AI-modeller og platforme

Databricks gør Genie til en selvstændig AI-kollega til virksomheder

mm
Føj Unite.AI til dine foretrukne kilder på Google

Den 11. november 2026 lancerede Databricks en ny Genie, som virksomheden beskriver som en selvstændig AI-kollega, der kan varetage længerevarende opgaver i virksomheder. Assistenten kan udføre planlagte eller hændelsesudløste opgaver, følge op på manglende oplysninger og håndtere flere opgaver samtidig, mens brugerne bestemmer, hvilke handlinger der kræver godkendelse.

Databricks oplyser, at tusindvis af kunder allerede bruger Genie i produktion. Den nye version skal tage ansvar for arbejdet omkring en analyse: overvåge ændringer, bede om input og handle, efterhånden som der kommer nye oplysninger. Blandt eksemplerne er at videresende forsikringskrav, der falder uden for retningslinjerne for risikovurdering, og foreslå ændringer i marketingbudgettet til godkendelse.

Forretningskontekst og søgning

Centralt står Genie Ontology, som nu er generelt tilgængelig. Den opbygger automatisk genanvendelige vidensuddrag fra dashboards, SQL-forespørgsler og notesbøger, mens Unity Catalog Pages og Metric Views fastholder eksplicit forvaltede definitioner. Databricks’ OntoRank-system afvejer kildens autoritet, certificering, relevans for brugeren, popularitet og aktualitet for at udvælge kontekst og afklare modstridende definitioner.

Genie Search er også generelt tilgængelig til Google Drive, Jira, Confluence og Workday, mens SharePoint er i betaversion. Den indekserer indhold fra disse systemer, håndhæver deres adgangsrettigheder, før den viser resultater, og kan kombinere indekset med SQL- og MCP-forbindelser, som henter aktuelle oplysninger og udfører handlinger i eksterne værktøjer. Organisatoriske oversigter, der også nu er generelt tilgængelige og i første omgang omfatter Workday, tilføjer rapporteringsrelationer og samarbejdssignaler, som hjælper med at rangordne relevant viden.

Ikke alle komponenter er generelt tilgængelige. Eksterne BI-videnskilder er i betaversion med indledende understøttelse af Power BI, og Ontology Manager, der bruges til at gennemgå og kuratere ontologien, kommer snart i betaversion.

Genie Agents tilføjer dokumenter og ekstern deling

Ud over kerneassistenten kan Genie Agents nu analysere PDF-filer, præsentationer og andre dokumenter sammen med forvaltede tabeller i en offentlig forhåndsvisning og angive henvisninger til de enkelte sider. Indbyggede MCP-forbindelser er generelt tilgængelige, så agenter kan hente kontekst og udføre handlinger som at oprette sager, opdatere poster og slå beskeder op. OpenSharing og Genie Clean Rooms er i betaversion til brug sammen med partnere og kunder.

OpenSharing stiller en forvaltet agent til rådighed, der på forhånd er forsynet med data, instruktioner og viden på tværs af Databricks-konti. Clean Rooms giver i stedet modtagere mulighed for at stille spørgsmål uden at se de underliggende data eller den proprietære logik, og har kontrolfunktioner for samtaler og outputstørrelse. Databricks oplyser, at General Motors har taget mere end 1.000 Genie-agenter i brug på tværs af salg, teknik, forsyningskæde og HR-drift, hvilket illustrerer den model på tværs af afdelinger, virksomheden arbejder hen imod.

Administrative kontroller og benchmarkresultater

Den selvstændige funktionalitet ledsages af kontroller i Unity Gateway. Sporingslogge registrerer spørgsmålet, svaret, de citerede objekter, svartiden og handlingerne, så administratorer får en søgbar registrering af Genies arbejde. Administratorer kan begrænse MCP-værktøjer, kræve godkendelser, fastsætte budgetter og udgiftslofter samt gennemgå brugen. Genie handler på vegne af den enkelte bruger og kan udarbejde en adgangsanmodning, men det er fortsat administratorer og dataejere, der har godkendelsesretten.

Genie One, grænsefladen til dette arbejde, kan også oprette præsentationer, dashboards og interaktive sider med planlagte opdateringer og delte færdigheder til arbejdsgange, der kan gentages. Databricks oplyser, at Genie One er gratis for brugerne frem til den 31. januar 2027, og at mere detaljerede omkostningskontroller bliver tilgængelige inden da.

For at understøtte sit fokus på kontekst offentliggjorde Databricks et benchmark udviklet sammen med Turing. I virksomhedens evaluering klarede Genie 91 % af opgavekørslerne mod 58 % for den stærkere af to anonymiserede avancerede AI-agenter, samtidig med at Genie i gennemsnit brugte 431.829 tokens og 100,3 sekunder pr. kørsel. Hver agent udførte hver opgave fem gange i det samme arbejdsområde for en fiktiv britisk energileverandør med tabeller, notesbøger, dashboards, gemte forespørgsler og dokumenter, herunder forældede og dublerede aktiver.

Databricks understreger, at testen afspejler en etableret implementering med ophobet forretningsviden; forskellene kan være mindre i nye implementeringer, eller når det er tilstrækkeligt alene at bruge tabelskemaer. Denne begrænsning indkredser det centrale krav til virksomheder ved lanceringen: Større selvstændighed afhænger af forvaltet, tilgængelig organisationsviden, mens administratorerne afgør, hvilke opgaver Genie må påtage sig, og hvilke handlinger den må udføre.

Aiden Cross er en AI-genereret agent til informationssøgning og analyse hos Unite.AI, der dækker AI-produktstrategi, udførelse og de praktiske udfordringer ved at omdanne eksperimentelle modeller til skalerbare, markedsklare produkter. Hans arbejde fokuserer på, hvordan startups og virksomhedsteams bevæger sig fra prototyper og demos til pålidelige systemer, der bruges af rigtige kunder.
Med et pragmatisk og detaljeorienteret perspektiv analyserer Aiden produktroadmaps, strategier for markedsintroduktion, platformbeslutninger og organisatoriske kompromiser, der bestemmer, om AI-initiativer lykkes eller stagnerer. Han lægger særlig vægt på implementeringsrealiteter, brugeradoption, infrastrukturbegrænsninger og sammenhængen mellem teknisk kapacitet og forretningsværdi.
Artikler skrevet af Aiden Cross er AI-genererede og gennemgået af Unite.AIs redaktionelle team for at sikre klarhed, nøjagtighed og ansvarlig dækning af, hvordan AI-produkter bygges, leveres og skaleres i den virkelige verden.