Databricks Genie Ontology: Novedades, disponibilidad y alternativas (2026)

Databricks anunció la disponibilidad general de Genie Ontology el 11 de noviembre de 2026. El anuncio la define como "una ontología agéntica que los agentes construyen a partir del trabajo diario de sus equipos y que las personas gobiernan". El objetivo es dar a cada agente una comprensión única del negocio.
En términos sencillos, Genie Ontology es una capa compartida de contexto empresarial para agentes de AI. Aprende definiciones de dashboards, consultas y notebooks. Luego, las personas bloquean las definiciones que deben ser exactas, como revenue.
Esta guía cubre lo que cambió con el lanzamiento de GA, cómo funciona la ontología, cuánto cuesta y quién puede usarla. Termina con otras formas de dar contexto empresarial a la AI, incluyendo herramientas que parten de una hoja de cálculo en lugar de una plataforma de datos. Los detalles provienen del blog, la documentación y la página de precios de Databricks, consultados el 16 de noviembre de 2026.
Lo que Databricks anunció
Databricks introdujo por primera vez Genie Ontology en su Data + AI Summit en junio. La publicación del 11 de noviembre la mueve a disponibilidad general y añade nuevas fuentes y controles.
El resumen de la publicación enumera las partes principales del lanzamiento. "Introduce Genie Search para el conocimiento empresarial". También "extiende el contexto aprendido a herramientas de BI y directorios organizacionales". Finalmente, "añade Ontology Manager para la curación y lleva Unity Catalog Domains y Pages a disponibilidad general".
La misma semana, Databricks también actualizó Genie Agents. Una publicación separada dice que Genie Agents ahora pueden analizar archivos no estructurados, conectarse a más herramientas y compartirse fuera de una empresa.
Databricks enmarca toda la semana en torno a una idea. Las empresas ya no ejecutan un solo agente para un equipo. Ejecutan muchos agentes en muchas funciones, y cada uno necesita la misma comprensión del negocio. El anuncio argumenta que una ontología empresarial "debería, por lo tanto, ser una infraestructura compartida". En su opinión, los líderes de IT y de datos deberían ser sus dueños de la misma manera que poseen la plataforma de datos.
Cómo funciona Genie Ontology
La documentación llama a Genie Ontology "la capa de contexto unificada que da a los agentes de AI un mapa de su organización consciente del negocio". Combina dos tipos de conocimiento.
El conocimiento aprendido proviene del trabajo que los equipos ya realizan. Los agentes leen dashboards de Databricks, consultas SQL, notebooks y modelos semánticos de BI. Almacenan lo que encuentran como Ontology Snippets. La documentación da ejemplos de fragmentos:
- Definiciones de métricas. "Un 'usuario activo' es un usuario distinto, deduplicado en todas las plataformas".
- Fuentes autorizadas. Por ejemplo, qué agente curado debe responder preguntas sobre revenue.
- Reglas de negocio. "Un 'lead cualificado' solo cuenta después de que se reserva una demo".
El conocimiento modelado es lo que las personas definen a propósito. Reside en Unity Catalog como vistas de métricas, dominios y Pages. La documentación dice que "Genie trata el conocimiento modelado como más autoritativo que el conocimiento aprendido, por lo que tiene prioridad cuando ambos entran en conflicto".
Un paso de clasificación decide qué contexto ve un agente. Databricks lo llama OntoRank. El anuncio dice que sopesa "la autoridad de la fuente, la certificación, la experiencia y relevancia de las personas detrás del conocimiento, la popularidad y la recencia". Luego entrega el mejor contexto al agente.
Los permisos se mantienen. La documentación dice que los fragmentos "están protegidos por los permisos de Unity Catalog, por lo que los usuarios solo ven fragmentos derivados de activos a los que tienen permiso para acceder".
Vale la pena conocer un límite desde el principio. La documentación dice: "No se pueden editar los fragmentos de conocimiento aprendido directamente". Para cambiar lo que Genie aprende, se debe actualizar el activo de origen o definir el concepto como conocimiento modelado.
Novedades en el lanzamiento de GA
El lanzamiento de GA añade varias piezas. Algunas están disponibles de forma general hoy, y otras están en Beta o llegarán pronto.
| Componente | Estado en la publicación del 11 de noviembre | Qué hace |
|---|---|---|
| Genie Ontology | Disponible de forma general | Contexto empresarial compartido para agentes, aprendido y modelado |
| Ontology Snippets | Disponible de forma general | Piezas de contexto reutilizables, como cálculos y reglas |
| Genie Search | Disponible de forma general | Búsqueda en documentos, tickets y wikis, con permisos |
| Fuentes de conocimiento externas | Beta | Aprende de modelos semánticos de BI; Power BI hoy |
| Directorios organizacionales | Disponible de forma general | Importa personas, equipos y líneas de reporte, comenzando con Workday |
| Unity Catalog Domains y Pages | Disponible de forma general | Organiza activos por área de negocio y registra definiciones oficiales |
| Ontology Manager | Próximamente en Beta | Una interfaz visual para revisar y curar la ontología |
Genie Search alcanza el conocimiento fuera del lakehouse. La publicación dice que "soporta Google Drive, Jira, Confluence y Workday hoy, con SharePoint en Beta". También dice que Genie Search "ingiere los controles de acceso de cada fuente junto con su contenido".
Las fuentes de conocimiento externas aportan lógica desde herramientas de BI. La publicación dice que "Power BI es compatible hoy. El soporte para Tableau y Sigma llegará pronto".
Unity Catalog Pages contienen definiciones oficiales. Cada Page tiene un propietario nombrado. Cuando una pregunta involucra un concepto definido, la publicación dice que "Genie trata la Page como la fuente de verdad".
Ontology Manager aún no está disponible. Databricks lo describe como "la primera interfaz visual" para curar la ontología, que llegará pronto en Beta.
El benchmark que Databricks publicó
Databricks compartió los resultados de un benchmark construido con Turing. Simuló un espacio de trabajo de Databricks para un proveedor de energía ficticio del Reino Unido. Genie, utilizando Genie Ontology, fue comparado con dos agentes de frontera etiquetados como Agente A y Agente B.
| Agente | Tasa de éxito | Tiempo promedio por ejecución | Tokens promedio por ejecución |
|---|---|---|---|
| Genie con Genie Ontology | 91% | 100 segundos | 432K |
| Agente A | 45% | 435 segundos | 889K |
| Agente B | 58% | 307 segundos | 1.05M |
La publicación dice que Genie "respondió correctamente en el 91% de las ejecuciones, 1.6 veces la tasa del agente de frontera más fuerte". También utilizó menos de la mitad de los tokens.
Lea estos números con cuidado. El benchmark fue construido por Databricks con un socio y ejecutado en un espacio de trabajo simulado. La propia publicación dice que los resultados "reflejan un despliegue establecido donde los equipos han acumulado ese conocimiento". Un nuevo despliegue con poco contexto aprendido puede funcionar de manera diferente.
Genie Agents recibió una actualización la misma semana
El mismo día, Databricks publicó una actualización para Genie Agents. Estos son los agentes sin código que los equipos construyen para trabajos específicos. Destacan tres cambios:
- Datos no estructurados. Los agentes ahora pueden analizar PDFs, documentos, presentaciones e imágenes en volúmenes de Unity Catalog. Las respuestas pueden citar "la página específica del archivo de origen". Esto está en Public Preview.
- Conectores MCP. Los conectores nativos de MCP ahora están disponibles de forma general. La publicación menciona "Slack, Google Drive, Google Calendar, Gmail, Glean, Atlassian, Github y Microsoft 365".
- Compartir fuera de la empresa. OpenSharing y Genie Clean Rooms, ambos en beta, permiten que un proveedor comparta un agente con socios o clientes.
La publicación da un ejemplo de ventas. Un agente lee datos de pipeline, extrae planes de cuentas de Google Drive y publica un resumen del trato en Slack.
Genie Ontology conecta estas piezas. Cada Genie Agent se basa en el mismo contexto gobernado, por lo que una métrica definida una vez se aplica en todas partes.
Quién puede usarlo y cuánto cuesta
Genie Ontology es parte de la plataforma Databricks. Necesita una cuenta de Databricks con Unity Catalog, ya que los permisos y el conocimiento modelado residen allí.
Los agentes fuera de Databricks también pueden usarlo. El anuncio dice que a través de Genie MCP, "el mismo contexto está disponible para agentes fuera de Databricks, como ChatGPT, Claude y Microsoft Copilot".
Sobre el costo, la página de precios de Genie enumera Genie Ontology como "Precio próximamente". Su FAQ dice: "En este momento, los clientes no incurren en costos por la generación, almacenamiento o recuperación de Genie Ontology".
El uso de Genie en sí se cobra por separado. Esto es lo que muestra la página de precios para US East.
| Artículo | Lo que enumera la página de precios |
|---|---|
| Genie Ontology | Precio próximamente; sin costo hoy por generación, almacenamiento o recuperación |
| Genie Search | Precio próximamente; solo paga por AI Functions a los precios existentes |
| Uso de Genie | 150 DBUs de uso gratuito por usuario cada mes |
| Más allá del uso gratuito | $0.070 por DBU, más cómputo facturado por separado |
La página señala que "150 DBUs = $10.50 en US East; el equivalente en dólares varía según la región". También dice que el uso gratuito cubre solo el uso de LLM. La ejecución de consultas y dashboards sigue utilizando cómputo, como un SQL warehouse.
El FAQ responde directamente a una pregunta común. Dice: "No hay tarifas basadas en asientos o usuarios". Los administradores pueden establecer presupuestos y alertas para el gasto en Genie.
Cómo empezar
Databricks sugiere empezar poco a poco. El anuncio dice que las organizaciones "pueden comenzar con el contexto que ya tienen". Aquí hay un orden práctico, basado en la documentación.
- Verifique su configuración. Asegúrese de que su espacio de trabajo utilice Unity Catalog, ya que los fragmentos siguen sus permisos.
- Deje que Genie aprenda. Los fragmentos provienen de dashboards existentes, consultas SQL, notebooks y Genie Agents. Limpie primero los activos obsoletos o restrinja el acceso a ellos.
- Defina las métricas críticas. Use vistas de métricas y Pages para números que deben ser exactos, como el revenue reconocido.
- Organice por dominio. Agrupe los activos en dominios para que Finanzas y Marketing puedan mantener sus propias definiciones.
- Conecte el conocimiento externo. Configure Genie Search para documentos y tickets, y una fuente externa como Power BI si la utiliza.
- Revise las citas. Cuando Genie responda, abra los fragmentos que utilizó para ver de dónde provino cada definición.
El paso 2 importa más de lo que parece. La documentación dice: "Para mantener los activos obsoletos o experimentales fuera de las respuestas, restrinja el acceso a ellos con los permisos de Unity Catalog".
Qué significa esto para los equipos de datos
Genie Ontology desplaza parte del trabajo de construir agentes a curar el contexto. En lugar de escribir instrucciones en cada agente, un equipo define una métrica una vez. Cada agente la usa entonces.
Eso cambia quién es el dueño del trabajo. Los administradores de datos y los expertos en el dominio se convierten en curadores. El anuncio dice que Ontology Manager permitirá a los administradores "promover lo que los agentes han aprendido a Pages autoritativas directamente desde una cola de revisión".
También plantea una cuestión de gobernanza. El conocimiento aprendido proviene de activos existentes, incluidos los antiguos o incorrectos. La calidad de las respuestas depende de la calidad de esas fuentes.
Para los equipos que ya están en Databricks, vale la pena probar el lanzamiento de GA. Elija un dominio con definiciones claras, como ventas. Compare las respuestas de Genie con un informe en el que ya confíe.
La planificación de costos también cambia. Genie Ontology en sí no tiene un cargo enumerado hoy, pero los agentes que la usan siguen consumiendo uso de Genie y cómputo. Presupueste para las preguntas que la gente hará, no solo para la ontología. Los administradores pueden establecer presupuestos y alertas, lo que ayuda durante un piloto.
Alternativas para dar contexto empresarial a la AI
Genie Ontology se adapta a equipos cuyos datos residen en Databricks. Otros enfoques se adaptan a otras configuraciones. Cada detalle a continuación proviene de las propias páginas del proveedor.
| Opción | Cómo añade contexto empresarial | Mejor ajuste |
|---|---|---|
| Databricks Genie Ontology | Fragmentos aprendidos más Pages gobernadas y vistas de métricas | Equipos en Databricks con muchos agentes |
| Agentes de datos de Microsoft Fabric | Instrucciones, ejemplos y fuentes de datos en OneLake | Equipos en Fabric y Power BI |
| Modelos semánticos de Power BI | Medidas y relaciones definidas en el modelo | Equipos cuya lógica ya reside en Power BI |
| Powerdrill Bloom | Archivos y contexto guardados en un espacio de trabajo | Equipos que trabajan con hojas de cálculo, PDFs y bases de datos SQL |
Agentes de datos de Microsoft Fabric. La documentación de Microsoft dice que se pueden "añadir instrucciones, ejemplos y orientación específicos de la organización para ajustar el agente de datos de Fabric". Las fuentes compatibles incluyen "un modelo semántico de Power BI" y "una ontología". Se enumera como requisito previo una capacidad pagada F2 o superior.
Modelos semánticos de Power BI. Estos ya contienen medidas y relaciones. Genie Ontology ahora puede aprender de ellos a través de fuentes de conocimiento externas, por lo que ambos pueden trabajar juntos.
Para más opciones de agentes de datos, consulte nuestra guía de alternativas a Databricks Genie.
Dónde encaja Powerdrill Bloom
No todos los equipos tienen una plataforma de datos para curar. Muchos trabajan a partir de exportaciones, hojas de cálculo y una única base de datos.
Powerdrill Bloom parte de esos archivos. Usted carga archivos Excel, CSV o PDF, o conecta una base de datos SQL, y hace preguntas en lenguaje natural. La página de ChatBI dice que puede "crear dashboards interactivos, informes perspicaces y visualizaciones dinámicas con simples consultas en lenguaje natural".
El contexto se construye en un espacio de trabajo. Su registro de cambios dice que los espacios de trabajo "le dan a su AI un hogar persistente potenciado por la memoria". Un archivo cargado una vez puede usarse en cada chat posterior en ese espacio de trabajo. Cada espacio de trabajo también mantiene sus propias habilidades y servidores MCP, por lo que un espacio de trabajo de finanzas y uno de ventas se mantienen separados. El AI SQL Chatbot maneja preguntas contra una base de datos. El AI Report Generator convierte las respuestas en un informe.
La página de precios enumera un plan Free a $0.00 y Pro a $13.27/mes.
Pruebe Powerdrill Bloom con la exportación de ventas del último trimestre y solicite un informe de ingresos por región.
Preguntas frecuentes
¿Qué es Databricks Genie Ontology?
Es una capa compartida de contexto empresarial para agentes de AI en Databricks. Combina el conocimiento que los agentes aprenden de dashboards y consultas con definiciones que las personas gobiernan en Unity Catalog.
¿Cuándo estuvo disponible de forma general Genie Ontology?
Databricks anunció la disponibilidad general el 11 de noviembre de 2026. Introdujo la función por primera vez en su Data + AI Summit en junio.
¿Cuánto cuesta Genie Ontology?
La página de precios indica que el precio estará disponible pronto. Su FAQ dice que los clientes no pagan actualmente por la generación, almacenamiento o recuperación de la ontología. El uso de Genie y el cómputo se cobran por separado.
¿Pueden ChatGPT o Claude usar Genie Ontology?
Sí, a través de Genie MCP. Databricks dice que el mismo contexto está disponible para agentes fuera de Databricks, como ChatGPT, Claude y Microsoft Copilot.
¿Puedo editar lo que Genie Ontology aprende?
No directamente. Usted cambia el conocimiento aprendido actualizando los activos de origen. También puede definir un concepto como conocimiento modelado, que Genie trata como más autoritativo.
Fuentes: Databricks, Announcing GA of Genie Ontology · Documentación de Databricks, Genie Ontology · Databricks, precios de Genie · Databricks, actualización de Genie Agents · Microsoft Learn, Fabric data agent.