Classificare grandi volumi di testo — ticket di supporto, recensioni, documenti — è un classico problema da data engineering: utile, ripetitivo, e di solito risolto con pipeline su misura che invecchiano male. La funzione ai_classify di Databricks è ora generally available e porta questa operazione dentro il lakehouse.
Cosa fa
ai_classify assegna a un testo una o più label definite da te. Non è un semplice wrapper attorno a un modello: supporta descrizioni delle label, istruzioni globali per guidare la classificazione e la modalità multi-label, quando un testo può appartenere a più categorie contemporaneamente. È pensata per essere precisa, configurabile e scalabile direttamente nelle query SQL o Python.
L’interfaccia no-code
Come per le altre funzioni AI della piattaforma, c’è una UI dedicata nella sezione Classification: si costruiscono, si validano e si iterano gli agenti di classificazione senza scrivere codice. È un dettaglio che conta, perché la classificazione è spesso un lavoro di dominio: chi conosce davvero le categorie giuste è l’analista di business, non solo l’ingegnere.
Perché è utile
Avere la classificazione come funzione nativa, versionabile e integrata nel lakehouse evita di costruire e mantenere un servizio esterno per ogni caso d’uso. I risultati finiscono direttamente nelle tabelle Delta, pronti per essere filtrati, aggregati e analizzati come qualsiasi altro dato.
Il consiglio pratico resta lo stesso valido per ogni sistema di labeling automatico: partire da un set di label ben definito, misurare l’accuratezza su un campione etichettato a mano e iterare sulle descrizioni delle categorie. La funzione abbassa il costo tecnico; la qualità, però, dipende ancora da quanto sono chiare le categorie che le dai.
Fonte: Databricks Release Notes — ai_classify is now generally available
Hai qualcosa da aggiungere? Unisciti alla discussione.