AI at Work10 min di lettura

Quali clienti attivi ha contato l’IA? Databricks mette al lavoro le definizioni

Genie Ontology fornisce agli agenti Databricks le definizioni aziendali. Prima di fidarti di un report, verifica il significato della metrica, l’autorevolezza della fonte e i permessi.

K
Ken Jo

Chiedi a due persone del tuo team quanti clienti attivi avevate il mese scorso. Le vendite possono contare gli account con un contratto a pagamento in corso. Il team prodotto può contare gli account che hanno usato una funzione importante negli ultimi 30 giorni. Entrambi i numeri possono essere corretti. Ora chiedi all’IA una sola risposta e guarda come una questione di definizioni aziendali diventa un numero che sembra più preciso di quanto sia.

L’11 novembre 2026 Databricks ha annunciato la disponibilità generale di Genie Ontology. La piattaforma per dati e IA usa questo strato per dare agli agenti informazioni aziendali riutilizzabili. I frammenti di contesto possono provenire da dashboard Databricks, query SQL e notebook. La funzionalità separata per la business intelligence esterna era in beta al lancio e supportava Power BI. È possibile definire in Unity Catalog anche metriche e concetti ufficiali. Nello stesso annuncio, Ontology Manager, l’interfaccia visiva che accompagna Genie Ontology, è stato presentato come una beta futura.

Il lancio solleva una domanda. Se più agenti supportano la gestione dell’azienda, perché ognuno dovrebbe ricostruire cosa intende l’azienda per «cliente»? Il vantaggio si vede quando riesci a ricondurre una risposta corretta a una definizione approvata. Condividere il contesto può anche far circolare più lontano una definizione sbagliata. Vediamo come distinguere i due casi prima di inviare il report mensile.

Due definizioni illustrative di cliente attivo, basate su un contratto a pagamento o sull’uso recente

La stessa espressione può portare a due numeri legittimi. Mostra la definizione prima di confrontare il risultato.

Il grafico conserva traccia di come è stata calcolata la metrica

Una dashboard contiene più conoscenza aziendale di quella che si vede nel grafico a barre. Qualcuno ha dovuto scegliere la data di riferimento, i record da escludere, cosa s’intende per account a pagamento e come trattare una fusione. Le decisioni possono trovarsi in SQL, in filtri salvati, in un notebook o in un accordo informale fra le persone responsabili del report. Un agente può avere accesso alla tabella di origine e ignorare comunque la regola necessaria per dare una risposta utile.

L’annuncio distingue due tipi di contesto. Un frammento appreso può esprimere qualcosa che l’agente ricava dal lavoro quotidiano, per esempio da una query già in uso. La conoscenza modellata corrisponde a ciò che le persone definiscono e governano esplicitamente, compresi i KPI certificati nelle viste metriche. L’articolo presenta inoltre OntoRank come il meccanismo che ordina il contesto disponibile per autorevolezza e pertinenza. Databricks descrive così il funzionamento del prodotto. Il team dovrà verificare come il sistema risolve le domande ambigue nel proprio contesto.

Esempio di domandaContesto da controllareChi dovrebbe stabilire la definizione
Quanti clienti attivi hanno rinnovato?Identificativo dell’account, scadenze di rinnovo e stato del contrattoOperazioni commerciali
Quanti account hanno usato attivamente il prodotto?Eventi di attività, intervallo di tempo e associazione agli accountAnalisi di prodotto
Quanti clienti erano attivi alla chiusura del trimestre?Definizione usata per il reporting, fuso orario e chiusura del periodoResponsabile del reporting

Questi team sono esempi. Una risposta utile mostra la definizione effettivamente usata, il periodo coperto dal report, la data di entrata in vigore e una fonte accessibile a chi legge. Se la domanda è ambigua, spesso conviene chiarire subito se si parla di contratti o di uso del prodotto. Un’ontologia può aiutare a recuperare entrambi i significati. Il report deve comunque indicare quale ha usato.

Facciamo un esempio con i numeri. Supponiamo che la query di fatturazione restituisca 420 account correnti e quella di attività 310 account con un evento che soddisfa i criteri. Le cifre sono inventate per l’esercizio. «Clienti attivi: 420» è incompleto anche se il calcolo è giusto. «420 account fatturati a fine mese, esclusi i periodi di prova» offre a chi legge una definizione verificabile. Per sapere quanti account fatturati erano anche in uso, la query corretta deve collegare i dati con una join e mantenere distinti i due denominatori.

Il contesto condiviso cambia il costo di un errore

Una definizione con una fonte ben documentata risparmia alle persone il compito di riscrivere lo stesso lungo prompt per ogni strumento. Un team di reporting può mantenere una metrica certificata sui ricavi mentre diversi agenti aiutano a rispondere a domande di finanza, operazioni e direzione. Databricks afferma che Genie MCP può mettere il contesto a disposizione anche di agenti esterni a Databricks. Prima di dare per scontato che uno strumento, una fonte o un’azione siano abilitati, consulta la documentazione ufficiale di Genie One e verifica la configurazione del tuo spazio di lavoro.

Il caso più difficile è quello di due fonti in disaccordo. Immagina una dashboard di marketing che classifica ancora come clienti gli account in prova. Un report finanziario di riferimento li esclude. Un vecchio notebook usa il nome del report finanziario con la logica dell’anno precedente. Se i frammenti vengono riutilizzati senza mostrare la provenienza, l’automazione può perpetuare una regola superata anche quando se ne sono andate le persone che ricordano la modifica.

Inizia decidendo quali affermazioni possono fare da riferimento ufficiale. Una misura certificata dovrebbe avere un responsabile e un ambito di reporting approvato. Un notebook può documentare bene come lavora un team. L’autorità della regola va stabilita a parte. Se coesistono due regole legittime, assegna loro nomi distinti o aggiungi il dominio e il periodo. Una diffusione in tutta l’azienda funziona quando preserva le differenze necessarie tra le definizioni e consente a ogni team di rispondere nel proprio contesto.

Nello stesso esercizio verifica i permessi. Poni la stessa domanda nelle vesti di un analista autorizzato a vedere i dati di dettaglio e di una persona che può vedere solo i totali. Registra il contesto e le citazioni ricevute da entrambi, compresi errori e risultati vuoti. Databricks dichiara che il prodotto rispetta i permessi esistenti. Prima di estenderne l’uso, il team deve verificare come si comporta agli effettivi limiti di accesso. Il link a cui non si riesce ad accedere nella spiegazione di una metrica è un problema di usabilità. Una risposta che espone dettagli riservati è un problema ben più grave. Prova separatamente i due casi.

Percorso di una definizione dalla fonte al riutilizzo sotto controllo e alla revisione

Assegna un responsabile e una data di entrata in vigore, poi verifica cosa accade quando la definizione cambia.

Il 91% va letto insieme al denominatore

Databricks e Turing hanno impostato una valutazione in uno spazio di lavoro simulato per un fornitore britannico di energia immaginario. Nell’annuncio dell’11 novembre riportano il 91% di risposte che superano la prova per Genie con Ontology e il 58% per il migliore di due agenti di confronto anonimizzati. Secondo l’annuncio, per ogni compito ciascun agente ha risposto cinque volte alle stesse domande e i risultati sono stati valutati con criteri prestabiliti. Si tratta di una valutazione congiunta dei fornitori in una configurazione specifica. I clienti Databricks devono misurare le prestazioni nel proprio contesto.

Il confronto riguarda un problema aziendale reale. Un agente che ha già le definizioni necessarie può passare meno tempo a cercare in cartelle di lavoro, tabelle di origine e appunti. Secondo l’annuncio, la configurazione di Genie rappresentava un’installazione già in uso con un contesto accumulato nel tempo. Uno spazio di lavoro appena collegato parte da condizioni diverse. La prova confronta interi sistemi con un accesso diverso al contesto preparato. Il contributo individuale di ogni funzione rimane da misurare.

Un team può predisporre una piccola valutazione propria con i casi pertinenti alla sua attività. Scegli domande che sembrano semplici ma hanno creato problemi, come il report mensile sugli account attivi, la scadenza dei rinnovi in una regione, un’eccezione al riconoscimento dei ricavi o le date in cui vale una classificazione. Chiedi ai responsabili di fissare le risposte di riferimento. Annota quali fonti e periodi si considerano corretti. Includi domande che l’agente dovrebbe rifiutare o chiedere di chiarire perché mancano di un’unica risposta approvata.

Valuta le risposte anche per tracciabilità e accesso, oltre che per esattezza numerica. Un report che per caso restituisce il numero giusto con la formula sbagliata può fallire il mese dopo. Se per verificare una risposta immediata l’analista perde diversi minuti, il risparmio può essere minimo. Registra chi ha potuto controllare la risposta e quali casi limite hanno fatto scattare una richiesta di chiarimento. Il confronto tra la configurazione di partenza e quella in prova diventa così utile anche se entrambe usano lo stesso modello di base.

Prova a cambiare una definizione prima di allargare l’uso

Un progetto pilota su una sola metrica basta a verificare se il sistema si mantiene aggiornato. Alla prima prova chiedi gli account attivi a pagamento in un momento preciso. Poi simula una modifica aziendale. Da una data concordata gli account dei partner diventano un segmento di reporting separato. Le dashboard storiche devono preservare il trattamento precedente per i vecchi periodi. I nuovi report devono applicare la definizione approvata. La difficoltà sta nel mantenere corrette le risposte prima e dopo la modifica senza dare ogni volta all’agente una copia personale della regola.

  1. Scegli una metrica con un responsabile dei dati e due interpretazioni davvero diverse. Scrivi una regola approvata, la sua data di entrata in vigore, una risposta nota e un’ambiguità già nota.
  2. Esegui le versioni iniziale e governata sulle stesse domande, a parità di dati di reporting. Registra la risposta, la definizione citata e il tempo di verifica.
  3. Ripeti con due profili di accesso. Controlla che chi legge riesca ad aprire le fonti appropriate senza ricevere dettagli riservati.
  4. Simula una revisione della regola e chiedi report per prima e dopo la modifica. Verifica che la risposta applichi la definizione corretta per ciascun periodo e indichi cosa è cambiato.

Dopo l’annuncio dell’11 novembre si può iniziare a valutare Genie Ontology insieme alle persone che amministrano lo spazio di lavoro Databricks. La disponibilità dell’ontologia segue un calendario distinto da quello del nuovo gestore visivo, annunciato come beta futura. L’organizzazione può già documentare chi possiede una metrica, riconciliare una definizione e preparare un insieme di domande di riferimento. Questi passaggi resteranno utili anche se l’implementazione richiederà più tempo del previsto.

Aggiungi una domanda che distingua il recupero di una definizione dalla sua applicazione corretta. Due account possono avere lo stesso nome cliente. Gli abbonamenti possono cambiare stato a metà mese. Una transazione registrata poco dopo la mezzanotte può appartenere a un giorno diverso nel reporting locale rispetto a quanto suggerisce l’orario UTC. Scegli se includere o escludere uno solo di questi casi. Dai ai revisori una query di riferimento e chiedi loro di leggere l’interpretazione dell’agente prima di vedere il numero atteso.

C’è anche un modo pratico per individuare conflitti man mano che aumentano le aree coperte. Tieni una breve lista di parole che già hanno significati diversi tra i team, per esempio attivo, regione, reso, rinnovo. Quando nel sistema entra un nuovo dominio, chiedi ai responsabili di lavorare in coppia e scambiarsi tre domande abituali. Prendi nota dei casi in cui la stessa parola cambia la popolazione, la finestra temporale o la tabella di origine. Una persona può decidere se distinguere i nomi o mantenere un concetto condiviso con le opportune specificazioni. La revisione dovrebbe richiedere un impegno abbastanza piccolo da poterla ripetere quando entra in catalogo una nuova definizione importante.

Prova a inviare la risposta finale a una persona estranea al progetto pilota. Riesce a dire in quale report va inserita? Può aprire la fonte approvata e riconoscere eventuali differenze rispetto alla propria dashboard? Se una metrica richiede una spiegazione ogni volta che arriva a un altro team, forse serve un nome più chiaro e una definizione salvata prima di aggiungere altro contesto al modello.

La definizione rende riutilizzabile il numero

Il risultato più prezioso è vedere due agenti rispondere allo stesso modo per lo stesso motivo e poi chiedere chiarimenti quando cambia la domanda. Serve una definizione che l’azienda possa trovare, verificare e aggiornare. Uno strato di contesto condiviso permette di portare quel lavoro in più report. Dare un nome a una metrica e governarne l’uso diventa così ancora più importante.

Fonti


Tieni definizioni delle metriche, decisioni delle riunioni e domande di approfondimento in un unico posto in cui puoi cercarle. Crea la tua prima nota con Telli.sh.


← Torna al blog