Come l'ontologia di Genie potenzia lo sviluppo dei prodotti in Databricks

Gli agenti AI generici sono bravi a cercare sul web, ragionare e scrivere codice. Ma se fai una domanda sulla tua attività, probabilmente otterrai una risposta errata. Il problema non è l'intelligenza del modello. È la mancanza del contesto aziendale necessario per interpretare correttamente i dati: quali tabelle sono autorevoli, quali regole aziendali si applicano ai dati e chi sono gli esperti di fiducia. Questa conoscenza istituzionale è sparsa tra dashboard, query, documenti, applicazioni e persino persone, e cambia costantemente con l'evolversi di dati, definizioni e team.

Genie Ontology offre a Genie una comprensione costantemente aggiornata di questa conoscenza istituzionale, comprese le definizioni aziendali, le regole, le relazioni e le fonti attendibili che rendono unica la tua organizzazione. Inizia con i concetti chiave che i tuoi team gestiscono e certificano in Unity Catalog. Poi la estende a tutta l'organizzazione, integrando questo contesto curato con le conoscenze apprese da dashboard, documenti, query, notebook e applicazioni collegate dell'organizzazione. OntoRank classifica quindi questo contesto in base all'autorevolezza, utilizzando segnali come la certificazione, l'utilizzo e la paternità dei dati, in modo che Genie possa basare le sue risposte sulle fonti più attendibili e pertinenti per ogni domanda.

Questo post mostra Genie Ontology in azione per un caso d'uso reale: la revisione settimanale del nostro team di prodotto sull'adozione da parte degli utenti di Genie One. Continua a leggere per scoprire come i PM di Genie utilizzano Genie nel loro lavoro quotidiano.

Eseguire la revisione settimanale dell'adozione con un semplice prompt

Inizio la mia settimana aprendo Genie One sul telefono, nell'app desktop o sul web. Per aiutarmi a stabilire le priorità della settimana, chiederò a Genie di creare la mia revisione settimanale dell'adozione utilizzando il modello standardizzato del nostro team, che si trova in un documento Google. L'obiettivo è individuare eventuali punti critici che potrebbero richiedere attenzione.

Questo compito sembra semplice, ma non lo è. I nostri utenti lavorano su web, desktop, dispositivi mobili, Slack e Teams. Alcune dashboard sono autorevoli, mentre altre sono obsolete e dovrebbero essere ignorate. E il contesto aziendale rilevante va oltre il Lakehouse: i piani si trovano in Google Docs, i report sui bug in Jira e i feedback sul campo in Slack. Genie deve comprendere le definizioni aziendali corrette, identificare le fonti più attendibili, interrogare i dati appropriati e recuperare il contesto pertinente in questi sistemi. E lo fa attraverso Genie Ontology.

Genie trova i dati giusti

Posso vedere Genie Ontology all'opera mentre Genie elabora.

Inizia con gli asset di dati rilevanti (dashboard, agenti, tabelle), poi esamina le Pagine curate e infine esplora alcuni snippet di ontologia potenzialmente rilevanti estratti da dashboard, notebook, query SQL e così via. Ad esempio, vedo che è stata trovata la nostra vista metrica certificata degli utenti attivi settimanali, un KPI gestito che l'intera azienda definisce in modo coerente. 

Poi utilizza MCP per cercare nei nostri documenti Google Drive in tempo reale e nei ticket Jira. Infine, esegue query SQL sulle nostre tabelle di utilizzo, combinando il contesto di queste fonti con un'analisi aggiornata dei nostri dati. Questa combinazione è ciò che rende potente Genie: unisce la ricerca e l'analisi in tempo reale per rispondere a domande che nessuna delle due potrebbe risolvere da sola.

Con questo, ho un documento pronto per la revisione:

E crea questo documento molto rapidamente. Dopotutto, un agente AI generico deve compensare la mancata comprensione della tua attività. Per trovare il contesto di cui ha bisogno, potrebbe analizzare schemi, campionare tabelle, leggere documenti ed eseguire query ripetute per determinare quali definizioni, dati e fonti sono rilevanti. Questa esplorazione basata su agenti consuma tempo e token, e può comunque portare alla fonte o all'interpretazione errata. Genie Ontology cambia le cose fornendo a Genie il contesto aziendale prima e durante il ragionamento. Genie può identificare quali fonti sono autorevoli, capire come la tua azienda utilizza i suoi dati e recuperare il contesto più pertinente per la domanda, invece di partire da zero. E poiché questo contesto tiene conto dei permessi, Genie utilizza solo i dati e le conoscenze a cui l'utente è autorizzato ad accedere tramite Unity Catalog e le fonti collegate.

Esaminare le citazioni di Genie

Voglio assicurarmi di comprendere i dati di origine, quindi faccio clic sulle citazioni per vedere tutto ciò che Genie ha utilizzato. Vedo che ha effettivamente utilizzato diverse viste metriche (KPI certificati con un'unica definizione gestita condivisa da tutta l'azienda) e pagine (wiki gestite in Unity Catalog) che ha esaminato nella traccia di pensiero. Questo non sorprende; Genie privilegia gli asset certificati da persone prima di esplorare autonomamente.

Ma è impossibile curare ogni concetto manualmente. Ecco perché abbiamo anche gli snippet di ontologia: fatti sulla nostra attività che Genie ha appreso e valutato automaticamente. Posso fare clic su qualsiasi snippet per vederne la definizione completa, la provenienza, l'autore e il punteggio di autorevolezza (fornito da OntoRank). Posso persino controllare il profilo dell'autore per vedere in quali domini lavora e quali altri snippet Genie ha appreso da lui.

Porre una domanda di follow-up e prevedere la tendenza

Durante la lettura del documento, mi sorge una domanda di follow-up: perché i nuovi utenti sono aumentati così tanto negli ultimi mesi? Normalmente, interrogherei le tabelle di utilizzo per suddividere il picco per interfaccia e account, quindi analizzerei i documenti della roadmap, i ticket Jira e le discussioni su Slack per indagare sulle possibili cause. Invece, mi limito a chiedere a Genie informazioni sul picco.

Voglio anche sapere dove è diretta questa tendenza. Normalmente, questo comporterebbe l'invio di una richiesta al nostro team di data science, l'allineamento sulle ipotesi e l'attesa di giorni per un modello. Tuttavia, la previsione è integrata direttamente in Genie One, quindi ho semplicemente chiesto a Genie di fare una previsione e segnalare gli account da monitorare.

Pianificare il flusso di lavoro

Non voglio dovermi ricordare di eseguirlo ogni settimana. Quindi, ho pianificato questa revisione dell'adozione. 

Trasformare la conversazione in un agente condivisibile

Queste revisioni non sono l'unico momento in cui devo rispondere a domande sulle prestazioni di Genie; i colleghi mi chiedono continuamente dati.

Fortunatamente, questa conversazione funge da ottimo punto di partenza per un Genie Agent. In pochi secondi, ho un collega esperto che il mio team e la nostra leadership possono utilizzare per porre domande di follow-up e agire sulle prestazioni di Genie, basandosi sulle fonti di dati utilizzate in questa conversazione e sulle conversazioni precedenti su questo argomento.

Inizia oggi stesso 

In pochi passaggi, sono riuscito a preparare un report pronto per i dirigenti, analizzare e prevedere i trend emergenti, avviare un ticket di follow-up e creare un agente che io e il mio team possiamo continuare a utilizzare. Questo è stato possibile solo perché Genie comprende il nostro business attraverso Genie Ontology, calcola i risultati anziché limitarsi a ripetere i documenti e applica la governance della nostra organizzazione lungo tutto il percorso. 

Guarda l'intera sessione on-demand: Closing the AI Context Gap.

(Questo post sul blog è stato tradotto utilizzando strumenti basati sull'intelligenza artificiale) Post originale