Databricks 更新 AI 代理 Genie：给管理者一个敢讲真话的"内参"
Databricks 于周三发布更新版 AI 代理 Genie。与常见的问答式助手不同，新版 Genie 可以执行需要较长时间才能完成的多步骤工作，并且能在无人监督的情况下把任务跑完。Databricks CEO Ali Ghodsi 在演示时没有播放录好的产品视频，而是打开了自己日常在用的代理实例，展示最近几轮真实对话和图表。
核心变化：用本体补上上下文，让代理能独立完成长任务
支撑这一能力的是 Databricks 自建的本体（ontology）：它把客户存储在 Databricks 平台上的信息组织成代理能够理解的结构，从而为 Genie 补齐执行复杂任务所需的上下文。
在此基础上，企业管理者可以把一系列任务直接交给 Genie：它会自行拆解并完成中间的多步工作，不需要人工逐步推动。
Ghodsi 展示的几个真实场景很具体：
- 员工满意度分析：定位调查中公司得分偏低的部分，并帮助他对高管提出的改进方案逐一评估、打分、淘汰。
- 复盘失败的销售提案：总结一场进行不顺的销售沟通，包括潜在客户在购买前提出的功能需求。
- 播客访谈准备：回顾他此前的公开露面，推演可能被问到的问题；交谈过程中，代理还现场建议他该如何回答记者的提问。
最值得关注的价值：拿到"未经修饰的真相"
Ghodsi 反复强调的一点是：Genie 帮他找到的，恰恰是他作为 CEO 未必能听到的那些问题。在员工规模达到 12,000 人之后，销售不会主动向老板承认一场灾难性的销售电话，人力资源负责人也不会坦白自己提出的员工满意度提升方案大概率会失败——但代理可以从数据里把这些问题挖出来。
他用邓巴数（Dunbar's number）来解释这种价值：这一数字以英国人类学家 Robin Dunbar 命名，理论上一个成年人能够维持稳定关系的人际网络上限约为 150 人。在小创业公司里，CEO 认识每个人，和员工有直接关系，员工敢把负面信息直说；但"任何员工超过 150 人的公司"——这已经是相当多的公司——都可能从这类 AI 代理中受益。
Databricks 自己的 CEO 长期在内部使用 Genie，这种做法通常被称为 dogfooding（吃自己的狗粮），也是公司现在把 Genie 定位为"面向业务管理者的常驻代理"的原因之一。他表示自己在个人生活场景中也会使用它，而不是选用被质疑安全性的 OpenClaw、Instinct 或 Muse。
影响与建议
- 对技术负责人：Genie 的差异化不只是模型能力，而是企业内已有的数据本体能否被组织成代理可用的上下文。企业若数据散落、缺乏统一语义层，代理效果会先卡在数据侧，而不是卡在模型侧。
- 对业务管理者：值得优先试点的不是"替我写文档"，而是那些此前没人愿意主动汇报的负面信号——满意度低分项、失败销售的原因、客户流失的共性。这正是代理相对人类下属汇报链条的价值。
- 成本与治理要同步规划：Ghodsi 给出的答案是通过 Databricks 的 Unity Gateway 控制开销——企业可以设置用量上限，并按需替换为成本更低的开源权重模型。也就是说，"代理常驻"必须搭配明确的用量限制与模型路由策略，否则算力成本容易失控。
- 落地步骤建议：① 先选定一个高频、跨系统、且已有结构化数据的分析场景；② 确认本体/语义层覆盖度，缺口优先补齐；③ 用真实历史案例（如一次失败销售、一轮低分调研）验证结论质量；④ 通过网关设置预算与降级策略，再逐步扩到更多任务类型。
- 对采购决策：评估这类"管理者代理"时，除了问答效果，更该问三件事——它是否真的读取了企业自己的数据、权限边界如何划分、成本如何封顶。
评论