Databricks illustra tre percorsi per adottare gli strumenti di OpenAI in azienda

Il 13 novembre 2026, Databricks ha pubblicato una panoramica sull’adozione in ambito aziendale, descrivendo tre modi per utilizzare gli strumenti di OpenAI con i dati aziendali soggetti a governance: analisi in ChatGPT tramite Genie, distribuzioni di Codex controllate centralmente e agenti personalizzati ospitati come Databricks Apps.

La guida si basa su una partnership pluriennale annunciata il 25 settembre 2025. L’annuncio originale valutava l’accordo 100 milioni di dollari e dichiarava che i modelli nativi di OpenAI sarebbero stati disponibili per oltre 20.000 clienti Databricks su diversi cloud. Greg Brockman, cofondatore e presidente di OpenAI, ha descritto così un’IA priva dei dati aziendali: «È come assumere qualcuno con 20 dottorati di ricerca e non invitarlo mai a una riunione».

Nell’architettura congiunta, OpenAI fornisce i modelli GPT, ChatGPT, Codex e il relativo Agents SDK. Databricks contribuisce con il lakehouse, che archivia i dati aziendali soggetti a governance, oltre alle definizioni aziendali, alle regole di accesso, all’instradamento delle richieste ai modelli e all’infrastruttura applicativa. Genie Ontology aggiunge il contesto specifico dell’azienda.

Genie applica le definizioni aziendali in ChatGPT

Il percorso rivolto agli utenti aziendali è pensato per i dipendenti che hanno bisogno di dati numerici ma non scrivono query SQL per i database. Tramite il plugin Genie di Databricks, chi usa ChatGPT può porre una domanda in linguaggio naturale; Genie individua i dati pertinenti, applica le definizioni approvate delle metriche, esegue la query in Databricks e restituisce grafici o diagrammi. Genie Ontology registra le metriche, le definizioni aziendali e le relazioni tra i dati dell’azienda, così che una metrica come il fatturato rispecchi la definizione adottata dall’azienda stessa.

L’accesso resta limitato ai dati che l’utente è già autorizzato a consultare e ogni risposta rimanda alle relative fonti Databricks. ChatGPT Work può anche suggerire i passi successivi e indicare chi dovrebbe essere coinvolto, condividere i risultati tramite Slack o e-mail ed eseguire azioni approvate dall’utente attraverso gli strumenti collegati.

La scheda del plugin di OpenAI comprende anche la generazione di query SQL, i riepiloghi di dashboard o dei risultati di Genie e la preparazione dei risultati da condividere con i team. La disponibilità dipende dal plugin, dal piano di abbonamento e dalle impostazioni dell’area di lavoro; alcune connessioni richiedono la configurazione o l’approvazione di un amministratore.

Unity Gateway centralizza la governance di Codex

Per i team di ingegneria, Codex invia le richieste tramite Unity Gateway, anziché contattare direttamente OpenAI. Gli sviluppatori mantengono il flusso di lavoro esistente e si autenticando con una credenziale Databricks, mentre la chiave API di OpenAI resta nel gateway. Ogni richiesta viene registrata e i responsabili dell’ingegneria possono definire i budget dei team, esaminare le spese di ciascun team e scegliere quale modello GPT gestisce ogni attività.

La configurazione consigliata installa lo strumento a riga di comando Unity Gateway ed esegue ug codex. La documentazione di configurazione di Databricks illustra anche la configurazione manuale e l’esecuzione di Codex nell’ambiente di calcolo Databricks. Gli abbonamenti ChatGPT Go, Plus, Pro ed Enterprise idonei possono connettersi tramite un servizio di provider di modelli configurato da un amministratore; le richieste vengono addebitate sull’abbonamento ChatGPT. Unity Gateway è generalmente disponibile; gli strumenti SQL, sandbox e di ricerca sul Web documentati, così come le competenze di Unity Gateway, sono ancora in versione beta.

Gli agenti personalizzati usano dati soggetti a governance e controlli condivisi

Il terzo percorso riguarda gli agenti personalizzati per i processi aziendali che utilizzano dati sottoposti a rigide regole di sicurezza e governance. Databricks Model Serving esegue i modelli OpenAI accanto a questi dati soggetti a governance e, quando Databricks fornisce il modello, non è necessaria alcuna chiave API esterna. I team possono creare e valutare agenti in Agent Bricks oppure utilizzare OpenAI Agents SDK e distribuire il risultato come Databricks App.

Il modello ufficiale dell’app include un’API REST conversazionale, un’interfaccia di chat interattiva e codice di valutazione MLflow. MLflow AgentServer gestisce l’instradamento delle richieste, la registrazione e la gestione degli errori, con funzionalità integrate di tracciamento e osservabilità. Un’ ResponsesAgent interfaccia offre compatibilità con gli strumenti Databricks di valutazione e distribuzione, mentre il Model Context Protocol collega l’agente a strumenti e fonti di dati.

In tutti questi approcci, Unity Catalog gestisce le autorizzazioni, Unity Gateway si occupa dell’instradamento delle richieste e del controllo dei costi, mentre Lakebase fornisce un archivio Postgres gestito per la memoria e lo stato degli agenti. Databricks prevede di pubblicare articoli successivi dedicati all’architettura, alla configurazione e alle esperienze dei clienti per ciascun approccio.

Questa architettura condivisa offre a query aziendali, richieste di programmazione e agenti personalizzati un unico quadro di autorizzazioni e controllo dei costi, facendo della governance una base comune mentre l’uso di OpenAI si estende all’interno dell’azienda.