Databricks Genie Ontology: Novidades, Disponibilidade e Alternativas (2026)

A Databricks anunciou a disponibilidade geral do Genie Ontology em 11 de novembro de 2026. O anúncio o descreve como "uma ontologia agêntica que os agentes constroem a partir do trabalho diário de suas equipes e que as pessoas governam". O objetivo é dar a cada agente uma compreensão única do negócio.
Em termos simples, o Genie Ontology é uma camada compartilhada de contexto de negócios para agentes de AI. Ele aprende definições a partir de dashboards, consultas e notebooks. As pessoas então bloqueiam as definições que devem ser exatas, como a receita.
Este guia aborda o que mudou com o lançamento da GA (disponibilidade geral), como a ontologia funciona, quanto custa e quem pode usá-la. Ele termina com outras formas de dar contexto de negócios à AI, incluindo ferramentas que começam a partir de uma planilha em vez de uma plataforma de dados. Os detalhes vêm do blog, documentação e página de preços da Databricks, lidos em 16 de novembro de 2026.
O que a Databricks anunciou
A Databricks introduziu o Genie Ontology pela primeira vez em seu Data + AI Summit em junho. A postagem de 11 de novembro o move para a disponibilidade geral e adiciona novas fontes e controles.
O resumo da postagem lista as principais partes do lançamento. Ele "introduz o Genie Search para conhecimento empresarial". Também "estende o contexto aprendido para ferramentas de BI e diretórios organizacionais". Finalmente, "adiciona o Ontology Manager para curadoria e traz o Unity Catalog Domains and Pages para Disponibilidade Geral".
Na mesma semana, a Databricks também atualizou os Genie Agents. Uma postagem separada diz que os Genie Agents agora podem analisar arquivos não estruturados, conectar-se a mais ferramentas e ser compartilhados fora de uma empresa.
A Databricks enquadra toda a semana em torno de uma ideia. As empresas não operam mais um agente para uma equipe. Elas operam muitos agentes em muitas funções, e cada um precisa da mesma compreensão do negócio. O anúncio argumenta que uma ontologia empresarial "deve, portanto, ser uma infraestrutura compartilhada". Em sua visão, os líderes de TI e de dados devem ser os proprietários dela da mesma forma que são os proprietários da plataforma de dados.
Como o Genie Ontology funciona
A documentação chama o Genie Ontology de "a camada de contexto unificada que fornece aos agentes de AI um mapa da sua organização consciente do negócio". Ele combina dois tipos de conhecimento.
Conhecimento aprendido vem do trabalho que as equipes já realizam. Os agentes leem dashboards da Databricks, consultas SQL, notebooks e modelos semânticos de BI. Eles armazenam o que encontram como Ontology Snippets. A documentação fornece exemplos de snippets:
- Definições de métricas. "Um 'usuário ativo' é um usuário distinto, com desduplicação em todas as plataformas."
- Fontes autoritativas. Por exemplo, qual agente curado deve responder a perguntas sobre receita.
- Regras de negócio. "Um 'lead qualificado' só conta após a reserva de uma demonstração."
Conhecimento modelado é o que as pessoas definem propositalmente. Ele reside no Unity Catalog como visualizações de métricas, domínios e Pages. A documentação diz que "o Genie trata o conhecimento modelado como mais autoritativo do que o conhecimento aprendido, por isso ele tem precedência quando os dois entram em conflito".
Uma etapa de classificação decide qual contexto um agente visualiza. A Databricks a chama de OntoRank. O anúncio diz que ela pondera "a autoridade da fonte, a certificação, a expertise e relevância das pessoas por trás do conhecimento, a popularidade e a recência". Em seguida, entrega o melhor contexto ao agente.
As permissões são mantidas. A documentação diz que os snippets "são protegidos pelas permissões do Unity Catalog, para que os usuários vejam apenas snippets derivados de ativos aos quais têm permissão de acesso".
Um limite vale a pena conhecer cedo. A documentação diz: "Você não pode editar snippets de conhecimento aprendido diretamente". Para alterar o que o Genie aprende, você atualiza o ativo de origem ou define o conceito como conhecimento modelado.
O que há de novo no lançamento da GA
O lançamento da GA adiciona várias peças. Algumas estão geralmente disponíveis hoje, e outras estão em Beta ou chegarão em breve.
| Componente | Status na postagem de 11 de novembro | O que faz |
|---|---|---|
| Genie Ontology | Geralmente Disponível | Contexto de negócios compartilhado para agentes, aprendido e modelado |
| Ontology Snippets | Geralmente Disponível | Pedaços reutilizáveis de contexto, como cálculos e regras |
| Genie Search | Geralmente Disponível | Pesquisa em documentos, tickets e wikis, com permissões |
| Fontes de conhecimento externas | Beta | Aprende com modelos semânticos de BI; Power BI hoje |
| Diretórios organizacionais | Geralmente Disponível | Importa pessoas, equipes e linhas de subordinação, começando com Workday |
| Unity Catalog Domains and Pages | Geralmente Disponível | Organiza ativos por área de negócio e registra definições oficiais |
| Ontology Manager | Em breve em Beta | Uma interface visual para revisar e fazer a curadoria da ontologia |
Genie Search alcança conhecimento fora do lakehouse. A postagem diz que ele "suporta Google Drive, Jira, Confluence e Workday hoje, com SharePoint em Beta". Também diz que o Genie Search "ingere os controles de acesso de cada fonte junto com seu conteúdo".
Fontes de conhecimento externas trazem lógica de ferramentas de BI. A postagem diz que "o Power BI é suportado hoje. O suporte para Tableau e Sigma chegará em breve".
Unity Catalog Pages contêm definições oficiais. Cada Page tem um proprietário nomeado. Quando uma pergunta envolve um conceito definido, a postagem diz que "o Genie trata a Page como a fonte da verdade".
Ontology Manager ainda não está disponível. A Databricks o descreve como "a primeira interface visual" para curadoria da ontologia, chegando em breve em Beta.
O benchmark que a Databricks publicou
A Databricks compartilhou resultados de um benchmark construído com a Turing. Ele simulou um workspace da Databricks para um fornecedor de energia fictício do Reino Unido. O Genie, usando o Genie Ontology, foi comparado com dois agentes de fronteira rotulados como Agente A e Agente B.
| Agente | Taxa de aprovação | Tempo médio por execução | Tokens médios por execução |
|---|---|---|---|
| Genie com Genie Ontology | 91% | 100 segundos | 432K |
| Agente A | 45% | 435 segundos | 889K |
| Agente B | 58% | 307 segundos | 1.05M |
A postagem diz que o Genie "respondeu corretamente em 91% das execuções, 1.6 vezes a taxa do agente de fronteira mais forte". Ele também usou menos da metade dos tokens.
Leia esses números com cuidado. O benchmark foi construído pela Databricks com um parceiro e executado em um workspace simulado. A própria postagem diz que os resultados "refletem uma implantação estabelecida onde as equipes acumularam esse conhecimento". Uma nova implantação com pouco contexto aprendido pode ter um desempenho diferente.
Genie Agents receberam uma atualização na mesma semana
No mesmo dia, a Databricks postou uma atualização para os Genie Agents. Estes são os agentes no-code que as equipes constroem para tarefas específicas. Três mudanças se destacam:
- Dados não estruturados. Os agentes agora podem analisar PDFs, documentos, apresentações de slides e imagens em volumes do Unity Catalog. As respostas podem citar "a página específica do arquivo de origem". Isso está em Public Preview.
- Conectores MCP. Conectores MCP nativos agora estão geralmente disponíveis. A postagem cita "Slack, Google Drive, Google Calendar, Gmail, Glean, Atlassian, Github e Microsoft 365".
- Compartilhamento fora da empresa. OpenSharing e Genie Clean Rooms, ambos em beta, permitem que um provedor compartilhe um agente com parceiros ou clientes.
A postagem dá um exemplo de vendas. Um agente lê dados de pipeline, extrai planos de contas do Google Drive e posta um resumo do negócio no Slack.
O Genie Ontology conecta essas peças. Cada Genie Agent utiliza o mesmo contexto governado, de modo que uma métrica definida uma vez se aplica a todos os lugares.
Quem pode usar e quanto custa
O Genie Ontology faz parte da plataforma Databricks. Você precisa de uma conta Databricks com Unity Catalog, já que as permissões e o conhecimento modelado residem lá.
Agentes fora da Databricks também podem usá-lo. O anúncio diz que, através do Genie MCP, "o mesmo contexto está disponível para agentes fora da Databricks, como ChatGPT, Claude e Microsoft Copilot".
Sobre o custo, a página de preços do Genie lista o Genie Ontology como "Preço em breve". Seu FAQ diz: "Neste momento, os clientes não incorrem em custos para geração, armazenamento ou recuperação do Genie Ontology".
O uso do próprio Genie é cobrado separadamente. Aqui está o que a página de preços mostra para US East.
| Item | O que a página de preços lista |
|---|---|
| Genie Ontology | Preço em breve; sem custo hoje para geração, armazenamento ou recuperação |
| Genie Search | Preço em breve; você paga apenas pelas AI Functions aos preços existentes |
| Uso do Genie | 150 DBUs de uso gratuito por usuário a cada mês |
| Além do uso gratuito | $0.070 por DBU, mais computação faturada separadamente |
A página observa que "150 DBUs = $10.50 em US East; o equivalente em dólares varia por região". Também diz que o uso gratuito cobre apenas o uso de LLM. A execução de consultas e dashboards ainda utiliza computação, como um SQL warehouse.
O FAQ responde diretamente a uma pergunta comum. Ele diz: "Não há taxas baseadas em assentos ou usuários". Os administradores podem definir orçamentos e alertas para os gastos com o Genie.
Como começar
A Databricks sugere começar pequeno. O anúncio diz que as organizações "podem começar com o contexto que já possuem". Aqui está uma ordem prática, baseada na documentação.
- Verifique sua configuração. Certifique-se de que seu workspace usa o Unity Catalog, pois os snippets seguem suas permissões.
- Deixe o Genie aprender. Os snippets vêm de dashboards existentes, consultas SQL, notebooks e Genie Agents. Limpe os ativos obsoletos primeiro ou restrinja o acesso a eles.
- Defina as métricas críticas. Use visualizações de métricas e Pages para números que devem ser exatos, como receita reconhecida.
- Organize por domínio. Agrupe ativos em domínios para que Finanças e Marketing possam manter suas próprias definições.
- Conecte conhecimento externo. Configure o Genie Search para documentos e tickets, e uma fonte externa como o Power BI, se você o utilizar.
- Verifique as citações. Quando o Genie responder, abra os snippets que ele usou para ver de onde veio cada definição.
O passo 2 importa mais do que parece. A documentação diz: "Para manter ativos obsoletos ou experimentais fora das respostas, restrinja o acesso a eles com as permissões do Unity Catalog".
O que isso significa para as equipes de dados
O Genie Ontology desloca parte do trabalho da construção de agentes para a curadoria de contexto. Em vez de escrever instruções em cada agente, uma equipe define uma métrica uma única vez. Cada agente então a utiliza.
Isso muda quem é o proprietário do trabalho. Os administradores de dados e especialistas de domínio tornam-se curadores. O anúncio diz que o Ontology Manager permitirá que os administradores "promovam o que os agentes aprenderam para Pages autoritativas diretamente de uma fila de revisão".
Isso também levanta uma questão de governança. O conhecimento aprendido vem de ativos existentes, incluindo os antigos ou incorretos. A qualidade das respostas depende da qualidade dessas fontes.
Para equipes que já estão na Databricks, vale a pena testar o lançamento da GA. Escolha um domínio com definições claras, como vendas. Compare as respostas do Genie com um relatório em que você já confia.
O planejamento de custos também muda. O Genie Ontology em si não tem cobrança listada hoje, mas os agentes que o utilizam ainda consomem o uso e a computação do Genie. Planeje o orçamento para as perguntas que as pessoas farão, não apenas para a ontologia. Os administradores podem definir orçamentos e alertas, o que ajuda durante um piloto.
Alternativas para dar contexto de negócios à AI
O Genie Ontology se adapta a equipes cujos dados residem na Databricks. Outras abordagens atendem a outras configurações. Cada detalhe abaixo vem das próprias páginas dos fornecedores.
| Opção | Como adiciona contexto de negócios | Melhor ajuste |
|---|---|---|
| Databricks Genie Ontology | Snippets aprendidos mais Pages governadas e visualizações de métricas | Equipes na Databricks com muitos agentes |
| Agentes de dados do Microsoft Fabric | Instruções, exemplos e fontes de dados no OneLake | Equipes no Fabric e Power BI |
| Modelos semânticos do Power BI | Medidas e relacionamentos definidos no modelo | Equipes cuja lógica já reside no Power BI |
| Powerdrill Bloom | Arquivos e contexto salvos em um workspace | Equipes trabalhando com planilhas, PDFs e bancos de dados SQL |
Agentes de dados do Microsoft Fabric. A documentação da Microsoft diz que você pode "adicionar instruções, exemplos e orientações específicas da organização para ajustar o agente de dados do Fabric". As fontes suportadas incluem "um modelo semântico do Power BI" e "uma ontologia". Uma capacidade paga F2 ou superior é listada como pré-requisito.
Modelos semânticos do Power BI. Estes já contêm medidas e relacionamentos. O Genie Ontology agora pode aprender com eles através de fontes de conhecimento externas, para que os dois possam trabalhar juntos.
Para mais opções de agentes de dados, consulte nosso guia de alternativas ao Databricks Genie.
Onde o Powerdrill Bloom se encaixa
Nem toda equipe tem uma plataforma de dados para curadoria. Muitas trabalham a partir de exportações, planilhas e um único banco de dados.
Powerdrill Bloom começa a partir desses arquivos. Você faz o upload de arquivos Excel, CSV ou PDF, ou conecta um banco de dados SQL, e faz perguntas em linguagem natural. A página do ChatBI diz que você pode "criar dashboards interativos, relatórios perspicazes e visualizações dinâmicas com simples consultas em linguagem natural".
O contexto é construído em um workspace. Seu changelog diz que os workspaces "dão à sua AI um lar persistente e alimentado por memória". Um arquivo carregado uma vez pode ser usado em todos os chats posteriores naquele workspace. Cada workspace também mantém suas próprias habilidades e servidores MCP, para que um workspace de finanças e um workspace de vendas permaneçam separados. O AI SQL Chatbot lida com perguntas contra um banco de dados. O AI Report Generator transforma as respostas em um relatório.
A página de preços lista um plano Gratuito a $0.00 e o Pro a $13.27/mês.
Experimente o Powerdrill Bloom com a exportação de vendas do último trimestre e peça um relatório de receita por região.
Perguntas frequentes
O que é o Databricks Genie Ontology?
É uma camada compartilhada de contexto de negócios para agentes de AI na Databricks. Ele combina o conhecimento que os agentes aprendem de dashboards e consultas com definições que as pessoas governam no Unity Catalog.
Quando o Genie Ontology tornou-se geralmente disponível?
A Databricks anunciou a disponibilidade geral em 11 de novembro de 2026. Ela introduziu o recurso pela primeira vez em seu Data + AI Summit em junho.
Quanto custa o Genie Ontology?
A página de preços lista o preço como em breve. Seu FAQ diz que os clientes não pagam atualmente pela geração, armazenamento ou recuperação da ontologia. O uso do Genie e a computação são cobrados separadamente.
O ChatGPT ou o Claude podem usar o Genie Ontology?
Sim, através do Genie MCP. A Databricks diz que o mesmo contexto está disponível para agentes fora da Databricks, como ChatGPT, Claude e Microsoft Copilot.
Posso editar o que o Genie Ontology aprende?
Não diretamente. Você altera o conhecimento aprendido atualizando os ativos de origem. Você também pode definir um conceito como conhecimento modelado, que o Genie trata como mais autoritativo.
Fontes: Databricks, Announcing GA of Genie Ontology · Documentação da Databricks, Genie Ontology · Databricks, Preços do Genie · Databricks, Atualização dos Genie Agents · Microsoft Learn, Agente de dados do Fabric.