AI at Work阅读约 7 分钟

AI 数的是哪一种活跃客户?Databricks 让智能体用上业务定义

Genie Ontology 为 Databricks 智能体提供业务定义。看看如何核对指标含义、来源权威性和访问权限,再决定能否信任一份报告。

K
Ken Jo

问两位同事,上个月有多少活跃客户。销售团队可能会数仍有付费合同的账户。产品团队可能会数过去 30 天用过某项重要功能的账户。两个数字都可能是对的。如果请 AI 给一个答案,本来在问业务口径,最后收到的却可能是一个看起来毫无疑问的数字。

2026 年 11 月 11 日,Databricks 宣布 Genie Ontology 正式商用。这家数据和 AI 平台通过这一层功能为智能体提供可复用的业务上下文。信息片段可来自 Databricks 仪表板、SQL 查询和笔记本。独立的外部商业智能(BI)功能在发布时仍处于测试阶段,并支持 Power BI。使用者也能在 Unity Catalog 中定义权威指标和概念。同一公告把配套的可视化 Ontology Manager 列为后续推出的测试功能。

这次发布提出了一个值得问的问题:如果要用多个智能体协助经营,为什么每个都要重新推断公司所谓的「客户」是什么意思?当正确答案可以追溯到批准的定义时,共享上下文就能派上用场。风险也正在这里,错误定义同样能传得更远。月报发出前,可以用下面的方法分辨。

活跃客户的两种示例定义,分别依据付费状态和近期使用情况

同一个说法可能得到两个都有依据的数字。先展示定义,再比较结果。

图表背后有一套指标计算规则

仪表板里藏着的业务知识往往比一张柱状图展示的多。有人选定日期,决定排除哪些记录、怎样算付费账户,以及并购该如何处理。这些决定可能写在 SQL、已保存的筛选器或笔记本里,也可能是报告负责人的默契。智能体即便有权限查看源表,也未必掌握能让答案真正有用的规则。

发布公告介绍了两类上下文。一类是智能体从日常资料中识别出的知识片段,例如从现有查询提取出的规则。另一类是由人员明确建模和治理的知识,包括指标视图中经过认证的 KPI。文章还把 OntoRank 描述为一种按权威性和相关性排列候选上下文的机制。这些是 Databricks 对产品设计的说明。面对含糊的问题,系统给出的解读仍可能与团队不同。

示例问题应核对的上下文应由谁确定口径
有多少活跃客户续签了合同?账户键、续签日期和合同状态营收运营团队
有多少账户在积极使用产品?活动事件、时间窗口和账户映射产品分析团队
季度结束时,有多少客户处于活跃状态?报表口径、时区和结账期间报表负责人

表中的归属仅为示例。一份有用的答案会交代实际采用的定义、报告期间、定义生效日,以及读者能访问的来源。如果问题措辞不清,先问是指合同还是产品使用,往往最有效。本体可以找到两个相关定义,报告仍得写清实际用了哪一个。

用数字更容易看出区别。假设账单查询得到 420 个有效账户,而活动查询得到 310 个发生过合格事件的账户。这些是为练习虚构的数字。就算算对了,只写「活跃客户:420」也不完整。写成「截至月末共有 420 个计费账户,不含试用账户」,留给读者的就是一个可以核对的定义。如果要结合两项数据,回答多少计费账户也是活跃用户,就需要关联查询,而且两种统计口径的基数应分别保留。

上下文一旦共享,错误的代价也会变

有据可查的定义能省去给每个工具重复写长提示词的麻烦。一个报表团队可以维护经过认证的营收指标,由不同智能体协助回答财务、运营和管理问题。Databricks 表示,Genie MCP 可以把上下文提供给 Databricks 之外的智能体。某件工具、某个数据源或动作是否在你的工作区启用,应查阅官方 Genie One 文档,再核对工作区配置。

两个来源意见不合,就难处理得多。比如营销仪表板还把试用账户算作客户,可信的财务报告却将它们排除。一本旧笔记本用了财务报告的名称,算法仍沿用去年的规则。如果复用这些片段时看不到出处,即使记得改动的人早已离开,自动化流程也可能一直延用过时规则。

先确定哪些说法有资格成为权威口径。认证指标应有负责人,并规定获批的报告范围。笔记本可以反映一个团队过去怎么工作,不能自动成为政策。两个合理规则并存时,可以分别命名,也可以标注适用领域和期间。跨公司推广时,要保留确实需要的口径差异,无须强求每个团队用同一种方式回答所有问题。

同一次试验中也应检查权限。分别用获准访问详细数据的分析师账户和只能看汇总数据的同事账户问同一问题。记录两者获得的上下文和引用,也记下报错和空结果。Databricks 的产品说明称会遵守已有权限,部署团队仍需在实际使用的权限边界上验证行为。指标解释中包含打不开的链接,是一个可用性问题。答案泄露受限细节,则严重得多。分别测试这两种结果。

业务定义从来源资料进入治理流程,再被复用和修订

为定义确定负责人和生效日期,然后测试定义变化后会发生什么。

91% 是在一组特定条件下得出的

Databricks 和 Turing 为一家虚构的英国能源供应商搭建了模拟工作区,开展评估。11 月 11 日的公告称,搭配 Ontology 的 Genie 通过率为 91%,两个匿名对照智能体中表现更好的一方为 58%。每个智能体针对每项任务重复回答相同问题五次,并按预先确定的规则评分。这是供应商联合在特定环境下做的评估,Databricks 的其他客户应根据自己的数据和条件另行验证。

这项对照反映了真实的业务难题。一个智能体如果已经拿到所需定义,就能少翻工作簿、源表和笔记。公告说,参评的 Genie 配置代表已经积累上下文、持续运行了一段时间的部署。这与刚连上数据的新工作区不同。测试比较的是接触预先准备的上下文程度不同的完整系统,无法从结果中划出每项功能对差距的贡献。

团队可以自己做一场小型评估,无须照抄供应商的题目。挑一些看似简单、以往出过错的问题,例如月度活跃账户报告、某个区域的续签截止日、收入确认的例外,或某种分类口径的生效日期。从负责人处取得权威答案的快照。明确哪些来源和日期范围算正确。也要纳入没有唯一获批答案的问题,这时智能体应拒绝作答或要求澄清。

评分除了数字正确,还要看答案能否追溯、来源能否访问。用了错误公式却碰巧得到正确数字的报告,下个月就可能失准。响应虽然很快,但分析师还要花几分钟核实,节约的工作也许不多。记下谁能核验答案、哪些边界情况引出了澄清提问。即使基础模型相同,也能据此有效比较原有流程和新试验。

扩大范围之前,先模拟一次口径变更

选一个指标试行就能观察系统能否及时更新。第一次先问固定时点的活跃付费账户数量。然后模拟业务变更,从约定日期开始,把合作伙伴账户列为独立的报告分组。历史仪表板应为较早的期间保留原有口径,新报告则用获批的新版定义。难点在于,要让变更前后的答案都正确,又无需每次给智能体单独发一份政策。

  1. 选一个有数据负责人、也有两种确实不同的解读的指标。写下已批准的规则、生效日、已知答案和已知歧义。
  2. 使用同一个报告快照,对原有流程和引入治理后的流程提相同的问题。记录答案、被引用的定义和核验花费的时间。
  3. 用两类权限重复试验。验证读者能打开自己有权访问的来源,且不会获悉受限信息。
  4. 模拟修订政策,并分别索取变更前后的报告。检查答案是否使用各期间正确的定义,并指出变更。

11 月 11 日的公告提供了一个可以和 Databricks 工作区治理人员着手评估 Genie Ontology 的节点。本体已正式商用,新可视化管理器则是预告中的测试功能。记录指标归属、对齐业务定义、准备参考题集都可以先做,即使实际实施比计划更久,这些准备也不会白费。

再加一道题,专门区分找到定义和正确使用定义。两个账户可能使用同一个客户名称。订阅也可能在月中改变状态。一笔刚过午夜入账的交易,按本地报告日归类时,可能与按 UTC 时间戳判断的那一天不同。从中选一种情况,明确是否应纳入统计。给审核人一条参考查询,让他们先读智能体的解读,再看预期数字。

覆盖范围增加后,也可以主动找出定义冲突。列一个简短清单,记下已经在不同团队有不同含义的词,例如活跃、区域、退货、续约。新领域接入时,可以让两边的负责人结对交换三个日常问题。记录同一个词在哪些场景下会改变统计总体、时间窗口或源表。具体要拆成不同名称,还是保留共同概念并加限定,由负责人决定。把审核流程设计得够轻量,才有可能在目录纳入新定义时持续执行。

还可以把完成的答案发给没参与试行的同事。他们能判断答案该放进哪份报告吗?能打开获批的来源,找出它和自己仪表板的差异吗?如果指标一交给别的团队就需要有人从头讲解,换个更清楚的名字并存好定义,也许比给模型增加更多上下文管用。

定义能不能复用,决定了数字能不能复用

理想的结果是,两个智能体依据同一规则给出相同答案,而问题稍有变化时,两者都知道何时该追问。这需要企业能够找到、核验和修订相应的定义。共享上下文层可以把这套工作带进更多报告。指标的命名和治理依旧要做,而且变得更重要。

资料来源


把指标定义、会议决定和待追问的问题放在同一个可搜索的地方。用 Telli.sh 创建第一条笔记。


← 返回博客