaggi vadano oltre lo sviluppo iniziale.

Le attività operative di routine possono assorbire una parte consistente dell’attenzione anche dopo la realizzazione di un sistema di dati. Databricks afferma che gli agenti potrebbero contribuire a mantenere operativi i pipeline e a indagare sui problemi causati da modifiche nei sistemi a monte. In questo modello, i professionisti dei dati trascorrerebbero meno tempo a riparare manualmente i singoli processi e più tempo a supervisionare i sistemi automatizzati che ne sono responsabili.

I tecnologi di Databricks hanno dichiarato che Genie Code viene già utilizzato per attività di preparazione che altrimenti potrebbero risultare laboriose. Tra queste figurano la pulizia delle tabelle, l’individuazione dei valori mancanti, il riempimento di tali lacune e l’applicazione di trasformazioni. Automatizzare questi passaggi potrebbe permettere ai data scientist di dedicare più energie al loro lavoro centrale di machine learning, invece di spendere altrettanto tempo nella preparazione degli input.

Testare gli agenti quando qualcosa va storto

L’acquisto di Quotient Artificial Intelligence affronta un problema distinto ma strettamente correlato: un agente può essere in grado di agire e prendere comunque una decisione inadeguata. Quotient sviluppa tecnologie pensate per esaminare il comportamento di un agente, diagnosticare i malfunzionamenti e valutare l’efficacia dei suoi processi.

La startup è stata fondata da sviluppatori che in precedenza avevano lavorato a Copilot di GitHub. I suoi modelli personalizzati possono esaminare l’attività di un agente e individuare i casi in cui ha selezionato la chiamata allo strumento sbagliata. Questo tipo di analisi intende mostrare non solo che un flusso di lavoro è fallito, ma anche dove si è verificato il problema e che cosa l’agente stava cercando di fare in quel momento.

Databricks prevede di integrare la tecnologia di Quotient in Genie Code e nella sua piattaforma più ampia per gli agenti. L’obiettivo è offrire alle organizzazioni un modo per monitorare continuamente gli agenti implementati, analizzare i loro errori e modificarli quando cambiano le condizioni circostanti.

Perché la combinazione è importante

L’adozione aziendale degli strumenti autonomi per i dati dipende da qualcosa di più della capacità di generare codice. Questi sistemi devono operare nel rispetto delle definizioni e delle autorizzazioni di un’organizzazione, lavorare attraverso processi di dati interconnessi e rimanere comprensibili quando le loro decisioni producono un risultato inatteso. Il lancio e l’acquisizione di Databricks affrontano insieme questi requisiti.

Genie Code fornisce il meccanismo per pianificare ed eseguire attività sui dati, mentre la tecnologia di Quotient dovrebbe offrire un riscontro sul comportamento dell’agente. Questa combinazione potrebbe sostenere un ciclo in cui gli agenti svolgono il lavoro, le loro azioni vengono valutate e il loro comportamento viene migliorato nel tempo.

I dirigenti di Databricks hanno descritto tutto ciò come parte di una trasformazione più ampia del lavoro sui dati. Nella presentazione dell’azienda, gli specialisti umani non vengono rimossi dal processo; il loro ruolo viene invece ridefinito attorno alla supervisione e all’orchestrazione. Il successo di questo approccio dipenderà dall’efficacia con cui i sistemi interpretano il contesto aziendale, rispettano i controlli di governance e reagiscono quando cambia l’ambiente di dati sottostante.