Wie die Genie-Ontologie die Produktentwicklung bei Databricks vorantreibt

Allgemeine AI-Agenten sind gut darin, das Web zu durchsuchen, logisch zu schlussfolgern und Code zu schreiben. Aber stellen Sie eine Frage zu Ihrem Unternehmen, und Sie erhalten wahrscheinlich eine falsche Antwort. Das Problem liegt nicht an der Intelligenz des Modells. Es ist der fehlende Unternehmenskontext, der für die korrekte Interpretation Ihrer Daten erforderlich ist: Welche Tabellen sind maßgeblich, welche Geschäftsregeln gelten für Ihre Daten und wer sind die vertrauenswürdigen Experten. Dieses institutionelle Wissen ist über Dashboards, Abfragen, Dokumente, Anwendungen und sogar Personen verteilt – und es ändert sich ständig, da sich Daten, Definitionen und Teams weiterentwickeln.

Genie Ontology verleiht Genie ein kontinuierlich aktualisiertes Verständnis dieses institutionellen Wissens, einschließlich der Geschäftsdefinitionen, Regeln, Beziehungen und vertrauenswürdigen Quellen, die Ihr Unternehmen einzigartig machen. Es beginnt mit den Kernkonzepten, die Ihre Teams in Unity Catalog verwalten und zertifizieren. Es skaliert dies dann auf das gesamte Unternehmen, indem es diesen kuratierten Kontext mit gelerntem Wissen aus den Dashboards, Dokumenten, Abfragen, Notebooks und verbundenen Anwendungen Ihres Unternehmens ergänzt. OntoRank bewertet diesen Kontext dann nach Autorität und nutzt dabei Signale wie Zertifizierung, Nutzung und Urheberschaft, sodass Genie seine Antworten auf die vertrauenswürdigsten und relevantesten Quellen für jede Frage stützen kann.

Dieser Beitrag zeigt Genie Ontology in Aktion für einen realen Anwendungsfall: die wöchentliche Überprüfung der Nutzerakzeptanz von Genie One durch unser Produktteam. Lesen Sie weiter, um zu erfahren, wie die PMs von Genie Genie in ihrer täglichen Arbeit nutzen.

Führen Sie meine wöchentliche Akzeptanzprüfung mit einem einfachen Prompt durch

Ich beginne meine Woche, indem ich Genie One entweder auf meinem Telefon, in der Desktop-App oder im Web öffne. Um meine Woche besser zu priorisieren, bitte ich Genie, meine wöchentliche Akzeptanzprüfung mithilfe der standardisierten Vorlage unseres Teams zu erstellen, die sich in einem Google Doc befindet. Das Ziel ist es, eventuelle Hotspots zu finden, die Aufmerksamkeit erfordern könnten.

Diese Aufgabe klingt einfach, ist es aber nicht. Unsere Nutzer arbeiten über Web, Desktop, Mobilgeräte, Slack und Teams hinweg. Einige Dashboards sind maßgeblich, während andere veraltet sind und ignoriert werden sollten. Und der relevante Geschäftskontext geht über das Lakehouse hinaus: Pläne befinden sich in Google Docs, Fehlerberichte in Jira und Feedback aus der Praxis in Slack. Genie muss die korrekten Geschäftsdefinitionen verstehen, die vertrauenswürdigsten Quellen identifizieren, die entsprechenden Daten abfragen und den relevanten Kontext über diese Systeme hinweg abrufen. Und das geschieht über Genie Ontology.

Genie findet die richtigen Daten

Ich kann Genie Ontology bei der Arbeit zusehen, während Genie nachdenkt.

Es beginnt mit relevanten Daten-Assets (Dashboards, Agents, Tabellen), betrachtet dann kuratierte Pages und untersucht schließlich einige potenziell relevante Ontology-Snippets, die es aus unseren Dashboards, Notebooks, SQL-Abfragen usw. extrahiert hat. Ich kann zum Beispiel sehen, dass wir unsere zertifizierte Metrik-Ansicht für wöchentlich aktive Nutzer gefunden haben, einen gesteuerten KPI, den das gesamte Unternehmen einheitlich definiert. 

Dann nutzt es MCP, um unsere Live-Dokumente in Google Drive und Jira-Tickets zu durchsuchen. Schließlich führt es SQL-Abfragen auf unseren Nutzungstabellen aus und kombiniert den Kontext aus diesen Quellen mit einer frischen Analyse unserer Daten. Diese Kombination macht Genie so leistungsstark: Genie führt Suche und Live-Analyse zusammen, um Fragen zu beantworten, die keine der beiden Methoden für sich allein lösen könnte.

Damit habe ich ein Dokument vorliegen, das bereit zur Überprüfung ist:

Und es erstellt dieses Dokument sehr schnell. Schließlich muss ein universeller AI-Agent kompensieren, dass er Ihr Unternehmen nicht versteht. Um den benötigten Kontext zu finden, muss er möglicherweise Schemata durchsuchen, Tabellen stichprobenartig analysieren, Dokumente lesen und wiederholt Abfragen ausführen, um festzustellen, welche Definitionen, Daten und Quellen relevant sind. Diese agentenbasierte Erkundung verbraucht Zeit und Token und kann dennoch zu einer falschen Quelle oder Interpretation führen. Genie Ontology ändert das, indem es Genie bereits vor und während des logischen Schlussfolgerns Geschäftskontext liefert. Genie kann identifizieren, welche Quellen maßgeblich sind, verstehen, wie Ihr Unternehmen seine Daten nutzt, und den relevantesten Kontext für die Frage abrufen, anstatt ganz von vorn zu beginnen. Und da dieser Kontext berechtigungsgesteuert ist, verwendet Genie nur Daten und Wissen, auf die der Nutzer über Unity Catalog und verbundene Quellen zugreifen darf.

Überprüfen Sie die Zitate von Genie

Ich möchte sicherstellen, dass ich die Quelldaten verstehe, also klicke ich auf die Zitate, um alles zu sehen, was Genie verwendet hat. Ich sehe, dass es tatsächlich mehrere der Metrik-Ansichten (zertifizierte KPIs mit einer einheitlich gesteuerten Definition, die das gesamte Unternehmen teilt) und Pages (gesteuerte Wikis in Unity Catalog) verwendet hat, die es im Denkprozess untersucht hat. Das ist nicht überraschend; Genie bevorzugt von Menschen zertifizierte Assets, bevor es selbstständig auf Erkundung geht.

Aber es ist unmöglich, jedes Konzept manuell zu kuratieren. Deshalb haben wir auch Ontology-Snippets: Fakten über unser Unternehmen, die Genie automatisch gelernt und bewertet hat. Ich kann auf jedes Snippet klicken, um dessen vollständige Definition zu sehen, woher es stammt, wer es erstellt hat und wie hoch sein Autoritäts-Score (unterstützt durch OntoRank) ist. Ich kann sogar das Profil des Autors überprüfen, um zu sehen, in welchen Bereichen er arbeitet und welche anderen Snippets Genie von ihm gelernt hat.

Stellen Sie eine Folgefrage und prognostizieren Sie den Trend

Beim Durchlesen des Dokuments stellt sich mir eine Folgefrage: Warum gab es in den letzten Monaten einen so starken Anstieg bei den neuen Nutzern? Normalerweise würde ich die Nutzungstabellen abfragen, um den Anstieg nach Oberfläche und Account aufzuschlüsseln, und dann Roadmap-Dokumente, Jira-Tickets und Slack-Threads durchforsten, um mögliche Ursachen zu untersuchen. Stattdessen frage ich einfach Genie nach dem Anstieg.

Ich möchte auch wissen, wohin sich dieser Trend entwickelt. Normalerweise bedeutet dies, eine Anfrage an unser Data-Science-Team zu stellen, Annahmen abzustimmen und tagelang auf ein Modell zu warten. Prognosen sind jedoch direkt in Genie One integriert, also habe ich Genie einfach gebeten, eine Prognose zu erstellen und die Accounts zu markieren, die man im Auge behalten sollte.

Planen Sie den Workflow

Ich möchte nicht jede Woche daran denken müssen, dies auszuführen. Deshalb habe ich diese Akzeptanzprüfung zeitlich geplant. 

Verwandeln Sie die Konversation in einen teilbaren Agenten

Diese Überprüfungen sind nicht das einzige Mal, dass ich Fragen zur Leistung von Genie beantworten muss; Kollegen fragen mich ständig nach Datenpunkten.

Glücklicherweise dient diese Konversation als hervorragender Ausgangspunkt für einen Genie Agent. In Sekundenschnelle habe ich einen kompetenten Kollegen, den mein Team und unsere Führungsebene nutzen können, um Folgefragen zu stellen und Maßnahmen zur Leistung von Genie zu ergreifen – basierend auf den Datenquellen, die wir in dieser Konversation verwendet haben, sowie auf früheren Konversationen zu diesem Thema.

Legen Sie noch heute los 

In nur wenigen Schritten konnte ich einen Bericht für die Führungsebene vorbereiten, aufkommende Trends untersuchen und prognostizieren, ein Folge-Ticket anstoßen und einen Agenten erstellen, den mein Team und ich weiterhin nutzen können. Dies war nur möglich, weil Genie unser Geschäft durch die Genie-Ontologie versteht, Ergebnisse berechnet, anstatt nur Dokumente wiederzugeben, und dabei die Governance unserer Organisation durchsetzt. Wir laden Sie herzlich ein, dies mit Ihren eigenen Daten auszuprobieren und Ihr Feedback mit uns zu teilen, während wir diese Roadmap gemeinsam weitergestalten. 

Sehen Sie sich die gesamte Session On-Demand an: Die KI-Kontextlücke schließen.

(Dieser Blogbeitrag wurde mit KI-gestützten Tools übersetzt.) Originalbeitrag