Databricks lanza Agent Bricks para automatizar la creación de agentes de IA

Construcción de agentes de IA con datos propios

Los problemas de calidad y costo son los principales obstáculos para que los agentes de IA lleguen a producción. Los clientes necesitan evaluaciones específicas para cada dominio, repetibles, objetivas y continuas para poder implementar agentes de IA en los que confíen y que sean asequibles. Sin una evaluación de alta calidad, los equipos terminan juzgando a los agentes de manera subjetiva, lo que genera resultados inconsistentes y pruebas costosas que no se pueden escalar.

Según explicó Databricks, Agent Bricks genera automáticamente las evaluaciones específicas de la tarea y los jueces LLM para evaluar la calidad. Luego, crea un conjunto de datos sintéticos que se asemeja a los datos del cliente para complementar el aprendizaje del agente y, finalmente, explora todas las técnicas de optimización disponibles para perfeccionarlo. “Al finalizar este flujo de trabajo automatizado, el cliente solo necesita seleccionar la iteración que equilibra la calidad y el costo que desea alcanzar. El resultado es un agente de IA de nivel de producción, específico para el dominio, que proporciona resultados consistentes e inteligentes de manera rápida”, señalaron desde la empresa.

Los casos de uso actuales que aborda Agent Bricks son: 

• Information Extraction Agent, que convierte documentos como correos electrónicos, PDFs y reportes en campos estructurados, como nombres, fechas y detalles de productos. Las empresas de retail, por ejemplo, pueden extraer fácilmente información sobre productos, precios y descripciones desde PDFs de proveedores, incluso si los documentos tienen formatos complejos o variados. 
• Knowledge Assistant Agent, permite obtener respuestas rápidas y precisas basadas en los datos empresariales. Por ejemplo, las empresas de manufactura pueden permitir que los técnicos accedan instantáneamente a respuestas con referencias directas desde manuales de mantenimiento y procedimientos operativos, sin necesidad de buscar en archivos físicos. 
• Multi-Agent Supervisor, permite construir sistemas multiagente que integran agentes en espacios Genie, otros agentes LLM y herramientas como MCP. Esta función puede aplicarse en organizaciones de servicios financieros, para coordinar múltiples agentes que manejen la detección de intención, recuperación de documentos y verificaciones de cumplimiento, generando respuestas personalizadas y completas para asesores y clientes.
• Custom LLM Agent, transforma textos para tareas personalizadas como generación de contenido o chat especializado, optimizado para cada industria.

"Agent Bricks es una nueva forma de crear y desplegar agentes de IA que pueden razonar sobre tus datos", afirmó Ali Ghodsi, CEO y cofundador de Databricks. "Por primera vez, las empresas pueden pasar de la idea a una IA de nivel de producción con sus propios datos, con rapidez y confianza, teniendo control sobre la calidad y los costos. Sin ajustes manuales, sin conjeturas, y con toda la seguridad y gobernanza que Databricks ofrece. Es el avance que finalmente hace que los agentes de IA empresariales sean tanto prácticos como poderosos”, resaltó.

Agent Bricks ya está disponible en versión Beta.

Lakeflow Designer: Canalizaciones de datos sin codificación

Databricks también anunció el próximo preview de Lakeflow Designer. Esta nueva capacidad de ETL sin código permite a los usuarios no técnicos crear canalizaciones de datos de producción con la misma escalabilidad, gobernanza y mantenibilidad que las creadas por ingenieros de datos, pero utilizando una interfaz visual de arrastrar y soltar, y un asistente de IAGen con lenguaje natural.

El nuevo Lakeflow Designer –que ingresará en preview privado en breve– está respaldado por Lakeflow, Unity Catalog y Databricks Assistant. Lakeflow ya está disponible de forma general, ofreciendo una solución unificada de ingeniería de datos desde la ingesta hasta la transformación y orquestación, para que los ingenieros de datos puedan construir canalizaciones de producción de extremo a extremo en SQL o Python, sin tener que gestionar infraestructura.

Asimismo, Lakeflow presenta un nuevo entorno de desarrollo integrado (IDE) para todo público, que acelera la creación de canalizaciones de datos con codificación asistida por IA, depuración y validación en una interfaz integrada. También se anunciaron nuevos conectores de ingesta de apuntar y hacer clic para Lakeflow Connect, con compatibilidad para Google Analytics, ServiceNow, SQL Server, SharePoint, PostgreSQL y SFTP; estos se suman a los ya disponibles para Salesforce Platform y Workday Reports y serán lanzados en diversos estados de publicación.

Por otro lado, Databricks también dio a conocer la función de escritura directa al Unity Catalog con Zerobus. Zerobus, que entra en preview privado, permitirá a los desarrolladores escribir grandes volúmenes de datos de eventos con latencia casi en tiempo real en su lakehouse, sin necesidad de administrar infraestructura adicional como un bus de mensajes. Esta infraestructura sin servidor y simplificada proporciona rendimiento a escala para eventos IoT, datos de clics, telemetría y otros casos de uso basados en eventos.