Моделі та платформи ШІ
Databricks описує три шляхи впровадження інструментів OpenAI у підприємствах
Додайте Unite.AI до бажаних джерел у Google
Ключові моментиGenie lets ChatGPT users query governed data using approved metric definitions without…
Показати більше
- 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.
13 листопада 2026 року Databricks опублікувала огляд корпоративного впровадження, у якому описала три способи використання інструментів OpenAI з корпоративними даними, доступ до яких регулюється: аналітику ChatGPT через Genie, централізовано контрольовані розгортання Codex і спеціалізованих агентів, розміщених як Databricks Apps.
Цей посібник розвиває тему багаторічного партнерства, про яке оголосили 25 вересня 2025 року. У початковому повідомленні його оцінили в $100 мільйонів і зазначили, що рідні моделі OpenAI стануть доступними для понад 20 000 клієнтів Databricks у різних хмарних середовищах. Співзасновник і президент OpenAI Ґреґ Брокман так описав ШІ без корпоративних даних: «Це все одно, що найняти людину з 20 докторськими ступенями й жодного разу не запросити її на нараду».
У межах спільної архітектури OpenAI надає моделі GPT, ChatGPT, Codex і свій Agents SDK. Databricks забезпечує lakehouse, де зберігаються корпоративні дані з контрольованим доступом, а також бізнес-визначення, правила доступу, маршрутизацію запитів до моделей та інфраструктуру застосунків. Genie Ontology додає контекст, специфічний для конкретної компанії.
Genie застосовує корпоративні визначення в ChatGPT
Цей варіант призначений для працівників, яким потрібні певні цифри, але які не пишуть запитів до баз даних мовою SQL. За допомогою плагіна Databricks Genie користувач ChatGPT може поставити запитання звичайною мовою; Genie знаходить відповідні дані, застосовує затверджені визначення показників, виконує запит у Databricks і повертає графіки або діаграми. Genie Ontology фіксує показники, бізнес-визначення та зв’язки між корпоративними даними, тож такий показник, як дохід, обчислюється за визначенням, прийнятим у самій компанії.
Користувач і надалі має доступ лише до тих даних, які йому вже дозволено переглядати, а кожна відповідь містить посилання на джерела в Databricks. ChatGPT Work також може рекомендувати подальші кроки й визначати, кого варто залучити, ділитися результатами через Slack або електронну пошту та виконувати схвалені користувачем дії за допомогою підключених інструментів.
В описі плагіна OpenAI також ідеться про створення SQL-запитів, підготовку підсумків за інформаційними панелями або результатами Genie та оформлення висновків для команд. Доступність залежить від плагіна, тарифного плану й налаштувань робочого простору; для деяких підключень потрібне налаштування або схвалення адміністратора.
Unity Gateway централізує управління Codex
Для інженерних команд Codex надсилає запити через Unity Gateway, а не звертається безпосередньо до OpenAI. Розробники зберігають звичний робочий процес і проходять автентифікацію за допомогою облікових даних Databricks, тоді як ключ API OpenAI залишається в шлюзі. Реєструється кожен запит, а керівники інженерних команд можуть установлювати бюджети для команд, переглядати витрати кожної команди й вибирати, яка модель GPT оброблятиме кожне завдання.
Рекомендований спосіб налаштування передбачає встановлення інструмента командного рядка Unity Gateway і запуск ug codex. Документація Databricks з налаштування також охоплює ручне налаштування та запуск Codex на обчислювальних ресурсах Databricks. Відповідні вимогам підписки ChatGPT Go, Plus, Pro та Enterprise можна підключити через налаштовану адміністратором службу постачальника моделей; плата за запити стягується в межах підписки ChatGPT. Сам Unity Gateway загальнодоступний; описані інструменти SQL, пісочниця, вебпошук і навички Unity Gateway залишаються в бета-версії.
Спеціалізовані агенти використовують дані з контрольованим доступом і спільні засоби керування
Третій варіант стосується спеціалізованих агентів для бізнес-процесів, у яких використовуються дані з суворими вимогами до безпеки та управління. Databricks Model Serving запускає моделі OpenAI поруч із цими даними з контрольованим доступом; якщо модель обслуговує Databricks, зовнішній ключ API не потрібен. Команди можуть створювати й оцінювати агентів в Agent Bricks або використовувати OpenAI Agents SDK, а потім розгортати результат як Databricks App.
Офіційний шаблон застосунку містить розмовний REST API, інтерактивний інтерфейс чату та код для оцінювання в MLflow. MLflow AgentServer керує маршрутизацією запитів, журналюванням і обробкою помилок, а також має вбудовані засоби трасування й спостережуваності. А ResponsesAgent інтерфейс забезпечує сумісність із засобами оцінювання та розгортання Databricks, а Model Context Protocol підключає агента до інструментів і джерел даних.
У всіх цих сценаріях Unity Catalog забезпечує керування дозволами, Unity Gateway відповідає за маршрутизацію запитів і контроль витрат, а Lakebase надає кероване сховище Postgres для пам’яті й стану агента. Databricks планує опублікувати подальші дописи про архітектуру, налаштування та досвід клієнтів для кожного сценарію.
Завдяки спільній архітектурі для бізнес-запитів, запитів на написання коду й спеціалізованих агентів діє єдина система дозволів і контролю витрат, тож управління стає спільною основою в міру розширення використання OpenAI в компанії.
