Novedades de Genie Code en el Data + AI Summit 2026

Genie Code ayuda a los equipos de datos y ML a crear y mejorar sistemas más rápido en Databricks. Durante el último año, los productos Genie de Databricks han crecido más de 10 veces y son utilizados por el 90 % de los clientes de Databricks. Los equipos lo están utilizando para crear modelos y canalizaciones, depurar fallos, crear paneles, analizar datos en notebooks y mejorar los sistemas de producción.

En el Data + AI Summit 2026, estamos expandiendo Genie Code para tareas de datos y ML más complejas y agénticas. Presentamos un nuevo centro de comando a página completa, mejoras para la ingeniería de datos y ML en producción, y tareas programadas.

Estas actualizaciones son parte de una transición más amplia en Databricks hacia flujos de trabajo de datos y ML nativos de AI. Genie Code ayuda a los equipos de datos a crear, depurar y mejorar sistemas de datos y ML, y nosotros presentamos Genie ZeroOps para extender la automatización agéntica a las operaciones. Juntos, estos productos ayudan a los equipos a avanzar más rápido a lo largo de todo el ciclo de vida, desde la creación de sistemas hasta su operación y mejora continua.

Esto es lo nuevo:

Gestione el trabajo complejo desde un centro de comando a página completa

El desarrollo de datos y ML rara vez ocurre en un solo prompt. Es posible que un usuario necesite inspeccionar la lógica existente, actualizar múltiples recursos, ejecutar código, revisar los resultados y definir el siguiente paso en función de ellos. Ese trabajo puede abarcar notebooks, SQL, canalizaciones de Lakeflow, paneles, trabajos, modelos, endpoints de servicio y recursos de Unity Catalog.

Hemos rediseñado la experiencia de Genie Code para ofrecer a los equipos un centro de comando dedicado para este tipo de trabajo complejo de datos y ML. En lugar de gestionar tareas largas en un panel lateral más pequeño, los usuarios pueden utilizar una experiencia a página completa para describir una tarea, realizar el seguimiento del progreso, revisar los resultados y seguir iterando.

Los equipos pueden gestionar múltiples hilos de Genie Code, ver cuándo un hilo se está ejecutando o esperando una respuesta, y volver a cada uno de ellos cuando los nuevos resultados estén listos. Pueden renombrar hilos, buscar conversaciones anteriores y mantener el rumbo a medida que los proyectos evolucionan.

Genie Code ha cambiado por completo mi forma de trabajar. Ejecuto más de 15 hilos paralelos vinculados a diferentes notebooks y recursos todos los días, y gestionar todo eso a través de pestañas es una de las mayores fuentes de fricción en mi flujo de trabajo. Genie Code a página completa con sesiones concurrentes me daría un verdadero espacio de trabajo para ejecutar todo en paralelo sin perder el contexto constantemente.— Moritz Schiek, Consultor de soluciones, Bosch

El centro de comando también hace que la personalización sea más fácil de descubrir. Las instrucciones, las habilidades y los conectores son más visibles, por lo que los equipos pueden guiar a Genie Code con los estándares, las herramientas y el conocimiento del espacio de trabajo adecuados.

Para acceder al centro de comando a página completa, abra el panel lateral de Genie Code y haga clic en el botón de maximizar en la esquina superior izquierda.

Llevando el desarrollo agéntico a los flujos de trabajo de ML

En un proyecto de ML, el modelo es la parte pequeña. La mayor parte del tiempo se destina a la ingeniería que lo rodea: transformar datos brutos en características, realizar experimentos, llevar un modelo candidato a producción y mantenerlo estable una vez que llega el tráfico real. Ese trabajo es lento y costoso, y es por eso que la mayoría de los equipos ejecutan muchos menos modelos de los que tienen casos de uso.

Genie Code para machine learning se encarga de esa ingeniería. Es un conjunto de mejoras de capacidad e inteligencia integradas en Genie Code, por lo que no tiene que adoptar una nueva herramienta. El mismo agente que ya utiliza se convierte en un especialista para la ingeniería de ML en producción en toda su pila de ML existente en Databricks.

La experiencia de Genie Code proviene de dos fuentes. La primera es Databricks. Hemos ejecutado ML en producción con clientes durante más de una década y hemos visto dónde se rompen los modelos, dónde pierden tiempo los equipos y qué diferencia a un modelo que funciona de uno que parece correcto pero falla sin previo aviso. Genie Code aplica esas lecciones mientras trabaja, encargándose de los detalles que un profesional experimentado manejaría, como corregir el desequilibrio de clases y verificar la calidad de las características.

La segunda es su equipo. Un agente de codificación genérico no ha visto sus experimentos anteriores, sus métricas de negocio, sus conjuntos de evaluación ni cómo pondera un objetivo frente a otro, por lo que simplemente adivina. Genie Ontology cierra esa brecha. Aprende cómo su equipo crea características, entrena modelos y evalúa candidatos, y Genie Code sigue esos patrones en lugar de recurrir a valores predeterminados irrelevantes.

Con ambos tipos de conocimiento, Genie Code es un socio más sólido para el desarrollo diario de modelos. Escribe características siguiendo los patrones de su equipo, realiza ediciones coordinadas en los múltiples archivos involucrados, ejecuta y depura su código, y compara candidatos con sus propios scripts de evaluación. Usted mantiene el control y decide qué conservar.

Genie Code ahora está integrado de forma nativa con toda la pila de ML de Databricks. Las últimas mejoras:

• MLflow. Genie Code lee sus datos de experimentación y observabilidad: ejecuciones, artefactos, linaje de modelos, métricas de calidad y métricas del sistema. Pregúntele "¿Cómo mejoro la utilización de la GPU durante el entrenamiento?" o "¿Qué otras métricas debería rastrear para este modelo?" y obtenga respuestas basadas en sus propias ejecuciones.
• Model Serving. Genie Code inspecciona el estado y el rendimiento del endpoint, diagnostica problemas de servicio y encuentra formas de optimizar un endpoint en ejecución.
• Detección de computación. Genie Code cambia a AI Runtime cuando un trabajo necesita una GPU para el entrenamiento y utiliza las características del entorno del espacio de trabajo para configurar el entorno, de modo que usted se evita la configuración de la infraestructura.

El resultado es un agente que completa tareas de ciencia de datos del mundo real con mucha más frecuencia que un agente de codificación genérico.

Con Genie Code, pasamos de datos brutos a un flujo de trabajo de ML gobernado y listo para producción en 90 minutos. Debido a que comprende de manera única los flujos de trabajo de ML en producción en Databricks, nos ayudó a crear tablas Delta, explorar los datos, entrenar y comparar modelos, registrarlos con MLflow y Unity Catalog, y desplegar el modelo ganador en un endpoint de servicio, con tiempo de sobra para optimizar el resultado de negocio que más importaba.— Radu Dragusin, Ingeniero principal, Datos y AI, Danfoss

Permita que Genie Code trabaje de forma autónoma con tareas programadas

Hasta ahora, Genie Code ha sido principalmente interactivo: usted pregunta, él responde y usted participa en el proceso a medida que avanza el trabajo. Las tareas programadas cambian eso.

Próximamente, las tareas programadas permitirán que Genie Code trabaje en su nombre incluso cuando no esté frente a su computadora portátil, y luego le entregará los resultados para que los revise cuando regrese. Una tarea programada comienza con un prompt y, opcionalmente, un recurso relevante como un notebook, un flujo de trabajo o un panel. Cuando se ejecuta, Genie Code crea un hilo con los resultados, que los usuarios pueden revisar, perfeccionar o continuar de forma interactiva.

Por ejemplo, un equipo de datos podría pedirle a Genie Code que verifique los resultados de los trabajos nocturnos, resuma las ejecuciones de las canalizaciones, explique un cambio en una métrica del panel, prepare un análisis semanal o revise el rendimiento del modelo antes de una reunión de equipo. El usuario no necesita volver a ejecutar el prompt manualmente ni permanecer en un chat activo mientras se realiza el trabajo.

Las tareas programadas llevan a Genie Code de la asistencia interactiva al trabajo autónomo. Ayudan a los equipos a mantener en movimiento los flujos de trabajo importantes mientras los resultados permanecen visibles, revisables y basados en el contexto de Databricks.

Genie ZeroOps extiende este enfoque a las operaciones de producción. Supervisa los sistemas en vivo, investiga problemas y prepara correcciones para que los equipos las revisen y aprueben. Para los sistemas de ML, esto puede incluir la desviación del modelo, errores de servicio y problemas en las canalizaciones ascendentes. Para los sistemas de ingeniería de datos, puede ayudar a los equipos a pasar del monitoreo y el diagnóstico a la reparación y la optimización.

Pruebe Genie Code

Si tiene un espacio de trabajo de Databricks, ya tiene Genie Code. Ábralo en su espacio de trabajo para probar la experiencia a página completa hoy mismo. Para ver cómo la familia Genie se extiende a las operaciones de producción, lea el blog de lanzamiento de Genie ZeroOps.

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