Sådan fungerer CustomerLake: Databricks' agenter indvarsler en ny æra for marketing

Profile Agents samler automatisk fragmenterede rådata fra kilder som CRM, transaktionssystemer og webadfærd til ensartede, forretningsklare Customer 360-profiler. De håndterer identitetsafstemning og datakonsolidering uden manuel indblanding og giver marketingfolk ét styret, samlet billede af hver enkelt kunde .

Campaign Agents kører det, Databricks kalder »uendelige kampagner« – altid kørende, autonome marketingprogrammer i stedet for statiske, tidsafgrænsede kampagner. De opbygger målgrupper, anbefaler de bedste næste handlinger, aktiverer på tværs af kanaler og optimerer løbende baseret på realtids-performance . Agenterne bruger data og AI-modeller fra lakehouse til at beslutte, hvilket indhold der skal sendes, hvornår og til hvilken målgruppe, og lukker dermed sløjfen mellem kundedata og eksekvering .

Denne agentiske arbejdsstyrke repræsenterer et fundamentalt skifte fra platforme, der foreslår handlinger, til platforme der eksekverer og optimerer autonomt inden for definerede rammer .

Lanceringspartnere og tidlige brugere

Databricks introducerede CustomerLake med et bredt økosystem af lanceringspartnere, der leverer kritiske funktioner oven på platformen:

• Adstra stiller sin Conexa identitetsplatform til rådighed som et identitetslag i CustomerLake, så brands kan opbygge troværdige kundeprofiler uden at flytte data ud af det styrede miljø .
• Bloomreach udvider sin Loomi agentiske personaliseringsplatform på tværs af e-mail, web og mere gennem en indbygget integration, hvilket skaber en direkte vej fra forenede data til personlig, realtids-eksekvering .
• Iterable opnåede Validated Partner-status og deltog som lanceringspartner, idet de leverer det orkestreringslag, der animerer CustomerLakes agentiske intelligens gennem personaliserede beskeder .
• Acxiom driver identitetsafstemning gennem sin Real ID-tjeneste, hvilket muliggør AI-klar marketing på platformen .
• Slalom fungerer som service-lanceringspartner og hjælper kunder med at samle kundedata, AI og marketingaktivering på et pålideligt fundament .

Tidlige adopter-kunder, der præsenterede på topmødet, inkluderede HP, som er ved at opbygge en AI-klar B2B go-to-market datainfrastruktur, og Circle K, der driver personaliserede loyalitetsprogrammer med kundedata i stor skala . Andre nævnte enterprise-kunder tæller AB InBev og Getnet by Santander .

Det bredere partner-økosystem for dataingestion og aktivering spænder over Adobe, Meta (Audience and Conversions API), Epsilon, LiveRamp, The Trade Desk og andre .

Hvorfor CustomerLake afspejler det agentiske enterprise-skifte

CustomerLakes arkitektur og lanceringstidspunkt flugter med tre konvergerende markedstendenser, der omformer, hvordan virksomheder køber og bruger software:

1. Fra AI-assistenter til autonom eksekvering

Marketingteknologistakken bevæger sig hastigt fra værktøjer, der blot foreslår eller assisterer, til autonome systemer, der planlægger, handler og optimerer på tværs af kanaler med minimal menneskelig indblanding . Gartner forventer, at 40 % af enterprise-applikationer ved udgangen af 2026 vil indeholde indlejret agentisk AI – en markant stigning fra under 5 % i 2025 . En anden forudsigelse peger på, at 25 % af enterprise-softwarekøb vil inkludere en indlejret agent-komponent inden fjerde kvartal 2026, hvilket betyder, at købere vil forvente agentisk kapacitet inden i eksisterende platforme (som CRM, ERP og marketingsuiter) frem for at anskaffe selvstændige agent-værktøjer .

2. CDP-kategorien bliver gentænkt omkring agenter

Traditionelle CDP'er eksporterer statiske målgruppelister til separate eksekveringsværktøjer, hvilket skaber forsinkelse og dataduplikering. CustomerLake indlejrer agentiske kapaciteter direkte i data-lakehouse, hvilket betyder, at kundedata aldrig behøver at blive flyttet eller kopieret for at blive aktiveret . Denne tilgang afspejler et bredere branche-syn om, at æraen med statiske målgruppesegmenter er ved at vige for platforme, der styrer, fodrer og orkestrerer AI-agenter i realtid . Brancheiagttagere bemærker, at det spørgsmål, virksomheder bør stille, når de evaluerer en CDP, har ændret sig: Det er ikke længere nok at spørge, om den forener data – det afgørende spørgsmål er, om den er klar til at fodre autonome agenter .

3. Governance som den nye konkurrencefordel

Ved at holde marketingagenterne inde i det styrede lakehouse adresserer Databricks en vedvarende smerte, der har begrænset enterprise-udbredelsen af AI i marketing: dataduplikering, fragmenteret sikkerhed og forsinkelse mellem analyse og aktivering. Indsatsen er, at virksomheder vil foretrække at aktivere agenter der, hvor deres følsomme kundedata allerede bor, under eksisterende governance-kontroller, frem for at flytte dem til en separat marketingsky . Dette gør platformens governance-lag – snarere end nogen enkeltstående AI-model – til den sande konkurrencefordel.

CustomerLake signalerer, at Databricks betragter agentisk marketing ikke som en feature, men som et platformsinflektionspunkt. Den bredere kamp inden for enterprise-software handler i stigende grad om, hvilken platform der bliver standard-runtime for autonome forretningsagenter, og CustomerLake er Databricks' åbningstræk i det kapløb .