โมเดลและแพลตฟอร์ม AI
Databricks เผย 3 แนวทางสำหรับองค์กรในการนำเครื่องมือ OpenAI ไปใช้
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google
ประเด็นสำคัญGenie lets ChatGPT users query governed data using approved metric definitions without…
ดูเพิ่มเติม
- Genie lets ChatGPT users query governed data using approved metric definitions without writing SQL.
- Unity Gateway keeps the OpenAI API key centralized while logging every Codex request for cost control.
- Custom agents run OpenAI models beside governed data through Model Serving without external API keys.
เมื่อวันที่ 13 พฤศจิกายน 2026 Databricks เผยภาพรวมแนวทางการนำไปใช้ในองค์กร โดยอธิบาย 3 วิธีใช้เครื่องมือ OpenAI ร่วมกับข้อมูลของบริษัทที่อยู่ภายใต้การกำกับดูแล ได้แก่ การวิเคราะห์ผ่าน ChatGPT ด้วย Genie การติดตั้งใช้งาน Codex ที่ควบคุมจากส่วนกลาง และเอเจนต์แบบกำหนดเองที่โฮสต์เป็น Databricks Apps
คู่มือนี้ต่อยอดจาก ความร่วมมือระยะหลายปีที่ประกาศเมื่อวันที่ 25 กันยายน 2025 ข่าวประกาศฉบับแรกระบุมูลค่าความร่วมมือไว้ที่ 100 ล้านดอลลาร์ และกล่าวว่าโมเดล OpenAI แบบเนทีฟจะพร้อมให้ลูกค้า Databricks มากกว่า 20,000 รายใช้งานได้บนคลาวด์ต่าง ๆ Greg Brockman ผู้ร่วมก่อตั้งและประธานของ OpenAI กล่าวถึง AI ที่ไม่มีข้อมูลของบริษัทว่า “ก็เหมือนจ้างคนที่มีปริญญาเอก 20 ใบ แต่ไม่เคยเชิญเขาเข้าประชุมเลย”
ภายใต้สถาปัตยกรรมความร่วมมือนี้ OpenAI จัดหาโมเดล GPT, ChatGPT, Codex และ Agents SDK ส่วน Databricks จัดหาเลคเฮาส์สำหรับจัดเก็บข้อมูลบริษัทที่อยู่ภายใต้การกำกับดูแล พร้อมด้วยคำจำกัดความทางธุรกิจ กฎการเข้าถึง การกำหนดเส้นทางคำขอไปยังโมเดล และโครงสร้างพื้นฐานสำหรับแอปพลิเคชัน Genie Ontology ช่วยเพิ่มบริบทเฉพาะของบริษัท
Genie นำคำจำกัดความของบริษัทมาใช้ใน ChatGPT
แนวทางสำหรับผู้ใช้ในภาคธุรกิจมุ่งเป้าไปที่พนักงานที่ต้องการตัวเลข แต่ไม่ได้เขียนคำสั่งคิวรีฐานข้อมูล SQL ผ่าน ปลั๊กอิน Genie ของ Databricks ผู้ใช้ ChatGPT สามารถถามด้วยภาษาธรรมชาติได้ โดย Genie จะระบุข้อมูลที่เกี่ยวข้อง ใช้คำจำกัดความของตัวชี้วัดที่ได้รับอนุมัติ ดำเนินการคิวรีใน Databricks แล้วส่งผลลัพธ์เป็นกราฟหรือแผนภูมิ Genie Ontology บันทึกตัวชี้วัด คำจำกัดความทางธุรกิจ และความสัมพันธ์ระหว่างข้อมูลของบริษัท เพื่อให้ตัวชี้วัดอย่างรายได้เป็นไปตามคำจำกัดความที่บริษัทกำหนดไว้เอง
การเข้าถึงยังจำกัดอยู่เฉพาะข้อมูลที่ผู้ใช้ได้รับอนุญาตให้ดูอยู่แล้ว และคำตอบแต่ละรายการจะมีลิงก์ไปยังแหล่งข้อมูลใน Databricks ด้วย ChatGPT Work ยังสามารถแนะนำขั้นตอนถัดไปและผู้ที่ควรมีส่วนร่วม แชร์ข้อค้นพบผ่าน Slack หรืออีเมล และดำเนินการตามที่ผู้ใช้อนุมัติผ่านเครื่องมือที่เชื่อมต่อไว้ได้
รายการปลั๊กอินของ OpenAI ยังครอบคลุมการสร้างคำสั่ง SQL การสรุปแดชบอร์ดหรือผลลัพธ์จาก Genie และการจัดชุดข้อค้นพบให้ทีมด้วย ความพร้อมใช้งานขึ้นอยู่กับปลั๊กอิน แผนการสมัครสมาชิก และการตั้งค่าพื้นที่ทำงาน โดยการเชื่อมต่อบางอย่างต้องให้ผู้ดูแลระบบตั้งค่าหรืออนุมัติก่อน
Unity Gateway รวมศูนย์การกำกับดูแล Codex
สำหรับทีมวิศวกรรม Codex จะส่งคำขอผ่าน Unity Gateway แทนการติดต่อ OpenAI โดยตรง นักพัฒนายังคงใช้เวิร์กโฟลว์เดิมและยืนยันตัวตนด้วยข้อมูลรับรองของ Databricks ขณะที่คีย์ API ของ OpenAI จะอยู่ในเกตเวย์ มีการบันทึกคำขอทุกรายการ และผู้นำทีมวิศวกรรมสามารถกำหนดงบประมาณของแต่ละทีม ตรวจสอบค่าใช้จ่ายแยกตามทีม และเลือกได้ว่าจะให้โมเดล GPT ใดจัดการแต่ละงาน
การตั้งค่าที่แนะนำคือติดตั้ง เครื่องมือบรรทัดคำสั่ง Unity Gateway และเรียกใช้ ug codex. เอกสารการตั้งค่าของ Databricks ยังครอบคลุมการกำหนดค่าด้วยตนเองและการเรียกใช้ Codex บนทรัพยากรประมวลผลของ Databricks ผู้สมัครใช้บริการ ChatGPT Go, Plus, Pro และ Enterprise ที่เข้าเกณฑ์สามารถเชื่อมต่อผ่านบริการผู้ให้บริการโมเดลที่ผู้ดูแลระบบกำหนดค่าไว้ โดยคิดค่าคำขอจากการสมัครใช้บริการ ChatGPT ตัว Unity Gateway เปิดให้ใช้งานทั่วไปแล้ว ส่วนเครื่องมือ SQL, sandbox และค้นเว็บ รวมถึงทักษะของ Unity Gateway ตามที่ระบุในเอกสาร ยังอยู่ในช่วงเบต้า
เอเจนต์แบบกำหนดเองใช้ข้อมูลภายใต้การกำกับดูแลและการควบคุมร่วมกัน
แนวทางที่สามคือการสร้างเอเจนต์แบบกำหนดเองสำหรับกระบวนการทางธุรกิจที่ใช้ข้อมูลภายใต้กฎด้านความปลอดภัยและการกำกับดูแลที่เข้มงวด Databricks Model Serving เรียกใช้โมเดล OpenAI ควบคู่กับข้อมูลดังกล่าว และไม่จำเป็นต้องใช้คีย์ API ภายนอกเมื่อ Databricks เป็นผู้ให้บริการโมเดล ทีมต่าง ๆ สามารถสร้างและประเมินเอเจนต์ใน Agent Bricks หรือใช้ OpenAI Agents SDK แล้วนำผลลัพธ์ไปใช้งานเป็น Databricks App
เทมเพลตแอปอย่างเป็นทางการมี REST API สำหรับการสนทนา อินเทอร์เฟซแชตแบบโต้ตอบ และโค้ดสำหรับประเมินผลด้วย MLflow MLflow AgentServer จัดการการกำหนดเส้นทางคำขอ การบันทึก และการจัดการข้อผิดพลาด พร้อมระบบติดตามและการสังเกตการณ์ในตัว โดยมี ResponsesAgent อินเทอร์เฟซที่รองรับการทำงานร่วมกับเครื่องมือประเมินผลและการติดตั้งใช้งานของ Databricks ขณะที่ Model Context Protocol เชื่อมต่อเอเจนต์กับเครื่องมือและแหล่งข้อมูล
ในรูปแบบการใช้งานเหล่านี้ Unity Catalog จัดการสิทธิ์การเข้าถึง Unity Gateway ดูแลการกำหนดเส้นทางคำขอและการควบคุมต้นทุน ส่วน Lakebase ให้บริการพื้นที่จัดเก็บ Postgres แบบมีการจัดการสำหรับความทรงจำและสถานะของเอเจนต์ Databricks วางแผนเผยแพร่บทความติดตามผลเกี่ยวกับสถาปัตยกรรม การตั้งค่า และบทเรียนจากลูกค้าสำหรับแต่ละรูปแบบ
สถาปัตยกรรมร่วมนี้ทำให้คิวรีทางธุรกิจ คำขอด้านการเขียนโค้ด และเอเจนต์แบบกำหนดเองอยู่ภายใต้กรอบการจัดการสิทธิ์และควบคุมต้นทุนเดียวกัน ส่งผลให้การกำกับดูแลเป็นรากฐานร่วมเมื่อการใช้งาน OpenAI ขยายไปทั่วทั้งบริษัท
