Databricks adquiere Quotient AI para potenciar las evaluaciones de agentes de IA

Databricks se complace en anunciar la adquisición de Quotient AI, una empresa innovadora en evaluación y aprendizaje por refuerzo para agentes de IA. Quotient ayuda a las empresas a supervisar el comportamiento de los agentes en producción, detectar problemas críticos y utilizar esas señales para mejorar continuamente el rendimiento de los agentes. A medida que las organizaciones implementan agentes de IA en flujos de trabajo críticos para el negocio, necesitan formas fiables de garantizar que dichos sistemas funcionen como se espera en el mundo real. Al incorporar Quotient en Databricks, estamos fortaleciendo Genie, Genie Code y Agent Bricks con evaluación y aprendizaje continuos, lo que empodera tanto a los desarrolladores como a las organizaciones con agentes de IA que se vuelven más precisos, confiables y especializados con el tiempo.

Resolver el desafío de producción para los agentes de IA
Surge un nuevo desafío a medida que las empresas pasan los agentes de IA de las pruebas piloto a la producción: cómo medir, depurar y mejorar el rendimiento de forma fiable a gran escala. Dado que los agentes son sistemas compuestos complejos de modelos, memoria, herramientas, habilidades y otros componentes, los equipos necesitan no solo evaluar la calidad, sino también comprender rápidamente la causa raíz de las fallas. Sin un sistema de evaluación robusto que pueda interpretar las fallas del sistema, la solución de problemas para mejorar el rendimiento se vuelve lenta y los líderes de producto no logran tener la confianza para pasar a producción.

Presentamos Quotient
Quotient se creó para cerrar la brecha en la evaluación de agentes y el aprendizaje continuo. Creado por los ingenieros que lideraron la mejora de la calidad de GitHub Copilot, el equipo aporta una profunda experiencia en la medición y mejora de sistemas de IA a gran escala. La plataforma Quotient analiza los seguimientos completos de los agentes de los sistemas de producción para detectar problemas como alucinaciones, fallas de razonamiento y uso incorrecto de herramientas. Estas señales se agrupan y transforman automáticamente en conjuntos de datos de evaluación estructurados y señales de recompensa que pueden usarse para monitorear y ajustar los agentes. Este enfoque permite a las organizaciones no solo observar el comportamiento de los agentes, sino también mejorarlo sistemáticamente, lo que ayuda a que los sistemas de IA se conviertan en expertos en el dominio que aprenden continuamente del uso en el mundo real.

Quotient + Databricks 
Databricks ya ofrece herramientas potentes para evaluar y mejorar los agentes de IA. Con Quotient, estamos fortaleciendo estas capacidades en toda nuestra plataforma al incorporar una capa de evaluación y mejora continua que brinda a los clientes sistemas de IA más precisos y confiables. Esto fortalece tres áreas de producto clave en Databricks:

• Genie es un agente de IA que le permite a cualquier empleado chatear y obtener información valiosa de sus datos
• Genie Code, que también se lanza hoy, es un agente de IA autónomo que ayuda a los equipos de datos a planificar, crear y ejecutar flujos de trabajo de ingeniería de datos, machine learning y análisis
• Agent Bricks facilita que las organizaciones creen y escalen agentes de alta calidad con sus datos

A medida que los agentes de IA asumen más responsabilidades en toda la empresa, las organizaciones necesitan sistemas en los que puedan confiar. Al combinar las capacidades de Quotient con la investigación de IA de Databricks y la plataforma, los clientes pueden implementar agentes de IA que no solo se ejecutan en producción, sino que también mejoran con el tiempo.

Nos emociona dar la bienvenida al equipo de Quotient a Databricks mientras continuamos construyendo la plataforma más confiable para desarrollar, implementar y mejorar sistemas agénticos a escala.

Para obtener más información, consulta la investigación sobre IA de Databricks y el lanzamiento de Genie Code.

(Esta entrada del blog ha sido traducida utilizando herramientas basadas en inteligencia artificial) Publicación original