Novità di Genie Code al Data + AI Summit 2026

Genie Code aiuta i team di dati e ML a creare e migliorare i sistemi più velocemente su Databricks. Nell'ultimo anno, i prodotti Genie di Databricks sono cresciuti di oltre 10 volte e sono utilizzati dal 90% dei clienti Databricks. I team lo utilizzano per creare modelli e pipeline, eseguire il debug dei guasti, creare dashboard, analizzare i dati nei notebook e migliorare i sistemi di produzione.

Al Data + AI Summit 2026, stiamo espandendo Genie Code per lavori di dati e ML più complessi e basati su agenti. Stiamo introducendo un nuovo centro di comando a pagina intera, aggiornamenti per l'ingegneria dei dati e del ML in produzione e attività pianificate.

Questi aggiornamenti fanno parte di una transizione più ampia in Databricks verso workflow di dati e ML nativi per l'AI. Genie Code aiuta i team di dati a creare, eseguire il debug e migliorare i sistemi di dati e ML, e abbiamo introdotto Genie ZeroOps per estendere l'automazione basata su agenti alle operazioni. Insieme, questi prodotti aiutano i team a muoversi più velocemente lungo l'intero ciclo di vita, dalla creazione dei sistemi alla loro gestione e al loro miglioramento nel tempo.

Ecco le novità:

Gestisci attività complesse da un centro di comando a pagina intera

Lo sviluppo di dati e ML raramente avviene in un singolo prompt. Un utente potrebbe dover esaminare la logica esistente, aggiornare più asset, eseguire codice, esaminare gli output e perfezionare il passaggio successivo in base ai risultati. Questo lavoro può estendersi a notebook, SQL, pipeline Lakeflow, dashboard, job, modelli, endpoint di serving e asset di Unity Catalog.

Abbiamo riprogettato l'esperienza di Genie Code per offrire ai team un centro di comando dedicato per questo tipo di lavoro complesso su dati e ML. Invece di gestire attività più lunghe in un pannello laterale più piccolo, gli utenti possono utilizzare un'esperienza a pagina intera per descrivere un'attività, monitorare i progressi, esaminare gli output e continuare a iterare.

I team possono gestire più thread di Genie Code, vedere quando un thread è in esecuzione o in attesa di input e tornare a ciascuno di essi quando i nuovi risultati sono pronti. Possono rinominare i thread, cercare nelle conversazioni precedenti e mantenere l'orientamento man mano che i progetti si evolvono.

Genie Code ha cambiato completamente il mio modo di lavorare. Ogni giorno eseguo più di 15 thread paralleli associati a diversi notebook e asset, e gestire tutto questo tra le varie schede è una delle principali fonti di attrito nel mio workflow. Genie Code a pagina intera con sessioni simultanee mi offrirebbe un vero e proprio spazio di lavoro per eseguire tutto in parallelo senza perdere costantemente il contesto.— Moritz Schiek, Solution Consultant, Bosch

Il centro di comando rende anche più facile scoprire la personalizzazione. Le istruzioni, le competenze e i connettori sono più visibili, consentendo ai team di guidare Genie Code con gli standard, gli strumenti e le conoscenze dell'area di lavoro corretti.

Per accedere al centro di comando a pagina intera, apri il pannello laterale di Genie Code e fai clic sul pulsante di ingrandimento in alto a sinistra.

Portare lo sviluppo basato su agenti nei workflow di ML

In un progetto di ML, il modello è solo una piccola parte. La maggior parte del tempo viene dedicata all'ingegneria che lo circonda: trasformare i dati grezzi in feature, eseguire esperimenti, portare un candidato in produzione e mantenerlo integro una volta arrivato il traffico reale. Questo lavoro è lento e costoso, ed è per questo che la maggior parte dei team esegue molti meno modelli rispetto ai casi d'uso effettivi.

Genie Code per il machine learning si occupa proprio di questa ingegneria. Si tratta di un insieme di aggiornamenti di funzionalità e intelligenza integrati in Genie Code, in modo da non dover adottare un nuovo strumento. Lo stesso agente che già utilizzi diventa uno specialista per l'ingegneria del ML in produzione all'interno del tuo stack ML di Databricks esistente.

L'esperienza di Genie Code proviene da due fonti. La prima è Databricks. Gestiamo il ML in produzione con i clienti da oltre un decennio e abbiamo visto dove i modelli si interrompono, dove i team perdono tempo e cosa distingue un modello che funziona da uno che sembra corretto ma fallisce senza preavviso. Genie Code applica queste lezioni durante il suo lavoro, gestendo i dettagli come farebbe un professionista esperto, come la correzione dello sbilanciamento delle classi e la verifica della qualità delle feature.

La seconda è il tuo team. Un agente di codifica generico non ha visto i tuoi esperimenti passati, le tue metriche aziendali, i tuoi set di valutazione o come valuti un obiettivo rispetto a un altro, quindi tira a indovinare. Genie Ontology colma questo divario. Apprende come il tuo team crea le feature, addestra i modelli e valuta i candidati, e Genie Code segue questi pattern invece di ripiegare su impostazioni predefinite non pertinenti.

Grazie a entrambi i tipi di conoscenza, Genie Code è un partner più forte per lo sviluppo quotidiano dei modelli. Scrive le feature secondo i pattern del tuo team, esegue modifiche coordinate tra i numerosi file coinvolti, esegue il debug del codice e confronta i candidati con i tuoi script di valutazione. Tu rimani coinvolto e decidi cosa tenere.

Genie Code è ora integrato nativamente con l'intero stack ML di Databricks. Gli ultimi aggiornamenti:

• MLflow. Genie Code legge i dati di sperimentazione e osservabilità: run, artefatti, lineage del modello, metriche di qualità e metriche di sistema. Chiedigli "Come posso migliorare l'utilizzo della GPU durante l'addestramento?" o "Quali altre metriche dovrei monitorare per questo modello?" e ottieni risposte basate sulle tue run.
• Model Serving. Genie Code controlla lo stato e le prestazioni dell'endpoint, diagnostica i problemi di serving e trova modi per ottimizzare un endpoint in esecuzione.
• Consapevolezza del calcolo. Genie Code passa ad AI Runtime quando un job richiede una GPU per l'addestramento e utilizza le funzionalità dell'ambiente dell'area di lavoro per configurare l'ambiente, consentendoti di saltare la configurazione dell'infrastruttura.

Il risultato è un agente che porta a termine attività di data science reali molto più spesso rispetto a un agente di codifica generico.

Con Genie Code, siamo passati dai dati grezzi a un workflow di ML governato e pronto per la produzione in 90 minuti. Poiché comprende in modo unico i workflow di ML in produzione su Databricks, ci ha aiutato a creare tabelle Delta, esplorare i dati, addestrare e confrontare i modelli, registrarli con MLflow e Unity Catalog e distribuire il modello campione su un endpoint di serving, con il tempo rimasto per ottimizzare il risultato aziendale più importante.— Radu Dragusin, Principal Engineer, Data & AI, Danfoss

Consenti a Genie Code di lavorare in modo autonomo con le attività pianificate

Fino ad ora, Genie Code è stato principalmente interattivo: tu chiedi, lui risponde e tu rimani coinvolto mentre il lavoro procede. Le attività pianificate cambiano questo approccio.

Disponibili a breve, le attività pianificate consentiranno a Genie Code di lavorare per tuo conto anche quando non sei al computer, per poi consegnarti i risultati da esaminare al tuo ritorno. Un'attività pianificata inizia con un prompt e, facoltativamente, un asset pertinente come un notebook, un workflow o una dashboard. Quando viene eseguita, Genie Code crea un thread con i risultati, che gli utenti possono esaminare, perfezionare o continuare a gestire in modo interattivo.

Ad esempio, un team di dati potrebbe chiedere a Genie Code di controllare i risultati dei job notturni, riepilogare le run delle pipeline, spiegare una variazione in una metrica della dashboard, preparare un'analisi settimanale o esaminare le prestazioni del modello prima di una riunione di team. L'utente non deve eseguire nuovamente il prompt manualmente o rimanere in una chat attiva mentre il lavoro viene svolto.

Le attività pianificate spostano Genie Code dall'assistenza interattiva al lavoro autonomo. Aiutano i team a mantenere attivi i workflow importanti, mentre i risultati rimangono visibili, esaminabili e basati sul contesto di Databricks.

Genie ZeroOps estende questo approccio alle operazioni di produzione. Monitora i sistemi live, analizza i problemi e prepara correzioni che i team possono esaminare e approvare. Per i sistemi di ML, ciò può includere il model drift, gli errori di serving e i problemi delle pipeline a monte. Per i sistemi di ingegneria dei dati, può aiutare i team a passare dal monitoraggio e dalla diagnosi alla riparazione e all'ottimizzazione.

Prova Genie Code

Se disponi di un'area di lavoro Databricks, hai già Genie Code. Aprilo nella tua area di lavoro per provare l' esperienza a pagina intera oggi stesso. Per vedere come la famiglia Genie si estende alle operazioni di produzione, leggi il blog di lancio di Genie ZeroOps.

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