Databricks revoluciona el trabajo empresarial con su nuevo 'compañero IA' Genie One

Databricks subió al escenario de su Data + AI Summit en San Francisco en junio de 2026 para detallar una ambiciosa visión para su familia de productos Genie, transformándolo de una herramienta de analítica conversacional a un completo "compañero de trabajo con IA" capaz de actuar sobre los datos empresariales. Los anuncios, presentados ante una multitud de más de 30.000 asistentes, abarcaron una nueva capa de conocimiento, agentes de IA reutilizables, un piloto automático para operaciones y una importante revisión de precios .

Genie One se convierte en un compañero de trabajo agéntico con IA

El centro de la presentación fue Genie One, que Databricks ahora describe como un "compañero de trabajo agéntico e inteligente con datos para todos" . Representa un paso deliberado más allá de la analítica conversacional: Genie One puede realizar acciones agénticas, ejecutar habilidades y orquestar trabajo a través de datos estructurados y no estructurados, tanto dentro como fuera de la plataforma Databricks .

El asistente está disponible en la web y a través de aplicaciones nativas para iOS y Android, y se integra con las herramientas de colaboración que los equipos ya utilizan, como Slack, Microsoft Teams y aplicaciones móviles . Para flujos de trabajo empresariales, los usuarios pueden etiquetar a Genie en un hilo de Microsoft Teams para recibir respuestas contextuales gobernadas por Unity Catalog. Genie para Microsoft Teams y M365 Copilot entró en fase Beta durante la cumbre . Genie One también puede conectarse a fuentes de conocimiento externas como Google Drive y SharePoint, ampliando su capacidad para razonar sobre un contexto empresarial más amplio .

Genie Ontology: Un mapa vivo de tu negocio

Un cambio arquitectónico clave es Genie Ontology, que entró en Vista Previa Pública el 15 de junio de 2026 . En lugar de que Genie busque contexto desde cero con cada consulta, la Ontology actúa como un mapa del negocio continuamente actualizado. Extrae y clasifica automáticamente el conocimiento de paneles, cuadernos, pipelines y aplicaciones de trabajo conectadas . Databricks lo denomina una "red de todo el conocimiento" que permite a Genie One identificar fuentes confiables y responder con un contexto de negocio completo .

En evaluaciones internas publicadas en mayo de 2026, Databricks afirmó que Genie con Ontology mejoró la precisión de las consultas "del 32% a más del 90%" en comparación con un agente de codificación líder . Se trata de una cifra impactante, pero es importante señalar una salvedad: la mejora del 32% al 90% se basa en evaluaciones internas de Databricks, no en benchmarks externos verificados de forma independiente. Analistas externos lo han señalado como una señal direccional útil, pero menos útil como comparación directa con otras plataformas agénticas .

Los Agentes Genie evolucionan desde los Espacios Genie

Databricks aprovechó la cumbre para evolucionar su concepto de Espacios Genie hacia Agentes Genie. Los usuarios ahora pueden guardar cualquier conversación con Genie como un agente reutilizable y compartible que hereda la memoria, las fuentes, las instrucciones y el comportamiento de la conversación. Los compañeros pueden invocar al agente por su nombre, y este repite el mismo enfoque de razonamiento . Los equipos de datos aún pueden crear Espacios Genie como entornos de dominio específico que configuran datos, métricas y reglas de negocio de confianza para potenciar las respuestas de Genie One .

Creador de Apps Genie y Genie ZeroOps

El ecosistema Genie ahora se extiende más allá de la analítica. El Creador de Apps Genie permite a los equipos "vibe code" (codificar de forma intuitiva) aplicaciones de negocio simples gobernadas por Unity Catalog, expandiendo la plataforma hacia la creación ligera de aplicaciones .

Genie ZeroOps, anunciado en vista previa privada, tiene como objetivo poner las operaciones de datos e IA en piloto automático. El soporte inicial incluye trabajos, pipelines, tablas y cargas de trabajo de ML, con aplicaciones y bases de datos Lakebase en la hoja de ruta a corto plazo .

Un cambio a precios de pago por uso el 6 de julio de 2026

Quizás el cambio de negocio más analizado es el nuevo modelo de precios de pago por uso para todos los productos Genie: Genie One, Genie Spaces y Genie Code. A partir del 6 de julio de 2026, cada usuario recibe 150 DBUs de uso gratuito de LLM al mes (aproximadamente $10.50 en la región Este de EE. UU., aunque el equivalente en dólares varía según la región) . El uso que exceda la asignación gratuita se factura por consumo de DBU, mientras que la computación de SQL Serverless se factura por separado .

Los administradores de cuentas pueden comenzar a establecer presupuestos y controles de costos de inmediato a través de las capacidades de Presupuesto de Unity AI Gateway, con seguimiento disponible a través de cuentas, espacios de trabajo, grupos y usuarios individuales .

Contexto más amplio de la cumbre: LTAP, Lakehouse//RT y ponentes destacados

Los anuncios de Genie fueron parte de una historia de plataforma más amplia en una cumbre que Databricks denomina la conferencia de datos e IA más grande del mundo. Los cofundadores Ali Ghodsi, Matei Zaharia, Arsalan Tavakoli-Shiraji y Reynold Xin estuvieron acompañados en el escenario por oradores invitados como Satya Nadella (en una charla informal pregrabada), Greg Brockman de OpenAI y Magesh Bagavathi de PepsiCo .

Dos importantes anuncios de infraestructura completaron el evento:

• LTAP (Procesamiento Transaccional/Analítico de Lago): Una nueva arquitectura que unifica OLAP y OLTP en una sola copia de datos en el lago, diseñada para eliminar ETL y réplicas. La base de LTAP es Lakebase, que ahora gestiona 12 millones de lanzamientos de bases de datos por día en toda la plataforma .
• Lakehouse//RT: Un Lakehouse en tiempo real impulsado por un nuevo motor de cómputo llamado Reyden, que ofrece latencia de consulta de milisegundos para decenas de miles de usuarios y agentes concurrentes directamente sobre tablas gobernadas de Delta Lake y Apache Iceberg. Databricks reporta un rendimiento hasta 16 veces mejor que las pilas de servicio en tiempo real existentes, con tiempos de respuesta tan bajos como 10ms en conjuntos de datos más pequeños .