#governance
risultati
-
Il divario tra dati e azione: la sanità ambulatoriale dentro il lakehouse
Dietro un case study sanitario di Databricks e Health Catalyst c’è una tesi trasferibile: il collo di bottiglia…
-
Amazon Quick Sight: join a runtime con le Multi-Dataset Relationships
Le Multi-Dataset Relationships di Amazon Quick Sight portano i join a runtime tra dataset separati. Guida ai due…
-
Azure Databricks: gli MCP Services verso la GA con scrittura attiva di default
Gli MCP Services gestiti da Azure Databricks vanno verso la GA con scrittura abilitata di default verso Slack,…
-
Omnigent: policy per agenti che ricordano cosa è successo prima nella sessione
Databricks ha aggiunto a Omnigent le contextual policies: regole che tengono uno stato di sessione e decidono in…
-
Genie all’hackathon Databricks: interrogare, costruire e comporre agenti sui dati governati
Dal quinto hackathon Genie di Databricks, dieci progetti reali mostrano i tre modi di usarlo: interrogare, costruire e…
-
The Big Con dell’agentic AI: la lezione della dipendenza dai consulenti
Un’analisi che accosta l’over-dipendenza dall’agentic AI a quella storica dal management consulting: delegare cognizione e giudizio alle macchine…
-
Walled garden: quando è il vendor a decidere se puoi usare i tuoi dati
Un post di Fivetran sostiene che le restrizioni delle API SaaS stanno diventando il vero collo di bottiglia…
-
Un semantic layer per l’agentic AI su AWS con Stardog e Amazon Bedrock AgentCore
Come costruire un semantic layer con Stardog su Amazon Aurora e Redshift e far ragionare un agente Strands…
-
Omnigent: il meta-harness di Databricks per orchestrare e governare gli agenti AI
Databricks presenta Omnigent, un meta-harness per combinare, controllare e condividere più agenti AI in azienda. Perché serve un…
-
Talk to Data in produzione: come Mercedes-Benz Korea ha costruito uno strato semantico affidabile
Mercedes-Benz Korea ha portato in produzione un sistema “Talk to Data” su Databricks mettendo la semantica al centro.…