AI at Work10 min de leitura

Quais clientes ativos a IA contou? A Databricks põe as definições para trabalhar

O Genie Ontology leva definições de negócio aos agentes da Databricks. Antes de confiar no relatório, teste o significado da métrica, a autoridade da fonte e as permissões.

K
Ken Jo

Pergunte a duas pessoas da empresa quantos clientes ativos vocês tiveram no mês passado. A equipe de vendas pode contar as contas com um contrato pago vigente. A equipe de produto pode contar as contas que usaram um recurso importante nos últimos 30 dias. Os dois números podem estar corretos. Agora peça uma resposta à IA e veja como uma questão de definição de negócio vira um número que parece mais conclusivo do que é.

Em 11 de novembro de 2026, a Databricks anunciou a disponibilidade geral do Genie Ontology. A plataforma de dados e IA usa essa camada para fornecer aos agentes contexto de negócio que pode ser reutilizado. Os trechos de contexto podem vir de painéis da Databricks, consultas SQL e notebooks. O recurso separado de BI externo estava em beta no lançamento e oferecia suporte ao Power BI. As equipes também podem definir métricas e conceitos oficiais no Unity Catalog. No mesmo anúncio, o Ontology Manager, a ferramenta visual que acompanha o Genie Ontology, foi apresentado como uma beta futura.

O lançamento levanta uma pergunta. Se vários agentes vão ajudar nas operações de uma empresa, por que cada um precisa reconstruir o significado de “cliente” para aquele negócio? O benefício aparece quando você consegue ligar uma resposta correta a uma definição aprovada. Compartilhar contexto também permite que uma definição errada circule mais longe. Veja como distinguir os dois casos antes de enviar o relatório mensal.

Duas definições ilustrativas de cliente ativo, baseadas em contrato pago ou uso recente

A mesma expressão pode produzir dois números legítimos. Mostre a definição antes de comparar o resultado.

O gráfico guarda pistas de como a métrica foi calculada

Um painel costuma guardar mais conhecimento sobre o negócio do que aparece no gráfico de barras. Alguém precisou decidir qual data usar, quais registros excluir, o que conta como uma conta paga e como tratar uma fusão. Essas decisões podem estar no SQL, em filtros salvos, em um notebook ou em um acordo informal entre responsáveis pelo relatório. Um agente pode ter acesso à tabela de origem e ainda desconhecer a regra necessária para dar uma resposta útil.

O anúncio descreve dois tipos de contexto. Um trecho aprendido pode registrar algo que o agente identifica no material de trabalho do dia a dia, como uma consulta existente. O conhecimento modelado reúne o que as pessoas definem e governam explicitamente, incluindo indicadores certificados em visualizações de métricas. O texto também descreve o OntoRank como o mecanismo que ordena os trechos candidatos por autoridade e relevância. A Databricks apresenta assim o funcionamento do produto. Sua equipe ainda precisa verificar como o sistema resolve perguntas ambíguas no próprio contexto.

Exemplo de perguntaContexto a conferirQuem deve fixar a definição
Quantos clientes ativos renovaram?Identificador da conta, datas de renovação e status do contratoOperações de receita
Quantas contas usaram ativamente o produto?Eventos de atividade, janela de tempo e vínculo com a contaAnálise de produto
Quantos clientes estavam ativos ao fim do trimestre?Definição para o relatório, fuso horário e fechamento do períodoResponsável pelo relatório

Essas equipes são exemplos. Uma resposta útil mostra a definição que realmente usou, o intervalo do relatório, a data de vigência e uma fonte que a pessoa consegue consultar. Se a pergunta for ambígua, muitas vezes vale começar esclarecendo se ela trata de contratos ou uso do produto. Uma ontologia pode ajudar a recuperar os dois significados. O relatório ainda precisa dizer qual deles aplicou.

Vamos usar números para mostrar a diferença. Suponha que a consulta de faturamento retorne 420 contas vigentes e a de atividade, 310 contas com um evento que atende aos critérios. Os números são inventados para o exercício. “Clientes ativos: 420” é incompleto mesmo com a conta certa. “420 contas faturadas no fim do mês, excluindo períodos de teste” dá à próxima pessoa uma definição para conferir. Para descobrir quantas contas faturadas também eram usuárias ativas, a consulta correta precisa juntar os dados e manter os dois denominadores separados.

Compartilhar contexto muda o custo de um erro

Uma definição bem documentada poupa as pessoas de escrever o mesmo prompt longo para cada ferramenta. Uma equipe de relatórios pode manter uma métrica certificada de receita enquanto agentes diferentes ajudam a responder a perguntas de finanças, operações e gestão. Segundo a Databricks, o Genie MCP pode disponibilizar contexto a agentes de fora da plataforma. Consulte a documentação oficial do Genie One e a configuração do seu espaço de trabalho antes de contar com uma ferramenta, fonte de dados ou ação específica.

O caso mais difícil aparece quando duas fontes divergem. Imagine um painel de marketing que ainda classifica contas em teste como clientes. Um relatório financeiro de referência as exclui. Um notebook antigo usa o nome da métrica financeira com a lógica do ano passado. Se os trechos forem reaproveitados sem indicar a origem, a automação pode manter uma regra obsoleta mesmo depois que saírem as pessoas que se lembram da mudança.

Comece decidindo quais declarações podem servir como referência oficial. Uma métrica certificada deveria ter um responsável e um escopo de relatório aprovado. Um notebook pode documentar bem o modo de trabalho de uma equipe. O status oficial da regra precisa ser definido à parte. Quando duas regras legítimas coexistirem, dê nomes distintos ou acrescente o domínio e o período. A adoção em toda a empresa funciona quando preserva as diferenças necessárias entre definições e permite que cada equipe responda no seu contexto.

Inclua um teste de permissões no mesmo exercício. Faça a pergunta idêntica com o perfil de um analista que pode ver dados detalhados e com o de uma pessoa que só tem acesso aos totais. Registre o contexto e as citações recebidas pelos dois, incluindo erros e resultados vazios. A Databricks descreve o produto como capaz de respeitar as permissões já existentes. Antes de expandir o uso, a equipe precisa confirmar o comportamento nos limites reais de acesso. Uma explicação com um link inacessível é um problema de usabilidade. Uma resposta que revela detalhes restritos é um problema muito mais grave. Teste os dois casos separadamente.

Trajeto de uma definição da fonte ao uso sob governança e à revisão

Indique quem responde pela definição e quando ela entra em vigor. Depois verifique o que acontece quando ela muda.

Os 91% precisam ser lidos junto com o denominador

A Databricks e a Turing montaram uma avaliação em um espaço de trabalho simulado para uma fornecedora britânica de energia fictícia. O anúncio de 11 de novembro informa que 91% das execuções do Genie com Ontology passaram no teste, ante 58% para o melhor dos dois agentes de comparação anonimizados. Segundo o anúncio, cada agente respondeu às mesmas perguntas cinco vezes por tarefa, e os resultados seguiram critérios de avaliação definidos de antemão. É uma avaliação conjunta dos fornecedores em uma configuração específica. Cada cliente da Databricks precisa medir o desempenho no próprio contexto.

A comparação retrata um problema real de negócio. Um agente que já tem as definições necessárias pode passar menos tempo procurando em pastas de trabalho, tabelas de origem e notas. O anúncio descreve a configuração do Genie como uma implantação consolidada que já acumulou contexto. Um espaço de trabalho recém-conectado começa em outras condições. O teste compara sistemas inteiros com acesso diferente ao contexto preparado. A contribuição isolada de cada recurso ainda precisa ser medida.

A equipe pode montar uma avaliação pequena com casos relevantes para seu próprio trabalho. Escolha perguntas que parecem fáceis e já causaram problemas, como um relatório mensal de contas ativas, o prazo de renovação de uma região, uma exceção ao reconhecimento de receita ou as datas de vigência de uma classificação. Peça aos responsáveis um conjunto fixo de respostas de referência. Anote quais fontes e períodos contam como corretos. Inclua perguntas que o agente deveria recusar ou pedir para esclarecer por falta de uma única resposta aprovada.

Avalie as respostas por rastreabilidade e acesso, além da precisão numérica. Um relatório que por acaso chega ao número certo usando a fórmula errada pode falhar no mês seguinte. Uma resposta imediata que leva vários minutos para um analista conferir talvez poupe pouco trabalho. Registre quem conseguiu verificar a resposta e quais casos excepcionais levaram o agente a pedir esclarecimentos. A comparação entre a versão inicial e a versão em teste fica útil mesmo quando as duas usam o mesmo modelo de base.

Mude uma definição antes de expandir o uso

Um piloto com uma única métrica é suficiente para observar se o sistema se mantém atualizado. No primeiro teste, peça as contas ativas pagas em um momento específico. Depois simule uma mudança de negócio. A partir de uma data combinada, as contas de parceiros formam um segmento separado nos relatórios. Os painéis históricos precisam preservar o tratamento anterior para os períodos passados. Os relatórios novos devem aplicar a definição aprovada. A dificuldade é manter as respostas corretas antes e depois da mudança sem entregar ao agente uma cópia pessoal da regra a cada pergunta.

  1. Escolha uma métrica com um responsável pelos dados e duas interpretações realmente diferentes. Escreva a regra aprovada, a data de vigência, uma resposta conhecida e uma ambiguidade já conhecida.
  2. Rode a versão inicial e a versão com governança com as mesmas perguntas e o mesmo conjunto de dados de referência. Registre a resposta, a definição citada e o tempo de verificação.
  3. Repita com dois perfis de acesso. Confira se a pessoa consegue abrir as fontes adequadas sem receber detalhes restritos.
  4. Simule uma revisão da regra e peça relatórios de antes e depois da mudança. Confira se a resposta aplica a definição certa para cada período e diz o que mudou.

O anúncio de 11 de novembro é um bom ponto de partida para avaliar o Genie Ontology com quem governa seu espaço de trabalho na Databricks. A disponibilidade da ontologia segue um cronograma distinto do novo gerenciador visual, anunciado como uma beta futura. A organização já pode documentar quem responde por cada métrica, conciliar uma definição e preparar um conjunto de perguntas de referência. Essas etapas continuarão úteis mesmo que a implantação demore mais do que o planejado.

Acrescente uma pergunta que diferencie encontrar uma definição de usá-la corretamente. Duas contas podem ter o mesmo nome de cliente. Assinaturas podem mudar de situação no meio do mês. Uma transação registrada logo depois da meia-noite pode pertencer a um dia diferente no relatório local daquele que aparece no horário UTC. Escolha incluir ou excluir apenas um desses casos. Dê a quem revisa uma consulta de referência e peça que leia a interpretação do agente antes de ver o número esperado.

Também há uma forma prática de encontrar conflitos conforme a cobertura aumenta. Mantenha uma lista curta de palavras que já têm sentidos diferentes entre equipes, como ativo, região, devolução e renovação. Quando um novo domínio entrar no sistema, reúna responsáveis em duplas e peça que troquem três perguntas do dia a dia. Anote onde a mesma palavra muda a população, a janela de tempo ou a tabela de origem. Uma pessoa pode decidir se vale separar os nomes ou manter um conceito compartilhado com qualificações. A revisão deve ser leve o suficiente para se repetir sempre que uma definição importante entrar no catálogo.

Envie a resposta final a uma pessoa que ficou de fora do piloto. Ela consegue dizer em qual relatório o número se encaixa? Consegue abrir a fonte aprovada e perceber alguma diferença em relação ao próprio painel? Se a métrica precisa de uma explicação sempre que muda de equipe, talvez um nome mais claro e uma definição registrada resolvam antes de acrescentar contexto ao modelo.

A definição torna o número reutilizável

O resultado mais valioso é ouvir dois agentes darem a mesma resposta pelo mesmo motivo e depois vê-los pedir esclarecimentos quando a pergunta muda. Para isso é preciso uma definição que a empresa consiga encontrar, verificar e revisar. Uma camada de contexto compartilhado leva esse trabalho a mais relatórios. Dar nome às métricas e governar seu uso ganha ainda mais valor.

Fontes


Guarde as definições das métricas, as decisões de reuniões e as perguntas de acompanhamento em um único lugar para facilitar a busca. Crie sua primeira nota com o Telli.sh.


← Voltar ao blog