Databricks Genie Ontology: มีอะไรใหม่, การเปิดใช้งาน และทางเลือกอื่น (2026)

Databricks ประกาศเปิดตัว Genie Ontology อย่างเป็นทางการ (General Availability) เมื่อวันที่ 11 พฤศจิกายน 2026 โดยคำประกาศเรียกสิ่งนี้ว่า "ontology เชิงเอเจนต์ที่เหล่าเอเจนต์สร้างขึ้นจากการทำงานประจำวันของทีมคุณและควบคุมดูแลโดยมนุษย์" เป้าหมายคือเพื่อให้เอเจนต์ทุกตัวมีความเข้าใจในธุรกิจที่ตรงกันเพียงหนึ่งเดียว
หากพูดให้เข้าใจง่าย Genie Ontology คือชั้นบริบททางธุรกิจที่ใช้ร่วมกันสำหรับเอเจนต์ AI โดยจะเรียนรู้นิยามต่างๆ จากแดชบอร์ด, การคิวรี และโน้ตบุ๊ก จากนั้นมนุษย์จะทำการล็อกนิยามที่ต้องมีความแม่นยำสูง เช่น รายได้ (revenue)
คู่มือนี้ครอบคลุมถึงสิ่งที่เปลี่ยนแปลงไปในการเปิดตัวเวอร์ชัน GA, วิธีการทำงานของ ontology, ค่าใช้จ่าย และผู้ที่สามารถใช้งานได้ รวมถึงปิดท้ายด้วยวิธีอื่นๆ ในการให้บริบททางธุรกิจแก่ AI ซึ่งรวมถึงเครื่องมือที่เริ่มต้นจากสเปรดชีตแทนที่จะเป็นแพลตฟอร์มข้อมูล รายละเอียดเหล่านี้นำมาจากบล็อก, เอกสารประกอบ และหน้าการตั้งราคาของ Databricks ข้อมูล ณ วันที่ 16 พฤศจิกายน 2026
สิ่งที่ Databricks ประกาศ
Databricks แนะนำ Genie Ontology ครั้งแรกในงาน Data + AI Summit เมื่อเดือนมิถุนายน ส่วนโพสต์เมื่อวันที่ 11 พฤศจิกายน ได้เปลี่ยนสถานะเป็นการเปิดใช้งานทั่วไป (General Availability) พร้อมเพิ่มแหล่งข้อมูลและการควบคุมใหม่ๆ
บทสรุปของโพสต์ระบุส่วนประกอบหลักของการเปิดตัวครั้งนี้ โดยมีการ "แนะนำ Genie Search สำหรับความรู้ในระดับองค์กร" นอกจากนี้ยัง "ขยายบริบทที่เรียนรู้ไปยังเครื่องมือ BI และไดเรกทอรีขององค์กร" และสุดท้ายคือ "เพิ่ม Ontology Manager สำหรับการดูแลจัดการข้อมูล และนำ Unity Catalog Domains และ Pages เข้าสู่สถานะ General Availability"
ในสัปดาห์เดียวกัน Databricks ยังได้อัปเดต Genie Agents โดยโพสต์แยกต่างหากระบุว่าตอนนี้ Genie Agents สามารถวิเคราะห์ไฟล์ที่ไม่มีโครงสร้าง (unstructured files), เชื่อมต่อกับเครื่องมือได้มากขึ้น และสามารถแชร์ออกไปภายนอกบริษัทได้
Databricks วางกรอบแนวคิดของทั้งสัปดาห์ไว้ที่ไอเดียเดียว นั่นคือบริษัทต่างๆ ไม่ได้รันเอเจนต์เพียงตัวเดียวสำหรับทีมเดียวอีกต่อไป แต่พวกเขารันเอเจนต์จำนวนมากในหลายแผนก และแต่ละตัวจำเป็นต้องมีความเข้าใจในธุรกิจที่เหมือนกัน คำประกาศโต้แย้งว่า ontology ขององค์กร "ควรเป็นโครงสร้างพื้นฐานที่ใช้ร่วมกัน" ในมุมมองของ Databricks ผู้นำด้าน IT และข้อมูลควรเป็นเจ้าของสิ่งนี้ในลักษณะเดียวกับที่เป็นเจ้าของแพลตฟอร์มข้อมูล
วิธีการทำงานของ Genie Ontology
เอกสารประกอบเรียก Genie Ontology ว่าเป็น "ชั้นบริบทแบบรวมศูนย์ที่ให้แผนที่องค์กรที่ตระหนักถึงธุรกิจแก่เอเจนต์ AI" โดยเป็นการรวมความรู้สองประเภทเข้าด้วยกัน
ความรู้ที่เรียนรู้ (Learned knowledge) มาจากงานที่ทีมทำอยู่แล้ว เอเจนต์จะอ่านแดชบอร์ดของ Databricks, SQL คิวรี, โน้ตบุ๊ก และโมเดลเชิงความหมายของ BI แล้วจัดเก็บสิ่งที่พบในรูปแบบของ Ontology Snippets เอกสารประกอบให้ตัวอย่างของ snippets ไว้ดังนี้:
- นิยามของตัวชี้วัด (Metric definitions): "'ผู้ใช้งานที่ใช้งานอยู่' (active user) คือผู้ใช้ที่ไม่ซ้ำกัน ซึ่งผ่านการลบข้อมูลซ้ำจากทุกแพลตฟอร์มแล้ว"
- แหล่งข้อมูลที่มีอำนาจตัดสินใจ (Authoritative sources): ตัวอย่างเช่น เอเจนต์ตัวใดที่ได้รับการดูแลจัดการมาเพื่อตอบคำถามเกี่ยวกับรายได้
- กฎทางธุรกิจ (Business rules): "'ลีดที่มีคุณภาพ' (qualified lead) จะถูกนับหลังจากที่มีการจองการสาธิต (demo) แล้วเท่านั้น"
ความรู้ที่สร้างแบบจำลอง (Modeled knowledge) คือสิ่งที่มนุษย์กำหนดขึ้นโดยตั้งใจ ซึ่งจะอยู่ใน Unity Catalog ในรูปแบบของ metric views, domains และ Pages เอกสารประกอบระบุว่า "Genie จะถือว่าความรู้ที่สร้างแบบจำลองมีอำนาจตัดสินใจมากกว่าความรู้ที่เรียนรู้ ดังนั้นจึงมีความสำคัญเหนือกว่าเมื่อเกิดความขัดแย้งกันระหว่างข้อมูลทั้งสองแบบ"
ขั้นตอนการจัดอันดับจะตัดสินว่าบริบทใดที่เอเจนต์ควรเห็น Databricks เรียกสิ่งนี้ว่า OntoRank คำประกาศระบุว่าระบบจะชั่งน้ำหนักจาก "อำนาจของแหล่งที่มา, การรับรอง, ความเชี่ยวชาญและความเกี่ยวข้องของบุคคลที่อยู่เบื้องหลังความรู้นั้น, ความนิยม และความสดใหม่ของข้อมูล" จากนั้นจึงส่งบริบทที่ดีที่สุดให้แก่เอเจนต์
การกำหนดสิทธิ์จะถูกส่งต่อตามไปด้วย เอกสารประกอบระบุว่า snippets "ถูกควบคุมโดยสิทธิ์ของ Unity Catalog ดังนั้นผู้ใช้จะเห็นเฉพาะ snippets ที่มาจากสินทรัพย์ที่พวกเขาได้รับอนุญาตให้เข้าถึงเท่านั้น"
มีข้อจำกัดหนึ่งที่ควรรู้ไว้แต่เนิ่นๆ เอกสารประกอบระบุว่า "คุณไม่สามารถแก้ไข snippets ของความรู้ที่เรียนรู้ได้โดยตรง" หากต้องการเปลี่ยนสิ่งที่ Genie เรียนรู้ คุณต้องอัปเดตสินทรัพย์ต้นทาง หรือกำหนดแนวคิดนั้นเป็นความรู้ที่สร้างแบบจำลองแทน
มีอะไรใหม่ในการเปิดตัวเวอร์ชัน GA
การเปิดตัวเวอร์ชัน GA ได้เพิ่มส่วนประกอบหลายอย่าง บางส่วนพร้อมใช้งานทั่วไปแล้วในวันนี้ และส่วนอื่นๆ อยู่ในสถานะ Beta หรือกำลังจะมาเร็วๆ นี้
| ส่วนประกอบ | สถานะในโพสต์วันที่ 11 พฤศจิกายน | หน้าที่ |
|---|---|---|
| Genie Ontology | ใช้งานได้ทั่วไป (Generally Available) | บริบททางธุรกิจที่ใช้ร่วมกันสำหรับเอเจนต์ ทั้งแบบที่เรียนรู้และสร้างแบบจำลอง |
| Ontology Snippets | ใช้งานได้ทั่วไป (Generally Available) | ชิ้นส่วนบริบทที่นำกลับมาใช้ใหม่ได้ เช่น การคำนวณและกฎต่างๆ |
| Genie Search | ใช้งานได้ทั่วไป (Generally Available) | ค้นหาข้อมูลในเอกสาร, ทิกเก็ต และวิกิ พร้อมการควบคุมสิทธิ์ |
| แหล่งความรู้ภายนอก | Beta | เรียนรู้จากโมเดลเชิงความหมายของ BI; ปัจจุบันรองรับ Power BI |
| ไดเรกทอรีองค์กร | ใช้งานได้ทั่วไป (Generally Available) | นำเข้าข้อมูลบุคคล, ทีม และสายการบังคับบัญชา เริ่มต้นด้วย Workday |
| Unity Catalog Domains และ Pages | ใช้งานได้ทั่วไป (Generally Available) | จัดระเบียบสินทรัพย์ตามพื้นที่ธุรกิจและบันทึกนิยามอย่างเป็นทางการ |
| Ontology Manager | กำลังจะมาในสถานะ Beta | อินเทอร์เฟซแบบภาพเพื่อตรวจสอบและดูแลจัดการ ontology |
Genie Search เข้าถึงความรู้ที่อยู่นอก lakehouse โพสต์ระบุว่า "ปัจจุบันรองรับ Google Drive, Jira, Confluence และ Workday โดย SharePoint อยู่ในสถานะ Beta" นอกจากนี้ยังระบุว่า Genie Search "จะนำเข้าการควบคุมการเข้าถึงของแต่ละแหล่งข้อมูลไปพร้อมกับเนื้อหาด้วย"
แหล่งความรู้ภายนอก นำตรรกะจากเครื่องมือ BI เข้ามา โพสต์ระบุว่า "ปัจจุบันรองรับ Power BI ส่วน Tableau และ Sigma จะรองรับในเร็วๆ นี้"
Unity Catalog Pages เก็บรักษาคำนิยามอย่างเป็นทางการ แต่ละ Page จะมีเจ้าของที่ระบุชื่อไว้ เมื่อคำถามเกี่ยวข้องกับแนวคิดที่ถูกนิยามไว้ โพสต์ระบุว่า "Genie จะถือว่า Page นั้นเป็นแหล่งข้อมูลที่ถูกต้องที่สุด (source of truth)"
Ontology Manager ยังไม่พร้อมใช้งานในขณะนี้ Databricks อธิบายว่าเป็น "อินเทอร์เฟซแบบภาพตัวแรก" สำหรับการดูแลจัดการ ontology ซึ่งจะเปิดตัวในสถานะ Beta เร็วๆ นี้
เกณฑ์มาตรฐานที่ Databricks เผยแพร่
Databricks ได้แชร์ผลลัพธ์จากเกณฑ์มาตรฐาน (benchmark) ที่สร้างร่วมกับ Turing โดยจำลองเวิร์กสเปซของ Databricks สำหรับบริษัทจัดหาพลังงานในสหราชอาณาจักรที่สมมติขึ้น Genie ที่ใช้ Genie Ontology ถูกนำไปเปรียบเทียบกับเอเจนต์ระดับแนวหน้าสองตัวที่ใช้ชื่อว่า Agent A และ Agent B
| เอเจนต์ | อัตราการผ่าน (Pass rate) | เวลาเฉลี่ยต่อการรัน | โทเค็นเฉลี่ยต่อการรัน |
|---|---|---|---|
| Genie พร้อม Genie Ontology | 91% | 100 วินาที | 432K |
| Agent A | 45% | 435 วินาที | 889K |
| Agent B | 58% | 307 วินาที | 1.05M |
โพสต์ระบุว่า Genie "ตอบคำถามได้ถูกต้อง 91% ของการรัน ซึ่งสูงกว่าเอเจนต์ระดับแนวหน้าที่แข็งแกร่งกว่าถึง 1.6 เท่า" และยังใช้โทเค็นน้อยกว่าครึ่งหนึ่งด้วย
โปรดอ่านตัวเลขเหล่านี้ด้วยความระมัดระวัง เกณฑ์มาตรฐานนี้สร้างขึ้นโดย Databricks ร่วมกับพันธมิตรและรันในเวิร์กสเปซจำลอง โพสต์เองยังระบุว่าผลลัพธ์นี้ "สะท้อนถึงการปรับใช้ที่จัดตั้งขึ้นแล้วซึ่งทีมต่างๆ ได้สะสมความรู้นั้นไว้" การปรับใช้ใหม่ที่มีบริบทที่เรียนรู้น้อยอาจให้ผลลัพธ์ที่แตกต่างออกไป
Genie Agents ได้รับการอัปเดตในสัปดาห์เดียวกัน
ในวันเดียวกัน Databricks ได้โพสต์อัปเดตสำหรับ Genie Agents ซึ่งเป็นเอเจนต์แบบ no-code ที่ทีมต่างๆ สร้างขึ้นสำหรับงานเฉพาะด้าน โดยมีการเปลี่ยนแปลงที่สำคัญสามประการ:
- ข้อมูลที่ไม่มีโครงสร้าง (Unstructured data): ตอนนี้เอเจนต์สามารถวิเคราะห์ไฟล์ PDF, เอกสาร, สไลด์นำเสนอ และรูปภาพในวอลุ่มของ Unity Catalog ได้แล้ว คำตอบสามารถอ้างอิงถึง "หน้าเฉพาะของไฟล์ต้นฉบับ" ได้ ซึ่งขณะนี้อยู่ในสถานะ Public Preview
- ตัวเชื่อมต่อ MCP: ตัวเชื่อมต่อ MCP แบบเนทีฟพร้อมใช้งานทั่วไปแล้ว โพสต์ระบุชื่อ "Slack, Google Drive, Google Calendar, Gmail, Glean, Atlassian, Github และ Microsoft 365"
- การแชร์ภายนอกบริษัท: OpenSharing และ Genie Clean Rooms ซึ่งทั้งคู่ยังอยู่ในสถานะ beta ช่วยให้ผู้ให้บริการสามารถแชร์เอเจนต์กับพันธมิตรหรือลูกค้าได้
โพสต์ได้ยกตัวอย่างการขาย โดยเอเจนต์จะอ่านข้อมูลไปป์ไลน์ ดึงแผนงานลูกค้าจาก Google Drive และโพสต์สรุปดีลลงใน Slack
Genie Ontology เชื่อมโยงส่วนประกอบเหล่านี้เข้าด้วยกัน Genie Agent ทุกตัวจะดึงข้อมูลจากบริบทที่ได้รับการควบคุมเดียวกัน ดังนั้นตัวชี้วัดที่ถูกนิยามไว้เพียงครั้งเดียวจะถูกนำไปใช้ได้ในทุกที่
ใครสามารถใช้งานได้และมีค่าใช้จ่ายเท่าไร
Genie Ontology เป็นส่วนหนึ่งของแพลตฟอร์ม Databricks คุณจำเป็นต้องมีบัญชี Databricks ที่มี Unity Catalog เนื่องจากสิทธิ์และการจัดการความรู้ที่สร้างแบบจำลองจะอยู่ที่นั่น
เอเจนต์ภายนอก Databricks ก็สามารถใช้งานได้เช่นกัน คำประกาศระบุว่าผ่าน Genie MCP "บริบทเดียวกันนี้จะพร้อมใช้งานสำหรับเอเจนต์ภายนอก Databricks เช่น ChatGPT, Claude และ Microsoft Copilot"
ในส่วนของค่าใช้จ่าย หน้าการตั้งราคาของ Genie ระบุว่า Genie Ontology "ราคาจะประกาศเร็วๆ นี้" ในส่วนคำถามที่พบบ่อย (FAQ) ระบุว่า "ในขณะนี้ ลูกค้าจะไม่มีค่าใช้จ่ายสำหรับการสร้าง, การจัดเก็บ หรือการดึงข้อมูล Genie Ontology"
การใช้งาน Genie เองจะมีการคิดค่าบริการแยกต่างหาก นี่คือสิ่งที่หน้าการตั้งราคาแสดงสำหรับภูมิภาค US East
| รายการ | สิ่งที่หน้าการตั้งราคาระบุ |
|---|---|
| Genie Ontology | ราคาจะประกาศเร็วๆ นี้; ปัจจุบันไม่มีค่าใช้จ่ายสำหรับการสร้าง, การจัดเก็บ หรือการดึงข้อมูล |
| Genie Search | ราคาจะประกาศเร็วๆ นี้; คุณจ่ายเฉพาะค่า AI Functions ตามราคาปัจจุบัน |
| การใช้งาน Genie | ใช้งานฟรี 150 DBUs ต่อผู้ใช้ในแต่ละเดือน |
| ส่วนที่เกินจากการใช้งานฟรี | $0.070 ต่อ DBU พร้อมค่าประมวลผล (compute) ที่เรียกเก็บแยกต่างหาก |
หน้านี้ระบุว่า "150 DBUs = $10.50 ใน US East; มูลค่าเทียบเท่าดอลลาร์จะแตกต่างกันไปตามภูมิภาค" นอกจากนี้ยังระบุว่าการใช้งานฟรีครอบคลุมเฉพาะการใช้งาน LLM เท่านั้น การรันคิวรีและแดชบอร์ดยังคงใช้การประมวลผล เช่น SQL warehouse
FAQ ตอบคำถามที่พบบ่อยข้อหนึ่งโดยตรงว่า "ไม่มีค่าธรรมเนียมตามจำนวนที่นั่งหรือตามจำนวนผู้ใช้" ผู้ดูแลระบบสามารถตั้งงบประมาณและการแจ้งเตือนสำหรับการใช้จ่ายของ Genie ได้
วิธีเริ่มต้นใช้งาน
Databricks แนะนำให้เริ่มจากจุดเล็กๆ คำประกาศระบุว่าองค์กร "สามารถเริ่มต้นด้วยบริบทที่มีอยู่แล้วได้" นี่คือลำดับขั้นตอนที่นำไปใช้ได้จริงตามเอกสารประกอบ
- ตรวจสอบการตั้งค่าของคุณ: ตรวจสอบให้แน่ใจว่าเวิร์กสเปซของคุณใช้ Unity Catalog เนื่องจาก snippets จะเป็นไปตามสิทธิ์ของระบบนี้
- ให้ Genie เรียนรู้: Snippets มาจากแดชบอร์ดที่มีอยู่, SQL คิวรี, โน้ตบุ๊ก และ Genie Agents ควรล้างสินทรัพย์ที่ล้าสมัยออกก่อน หรือจำกัดการเข้าถึงสินทรัพย์เหล่านั้น
- นิยามตัวชี้วัดที่สำคัญ: ใช้ metric views และ Pages สำหรับตัวเลขที่ต้องมีความแม่นยำ เช่น รายได้ที่รับรู้ (recognized revenue)
- จัดระเบียบตามโดเมน: จัดกลุ่มสินทรัพย์เข้าสู่โดเมนต่างๆ เพื่อให้แผนกการเงินและการตลาดสามารถรักษานิยามของตนเองได้
- เชื่อมต่อความรู้ภายนอก: ตั้งค่า Genie Search สำหรับเอกสารและทิกเก็ต รวมถึงแหล่งข้อมูลภายนอก เช่น Power BI หากคุณใช้งานอยู่
- ตรวจสอบการอ้างอิง: เมื่อ Genie ตอบคำถาม ให้เปิดดู snippets ที่ระบบใช้เพื่อดูว่าแต่ละนิยามมาจากที่ใด
ขั้นตอนที่ 2 มีความสำคัญมากกว่าที่เห็น เอกสารประกอบระบุว่า: "เพื่อป้องกันไม่ให้สินทรัพย์ที่ล้าสมัยหรือสินทรัพย์เพื่อการทดลองถูกนำมาใช้ในคำตอบ ให้จำกัดการเข้าถึงสินทรัพย์เหล่านั้นด้วยสิทธิ์ของ Unity Catalog"
สิ่งนี้มีความหมายอย่างไรต่อทีมข้อมูล
Genie Ontology เปลี่ยนภาระงานบางส่วนจากการสร้างเอเจนต์ไปสู่การดูแลจัดการบริบท แทนที่จะต้องเขียนคำสั่งลงในเอเจนต์แต่ละตัว ทีมข้อมูลจะนิยามตัวชี้วัดเพียงครั้งเดียว แล้วเอเจนต์ทุกตัวจะนำไปใช้
สิ่งนี้เปลี่ยนผู้รับผิดชอบงาน ผู้ดูแลข้อมูล (data stewards) และผู้เชี่ยวชาญเฉพาะด้านจะกลายเป็นผู้ดูแลจัดการข้อมูล คำประกาศระบุว่า Ontology Manager จะช่วยให้ผู้ดูแลข้อมูลสามารถ "ยกระดับสิ่งที่เอเจนต์เรียนรู้ให้กลายเป็น Pages ที่มีอำนาจตัดสินใจได้โดยตรงจากคิวการตรวจสอบ"
นอกจากนี้ยังทำให้เกิดคำถามเกี่ยวกับการธรรมาภิบาลข้อมูล ความรู้ที่เรียนรู้มาจากสินทรัพย์ที่มีอยู่ ซึ่งรวมถึงสินทรัพย์ที่เก่าหรือผิดพลาด คุณภาพของคำตอบจึงขึ้นอยู่กับคุณภาพของแหล่งข้อมูลเหล่านั้น
สำหรับทีมที่ใช้งาน Databricks อยู่แล้ว เวอร์ชัน GA นี้คุ้มค่าที่จะทดสอบ ลองเลือกโดเมนที่มีนิยามชัดเจน เช่น การขาย แล้วเปรียบเทียบคำตอบของ Genie กับรายงานที่คุณเชื่อถืออยู่แล้ว
การวางแผนงบประมาณก็เปลี่ยนไปเช่นกัน แม้ Genie Ontology จะยังไม่มีการระบุค่าบริการในวันนี้ แต่เอเจนต์ที่ใช้งานยังคงต้องใช้โควตาการใช้งาน Genie และการประมวลผล ควรตั้งงบประมาณสำหรับคำถามที่ผู้คนจะถาม ไม่ใช่แค่สำหรับตัว ontology เท่านั้น ผู้ดูแลระบบสามารถตั้งงบประมาณและการแจ้งเตือนได้ ซึ่งจะช่วยได้มากในช่วงการทดสอบ (pilot)
ทางเลือกอื่นในการให้บริบททางธุรกิจแก่ AI
Genie Ontology เหมาะสำหรับทีมที่ข้อมูลอยู่บน Databricks ส่วนแนวทางอื่นๆ จะเหมาะกับการตั้งค่าแบบอื่น รายละเอียดด้านล่างนี้มาจากหน้าข้อมูลของผู้ให้บริการแต่ละราย
| ตัวเลือก | วิธีเพิ่มบริบททางธุรกิจ | ความเหมาะสมที่สุด |
|---|---|---|
| Databricks Genie Ontology | Snippets ที่เรียนรู้มา พร้อมด้วย Pages และ metric views ที่มีการควบคุม | ทีมที่ใช้ Databricks และมีเอเจนต์จำนวนมาก |
| Microsoft Fabric data agents | คำสั่ง, ตัวอย่าง และแหล่งข้อมูลใน OneLake | ทีมที่ใช้ Fabric และ Power BI |
| Power BI semantic models | มาตรวัด (measures) และความสัมพันธ์ที่กำหนดไว้ในโมเดล | ทีมที่ตรรกะข้อมูลอยู่ใน Power BI อยู่แล้ว |
| Powerdrill Bloom | ไฟล์และบริบทที่บันทึกไว้ในเวิร์กสเปซ | ทีมที่ทำงานจากสเปรดชีต, PDF และฐานข้อมูล SQL |
Microsoft Fabric data agents: เอกสารประกอบของ Microsoft ระบุว่าคุณสามารถ "เพิ่มคำสั่งเฉพาะขององค์กร, ตัวอย่าง และคำแนะนำเพื่อปรับแต่ง Fabric data agent" แหล่งข้อมูลที่รองรับ ได้แก่ "โมเดลเชิงความหมายของ Power BI" และ "ontology" โดยระบุว่าต้องมีสิทธิ์การใช้งานระดับ F2 หรือสูงกว่าเป็นเงื่อนไขเบื้องต้น
Power BI semantic models: สิ่งเหล่านี้เก็บมาตรวัดและความสัมพันธ์ไว้อยู่แล้ว ปัจจุบัน Genie Ontology สามารถเรียนรู้จากสิ่งเหล่านี้ได้ผ่านแหล่งความรู้ภายนอก ดังนั้นทั้งสองอย่างจึงสามารถทำงานร่วมกันได้
สำหรับตัวเลือกเอเจนต์ข้อมูลเพิ่มเติม โปรดดูคู่มือ ทางเลือกอื่นของ Databricks Genie ของเรา
Powerdrill Bloom เหมาะกับใคร
ไม่ใช่ทุกทีมที่จะมีแพลตฟอร์มข้อมูลสำหรับการดูแลจัดการ หลายทีมทำงานจากไฟล์ที่ส่งออก (exports), สเปรดชีต และฐานข้อมูลเดียว
Powerdrill Bloom เริ่มต้นจากไฟล์เหล่านั้น คุณสามารถอัปโหลดไฟล์ Excel, CSV หรือ PDF หรือเชื่อมต่อฐานข้อมูล SQL และถามคำถามด้วยภาษาธรรมชาติ หน้า ChatBI ระบุว่าคุณสามารถ "สร้างแดชบอร์ดแบบโต้ตอบ, รายงานที่ให้ข้อมูลเชิงลึก และการแสดงภาพข้อมูลแบบไดนามิกด้วยการคิวรีภาษาธรรมชาติที่เรียบง่าย"
บริบทจะถูกสะสมไว้ในเวิร์กสเปซ บันทึกการเปลี่ยนแปลง (changelog) ระบุว่าเวิร์กสเปซ "ช่วยให้ AI ของคุณมีบ้านที่ขับเคลื่อนด้วยความจำ (memory) ที่คงอยู่ถาวร" ไฟล์ที่อัปโหลดเพียงครั้งเดียวสามารถนำไปใช้ในการแชทครั้งต่อๆ ไปในเวิร์กสเปซนั้นได้ นอกจากนี้ แต่ละเวิร์กสเปซยังเก็บทักษะและเซิร์ฟเวอร์ MCP ของตัวเองไว้ ดังนั้นเวิร์กสเปซด้านการเงินและเวิร์กสเปซด้านการขายจะแยกออกจากกัน AI SQL Chatbot จะจัดการคำถามเกี่ยวกับฐานข้อมูล ส่วน AI Report Generator จะเปลี่ยนคำตอบเหล่านั้นให้เป็นรายงาน
หน้า การตั้งราคา ระบุแผน Free ที่ $0.00 และแผน Pro ที่ $13.27 ต่อเดือน
ลองใช้ Powerdrill Bloom ด้วยไฟล์ส่งออกยอดขายไตรมาสที่แล้ว และขอดูรายงานรายได้แยกตามภูมิภาค
คำถามที่พบบ่อย
Databricks Genie Ontology คืออะไร?
คือชั้นบริบททางธุรกิจที่ใช้ร่วมกันสำหรับเอเจนต์ AI บน Databricks โดยเป็นการรวมความรู้ที่เอเจนต์เรียนรู้จากแดชบอร์ดและการคิวรี เข้ากับนิยามที่มนุษย์ควบคุมดูแลใน Unity Catalog
Genie Ontology เปิดใช้งานทั่วไปเมื่อใด?
Databricks ประกาศเปิดใช้งานทั่วไปเมื่อวันที่ 11 พฤศจิกายน 2026 โดยได้แนะนำฟีเจอร์นี้ครั้งแรกในงาน Data + AI Summit เมื่อเดือนมิถุนายน
Genie Ontology มีค่าใช้จ่ายเท่าไร?
หน้าการตั้งราคาระบุว่าราคาจะประกาศเร็วๆ นี้ ส่วน FAQ ระบุว่าปัจจุบันลูกค้าไม่ต้องจ่ายค่าสร้าง, การจัดเก็บ หรือการดึงข้อมูล ontology โดยการใช้งาน Genie และการประมวลผลจะถูกเรียกเก็บเงินแยกต่างหาก
ChatGPT หรือ Claude สามารถใช้ Genie Ontology ได้หรือไม่?
ได้ ผ่านทาง Genie MCP โดย Databricks ระบุว่าบริบทเดียวกันนี้จะพร้อมใช้งานสำหรับเอเจนต์ภายนอก Databricks เช่น ChatGPT, Claude และ Microsoft Copilot
ฉันสามารถแก้ไขสิ่งที่ Genie Ontology เรียนรู้ได้หรือไม่?
ไม่ได้โดยตรง คุณสามารถเปลี่ยนความรู้ที่เรียนรู้ได้โดยการอัปเดตสินทรัพย์ต้นทาง นอกจากนี้คุณยังสามารถกำหนดแนวคิดเป็นความรู้ที่สร้างแบบจำลอง ซึ่ง Genie จะถือว่ามีอำนาจตัดสินใจมากกว่า
แหล่งข้อมูล: Databricks, Announcing GA of Genie Ontology · Databricks documentation, Genie Ontology · Databricks, Genie pricing · Databricks, Genie Agents update · Microsoft Learn, Fabric data agent