Alla quinta edizione del suo hackathon con i clienti, Databricks ha messo al centro Genie e ne è uscito, di fatto, un tour pratico della famiglia di prodotti. Dieci progetti reali, organizzati su tre track che corrispondono ai tre modi di usare Genie: interrogare i dati con i Genie Agent, costruire con Genie Code, comporre Genie dentro altri agenti.
La distinzione è utile perché chiarisce a chi serve cosa. Un Genie Agent è un’interfaccia conversazionale su dati governati, pensata per l’utente business. Genie Code è il partner che scrive metric view, funzioni Unity Catalog, pipeline e dashboard a partire da istruzioni in linguaggio naturale. La terza modalità espone un Genie Agent come tool che altri agenti possono chiamare via API o tramite il managed MCP server.
Cosa hanno tirato fuori i team
Un limite concreto emerso: un singolo Genie Agent è progettato per restare accurato su un massimo di circa 30 tabelle. OneTrust, che ne ha 190 più oltre 300 view, ha costruito un layer supervisore che fa sharding dei dati su più agenti focalizzati e ricompone le risposte in un’unica conversazione, senza rinunciare alla governance. Un altro team ha puntato un Genie Agent su circa 160.000 record di prestiti, insegnandogli il vocabolario interno (cosa significa “cure”, cosa “DNC”): il team collections ha così scoperto, chiedendo in linguaggio naturale, che la maggior parte dei prestiti in sofferenza si risolve in circa 15 giorni.
Nella track di composizione, ShipBob ha costruito l’”11 PM Ops Brief”: un supervisore coordina più agenti specializzati — Genie interroga il warehouse, altri fondono 17 feed pubblici e verificano i risultati — producendo un brief con numeri reali, ad esempio circa 192.000 $ di ricavi a rischio, con azioni in coda per l’approvazione umana e tutto tracciato in MLflow.
Il filo conduttore
Sotto le tre modalità c’è sempre Unity Catalog, che decide chi vede cosa indipendentemente da come è posta la domanda, e la Genie Ontology come strato semantico condiviso. È questo che rende sicuro mettere l’analytics conversazionale davanti a utenti diversi: il business user, l’analista che costruisce, l’engineer che collega Genie a un fleet di agenti. Il messaggio pratico per chi lavora con i dati: descrivere e governare bene i dati una volta è il prerequisito, non un dettaglio.
In sintesi
- Genie non è una feature ma una famiglia: Genie Agent (chiedere), Genie Code (costruire), Genie come tool componibile.
- Un Genie Agent resta accurato fino a ~30 tabelle; per estensioni più grandi serve uno strato di sharding e routing.
- Unity Catalog e Genie Ontology sono lo strato di governance e semantica che tiene insieme i tre usi.
Fonte: Ask, build, compose: What our 5th Genie Hackathon taught us about Databricks Genie — https://www.databricks.com/blog/ask-build-compose-what-our-5th-genie-hackathon-taught-us-about-databricks-genie
Hai qualcosa da aggiungere? Unisciti alla discussione.