Databricks przedstawia trzy ścieżki wdrażania narzędzi OpenAI w przedsiębiorstwach

13 listopada 2026 r. Databricks opublikował przegląd wdrażania rozwiązań w przedsiębiorstwach, opisując trzy sposoby korzystania z narzędzi OpenAI z użyciem zarządzanych danych firmowych: analitykę w ChatGPT za pośrednictwem Genie, centralnie kontrolowane wdrożenia Codex oraz niestandardowych agentów hostowanych jako aplikacje Databricks Apps.

Przewodnik rozwija temat wieloletniego partnerstwa ogłoszonego 25 września 2025 r. W pierwotnym komunikacie jego wartość określono na 100 mln dolarów i poinformowano, że natywne modele OpenAI będą dostępne dla ponad 20 000 klientów Databricks korzystających z różnych chmur. Greg Brockman, współzałożyciel i prezes OpenAI, tak opisał AI pozbawioną dostępu do danych firmy: „to jak zatrudnić kogoś z 20 doktoratami i nigdy nie zaprosić go na spotkanie”.

Zgodnie ze wspólną architekturą OpenAI dostarcza modele GPT, ChatGPT, Codex i Agents SDK. Databricks wnosi architekturę lakehouse, w której przechowywane są zarządzane dane firmowe, a także definicje biznesowe, reguły dostępu, kierowanie żądań do modeli i infrastrukturę aplikacyjną. Genie Ontology zapewnia kontekst specyficzny dla danej firmy.

Genie stosuje definicje firmowe w ChatGPT

Ścieżka przeznaczona dla użytkowników biznesowych jest skierowana do pracowników, którzy potrzebują danych liczbowych, ale nie tworzą zapytań SQL do baz danych. Za pośrednictwem wtyczki Databricks Genie użytkownik ChatGPT może zadać pytanie zwykłym językiem; Genie wyszukuje odpowiednie dane, stosuje zatwierdzone definicje wskaźników, wykonuje zapytanie w Databricks i zwraca wykresy lub diagramy. Genie Ontology rejestruje wskaźniki, definicje biznesowe i powiązania między danymi firmy, dzięki czemu wskaźnik taki jak przychody jest obliczany zgodnie z definicją przyjętą przez daną firmę.

Dostęp nadal ogranicza się do danych, które użytkownik ma już uprawnienia przeglądać, a każda odpowiedź zawiera odnośnik do źródeł w Databricks. ChatGPT Work może także sugerować kolejne kroki i wskazywać osoby, które powinny wziąć udział w działaniach, udostępniać ustalenia za pośrednictwem Slacka lub poczty elektronicznej oraz wykonywać działania zatwierdzone przez użytkownika przy użyciu połączonych narzędzi.

Wpis OpenAI w katalogu wtyczek obejmuje także generowanie zapytań SQL, tworzenie podsumowań pulpitów nawigacyjnych lub wyników Genie oraz przygotowywanie ustaleń do udostępnienia zespołom. Dostępność zależy od wtyczki, planu subskrypcji i ustawień obszaru roboczego, a niektóre połączenia wymagają konfiguracji lub zatwierdzenia przez administratora.

Unity Gateway centralizuje nadzór nad Codex

W zespołach inżynieryjnych Codex kieruje żądania przez Unity Gateway, zamiast łączyć się bezpośrednio z OpenAI. Programiści zachowują dotychczasowy sposób pracy i uwierzytelniają się za pomocą poświadczeń Databricks, a klucz API OpenAI pozostaje w bramie. Każde żądanie jest rejestrowane, a liderzy zespołów inżynieryjnych mogą ustalać budżety dla zespołów, analizować wydatki poszczególnych zespołów i wybierać model GPT obsługujący każde zadanie.

Zalecana konfiguracja obejmuje instalację narzędzia wiersza poleceń Unity Gateway i jego uruchomienie ug codex. Dokumentacja konfiguracji Databricks opisuje również konfigurację ręczną oraz uruchamianie Codex w środowisku obliczeniowym Databricks. Kwalifikujące się subskrypcje ChatGPT Go, Plus, Pro i Enterprise można połączyć za pośrednictwem usługi dostawcy modeli skonfigurowanej przez administratora, a opłaty za żądania są naliczane w ramach subskrypcji ChatGPT. Unity Gateway jest ogólnie dostępny; opisane narzędzia SQL, środowiska typu sandbox i wyszukiwania w sieci oraz umiejętności Unity Gateway są nadal w wersji beta.

Niestandardowi agenci korzystają z zarządzanych danych i wspólnych mechanizmów kontroli

Trzecia ścieżka dotyczy niestandardowych agentów obsługujących procesy biznesowe, które wykorzystują dane podlegające ścisłym zasadom bezpieczeństwa i nadzoru. Databricks Model Serving uruchamia modele OpenAI obok tych zarządzanych danych, a gdy model jest obsługiwany przez Databricks, nie jest potrzebny zewnętrzny klucz API. Zespoły mogą tworzyć i oceniać agentów w Agent Bricks albo korzystać z OpenAI Agents SDK, a następnie wdrażać gotowy produkt jako aplikację Databricks.

Oficjalny szablon aplikacji udostępnia konwersacyjne API REST, interaktywny interfejs czatu i kod do oceny w MLflow. MLflow AgentServer zarządza kierowaniem żądań, rejestrowaniem i obsługą błędów, a także oferuje wbudowane śledzenie i obserwowalność. A ResponsesAgent interfejs zapewnia zgodność z narzędziami Databricks do oceny i wdrażania, natomiast Model Context Protocol łączy agenta z narzędziami i źródłami danych.

We wszystkich tych rozwiązaniach Unity Catalog zarządza uprawnieniami, Unity Gateway obsługuje kierowanie żądań i kontrolę kosztów, a Lakebase zapewnia zarządzaną pamięć masową Postgres na potrzeby pamięci i stanu agentów. Databricks planuje opublikować kolejne wpisy poświęcone architekturze, konfiguracji i doświadczeniom klientów związanym z każdym z tych rozwiązań.

Wspólna architektura zapewnia zapytaniom biznesowym, żądaniom związanym z programowaniem i niestandardowym agentom jeden zestaw zasad dotyczących uprawnień i kontroli kosztów, dzięki czemu nadzór staje się wspólnym fundamentem w miarę rozszerzania wykorzystania OpenAI w firmie.