Databricks推出 Genie Code 并收购 Quotient AI

据 dailysynapse.com 报道，Databricks推出了 Genie Code，这是一款旨在处理复杂数据工程和分析工作的人工智能智能体；同时，该公司还收购了专注于发现人工智能智能体故障的 Quotient Artificial Intelligence。

这两项举措将数据工作自动化与提高自主软件可靠性的挑战联系在了一起。Databricks将 Genie Code 定位为超越传统编码助手的一步。该系统并非只是简单地建议代码行，而是被设计为规划并执行数据工作流，同时由人类继续负责监督。

该公司的更广泛论点是，企业人工智能必须理解其所处理信息的含义和结构。在企业环境中，这可能包括既有的业务定义、过往查询、安全规则以及数据系统之间的关系。Genie Code旨在利用这些周边上下文，将用户的请求转化为生产数据操作所需的规范。

从代码建议到受监督的工作流

Genie Code的构建目标是与 Databricks 的数据平台及其 Unity Catalog 治理系统紧密协作。Unity Catalog旨在为智能体的活动提供安全和治理边界。Genie Code预计主要在 Databricks 内运行，而 Unity Catalog 也可以提供连接外部数据源的路径。

这一设计反映出 Databricks 对数据团队使用人工智能的看法正在转变。重点正从要求专业人员编写每一段代码，转向让他们指导、审查和协调软件智能体。该公司预计，这种收益将延伸到初始开发之外。

数据系统建成后，日常运营工作可能会占用大量精力。Databricks表示，智能体可以帮助维持数据管道的正常运行，并调查由上游系统变化造成的问题。在这种模式下，数据专业人员将减少手动修复单个流程的时间，更多地监督负责这些工作的自动化系统。

Databricks的技术人员表示，Genie Code已经用于一些原本可能十分繁琐的数据准备任务，包括清理表格、定位缺失值、填补这些空缺以及应用转换。自动化这些步骤，可能让数据科学家把更多精力投入核心机器学习工作，而不是花费同样多的时间准备输入数据。

在智能体出错时进行测试

收购 Quotient Artificial Intelligence 旨在解决一个独立但密切相关的问题：智能体可能具备采取行动的能力，却仍然作出不合适的决定。Quotient开发的技术旨在检查智能体的行为、诊断故障，并评估其流程的执行效果。

这家初创公司由此前曾参与 GitHub Copilot 开发的开发者创立。其定制模型可以检查智能体的活动，并识别出智能体选择了错误工具调用的情况。这类分析不仅旨在显示工作流失败，还旨在指出失败发生的位置，以及智能体当时试图做什么。

Databricks计划将 Quotient 的技术整合到 Genie Code 及其更广泛的智能体平台中。目标是让组织能够持续观察已部署的智能体、调查其错误，并随着周围环境发生变化对其进行调整。

为什么这一组合很重要

企业采用自主数据工具，所依赖的不只是生成代码的能力。这些系统必须在组织的定义和权限范围内运行，跨相互连接的数据流程执行工作，并且在其决定产生意外结果时仍保持可理解性。Databricks的发布和收购共同回应了这些要求。

Genie Code提供规划和执行数据任务的机制，而 Quotient 的技术旨在提供有关智能体行为的反馈。这种组合可能支持一个循环：智能体执行工作，其行动接受评估，随后其行为不断得到改进。

Databricks高管将其描述为数据工作更广泛转型的一部分。在公司的表述中，人类专家并未被排除在流程之外；相反，他们的角色被重新定位为监督和编排。该方法能否成功，将取决于这些系统解读业务上下文、遵守治理控制措施，以及在底层数据环境发生变化时作出响应的能力。