Databricks stawia na AI Coworker: Genie One, ontologia i ZeroOps zaprezentowane na Data + AI Summit

Podczas czerwcowego szczytu Data + AI Summit 2026 w San Francisco, Databricks przedstawił swoją śmiałą wizję Genie One – asystenta, który z narzędzia do analityki konwersacyjnej ewoluuje w pełnoprawnego „współpracownika AI”, zdolnego do samodzielnego działania na danych firmowych. Przed ponad 30-tysięczną publicznością firma ogłosiła szereg nowości: nową warstwę wiedzy, reusable agentów AI, autopilota operacyjnego i istotną zmianę w cenniku .

Genie One staje się agentowym współpracownikiem AI

Genie One to centralna postać konferencji. Databricks nazywa go teraz „inteligentnym, agentowym współpracownikiem dla każdego” (ang. data-smart agentic coworker for everyone) . To celowy krok wykraczający poza zwykłą analitykę – Genie One może wykonywać agentowe akcje, uruchamiać umiejętności i orkiestrować pracę na danych ustrukturyzowanych i nieustrukturyzowanych, zarówno wewnątrz, jak i poza platformą Databricks .

Asystent dostępny jest przez przeglądarkę, dedykowane aplikacje na iOS i Androida, a także integruje się z narzędziami do współpracy, z których na co dzień korzystają zespoły: Slack, Microsoft Teams i aplikacje mobilne . Użytkownicy mogą na przykład oznaczyć Genie wątku w Microsoft Teams, aby uzyskać odpowiedź uwzględniającą kontekst firmowy zarządzany przez Unity Catalog. Integracje Genie z Microsoft Teams i M365 Copilot weszły w fazę Beta podczas szczytu . Genie One może również łączyć się z zewnętrznymi źródłami wiedzy, takimi jak Google Drive czy SharePoint, co poszerza jego zdolność do rozumowania w szerszym kontekście korporacyjnym .

Genie Ontology: cyfrowa mapa Twojego biznesu

Kluczową zmianą architektoniczną jest Genie Ontology, która od 15 czerwca 2026 r. jest dostępna w publicznej wersji testowej (Public Preview) . Zamiast zmuszać Genie do szukania kontekstu od podstaw przy każdym zapytaniu, Ontology działa jak stale aktualizowana mapa biznesu. Automatycznie wyodrębnia i klasyfikuje wiedzę z dashboardów, notebooków, potoków danych i połączonych aplikacji biurowych . Databricks nazywa to „siecią wszelkiej wiedzy”, która pozwala Genie One identyfikować wiarygodne źródła i udzielać odpowiedzi z pełnym kontekstem biznesowym .

W wewnętrznych testach porównawczych opublikowanych w maju 2026 r. firma Databricks podała, że Genie z Ontologią poprawił dokładność zapytań „z 32% do ponad 90%” w porównaniu do wiodącego agenta kodującego . To imponujący skok, ale warto zwrócić uwagę na to, że dotyczy on wewnętrznych ewaluacji Databricks, a nie zewnętrznych, niezależnych benchmarków. Analitycy zewnętrzni uznali ten wynik za użyteczny sygnał kierunkowy, ale mniej przydatny jako bezpośrednie porównanie z konkurencyjnymi rozwiązaniami agentowymi .

Agenci Genie ewoluują z Genie Spaces

Podczas szczytu Databricks rozwinął koncepcję Genie Spaces, przekształcając je w Genie Agents (Agentów Genie). Użytkownicy mogą teraz zapisać dowolną konwersację z Genie jako wielokrotnego użytku agenta, który dziedziczy pamięć, źródła danych, instrukcje i sposób działania po danej sesji. Współpracownicy mogą przywołać tego agenta po imieniu i uzyskać od niego powtarzalny tok rozumowania . Zespoły danych wciąż mogą tworzyć Genie Spaces, czyli dedykowane środowiska dla konkretnych domen, konfigurujące zaufane dane, metryki i reguły biznesowe, które zasilają odpowiedzi Genie One .

Genie App Builder i Genie ZeroOps

Ekosystem Genie wykracza teraz poza samą analitykę. Genie App Builder umożliwia zespołom tworzenie prostych aplikacji biznesowych na zasadzie vibe codingu, zarządzanych przez Unity Catalog, rozszerzając platformę o lekkie tworzenie aplikacji .

Genie ZeroOps, ogłoszony we wstępnej fazie prywatnej (Private Preview), ma na celu postawienie operacji na danych i AI na autopilocie. Początkowe wsparcie obejmuje zadania, potoki, tabele i obciążenia uczenia maszynowego (ML), a w krótkoterminowych planach są aplikacje i bazy danych Lakebase .

Nowy model cenowy pay-as-you-go od 6 lipca 2026 r.

Prawdopodobnie najbardziej analizowaną zmianą biznesową jest nowy model płatności za rzeczywiste zużycie (pay-as-you-go) dla wszystkich produktów Genie – Genie One, Genie Spaces i Genie Code. Od 6 lipca 2026 r. każdy użytkownik otrzymuje 150 DBU (Databricks Units – jednostek rozliczeniowych Databricks) darmowego miesięcznego limitu na użycie modeli LLM (około 10,50 USD w regionie US East, równowartość w dolarach różni się w zależności od regionu) . Zużycie ponad ten limit jest rozliczane na podstawie konsumpcji DBU, a moc obliczeniowa SQL Serverless jest fakturowana oddzielnie .

Administratorzy kont mogą już teraz zacząć konfigurować budżety i mechanizmy kontroli kosztów za pomocą funkcji Unity AI Gateway Budget, z możliwością śledzenia ich na poziomie kont, przestrzeni roboczych, grup i poszczególnych użytkowników .

Szerszy kontekst szczytu: LTAP, Lakehouse//RT i znamienici goście

Ogłoszenia dotyczące Genie były częścią szerszej opowieści o platformie na konferencji, którą Databricks nazywa największym na świecie wydarzeniem poświęconym danym i AI. Na scenie obok współzałożycieli – Ali Ghodsiego, Mateia Zaharii, Arsalan Tavakoli-Shiraji i Reynolda Xina – pojawili się goście specjalni, w tym Satya Nadella (w nagranej wcześniej rozmowie), Greg Brockman z OpenAI oraz Magesh Bagavathi z PepsiCo .

Wydarzenie dopełniły dwie ważne zapowiedzi infrastrukturalne:

• LTAP (Lake Transactional/Analytical Processing): Nowa architektura łącząca przetwarzanie OLAP i OLTP na pojedynczej kopii danych w jeziorze (ang. Data Lake), zaprojektowana w celu wyeliminowania procesów ETL i replik. Fundamentem LTAP jest Lakebase, który obsługuje już 12 milionów uruchomień baz danych dziennie .
• Lakehouse//RT: Analityczny Lakehouse czasu rzeczywistego napędzany nowym silnikiem obliczeniowym o nazwie Reyden, zapewniający milisekundowe opóźnienia zapytań przy dziesiątkach tysięcy równoczesnych użytkowników i agentów. Działa bezpośrednio na zarządzanych tabelach Delta Lake i Apache Iceberg. Databricks raportuje do 16 razy lepszą wydajność w porównaniu do istniejących stosów serwujących w czasie rzeczywistym, z czasem odpowiedzi już od 10 ms dla mniejszych zbiorów danych .