Databricks Genie Ontology: Nowości, dostępność i alternatywy (2026)

Databricks ogłosiło ogólną dostępność Genie Ontology 11 listopada 2026 roku. W ogłoszeniu określono ją jako „agentyczną ontologię, którą agenci budują na podstawie codziennej pracy Twoich zespołów, a ludzie nią zarządzają”. Celem jest zapewnienie każdemu agentowi jednolitego zrozumienia biznesu.
Mówiąc prościej, Genie Ontology to współdzielona warstwa kontekstu biznesowego dla agentów AI. Uczy się ona definicji z pulpitów nawigacyjnych, zapytań i notebooków. Następnie ludzie blokują definicje, które muszą być precyzyjne, takie jak przychód.
Ten przewodnik omawia zmiany wprowadzone w wersji GA, sposób działania ontologii, jej koszty oraz to, kto może z niej korzystać. Kończy się on przeglądem innych sposobów nadawania AI kontekstu biznesowego, w tym narzędzi, które zaczynają pracę od arkusza kalkulacyjnego zamiast platformy danych. Szczegóły pochodzą z bloga, dokumentacji i strony cennika Databricks, stan na 16 listopada 2026 roku.
Co ogłosiło Databricks
Databricks po raz pierwszy zaprezentowało Genie Ontology podczas Data + AI Summit w czerwcu. Post z 11 listopada przenosi ją do fazy ogólnej dostępności oraz dodaje nowe źródła i mechanizmy kontroli.
Podsumowanie posta wymienia główne elementy wydania. „Wprowadza Genie Search dla wiedzy korporacyjnej”. Ponadto „rozszerza wyuczony kontekst na narzędzia BI i katalogi organizacyjne”. Na koniec „dodaje Ontology Manager do kurateli i wprowadza Unity Catalog Domains oraz Pages do ogólnej dostępności”.
W tym samym tygodniu Databricks zaktualizowało również Genie Agents. Osobny post informuje, że Genie Agents mogą teraz analizować nieustrukturyzowane pliki, łączyć się z większą liczbą narzędzi i być udostępniane poza firmą.
Databricks buduje narrację całego tygodnia wokół jednej idei. Firmy nie uruchamiają już jednego agenta dla jednego zespołu. Uruchamiają wielu agentów w wielu funkcjach, a każdy z nich potrzebuje tego samego zrozumienia biznesu. W ogłoszeniu argumentuje się, że ontologia przedsiębiorstwa „powinna zatem być współdzieloną infrastrukturą”. W ich ujęciu liderzy IT i danych powinni być jej właścicielami w taki sam sposób, w jaki posiadają platformę danych.
Jak działa Genie Ontology
Dokumentacja nazywa Genie Ontology „ujednoliconą warstwą kontekstu, która daje agentom AI mapę organizacji świadomą realiów biznesowych”. Łączy ona dwa rodzaje wiedzy.
Wiedza wyuczona (Learned knowledge) pochodzi z pracy, którą zespoły już wykonują. Agenci czytają pulpity nawigacyjne Databricks, zapytania SQL, notebooki i modele semantyczne BI. Przechowują to, co znajdą, jako Ontology Snippets. Dokumentacja podaje przykłady takich fragmentów:
- Definicje metryk. „'Aktywny użytkownik' to unikalny użytkownik, po usunięciu duplikatów na wszystkich platformach”.
- Autorytatywne źródła. Na przykład, który wyselekcjonowany agent powinien odpowiadać na pytania dotyczące przychodów.
- Reguły biznesowe. „'Zakwalifikowany lead' liczy się dopiero po zarezerwowaniu wersji demonstracyjnej”.
Wiedza modelowana (Modeled knowledge) to to, co ludzie definiują celowo. Znajduje się ona w Unity Catalog jako widoki metryk, domeny i Pages. Dokumentacja stwierdza, że „Genie traktuje wiedzę modelowaną jako bardziej autorytatywną niż wiedzę wyuczoną, więc ma ona pierwszeństwo w przypadku konfliktu między nimi”.
Krok rankingowy decyduje o tym, który kontekst widzi agent. Databricks nazywa go OntoRank. Ogłoszenie mówi, że bierze on pod uwagę „autorytet źródła, certyfikację, wiedzę specjalistyczną i znaczenie osób stojących za wiedzą, popularność oraz aktualność”. Następnie przekazuje najlepszy kontekst agentowi.
Uprawnienia są zachowywane. Dokumentacja mówi, że fragmenty „są chronione przez uprawnienia Unity Catalog, więc użytkownicy widzą tylko fragmenty pochodzące z zasobów, do których mają dostęp”.
Warto wcześnie poznać jedno ograniczenie. Dokumentacja mówi: „Nie można bezpośrednio edytować fragmentów wiedzy wyuczonej”. Aby zmienić to, czego uczy się Genie, należy zaktualizować zasób źródłowy lub zdefiniować koncepcję jako wiedzę modelowaną.
Co nowego w wydaniu GA
Wydanie GA dodaje kilka elementów. Niektóre są ogólnie dostępne już dziś, inne znajdują się w fazie Beta lub pojawią się wkrótce.
| Komponent | Status w poście z 11 listopada | Co robi |
|---|---|---|
| Genie Ontology | Ogólnie dostępna | Współdzielony kontekst biznesowy dla agentów, wyuczony i modelowany |
| Ontology Snippets | Ogólnie dostępne | Fragmenty kontekstu wielokrotnego użytku, takie jak obliczenia i reguły |
| Genie Search | Ogólnie dostępna | Wyszukiwanie w dokumentach, zgłoszeniach i wiki, z uwzględnieniem uprawnień |
| Zewnętrzne źródła wiedzy | Beta | Uczy się z modeli semantycznych BI; obecnie Power BI |
| Katalogi organizacyjne | Ogólnie dostępne | Importuje osoby, zespoły i linie raportowania, zaczynając od Workday |
| Unity Catalog Domains i Pages | Ogólnie dostępne | Organizowanie zasobów według obszarów biznesowych i rejestrowanie oficjalnych definicji |
| Ontology Manager | Wkrótce w fazie Beta | Wizualny interfejs do przeglądania i selekcjonowania ontologii |
Genie Search sięga po wiedzę poza lakehouse. Post informuje, że „obecnie obsługuje Google Drive, Jira, Confluence i Workday, a SharePoint jest w fazie Beta”. Dodaje również, że Genie Search „pobiera kontrole dostępu każdego źródła wraz z jego zawartością”.
Zewnętrzne źródła wiedzy wprowadzają logikę z narzędzi BI. Post mówi: „Power BI jest obsługiwany już dziś. Wsparcie dla Tableau i Sigma pojawi się wkrótce”.
Unity Catalog Pages przechowują oficjalne definicje. Każda strona ma przypisanego właściciela. Gdy pytanie dotyczy zdefiniowanej koncepcji, post mówi: „Genie traktuje Page jako źródło prawdy”.
Ontology Manager nie jest jeszcze dostępny. Databricks opisuje go jako „pierwszy wizualny interfejs” do selekcjonowania ontologii, który wkrótce pojawi się w fazie Beta.
Opublikowany przez Databricks benchmark
Databricks udostępniło wyniki benchmarku zbudowanego z Turing. Symulował on obszar roboczy Databricks dla fikcyjnego dostawcy energii z Wielkiej Brytanii. Genie, korzystający z Genie Ontology, został porównany z dwoma czołowymi agentami oznaczonymi jako Agent A i Agent B.
| Agent | Wskaźnik sukcesu | Średni czas na przebieg | Średnia liczba tokenów na przebieg |
|---|---|---|---|
| Genie z Genie Ontology | 91% | 100 sekund | 432K |
| Agent A | 45% | 435 sekund | 889K |
| Agent B | 58% | 307 sekund | 1.05M |
Post informuje, że Genie „odpowiedział poprawnie w 91% przebiegów, co stanowi 1,6 raza więcej niż w przypadku silniejszego agenta konkurencyjnego”. Zużył również mniej niż połowę tokenów.
Należy czytać te liczby z ostrożnością. Benchmark został zbudowany przez Databricks z partnerem i przeprowadzony w symulowanym obszarze roboczym. Sam post mówi, że wyniki „odzwierciedlają ugruntowane wdrożenie, w którym zespoły zgromadziły już wiedzę”. Nowe wdrożenie z niewielką ilością wyuczonego kontekstu może działać inaczej.
Genie Agents otrzymały aktualizację w tym samym tygodniu
Tego samego dnia Databricks opublikowało aktualizację dla Genie Agents. Są to agenci no-code, których zespoły budują do konkretnych zadań. Wyróżniają się trzy zmiany:
- Dane nieustrukturyzowane. Agenci mogą teraz analizować pliki PDF, dokumenty, prezentacje i obrazy w wolumenach Unity Catalog. Odpowiedzi mogą cytować „konkretną stronę pliku źródłowego”. Funkcja ta jest w fazie Public Preview.
- Konektory MCP. Natywne konektory MCP są teraz ogólnie dostępne. Post wymienia „Slack, Google Drive, Google Calendar, Gmail, Glean, Atlassian, Github i Microsoft 365”.
- Udostępnianie poza firmę. OpenSharing i Genie Clean Rooms, oba w fazie beta, pozwalają dostawcy udostępniać agenta partnerom lub klientom.
Post podaje przykład sprzedażowy. Agent czyta dane o lejku sprzedaży, pobiera plany kont z Google Drive i publikuje podsumowanie transakcji na Slack.
Genie Ontology łączy te elementy. Każdy Genie Agent korzysta z tego samego zarządzanego kontekstu, więc metryka zdefiniowana raz ma zastosowanie wszędzie.
Kto może z tego korzystać i ile to kosztuje
Genie Ontology jest częścią platformy Databricks. Potrzebujesz konta Databricks z Unity Catalog, ponieważ tam znajdują się uprawnienia i wiedza modelowana.
Agenci spoza Databricks również mogą z niej korzystać. Ogłoszenie mówi, że dzięki Genie MCP „ten sam kontekst jest dostępny dla agentów spoza Databricks, takich jak ChatGPT, Claude i Microsoft Copilot”.
Jeśli chodzi o koszty, strona cennika Genie wymienia Genie Ontology jako „Cena wkrótce”. Sekcja FAQ mówi: „W tej chwili klienci nie ponoszą kosztów za generowanie, przechowywanie ani pobieranie Genie Ontology”.
Korzystanie z samego Genie jest płatne osobno. Oto co pokazuje strona cennika dla regionu US East.
| Pozycja | Co podaje strona cennika |
|---|---|
| Genie Ontology | Cena wkrótce; obecnie brak kosztów za generowanie, przechowywanie lub pobieranie |
| Genie Search | Cena wkrótce; płacisz tylko za AI Functions według istniejących stawek |
| Użycie Genie | 150 DBU bezpłatnego użytkowania na użytkownika miesięcznie |
| Powyżej bezpłatnego limitu | $0.070 za DBU, plus moc obliczeniowa rozliczana oddzielnie |
Strona zauważa, że „150 DBU = $10.50 w US East; ekwiwalent dolarowy różni się w zależności od regionu”. Informuje również, że bezpłatny limit obejmuje tylko użycie LLM. Uruchamianie zapytań i pulpitów nawigacyjnych nadal zużywa moc obliczeniową, taką jak SQL warehouse.
FAQ bezpośrednio odpowiada na jedno częste pytanie. Mówi: „Nie ma opłat za stanowisko ani za użytkownika”. Administratorzy mogą ustawiać budżety i alerty dla wydatków na Genie.
Jak zacząć
Databricks sugeruje, aby zacząć od małych kroków. Ogłoszenie mówi, że organizacje „mogą zacząć od kontekstu, który już posiadają”. Oto praktyczna kolejność oparta na dokumentacji.
- Sprawdź konfigurację. Upewnij się, że Twój obszar roboczy korzysta z Unity Catalog, ponieważ fragmenty podlegają jego uprawnieniom.
- Pozwól Genie się uczyć. Fragmenty pochodzą z istniejących pulpitów nawigacyjnych, zapytań SQL, notebooków i Genie Agents. Najpierw uporządkuj nieaktualne zasoby lub ogranicz do nich dostęp.
- Zdefiniuj kluczowe metryki. Użyj widoków metryk i Pages dla liczb, które muszą być dokładne, takich jak rozpoznany przychód.
- Organizuj według domen. Pogrupuj zasoby w domeny, aby Finanse i Marketing mogły zachować własne definicje.
- Połącz wiedzę zewnętrzną. Skonfiguruj Genie Search dla dokumentów i zgłoszeń oraz zewnętrzne źródło, takie jak Power BI, jeśli go używasz.
- Sprawdzaj cytowania. Gdy Genie odpowiada, otwórz fragmenty, których użył, aby zobaczyć, skąd pochodzi każda definicja.
Krok 2 jest ważniejszy, niż się wydaje. Dokumentacja mówi: „Aby nieaktualne lub eksperymentalne zasoby nie trafiały do odpowiedzi, ogranicz do nich dostęp za pomocą uprawnień Unity Catalog”.
Co to oznacza dla zespołów zajmujących się danymi
Genie Ontology przesuwa część pracy z budowania agentów na selekcjonowanie kontekstu. Zamiast pisać instrukcje dla każdego agenta, zespół definiuje metrykę raz. Każdy agent następnie z niej korzysta.
To zmienia to, kto jest właścicielem pracy. Opiekunowie danych (data stewards) i eksperci domenowi stają się kuratorami. Ogłoszenie mówi, że Ontology Manager pozwoli opiekunom „promować to, czego nauczyli się agenci, do autorytatywnych Pages bezpośrednio z kolejki przeglądu”.
Rodzi to również pytanie o ład (governance). Wiedza wyuczona pochodzi z istniejących zasobów, w tym tych starych lub błędnych. Jakość odpowiedzi zależy od jakości tych źródeł.
Dla zespołów korzystających już z Databricks, wydanie GA jest warte przetestowania. Wybierz domenę z jasnymi definicjami, taką jak sprzedaż. Porównaj odpowiedzi Genie z raportem, któremu już ufasz.
Zmienia się również planowanie kosztów. Sama Genie Ontology nie ma dziś podanej opłaty, ale agenci, którzy z niej korzystają, nadal zużywają limity Genie i moc obliczeniową. Zaplanuj budżet na pytania, które będą zadawać ludzie, a nie tylko na samą ontologię. Administratorzy mogą ustawiać budżety i alerty, co pomaga podczas pilotażu.
Alternatywy dla nadawania AI kontekstu biznesowego
Genie Ontology pasuje do zespołów, których dane znajdują się w Databricks. Inne podejścia pasują do innych konfiguracji. Każdy szczegół poniżej pochodzi ze stron własnych dostawców.
| Opcja | Jak dodaje kontekst biznesowy | Najlepsze dopasowanie |
|---|---|---|
| Databricks Genie Ontology | Wyuczone fragmenty plus zarządzane Pages i widoki metryk | Zespoły na Databricks z wieloma agentami |
| Microsoft Fabric data agents | Instrukcje, przykłady i źródła danych w OneLake | Zespoły na Fabric i Power BI |
| Modele semantyczne Power BI | Miary i relacje zdefiniowane w modelu | Zespoły, których logika już znajduje się w Power BI |
| Powerdrill Bloom | Pliki i kontekst zapisane w obszarze roboczym | Zespoły pracujące na arkuszach kalkulacyjnych, plikach PDF i bazach SQL |
Microsoft Fabric data agents. Dokumentacja Microsoftu mówi, że można „dodać instrukcje specyficzne dla organizacji, przykłady i wskazówki, aby dostroić Fabric data agent”. Obsługiwane źródła obejmują „model semantyczny Power BI” oraz „ontologię”. Jako warunek wstępny wymieniona jest płatna pojemność F2 lub wyżs.
Modele semantyczne Power BI. Przechowują one już miary i relacje. Genie Ontology może teraz uczyć się z nich poprzez zewnętrzne źródła wiedzy, więc oba rozwiązania mogą ze sobą współpracować.
Więcej opcji agentów danych znajdziesz w naszym przewodniku alternatywy dla Databricks Genie.
Gdzie pasuje Powerdrill Bloom
Nie każdy zespół posiada platformę danych do selekcjonowania. Wielu pracuje na eksportach, arkuszach kalkulacyjnych i pojedynczej bazie danych.
Powerdrill Bloom zaczyna od tych właśnie plików. Przesyłasz pliki Excel, CSV lub PDF, albo łączysz bazę danych SQL i zadajesz pytania w języku naturalnym. Strona ChatBI informuje, że możesz „tworzyć interaktywne pulpity nawigacyjne, wnikliwe raporty i dynamiczne wizualizacje za pomocą prostych zapytań w języku naturalnym”.
Kontekst buduje się w obszarze roboczym. Dziennik zmian (changelog) mówi, że obszary robocze „dają Twojej AI trwały dom zasilany przez pamięć”. Plik przesłany raz może być używany w każdym późniejszym czacie w tym obszarze roboczym. Każdy obszar roboczy zachowuje również własne umiejętności i serwery MCP, dzięki czemu obszar roboczy finansów i obszar roboczy sprzedaży pozostają oddzielne. AI SQL Chatbot obsługuje pytania kierowane do bazy danych. AI Report Generator zamienia odpowiedzi w raport.
Strona cennika wymienia plan Free za $0.00 oraz Pro za $13.27/mies.
Wypróbuj Powerdrill Bloom z eksportem sprzedaży z ostatniego kwartału i poproś o raport przychodów według regionów.
Często zadawane pytania
Co to jest Databricks Genie Ontology?
Jest to współdzielona warstwa kontekstu biznesowego dla agentów AI na Databricks. Łączy ona wiedzę, której agenci uczą się z pulpitów nawigacyjnych i zapytań, z definicjami, którymi ludzie zarządzają w Unity Catalog.
Kiedy Genie Ontology stała się ogólnie dostępna?
Databricks ogłosiło ogólną dostępność 11 listopada 2026 roku. Po raz pierwszy funkcja ta została zaprezentowana podczas Data + AI Summit w czerwcu.
Ile kosztuje Genie Ontology?
Strona cennika podaje, że cena zostanie ogłoszona wkrótce. Sekcja FAQ informuje, że klienci obecnie nie płacą za generowanie, przechowywanie ani pobieranie ontologii. Użycie Genie i moc obliczeniowa są rozliczane oddzielnie.
Czy ChatGPT lub Claude mogą korzystać z Genie Ontology?
Tak, poprzez Genie MCP. Databricks twierdzi, że ten sam kontekst jest dostępny dla agentów spoza Databricks, takich jak ChatGPT, Claude i Microsoft Copilot.
Czy mogę edytować to, czego uczy się Genie Ontology?
Nie bezpośrednio. Wyuczoną wiedzę zmienia się poprzez aktualizację zasobów źródłowych. Można również zdefiniować koncepcję jako wiedzę modelowaną, którą Genie traktuje jako bardziej autorytatywną.
Źródła: Databricks, Announcing GA of Genie Ontology · Dokumentacja Databricks, Genie Ontology · Databricks, cennik Genie · Databricks, aktualizacja Genie Agents · Microsoft Learn, Fabric data agent.