Saiba como transformar um contexto de negócios confiável em agentes de IA específicos de domínio prontos para produção
por Megan Tupper
• Os Genie Agents transformam o contexto de negócios confiável em agentes de IA específicos de domínio a partir de um único prompt. Eles podem raciocinar sobre dados estruturados, documentos e arquivos governados pelo Unity Catalog
• A maioria das respostas fracas ou inconsistentes dos agentes se deve à falta de contexto, não ao prompt. Ao fundamentar os agentes em dados, definições e documentações confiáveis, os Genie Agents tornam desnecessário o ajuste constante de prompts.
• Começar com um caso de uso focado torna os agentes mais fáceis de testar e confiar. Definir o escopo e realizar o benchmark da primeira versão oferece às equipes uma base confiável que elas podem expandir com mais conhecimento, ferramentas e fluxos de trabalho recorrentes.
Pergunte a um agente genérico sobre receita e ele provavelmente pegará a primeira tabela de receita que encontrar, não aquela que o setor financeiro realmente mantém. Seu primeiro instinto pode ser corrigir o prompt. Mas o problema real geralmente não é o prompt em si; é que o agente não tem o contexto de negócios necessário para interpretar a solicitação.
Os Databricks Genie Agents resolvem esse problema de contexto permitindo que você faça a curadoria de agentes específicos de domínio que podem raciocinar sobre dados estruturados, bem como documentos e arquivos para automatizar o trabalho. Um agente de Dados de Oportunidades de Vendas pode identificar riscos no pipeline a partir de tabelas governadas do CRM, um agente de Gestão de Logística pode rastrear remessas e sinalizar atrasos nos dados da cadeia de suprimentos, e um agente de Consulta de Linha de Produtos pode responder a perguntas detalhadas sobre produtos a partir de um catálogo interno. Anteriormente, a criação de Genie Agents exigia configuração manual. Agora, Genie Agents eficazes podem ser criados rapidamente usando o Genie One ou o Genie Code com um único prompt, aproveitando o contexto do Unity Catalog junto com a conversa do usuário.
Você pode criar seu primeiro agente em minutos, começando com um único prompt. Na maioria dos casos, o prompt só precisa descrever o resultado desejado do agente e direcionar o Genie para a fonte de informação relevante.
Considere este exemplo: “Use nossos runbooks de incidentes e dados de integridade de serviço para criar um agente que ajude os engenheiros de suporte a investigar incidentes de produção.”
O prompt é simples, mas fornece ao Genie informações suficientes para começar. Ele identifica o problema e aponta para as fontes que o agente deve usar.
É claro que a qualidade de um agente depende da qualidade do seu contexto. Os Genie Agents raciocinam sobre os dados, documentos e arquivos que você já governa no Unity Catalog, de modo que o trabalho real é fazer a curadoria dessas fontes confiáveis. Uma vez estabelecidas, o Genie pode reuni-las em um agente para você. Para um agente de TI, esse contexto pode incluir FAQs, documentação de suporte, runbooks de incidentes, inventários de sistema e dados de serviço. Para um agente de dados, pode incluir tabelas governadas, definições de métricas, dashboards, regras de qualidade de dados e documentação interna.
O contexto não se limita a dados estruturados. Os Genie Agents também podem raciocinar sobre dados não estruturados armazenados em volumes do Unity Catalog, como PDFs, documentos do Word, apresentações e imagens. Quando alguém faz uma pergunta, o agente recupera o conteúdo do arquivo mais relevante e raciocina sobre ele junto com suas tabelas governadas para gerar uma resposta, sempre usando as permissões da pessoa que perguntou. Isso significa que um agente de Investigação de Incidentes pode se basear nos PDFs dos runbooks reais, e um agente de Consulta de Linha de Produtos pode extrair informações da documentação real do produto.
Embora os Genie Agents possam suportar fluxos de trabalho complexos e de várias etapas, o melhor ponto de partida geralmente é um problema focado e reconhecível que exige análises ou trabalhos repetitivos. Um caso de uso de escopo reduzido torna mais fácil ver se o agente está fundamentado nas fontes corretas e se comporta como esperado, além de tornar a definição de escopo e o benchmarking mais significativos.
Considere o agente de Investigação de Incidentes mencionado anteriormente. Antes de implementá-lo, execute-o em relação a alguns incidentes passados nos quais você já conhece a causa raiz e verifique não apenas se ele chega à conclusão correta, mas se cita os runbooks e os dados de integridade de serviço corretos para chegar lá. Se ele se basear em um runbook desatualizado ou no serviço errado, isso aponta para um contexto que você precisa curar, não para um prompt que precisa reescrever.
Os Genie Agents incluem benchmarks integrados para isso. Você pode definir um conjunto de perguntas de teste, cada uma com uma resposta esperada, e executá-las para obter uma pontuação de precisão para o agente. Executar novamente esse benchmark após cada alteração transforma uma vaga sensação de que o agente "parece melhor" em um número mensurável que você pode acompanhar, e a guia de monitoramento exibe as perguntas reais e os feedbacks enviados pelos usuários, para que você possa incorporar novas lacunas de volta ao benchmark à medida que expande.
Assim que seu primeiro caso de uso estiver operacional, você poderá adicionar mais conhecimento e fontes de dados, com cada expansão baseando-se em uma versão que já foi testada. O agente de Dados de Oportunidades de Vendas pode evoluir de identificar riscos no pipeline para elaborar resumos de negócios ou responder a perguntas sobre taxas de conversão por segmento. O agente de Gestão de Logística pode expandir de sinalizar atrasos para recomendar rotas alternativas ou monitorar o desempenho da transportadora ao longo do tempo. O agente de Consulta de Linha de Produtos pode passar de responder a perguntas do catálogo para comparar produtos ou sinalizar lacunas onde a documentação está ausente.
Bons pontos de partida incluem responder a perguntas de um FAQ de produtos, investigar um tipo comum de incidente de produção, explicar alterações nos custos de nuvem ou monitorar um conjunto definido de pipelines de dados. O ponto em comum entre os casos de uso e departamentos é que cada agente começa com uma tarefa reconhecível.
A criação de agentes com um único prompt não substitui a documentação ou a experiência no domínio. Ela simplesmente oferece às equipes uma maneira mais rápida de transformar esses investimentos em algo que as pessoas possam acessar por conta própria. Quanto melhor a base, melhor o agente. A semântica curada do Unity Catalog, como visualizações de métricas, domínios e certificação, é o que o prompt realmente utiliza para produzir respostas consistentes e confiáveis.
O prompt inicia o processo, mas a qualidade do agente ainda depende do conhecimento e dos sistemas por trás dele. É aqui que os líderes de dados e de TI fazem a diferença: o investimento feito em um contexto governado e bem definido é o que traz retorno direto na qualidade do agente.
Agentes eficazes começam com uma necessidade de negócios clara e o contexto confiável necessário para atendê-la.
A maneira mais rápida de ver isso acontecer é começar com um caso de uso focado. Por exemplo:
Os Genie Agents tornam possível transformar dados, documentos e fluxos de trabalho existentes em um agente específico de domínio a partir de um único prompt, para depois definir o escopo, realizar benchmarks e expandi-lo ao longo do tempo.
(Esta publicação no blog foi traduzida utilizando ferramentas baseadas em inteligência artificial) Publicação original
Assine nosso blog e receba os posts mais recentes diretamente na sua caixa de entrada.