Databricks lança o Genie Code e adquire a Quotient AI

A Databricks apresentou o Genie Code, um agente de inteligência artificial destinado a lidar com trabalhos exigentes de engenharia e análise de dados, e adquiriu a Quotient Artificial Intelligence, uma empresa focada em encontrar falhas em agentes de IA, de acordo com o dailysynapse.com.

As duas iniciativas conectam a automação do trabalho com dados ao desafio de tornar softwares autônomos confiáveis. A Databricks está apresentando o Genie Code como um passo além dos assistentes de programação convencionais. Em vez de simplesmente sugerir linhas de código, o sistema foi projetado para planejar e executar fluxos de trabalho de dados, enquanto as pessoas continuam responsáveis pela supervisão.

O argumento mais amplo da empresa é que a IA empresarial precisa entender o significado e a estrutura das informações com as quais trabalha. Em ambientes corporativos, isso pode incluir definições de negócio estabelecidas, consultas anteriores, regras de segurança e as relações entre sistemas de dados. O Genie Code foi concebido para usar esse contexto ao transformar o pedido de uma pessoa nas especificações necessárias para operações de dados em produção.

Das sugestões de código aos fluxos de trabalho supervisionados

O Genie Code foi desenvolvido para trabalhar em estreita integração com a plataforma de dados da Databricks e seu sistema de governança Unity Catalog. O Unity Catalog deve fornecer os limites de segurança e governança em torno das atividades do agente. Espera-se que o Genie Code opere principalmente dentro da Databricks, enquanto o Unity Catalog também pode oferecer um caminho para fontes de dados externas.

Esse design reflete uma mudança na forma como a Databricks vê o uso da IA pelas equipes de dados. A ênfase está deixando de ser pedir aos profissionais que escrevam cada trecho de código e passando a ser orientá-los, revisá-los e coordenar agentes de software. A empresa espera que o benefício se estenda para além do desenvolvimento inicial.

O trabalho operacional rotineiro pode consumir uma atenção substancial depois que um sistema de dados é criado. A Databricks afirma que os agentes poderiam ajudar a manter os pipelines em funcionamento e investigar problemas causados por mudanças nos sistemas de origem. Nesse modelo, os profissionais de dados passariam menos tempo reparando manualmente processos individuais e mais tempo supervisionando os sistemas automatizados responsáveis por eles.

Tecnólogos da Databricks disseram que o Genie Code já está sendo usado em tarefas de preparação que, de outra forma, podem ser trabalhosas. Entre elas estão limpar tabelas, localizar valores ausentes, preencher essas lacunas e aplicar transformações. Automatizar essas etapas poderia permitir que cientistas de dados dedicassem mais esforço ao seu trabalho central de aprendizado de máquina, em vez de gastarem tanto tempo preparando as entradas.

Testando agentes quando algo dá errado

A compra da Quotient Artificial Intelligence aborda um problema separado, mas estreitamente relacionado: um agente pode ser capaz de agir e ainda assim tomar uma decisão inadequada. A Quotient desenvolve tecnologia projetada para examinar o comportamento de um agente, diagnosticar falhas e avaliar o desempenho de seus processos.

A startup foi fundada por desenvolvedores que anteriormente trabalharam no Copilot, do GitHub. Seus modelos personalizados podem inspecionar a atividade de um agente e identificar casos em que ele selecionou a chamada de ferramenta errada. Esse tipo de análise pretende mostrar não apenas que um fluxo de trabalho falhou, mas também onde ocorreu a falha e o que o agente estava tentando fazer naquele momento.

A Databricks planeja incorporar a tecnologia da Quotient ao Genie Code e à sua plataforma mais ampla de agentes. O objetivo é oferecer às organizações uma forma de monitorar continuamente os agentes implantados, investigar seus erros e ajustá-los à medida que as condições ao seu redor mudam.

Por que a combinação é importante

A adoção empresarial de ferramentas autônomas de dados depende de mais do que da capacidade de gerar código. Esses sistemas precisam operar dentro das definições e permissões de uma organização, realizar trabalhos em processos de dados conectados e continuar compreensíveis quando suas decisões produzirem um resultado inesperado. O lançamento e a aquisição da Databricks abordam esses requisitos em conjunto.

O Genie Code fornece o mecanismo para planejar e executar tarefas de dados, enquanto a tecnologia da Quotient pretende oferecer feedback sobre a conduta do agente. Essa combinação poderia sustentar um ciclo no qual os agentes realizam o trabalho, suas ações são avaliadas e seu comportamento é aprimorado ao longo do tempo.

Executivos da Databricks descreveram isso como parte de uma transformação mais ampla no trabalho com dados. Os especialistas humanos não estão sendo retirados do processo na apresentação da empresa; em vez disso, seu papel está sendo redefinido em torno da supervisão e da orquestração. O sucesso dessa abordagem dependerá da eficácia com que os sistemas interpretam o contexto de negócio, respeitam os controles de governança e respondem quando o ambiente de dados subjacente muda.