Databricks در روز چهارشنبه نسخه‌ی به‌روزشده‌ی ایجنت هوش مصنوعی خود با نام Genie را معرفی کرد. مهم‌ترین تغییر این است که Genie حالا می‌تواند کارهای چندمرحله‌ای که زمان طولانی‌تری برای تکمیل نیاز دارند را بدون نظارت انسانی انجام دهد. این ایجنت از یک ontology استفاده می‌کند که Databricks برای دادن زمینه‌ی لازم از اطلاعات ذخیره‌شده‌ی مشتریان روی پلتفرم خود ساخته است.

Ali Ghodsi، مدیرعامل Databricks، در مصاحبه‌ای با TechCrunch نحوه‌ی استفاده‌ی شخصی خود از Genie را نشان داد. او به‌جای ارائه‌ی یک دموی محصول، ایجنت واقعی‌اش را روشن کرد و آخرین چت‌ها و نمودارهایش را مرور کرد. Ghodsi گفت که Genie را برای تحلیل بخش‌هایی از نظرسنجی رضایت کارکنان که شرکت در آن‌ها نمره‌ی پایینی گرفته به کار می‌گیرد، برای ارزیابی و رد کردن راه‌حل‌هایی که برخی مدیران پیشنهاد داده‌اند، برای خلاصه‌سازی یک جلسه‌ی فروش ناموفق (شامل ویژگی‌هایی که مشتری گفته بود قبل از خرید نیاز دارد)، و برای آماده‌سازی مصاحبه‌ی پادکست با مرور مصاحبه‌های قبلی و تولید سؤالات احتمالی استفاده می‌کند.

Ghodsi با اشاره به عدد Dunbar — که به گفته‌ی او ۱۵۰ نفر است و به‌عنوان حداکثر تعداد روابط پایدار انسانی تعریف می‌شود — گفت: «هر کسی که بیش از ۱۵۰ کارمند دارد، که شامل شرکت‌ها و افراد زیادی می‌شود، می‌تواند از این ایجنت‌ها ارزش بگیرد.» Databricks در حال حاضر ۱۲,۰۰۰ کارمند دارد و Ghodsi تأکید کرد که در این مقیاس، مدیرعامل نمی‌تواند مستقیماً از همه باخبر باشد.

در پاسخ به نگرانی درباره‌ی افزایش هزینه‌های هوش مصنوعی در سازمان‌ها، Ghodsi گفت که از طریق محصول Unity Gateway می‌توان سقف مصرف تعیین کرد و مدل‌های open-weight ارزان‌تر را جایگزین کرد.

این خبر برای کسی که ایجنت می‌سازد یعنی چه#

نکته‌ی فنی این خبر، ontology است. Genie صرفاً یک چت‌بات با دسترسی به داده‌ها نیست؛ Databricks یک لایه‌ی ساختارمند روی داده‌های مشتری ساخته که ایجنت از آن برای فهم زمینه استفاده می‌کند. این همان مسیری است که بسیاری از تیم‌های ایجنت‌سازی به‌جای آن، فعلاً با RAG ساده کار می‌کنند. اگر ادعای «چندمرحله‌ای بدون نظارت» واقعی باشد، یعنی Genie حالا stateful است و می‌تواند بین گام‌ها تصمیم بگیرد — چیزی که بیشتر ایجنت‌های موجود هنوز در آن مشکل دارند.

اما باید احتیاط کرد. Ghodsi ابزار را در یک سازمان ۱۲,۰۰۰ نفره با دسترسی کامل به داده‌های داخلی خودش استفاده می‌کند. این با ادعای عمومی‌تر «assign tasks and it completes them unsupervised» فاصله دارد. جزئیات بیشتری درباره‌ی اینکه چه نوع کارهایی واقعاً بدون نظارت کامل انجام می‌شوند و کجا انسان هنوز باید تأیید کند، در این گزارش نیست.

منبع: TechCrunch AI