Databricks enseña a Genie a resolver tareas de varios pasos y decirle al CEO verdades incómodas

Cuanto más grande es una empresa, menos verdades llegan a quien la dirige. Un comercial no le confesará al CEO que arruinó una reunión. Un responsable de recursos humanos no le dirá que su idea para mejorar la satisfacción de los empleados probablemente no funcionará. Databricks propone cubrir ese vacío con un agente: esta semana, la empresa presentó una versión actualizada de Genie.

Qué ha cambiado en Genie

La principal novedad es que Genie ahora asume tareas de varios pasos que requieren mucho tiempo. Según la empresa, un directivo puede plantearle una tarea amplia y el agente la ejecutará sin supervisión. Hasta ahora, los agentes de esta categoría solían mostrarse con ejemplos de desarrollo de software; Databricks apunta ahora al ámbito empresarial.

El agente obtiene el contexto de una ontología que Databricks ha construido sobre la información de sus clientes en la plataforma. Es un detalle importante. Un agente que no comprende qué significan los datos de una empresa empieza pronto a inventar. En este caso, trabaja con la información que ya está en Databricks y se apoya en su estructura.

Que este enfoque te resulte útil depende de una cosa: hasta qué punto tus datos ya están en esa plataforma. Si no están, el valor de la ontología para ti es considerablemente menor.

Una demostración con los chats reales del CEO

En lugar de la habitual demostración de producto, Ali Ghodsi abrió su agente de trabajo y recorrió sus conversaciones y gráficos más recientes. Esto fue lo que mostró:

• Genie analizó los apartados de una encuesta a empleados en los que la empresa había recibido puntuaciones bajas. Después ayudó a evaluar —y descartar— las soluciones propuestas por algunos altos directivos.
• El agente resumió una presentación importante a un cliente que había salido mal, incluidas las funciones sin las cuales el cliente se negaba a comprar.
• Preparó a Ghodsi para una entrevista en un pódcast: estudió sus intervenciones anteriores y propuso preguntas probables.
• Durante la conversación con un periodista, el agente incluso sugirió qué debía decir Ghodsi. Según el autor de TechCrunch, el consejo era bastante bueno.

Ghodsi explicó por qué lo necesita recurriendo al número de Dunbar: el límite teórico de relaciones personales estables, de unas 150 personas. En una startup pequeña, el CEO conoce a todo el mundo y los empleados se sienten cómodos diciéndole directamente cosas desagradables. En una empresa de 12.000 personas, eso ya no funciona. Por eso, para él, el agente es una fuente de información sin filtros sobre lo que va mal. Ghodsi cree que puede ser útil para cualquier empresa con más de 150 empleados, y hay muchas.

Costes, seguridad y cómo abordarlos

Ghodsi también utiliza Genie en su vida personal. Al mismo tiempo, calificó alternativas como OpenClaw, Instinct y Muse de cuestionables desde el punto de vista de la seguridad. Cree que Genie hará por las empresas lo que la IA, los agentes y los harnesses —la infraestructura que rodea al modelo y le permite utilizar herramientas— ya hacen por los programadores.

El principal temor al poner en marcha agentes es la factura de los tokens. La respuesta de Databricks es Unity Gateway. Este producto permite establecer límites de uso y sustituir modelos caros por otros de pesos abiertos más baratos.

Qué conviene tener presente

Todos los ejemplos los mostró el propio responsable de la empresa que vende el producto. No hay mediciones independientes: no se sabe con qué frecuencia se equivoca el agente en tareas largas ni cuánto cuestan. Que funciona sin supervisión sigue siendo una afirmación de la empresa. Tampoco se han revelado los precios ni la disponibilidad.

Para los responsables de producto y los fundadores, hay tres conclusiones prácticas. Primera: el valor de un agente para un directivo puede estar en recibir comentarios sinceros que nadie le da en persona, más que en la automatización. Segunda: al poner en marcha tareas autónomas largas, incorpora desde el principio límites y la posibilidad de cambiar a modelos más baratos, en vez de añadirlos cuando llegue la factura. Tercera: sin una capa que explique al agente el significado de tus datos, como una ontología, la autonomía servirá de poco.