返回
RSS Databricks Blog 发布 2026-08-07 19:44 25

Databricks解读AI助手:从SQL生成到数据治理

Databricks博客介绍了企业级AI助手的技术架构,涵盖大语言模型、检索增强生成和智能体框架。文章强调深度集成数据目录与治理策略的重要性,并援引市场数据称2025年全球AI助手市场规模为191亿美元,预计2035年达1141亿美元。该文对数据团队评估ChatBI与分析Agent具有参考价值。
推荐理由:文章来自Databricks官方博客,直接面向企业数据团队的AI助手能力构建,涉及SQL生成、仪表板构建与数据治理,是Data Agent与AI数据平台交叉领域的关键实践参考。

译文 AI 逐段翻译

如何为你的组织选择合适的AI助手

根据Zapier/Centiment的一项调查,84%的企业领导者计划在未来12个月内增加AI智能体投资,问题不再是是否采用AI助手,而是哪一个适合你的环境。

标准评估内容
数据集成原生连接到你的数据目录、模式感知、无需手动配置即可跨源查询
安全与治理基于角色的访问、审计跟踪、数据血缘以及内置在助手层的数据集级限制
可扩展性支持自定义工具集成、多个LLM提供商以及领域特定智能体开发
团队契合度将界面和能力水平与用户匹配——代码优先给工程师,对话式给分析师

评估数据集成深度和平台兼容性

最强大的AI助手是那些已经理解你数据的助手。寻找能够原生连接到你的数据目录、尊重表模式和列描述,并且无需手动配置即可跨数据源查询的助手。内置于现有平台的助手将优于需要单独连接器和认证层的独立工具。

评估安全、治理和合规控制

企业AI助手必须强制执行与数据平台相同的访问控制。这意味着基于角色的权限、审计跟踪、数据血缘跟踪以及限制助手可以访问哪些数据集的能力。Databricks的内部AI助手安全方法说明了治理应如何内置到助手层,而不是在部署后附加。

考虑可扩展性和定制选项

你的需求会不断变化。今天只处理预定义任务的AI助手明天将成为瓶颈。

评估助手是否支持自定义工具集成、是否与多个LLM提供商合作,以及是否允许你的团队在其上构建领域特定智能体。像Agent Bricks这样的平台让团队使用LangChain或LlamaIndex等首选框架进行构建,然后部署到无服务器计算,避免绑定到单一模型或供应商。

使能力与团队技能水平和工作流程保持一致

为编写Spark管道的数据工程师设计的助手与为探索仪表板的业务分析师构建的助手用途不同。正确的选择取决于谁最常使用它以及他们在哪里工作。一个数据科学智能体在笔记本内部运行,直接服务于ML从业者,而对话式Genie界面服务于需要无需编写代码即可获得答案的分析师。

AI助手的发展方向:塑造未来的趋势

轨迹很明确:AI助手正变成智能体。从响应提示的工具向自主规划、推理和执行系统的转变已经开始。根据Gartner的数据,到2026年底,40%的企业应用将具有特定任务的AI智能体,而2025年这一比例不足5%。同一研究预测,到2035年,智能体AI可能推动企业软件收入超过4500亿美元。

几个趋势正在塑造这一转变:

  • 计划和自主执行: AI助手正在超越按需交互。Databricks正在为Genie Code引入计划任务,允许AI智能体在用户离线时自主执行工作,例如检查作业结果、总结管道运行或准备每周分析。
  • 多智能体编排:企业不是部署一个处理所有事务的单一助手,而是部署协作的专业智能体网络。
  • 更深的数据基础:下一代助手不仅会检索文档。它们将理解整个组织目录中的数据血缘、表依赖关系和使用模式。
  • 开放模型灵活性:企业团队越来越希望根据任务、成本概况和数据敏感性,在专有和开源模型之间自由选择。

使用数据原生AI助手构建更智能的工作流程

AI助手已从新奇事物转变为基础设施。从中获得最大价值的组织是那些不把AI助手视为独立聊天工具,而是将其视为数据平台集成组件、以治理数据为基础、连接到真实工作流程、并供技术和非技术团队使用的组织。

Databricks通过Genie Code将这种方法付诸实践,Genie Code是一个AI助手,可以生成代码、构建管道和仪表板、调试错误,并直接在笔记本、SQL编辑器、仪表板和MLflow中与Unity Catalog协作。它适应你正在工作的界面,并自主处理多步骤任务,因此数据团队可以更快地从探索转向生产。

如果你正在为组织评估AI助手,请从探索数据原生助手如何融入你的团队已经使用的工作流程开始。访问Databricks博客以深入了解构建智能体、优化AI工作流程以及让你的数据发挥作用。

常见问题

什么是AI助手,它是如何工作的?

AI助手是由人工智能驱动的软件,它能理解自然语言、处理请求并执行任务。它的工作原理是捕获用户输入、识别意图、从知识库或目录中检索相关数据、使用语言模型生成响应,并交付输出或执行操作。高级AI助手包含反馈循环,可根据用户纠正和使用模式随时间提高准确性。

ChatGPT是AI助手吗?

是的。ChatGPT 是一个基于 OpenAI 大型语言模型的通用 AI 助手。它可以回答问题、生成文本、编写代码和总结文档。然而,它作为独立工具运行,而不是集成平台助手。企业数据团队通常需要能够直接连接到其数据目录、执行治理策略并在现有环境中运行工作流的 AI 助手,这些功能需要平台原生方法。

AI 助手有哪些不同类型?

AI 助手分为几类:语音助手(Siri、Alexa)、对话式聊天机器人(客户支持机器人)、通用 AI 助手(ChatGPT、Gemini)、领域特定助手(医疗或法律工具)、数据和开发人员助手(Genie Code、GitHub Copilot),以及能够独立规划并执行多步骤任务的自主 AI 代理。正确的类型取决于您的用例、技术要求以及助手需要与数据基础设施集成的深度。

个人使用的最佳 AI 助手是什么?

对于个人使用,通用 AI 助手如 ChatGPT、Google Gemini 和 Claude 可以处理包括写作、研究、规划和编码在内的各种任务。最佳选择取决于您最需要什么。ChatGPT 提供广泛的通用性,Gemini 与 Google 生态系统紧密集成,而 Claude 则强调更长的上下文窗口和细致的推理能力。许多这些工具提供免费层级,使您可以在决定之前轻松试用。

企业如今如何使用 AI 助手?

企业将 AI 助手部署在客户服务、数据分析、软件开发、营销内容创作和运营自动化等领域。数据团队使用它们生成 SQL 查询、构建仪表板、调试管道错误以及自动化探索性分析。营销团队使用它们大规模起草和个性化内容。共同点是 AI 助手缩短了问题与可操作答案之间的时间,使团队能够专注于更高价值的工作。

AI 助手能取代人类工人吗?

AI 助手增强人类工作,而不是全面取代。它们自动化重复性任务并加速分析,但需要人类监督以保证准确性、判断力和道德决策。这世界经济论坛《未来就业报告》预测到 2030 年将创造 1.7 亿个新工作岗位,而 9200 万个将被取代,结果是净正增长。受益最大的组织是那些使用 AI 助手提高现有团队生产力,而不是将自动化视为减员策略的组织。

有免费或开源的 AI 助手选项吗?

有的。几种 AI 助手提供免费层级,包括 ChatGPT(免费计划)、Google Gemini 和 Microsoft Copilot。在开源方面,框架如 LangChain、LlamaIndex 以及模型如 Meta 的 Llama 和 DeepSeek 为团队提供了构建自定义 AI 助手的构建模块,而无需供应商锁定。Databricks 原生支持专有和开源模型,让团队可以根据成本、性能和数据敏感性要求灵活选择。

分享这条资讯
分享海报
保存图片
iOS 也可以长按图片保存