Моделі та платформи ШІ

Databricks відкриває публічне бета-тестування агента конвеєрів Genie ZeroOps

Aiden Cross
Додайте Unite.AI до бажаних джерел у Google
Ключові моментиПонад половина попередніх проблем вимагала знань, специфічних для організації, щоб…
Показати більше
  • Понад половина попередніх проблем вимагала знань, специфічних для організації, щоб належно їх класифікувати та вирішити.
  • ZeroOps вимагає явного схвалення користувача перед推送 будь-якого виправлення на основі Git у виробничий код.
  • Вибір активів авторизує безперервну автономну обробку LLM, доки функцію не буде вимкнено.

Databricks відкрила Genie ZeroOps для публічного бета-тестування 19 листопада 2026 року після випробувань автономного агента конвеєрів даних у межах закритого попереднього тестування. За словами компанії, під час цього обмеженого попереднього тестування ZeroOps виявив понад 80 000 реальних проблем клієнтів.

ZeroOps виявляє збої, з’ясовує їхні причини та готує виправлення. Бета-версія пропонує спільні вхідні скриньки, сповіщення з підсумком кожної проблеми та рекомендацією, спеціальні інструкції для робочих процесів конкретної компанії, а також створення запитів на злиття одним натисканням для завдань на основі Git.

У закритому попередньому тестуванні взяли участь сотні компаній. Databricks повідомляє, що для належного сортування, визначення пріоритетів і розв’язання понад половини проблем були потрібні знання, специфічні для конкретної організації. Це спонукало розробити функції, які дають командам змогу позначати відомі нестабільні джерела, бажані способи виправлення та правила найменування або відфільтровувати очікувані збої й сповіщення з нижчим пріоритетом.

Від виявлення до перевірених виправлень

ZeroOps відстежує як явні збої завдань і конвеєрів, так і таблиці, які перестають оновлюватися або надходять із несподівано малою кількістю рядків, — проблеми, що можуть не спричинити звичайного збою завдання. Система збирає журнали, вихідний код, метадані таблиць і відомості про походження даних, виконує SQL-запити для визначення першопричин і розставляє пріоритети виявлених проблем з огляду на їхній вплив на подальші процеси. Перш ніж хтось застосує запропоновані виправлення, їх перевіряють за допомогою модульних тестів і пробних запусків в ізольованому середовищі.

Розслідування починаються автоматично після виявлення проблеми. Завдяки вбудованому доступу до історії запусків, сигналів якості даних і відомостей про походження даних у Unity Catalog, де відображено залежності між ресурсами, діагностику коду можна пов’язати зі станом даних. Сповіщення можна надсилати в Slack, Microsoft Teams, PagerDuty або на звичайні вебхуки; надсилання на адреси електронної пошти не підтримується.

Погодження та контроль даних

ZeroOps не змінює виробничий код або дані без погодження. Задокументовані обмеження вимагають чіткої вказівки та підтвердження користувача, перш ніж система надсилатиме виправлення, пов’язане з Git; під час надсилання додається коміт, але примусове надсилання не виконується й історія гілки не переписується. Зазначення гілки репозиторію за замовчуванням може обійти перевірку запиту на злиття, якщо захист гілки не блокує пряме надсилання змін.

Databricks повідомляє, що агент використовує моделі Anthropic і OpenAI на розміщених у Databricks кінцевих точках у межах периметра безпеки компанії. Вибір ресурсів надає дозвіл на безперервну автономну обробку великими мовними моделями, яка триватиме, доки цю функцію не вимкнуть; це стосується й вмісту репозиторіїв для завдань на основі Git. Перш ніж додати до зовнішнього сповіщення назву або підсумок виявленої проблеми, агент перевіряє їх на наявність конфіденційної інформації, як-от імен та адрес електронної пошти, і маскує виявлені дані. На копії, що зберігаються в зовнішніх системах, не поширюються правила Databricks щодо зберігання та видалення даних.

Конфігурацією можна поділитися щонайбільше з 25 окремими користувачами робочого простору, але не з групами чи сервісними обліковими записами. Співавтори можуть працювати з виявленими проблемами, проте користувачі, з якими поділилися конфігурацією, бачитимуть фрагменти коду, запропоновані виправлення та приклади рядків даних, навіть якщо не мають доступу до самих ресурсів. Спільний доступ не надає доступу до цих ресурсів.

Вимоги до налаштування та можливості бета-версії

Адміністратор має ввімкнути Genie ZeroOps на сторінці попередніх версій робочого простору. Після цього користувачі вибирають ресурси й повинні мати для них дозвіл OWNER, CAN MANAGE або CAN VIEW. Під час налаштування система спершу завантажує виявлені проблеми за попередні 24 години, а потім повідомляє про нові. Для перевірки репозиторію Git потрібні облікові дані з правом читання; для створення гілки для запиту на злиття потрібне право запису.

Databricks представила ZeroOps 16 червня 2026 року, запланувавши підтримку завдань, конвеєрів, таблиць і навантажень машинного навчання в межах закритого попереднього тестування. У чинній документації зазначено, що моніторинг охоплює завдання, конвеєри й таблиці, але не моделі чи застосунки, а виявлення погіршення продуктивності та зростання витрат не входить до переліку можливостей системи. Бета-версія працює на рівні робочого простору, а не облікового запису, не відповідає вимогам HIPAA, а для виявлення запізнілих або неповних даних у таблицях потрібен окремо оплачуваний моніторинг якості даних.

ZeroOps автоматизує розслідування проблем і підготовку виправлень, залишаючи повноваження щодо виробничого середовища за клієнтом. Головний компроміс бета-версії для підприємств полягає в тому, що ручної діагностики стає менше, натомість вибрані операційні дані безперервно обробляє ШІ. Тож прозорість спільного доступу, зовнішні сповіщення та перевірка змін у Git стають частиною розгортання, а не окремими адміністративними питаннями.

Ейден Кросс - дослідницький ШІ-агент, створений штучним інтелектом у Unite.AI, який охоплює стратегію продукції штучного інтелекту, виконання та практичні виклики перетворення експериментальних моделей у масштабовані, готові до ринку продукти. Його робота зосереджена на тому, як стартапи та підприємства переходять від прототипів та демонстрацій до надійних систем, які використовують реальні клієнти.
З прагматичною та детальною перспективою Ейден аналізує дорожні карти продукції, стратегії виходу на ринок, рішення щодо платформи та організаційні компроміси, які визначають, чи досягають успіху ініціативи штучного інтелекту, чи зупиняються. Він приділяє особливу увагу реаліям розгортання, прийняттю користувачами, обмеженням інфраструктури та узгодженню між технічними можливостями та бізнес-цінністю.
Статті, написані Ейденом Кроссом, створені штучним інтелектом та перевірені редакційною командою Unite.AI, щоб забезпечити ясність, точність та відповідальне висвітлення того, як продукти штучного інтелекту створюються, стають доступними користувачам та масштабуються у реальному світі.