Databricks beskriver tre vägar för företag att börja använda OpenAI-verktyg

Databricks publicerade en översikt över hur företag kan börja använda verktygen den 13 november 2026. Där beskrivs tre sätt att använda OpenAI-verktyg med företagets data under styrning: analyser i ChatGPT via Genie, centralt styrda Codex-installationer och anpassade agenter som körs som Databricks-appar.

Guiden bygger vidare på ett flerårigt partnerskap som tillkännagavs den 25 september 2025. I det ursprungliga tillkännagivandet värderades partnerskapet till 100 miljoner dollar, och det uppgavs att inbyggda OpenAI-modeller skulle bli tillgängliga för fler än 20 000 Databricks-kunder i olika molnplattformar. OpenAI:s medgrundare och vd Greg Brockman beskrev AI utan företagets data så här: ”Det är som att anställa någon med 20 doktorsexamina och aldrig bjuda in personen till ett möte.”

I den gemensamma arkitekturen tillhandahåller OpenAI GPT-modeller, ChatGPT, Codex och företagets Agents SDK. Databricks bidrar med lakehouse-plattformen, där företagets data lagras under styrning, samt med affärsdefinitioner, åtkomstregler, dirigering av modellförfrågningar och infrastruktur för appar. Genie Ontology tillför företagsspecifik kontext.

Genie tillämpar företagets definitioner i ChatGPT

Lösningen för affärsanvändare riktar sig till anställda som behöver siffror men inte skriver SQL-frågor till databaser. Via Databricks Genie-plugin kan en ChatGPT-användare ställa en fråga på naturligt språk. Genie identifierar relevanta data, tillämpar godkända mätetalsdefinitioner, kör frågan i Databricks och visar resultatet som diagram eller grafer. Genie Ontology lagrar mätetal, affärsdefinitioner och relationer mellan företagets data, så att ett mätetal som intäkter följer företagets egen definition.

Åtkomsten är begränsad till data som användaren redan har behörighet att se, och varje svar länkar till sina Databricks-källor. ChatGPT Work kan också föreslå nästa steg och vilka som bör involveras, dela resultat via Slack eller e-post och utföra åtgärder som användaren har godkänt genom anslutna verktyg.

OpenAI:s pluginförteckning omfattar också generering av SQL, sammanfattningar av kontrollpaneler eller Genie-resultat och paketering av resultat för team. Tillgängligheten beror på pluginet, abonnemanget och arbetsytans inställningar, och vissa anslutningar kräver konfiguration eller godkännande av en administratör.

Unity Gateway centraliserar styrningen av Codex

För utvecklingsteam skickar Codex förfrågningar via Unity Gateway i stället för att kontakta OpenAI direkt. Utvecklarna behåller sitt befintliga arbetsflöde och autentiserar sig med en Databricks-inloggningsuppgift, medan OpenAI API-nyckeln ligger kvar i gatewayen. Alla förfrågningar loggas, och utvecklingschefer kan sätta budgetar för team, granska utgifter per team och välja vilken GPT-modell som hanterar varje uppgift.

Den rekommenderade konfigurationen installerar kommandoradsverktyget Unity Gateway och kör ug codex. Databricks konfigurationsdokumentation tar också upp manuell konfiguration och hur Codex körs på Databricks-beräkningsresurser. Berättigade ChatGPT Go-, Plus-, Pro- och Enterprise-abonnemang kan ansluta via en tjänst för modellleverantörer som en administratör har konfigurerat. Förfrågningarna debiteras mot ChatGPT-abonnemanget. Unity Gateway är allmänt tillgängligt, medan de dokumenterade SQL-, sandlåde- och webbsökningsverktygen samt Unity Gateway-funktionerna fortfarande är i betaversion.

Anpassade agenter använder data under styrning och gemensamma kontroller

Den tredje vägen gäller anpassade agenter för affärsprocesser som använder data med strikta säkerhets- och styrningsregler. Databricks Model Serving kör OpenAI-modeller intill dessa data, som hanteras under styrning, och ingen extern API-nyckel behövs när Databricks tillhandahåller modellen. Team kan bygga och utvärdera agenter i Agent Bricks eller använda OpenAI Agents SDK och distribuera resultatet som en Databricks-app.

Den officiella appmallen innehåller ett konversationsbaserat REST API, ett interaktivt chattgränssnitt och MLflow-kod för utvärdering. MLflow AgentServer hanterar dirigering av förfrågningar, loggning och felhantering, med inbyggd spårning och observerbarhet. Ett ResponsesAgent gränssnitt ger kompatibilitet med Databricks verktyg för utvärdering och distribution, medan Model Context Protocol ansluter agenten till verktyg och datakällor.

I samtliga upplägg hanterar Unity Catalog behörigheter, Unity Gateway sköter dirigering av förfrågningar och kostnadskontroller, och Lakebase tillhandahåller hanterad Postgres-lagring för agenters minne och tillstånd. Databricks planerar uppföljande inlägg om arkitektur, konfiguration och kundernas erfarenheter av varje upplägg.

Den gemensamma arkitekturen ger affärsfrågor, kodningsförfrågningar och anpassade agenter ett gemensamt ramverk för behörigheter och kostnadskontroll, så att styrning blir en gemensam grund när användningen av OpenAI breder ut sig i företaget.