Каких клиентов посчитал ИИ? Databricks даёт агентам определения показателей
Genie Ontology передаёт агентам Databricks определения бизнес-показателей. Проверьте смысл метрики, надёжность источника и права доступа, прежде чем доверять отчёту.
Спросите двух коллег, сколько активных клиентов было в прошлом месяце. Отдел продаж может посчитать аккаунты с действующим платным договором. Продуктовая команда — аккаунты, которые воспользовались важной функцией за последние 30 дней. Оба числа могут быть верными. Попросите ИИ выдать один ответ, и вопрос о смысле бизнес-термина превратится в число, которое выглядит однозначнее, чем есть на самом деле.
11 ноября 2026 года Databricks объявила об общей доступности Genie Ontology. Платформа для работы с данными и ИИ использует этот слой, чтобы передавать агентам бизнес-контекст для повторного использования. Фрагменты контекста могут поступать из дашбордов, SQL-запросов и блокнотов Databricks. Отдельная функция работы с внешними BI-системами на момент запуска находилась в бета-версии и поддерживала Power BI. Пользователи могут задавать в Unity Catalog официальные показатели и понятия. В том же анонсе визуальный инструмент Ontology Manager описан как предстоящая бета.
Если несколько агентов будут помогать компании с отчётами, зачем каждому заново выяснять, кого здесь называют клиентом? Польза появляется, когда правильный ответ можно связать с утверждённым определением. Общий контекст, однако, помогает распространять и ошибочные правила. Разберём, как увидеть разницу до отправки ежемесячного отчёта.
Одна фраза может дать два достоверных числа. Прежде чем сравнивать результаты, покажите определение.
За диаграммой скрывается способ расчёта
Дашборд обычно содержит намного больше знаний о бизнесе, чем заметно по столбчатой диаграмме. Кто-то решил, какую дату брать, какие записи исключать, что считать платным аккаунтом и как учитывать слияние компаний. Решения могут быть записаны в SQL, в сохранённых фильтрах, в блокноте или существовать в виде негласного соглашения между владельцами отчёта. Даже если агент имеет доступ к исходной таблице, у него может не быть правила, необходимого для полезного ответа.
В анонсе описаны два вида контекста. Выявленный агентом фрагмент может описывать правило из повседневных материалов, например действующего запроса. Формализованные знания люди определяют и контролируют явно. К ним относятся утверждённые ключевые показатели в представлениях метрик. Кроме того, Databricks описывает OntoRank как механизм ранжирования контекста по авторитетности и релевантности. Так компания объясняет устройство продукта. Команда на практике может разрешать неоднозначность иначе.
| Пример вопроса | Какой контекст проверить | Кто утверждает определение |
|---|---|---|
| Сколько активных клиентов продлили договор? | Идентификатор аккаунта, даты продления и статус договора | Отдел коммерческих операций |
| Сколько аккаунтов активно пользовались продуктом? | События активности, временное окно и соответствие аккаунтов | Продуктовая аналитика |
| Сколько клиентов было активно на конец квартала? | Отчётное определение, часовой пояс и закрытие периода | Ответственный за отчётность |
Названия команд приведены для примера. Полезный ответ называет использованное определение, отчётный период, дату начала действия определения и доступный для читателя источник. Если формулировка неоднозначна, лучше сперва уточнить, идёт ли речь о договорах или использовании продукта. Онтология может найти оба значения, но в отчёте всё равно нужно указать, какое из них применили.
На числах разница видна особенно хорошо. Допустим, запрос к платёжным данным даёт 420 действующих аккаунтов, а запрос по активности — 310 аккаунтов с подходящим событием. Числа вымышлены для упражнения. Сообщение «420 активных клиентов» неполно, даже если расчёт безошибочен. В формулировке «420 аккаунтов с выставленными счетами на конец месяца, без пробных» уже есть определение, которое можно проверить. Чтобы выяснить, сколько платных аккаунтов при этом активно пользовались продуктом, нужно соединить таблицы и сохранить раздельные базы подсчёта.
Общий контекст меняет цену ошибки
Чёткое определение избавляет людей от повторного написания одинаковых запросов для разных инструментов. Отдел отчётности может вести один утверждённый показатель выручки, а разные агенты будут помогать финансистам, операционным командам и руководителям. Databricks сообщает, что через Genie MCP контекст можно открыть и агентам вне платформы. Доступность нужного инструмента, источника или действия зависит от конфигурации рабочей среды. Сверьтесь с документацией Genie One.
Сложнее, когда два источника расходятся. Представьте, что маркетинговый дашборд до сих пор включает в число клиентов пробные аккаунты, а проверенный финансовый отчёт их исключает. В старом блокноте стоит название финансового показателя, но используется прошлогодняя формула. Если происхождение повторно используемых фрагментов не отслеживается, автоматизация может сохранять устаревшее правило долго после ухода людей, которые помнили о его изменении.
Вначале решите, какие утверждения можно считать официальными. У подтверждённой метрики должны быть владелец и утверждённая область применения. Блокнот помогает понять, как работает команда, но сам по себе не задаёт правила для всей компании. Когда сосуществуют два обоснованных определения, разведите их названия или добавьте указание на область применения и период. При внедрении во всей компании важно сохранять реальные различия в определениях: у команд могут быть разные корректные ответы.
В том же испытании проверьте права. Задайте одинаковый вопрос от имени аналитика, которому доступны подробные данные, и коллеги, который видит только итоговые числа. Запишите контекст и ссылки для каждого, включая ошибки и пустые ответы. Databricks описывает соблюдение существующих прав как свойство продукта, но команде стоит проверить фактическое поведение в своей конфигурации. Недоступная ссылка в пояснении к показателю создаёт неудобство. Раскрытие закрытых подробностей — более серьёзная ошибка. Проверяйте эти случаи отдельно.
Назначьте ответственного, укажите дату начала действия и проверьте, что происходит при изменении определения.
Что именно посчитали в результате 91%
Databricks и Turing построили испытание в имитации рабочей среды вымышленного британского поставщика энергии. В анонсе 11 ноября указано, что Genie с Ontology успешно прошёл 91% испытаний, а более сильный из двух анонимных агентов сравнения — 58%. Каждый агент отвечал на одни и те же вопросы по пять раз на задачу. Результаты оценивали по заранее заданным критериям. Это совместное испытание поставщика в конкретной конфигурации. Покупателям Databricks предстоит самостоятельно проверить, каких результатов они добьются у себя.
Сравнение отражает реальную проблему бизнеса. Агент с нужными определениями тратит меньше времени на поиск по рабочим книгам, таблицам и заметкам. Конфигурация Genie в анонсе имитировала уже работающую систему с накопленным контекстом, а у только что подключённой среды таких данных может ещё не быть. Испытание сравнивает целые системы с разным доступом к подготовленному контексту. Из него нельзя вывести вклад отдельной функции.
Составьте собственное небольшое испытание. Возьмите простые на вид вопросы, которые уже создавали проблемы: ежемесячный отчёт об активных аккаунтах, крайний срок продления в регионе, исключение из правила признания выручки или даты действия классификации. Получите от владельцев данных зафиксированный набор эталонных ответов. Запишите допустимые источники и временные окна. Добавьте вопросы, от которых агент должен отказаться или к которым должен запросить уточнение, потому что единого утверждённого ответа нет.
Оценивайте не только точность, но и возможность проследить ответ и открыть источник. Отчёт, случайно давший нужное число с неверной формулой, может разойтись с данными в следующем месяце. Быстрый ответ мало экономит, если проверка занимает у аналитика несколько минут. Запишите, кто мог проверить результат и в каких пограничных случаях агент запросил уточнение. Такое сравнение пригодится даже при использовании одной базовой модели.
Испытайте изменение определения до расширения внедрения
Достаточно пилотного проекта с одним показателем, чтобы увидеть, успевает ли система за изменениями. Сначала попросите посчитать активные платные аккаунты на фиксированную дату. Затем смоделируйте изменение правила: с согласованной даты партнёрские аккаунты выделяются в отдельный сегмент. Дашборды за прежние периоды должны сохранить старый расчёт. Новая отчётность должна использовать утверждённое определение. Сложность — сохранять корректные ответы по обе стороны даты изменения, не передавая агенту отдельную копию правила каждый раз.
- Выберите метрику с владельцем данных и двумя действительно разными толкованиями. Запишите утверждённое правило, дату его действия, известный ответ и известную неоднозначность.
- Задайте одинаковые вопросы в базовом режиме и с управляемым контекстом, используя один и тот же снимок отчётных данных. Запишите ответ, приведённое определение и время проверки.
- Повторите эксперимент с двумя наборами прав. Проверьте, что читатель может открыть подходящие источники и не получает закрытых сведений.
- Смоделируйте пересмотр правила и запросите отчёты до и после этой даты. Проверьте, правильное ли определение использовано в каждом периоде и обозначено ли изменение.
Анонс от 11 ноября — повод оценить Genie Ontology вместе с теми, кто управляет вашей средой Databricks. Сама онтология уже доступна. Новый визуальный инструмент описан как предстоящая бета. Владельцев метрик, согласованные определения и перечень эталонных вопросов можно зафиксировать заранее. Эта работа пригодится, даже если внедрение займёт больше времени.
Добавьте вопрос, который проверяет разницу между поиском определения и правильным применением. Два аккаунта могут быть зарегистрированы на одно имя. Статус подписки может меняться посреди месяца. Операция сразу после полуночи может относиться к другому местному отчётному дню, чем следует из метки по UTC. Проверьте включение или исключение одного такого случая. Дайте проверяющим эталонный запрос и попросите сначала посмотреть на трактовку агента, а затем сверить ожидаемое число.
По мере расширения внедрения можно заранее выявлять конфликты. Ведите короткий список слов, которые команды уже понимают по-разному, например «активный», «регион», «возврат», «продление». Когда в системе появляется новая область, попросите владельцев данных попарно обменяться тремя обычными вопросами. Отметьте, где одно и то же слово меняет круг записей, временное окно или таблицу. Затем решите, нужны ли отдельные названия или достаточно уточнений к общему понятию. Пусть проверка остаётся достаточно короткой, чтобы её можно было повторять при вводе важных определений.
Отправьте готовый ответ коллеге, который не участвовал в пилоте. Поймёт ли он, для какого отчёта предназначено число? Откроет ли утверждённый источник и заметит ли различие со своим дашбордом? Если при передаче метрики другой команде всякий раз нужно объяснение, ей может помочь более ясное название и записанное определение.
Число можно использовать повторно, только если понятно определение
Хороший результат — два агента дают одинаковый ответ по одной и той же причине, а при изменении вопроса просят уточнение. Для этого компании нужно определение, которое можно найти, проверить и пересмотреть. Общий контекст позволяет применять его в большем числе отчётов. Работа по именованию показателя и управлению им от этого становится важнее.
Источники
- Анонс общей доступности Databricks от 11 ноября 2026 года
- Документация Databricks Genie One
- Официальная демонстрация Genie Ontology
Храните определения показателей, решения со встреч и открытые вопросы вместе, чтобы их можно было найти. Создайте первую заметку в Telli.sh.