¿Qué clientes activos contó la IA? Databricks lleva las definiciones a los agentes
Genie Ontology lleva las definiciones de negocio a los agentes de Databricks. Comprueba el significado de las métricas, la autoridad de las fuentes y los permisos antes de fiarte de un informe.
Pregunta a dos compañeros cuántos clientes activos hubo el mes pasado. El equipo comercial puede contar las cuentas con un contrato de pago vigente. El equipo de producto puede contar las que usaron una función importante en los últimos 30 días. Las dos cifras pueden ser correctas. Pídele a una IA una sola respuesta y verás cómo una diferencia de criterio se convierte en una cifra que parece más concluyente de lo que es.
El 11 de noviembre de 2026, Databricks anunció la disponibilidad general de Genie Ontology. La plataforma de datos e IA utiliza esta capa para proporcionar a los agentes contexto de negocio reutilizable. Los fragmentos de contexto pueden proceder de paneles de Databricks, consultas SQL y cuadernos. La función independiente para herramientas externas de inteligencia empresarial estaba en beta en el lanzamiento y admitía Power BI. Los equipos también pueden definir métricas y conceptos oficiales en Unity Catalog. El mismo anuncio presentó la herramienta visual Ontology Manager como una futura beta.
Si varios agentes van a ayudar a la misma empresa, ¿por qué debería reconstruir cada uno qué entiende la organización por «cliente»? La ventaja está en poder vincular una respuesta correcta con una definición aprobada. El peligro del contexto compartido es que una definición equivocada puede llegar más lejos. Veamos cómo distinguir ambos casos antes de distribuir el informe mensual.
La misma expresión puede dar dos cifras válidas. Muestra la definición antes de comparar los resultados.
El panel guarda las reglas de cálculo
Un panel suele contener más conocimiento de negocio del que se ve en el gráfico de barras. Alguien tuvo que decidir qué fecha usar, qué registros excluir, qué cuenta se considera de pago y cómo tratar una fusión. Esas decisiones pueden vivir en una consulta SQL, en filtros guardados, en un cuaderno o en acuerdos tácitos entre quienes mantienen el informe. Un agente puede tener permiso para ver la tabla de origen y seguir sin conocer la regla que hace útil su respuesta.
El anuncio describe dos clases de contexto. Un fragmento aprendido puede recoger lo que un agente detecta en un recurso de trabajo, como una consulta existente. El conocimiento modelado se define y se gobierna de forma explícita, como ocurre con los indicadores certificados de las vistas de métricas. Databricks presenta OntoRank como el mecanismo que ordena los contextos candidatos por autoridad y relevancia. Así describe la empresa su diseño. Eso no garantiza que una pregunta ambigua se resuelva igual que la resolvería tu equipo.
| Pregunta de ejemplo | Contexto que hay que comprobar | Quién debe fijar la definición |
|---|---|---|
| ¿Cuántos clientes activos renovaron? | Identificador de cuenta, fechas de renovación y estado del contrato | Operaciones comerciales |
| ¿Cuántas cuentas usaron activamente el producto? | Eventos de actividad, intervalo temporal y vinculación con las cuentas | Analítica de producto |
| ¿Cuántos clientes estaban activos al cierre del trimestre? | Definición del informe, zona horaria y cierre del periodo | Responsable del informe |
Los equipos son orientativos. Una respuesta útil facilita la definición que aplicó, el periodo del informe, su fecha de vigencia y una fuente a la que pueda acceder quien lee. Si la pregunta es ambigua, suele convenir aclarar primero si se refiere a los contratos o al uso del producto. Una ontología puede ayudar a recuperar ambos sentidos. El informe aún tiene que decir cuál utilizó.
Pon números para que se vea la diferencia. Supongamos que la consulta de facturación devuelve 420 cuentas vigentes y la de actividad 310 cuentas con un evento que cumple los criterios. Son cifras inventadas para el ejercicio. «Clientes activos: 420» se queda corto aunque el cálculo sea correcto. «420 cuentas facturadas a cierre de mes, sin contar las pruebas» da a quien lo lee una definición que puede revisar. Para calcular cuántas cuentas facturadas también estuvieron activas por uso, la consulta debe cruzar ambas fuentes y mantener separados los dos denominadores.
El contexto compartido cambia el coste de equivocarse
Una definición bien fundamentada evita reescribir el mismo prompt largo para cada herramienta. Un equipo de informes podría mantener una métrica de ingresos certificada mientras distintos agentes responden preguntas de finanzas, operaciones y dirección. Databricks afirma que Genie MCP puede ofrecer ese contexto a agentes externos a Databricks. Consulta la documentación de Genie One y la configuración de tu espacio antes de dar por hecho que admite una herramienta, una fuente o una acción determinada.
Lo complicado llega cuando discrepan dos fuentes. Imagina un panel de marketing que sigue etiquetando las cuentas de prueba como clientes. Un informe financiero de referencia las excluye. Un cuaderno antiguo utiliza el nombre de finanzas con la lógica del año anterior. Si se reutilizan fragmentos que no indican de dónde vienen, la automatización puede perpetuar una regla obsoleta mucho después de que se hayan marchado quienes recuerdan el cambio.
Empieza por decidir qué afirmaciones pueden ser oficiales. Una medición certificada debe tener una persona responsable y un ámbito de aplicación aprobado. Un cuaderno puede documentar bien el trabajo de un equipo sin convertirse automáticamente en su política. Si coexisten dos reglas legítimas, ponles nombres diferentes o indica el ámbito y el periodo. En un despliegue transversal, las definiciones deben conservar las diferencias que necesita cada equipo.
Incluye una prueba de permisos. Plantea la misma pregunta como analista con acceso a los detalles y como persona que solo puede ver los totales. Registra el contexto y las referencias que recibe cada una, incluidos los errores y los resultados vacíos. Databricks afirma que el producto respeta los permisos existentes. El equipo de despliegue ha de confirmarlo en el ámbito donde lo va a usar. Una explicación con un enlace inaccesible es un problema de usabilidad. Una respuesta que expone datos restringidos supone un fallo mucho más grave. Prueba ambos resultados por separado.
Asigna una persona responsable y una fecha de vigencia y después comprueba qué ocurre cuando cambia la definición.
Para interpretar el 91 % hay que conocer las condiciones de la prueba
Databricks y Turing prepararon una evaluación en el espacio de trabajo simulado de un proveedor británico de energía ficticio. El anuncio del 11 de noviembre indica un 91 % de éxito para Genie con Ontology y un 58 % para el mejor de los dos agentes de comparación anonimizados. Afirma que cada agente respondió a las mismas preguntas cinco veces por tarea y que se aplicó una rúbrica predefinida. Es una evaluación conjunta del proveedor en un entorno concreto. No aporta una prueba independiente de que cada cliente vaya a obtener esos resultados.
La comparación refleja un problema real. Si el agente ya tiene las definiciones necesarias, puede dedicar menos tiempo a buscar en libros de trabajo, tablas de origen y notas. El anuncio explica que la configuración de Genie representaba un despliegue asentado con contexto acumulado. Un espacio recién conectado parte de otra situación. La prueba compara sistemas completos con un acceso diferente al contexto preparado. No permite saber cuánto aporta por separado cada función.
Un equipo puede preparar su propia evaluación acotada. Elige preguntas que parezcan fáciles y hayan dado problemas, como un informe mensual de cuentas activas, una fecha regional de renovación, una excepción en el reconocimiento de ingresos o las fechas de vigencia de una clasificación. Pide a los responsables un conjunto de respuestas de referencia. Anota qué fuentes e intervalos se consideran correctos. Incluye preguntas ante las que el agente deba abstenerse o pedir aclaraciones porque no tienen una única respuesta aceptada.
Evalúa la trazabilidad y el acceso, además de la exactitud numérica. Un informe puede acertar la cifra con la fórmula equivocada y fallar el mes siguiente. Una respuesta rápida que obliga a un analista a verificarla durante varios minutos ahorra poco trabajo. Anota quién pudo comprobar la respuesta y qué casos límite dieron pie a una aclaración. Así puedes comparar la referencia con el ensayo aunque coincida el modelo subyacente.
Prueba un cambio de definición antes de ampliar el despliegue
Un piloto con una sola métrica permite saber si el sistema se mantiene al día. En el primer ensayo, pregunta cuántas cuentas de pago estaban activas en una fecha concreta. Después simula un cambio de negocio. A partir de una fecha acordada, las cuentas de socios pasan a ser un segmento independiente en los informes. Los paneles históricos deben mantener el tratamiento anterior para los periodos previos. Los informes nuevos deben aplicar la definición aprobada. Lo difícil es mantener respuestas correctas antes y después del cambio sin volver a explicar al agente la regla cada vez.
- Escoge una métrica que tenga una persona responsable y dos interpretaciones realmente distintas. Escribe la regla aprobada, su fecha de vigencia, una respuesta conocida y un caso ambiguo.
- Haz las mismas preguntas a la versión de referencia y a la versión que aplica las definiciones aprobadas, con la misma captura de los datos del informe. Anota la respuesta, la definición citada y el tiempo de verificación.
- Repite el ejercicio con dos perfiles de permisos. Comprueba que cada persona puede abrir las fuentes correspondientes sin conocer detalles restringidos.
- Simula una revisión de la regla y pide informes de antes y después. Comprueba que la respuesta usa la definición adecuada para cada periodo y menciona el cambio.
El anuncio del 11 de noviembre ofrece un punto de partida para evaluar Genie Ontology con quienes administran tu espacio de Databricks. La ontología está disponible. La nueva herramienta visual se anunció como una futura beta. El equipo puede documentar quién es responsable de cada métrica, acordar una definición y preparar sus preguntas de referencia desde ahora. Esos pasos seguirán sirviendo si la implementación tarda más de lo previsto.
Añade una pregunta que distinga encontrar la definición de aplicarla correctamente. Dos cuentas pueden tener el mismo nombre de cliente. Una suscripción puede cambiar de estado a mitad de mes. Una transacción registrada justo después de medianoche puede corresponder a un día de informe local diferente del que sugiere el sello UTC. Escoge un solo caso para incluir o excluir. Da a quienes revisan una consulta de referencia y pídeles que lean la interpretación del agente antes de mostrar el número esperado.
Al ampliar la cobertura, busca posibles conflictos de términos. Mantén una lista corta de palabras que ya se usan con sentidos distintos entre equipos, como «activo», «región», «devolución» y «renovación». Cuando se incorpore un ámbito nuevo, pide a los responsables que intercambien en parejas tres preguntas habituales. Anota cuándo la misma palabra cambia la población, el periodo o la tabla de origen. Una persona puede decidir si conviene separar los nombres o conservar un concepto común con precisiones. La revisión debe ser lo bastante manejable para repetirla cuando se añada una definición importante.
Envía la respuesta completa a alguien que no participó en el piloto. ¿Sabe en qué informe usarla? ¿Puede abrir la fuente aprobada y ver qué cambia respecto de su panel? Si hace falta explicar una métrica cada vez que pasa a otro equipo, un nombre más claro y una definición guardada pueden aportar más que ampliar el contexto del modelo.
Una cifra se puede reutilizar en la medida en que se pueda reutilizar su definición
El mejor resultado es que dos agentes den la misma respuesta por el mismo motivo y pidan una aclaración cuando cambia la pregunta. Para ello, la empresa necesita poder encontrar, comprobar y revisar la definición. El contexto compartido lleva ese trabajo a más informes. Dar nombre y gobernar una métrica cobra más valor a medida que se vuelve a usar.
Fuentes
- Anuncio de disponibilidad general de Databricks, 11 de noviembre de 2026
- Documentación de Databricks Genie One
- Demostración oficial de Genie Ontology
Guarda en un lugar que puedas consultar las definiciones de las métricas, las decisiones de las reuniones y las preguntas pendientes. Crea tu primera nota con Telli.sh.