Databricks ha pubblicato un post firmato dal team di cellcentric — joint venture di Daimler Truck e Volvo Group che sviluppa sistemi a celle a combustibile a idrogeno — che racconta come quattro anni di disciplina su Unity Catalog e Lakehouse Federation siano diventati un context layer governato per dati e AI: una UI per i dipendenti e un server MCP per gli agenti.
La tesi è netta: un agente è utile solo se può ragionare sullo stesso contesto governato di cui un ingegnere ha bisogno per fidarsi di una risposta — da dove arriva il dato, cosa significa, quanto è completo, quali caveat contano e se l’utente è autorizzato a vederlo. E quel contesto AI-ready nasce dal data engineering, prima ancora della scelta del modello.
Dal data product all’AI platform
Il cuore è il Data Hub, nato come piattaforma di data product. L’esempio è il Fuel Cell Passport, che integra cinque sistemi sorgente (tra cui SAP S/4HANA, due MES, un database di laboratorio e una piattaforma IoT), modella sette livelli gerarchici e si aggiorna quotidianamente. Attorno ai dati modellati, cellcentric costruisce un prodotto governato con ownership, stato di lifecycle e context entries in markdown scritte durante lo sviluppo, quando il contesto di progetto è ancora fresco.
Ne deriva un cambio di prospettiva sulla qualità del dato: completezza e freshness non bastano più, la context coverage diventa una metrica di prima classe. Oggi cellcentric ha 27 data product pubblicati, con una copertura media dei commenti a livello di colonna del 90%.
Governance identica per utenti e agenti
Il modello operativo è deliberatamente unico: l’identità fluisce da Azure AD nel Data Hub e in Databricks via OAuth 2.0 token exchange, il pattern on-behalf-of. Un utente che interroga una tabella dalla UI, un agente che chiama un tool SQL e un Genie invocato come tool operano nello stesso perimetro di permessi: se l’utente non può accedere al dato, non può nemmeno l’agente che agisce per suo conto. Gli agenti non ricevono identità di scrittura in produzione, e Unity Catalog resta il punto di decisione finale sull’autorizzazione.
Per un data engineer la lezione è pragmatica: prima di mettere agenti sopra i dati, conviene governare il contesto — documentazione, lineage, permessi, tracing — dentro un’unica architettura, invece di aprire un secondo percorso più lasco attorno alla piattaforma.
In sintesi
- Il Data Hub di cellcentric espone lo stesso contesto governato tramite una UI per i dipendenti e un server MCP per gli agenti.
- La context coverage diventa una metrica di qualità di prima classe: 27 data product pubblicati, con circa il 90% di copertura media dei commenti sulle colonne.
- Identità e permessi sono identici per umani e agenti: Unity Catalog decide l’autorizzazione e gli agenti non scrivono in produzione.
Fonte: Why R&D Data Belongs in the Lakehouse – and Why Agents Need It There — https://www.databricks.com/blog/why-rd-data-belongs-lakehouse-and-why-agents-need-it-there
Hai qualcosa da aggiungere? Unisciti alla discussione.