Databricks lanceert Genie Code: agentic engineering voor datagedreven werk
Databricks introduceert Genie Code, een autonome AI-agent die de manier waarop met data wordt gewerkt ingrijpend verandert. Genie Code kan complexe taken uitvoeren, zoals datapipelines opbouwen, code debuggen, dashboards opleveren en productiesystemen beheren. Tijdens praktijktesten op het gebied van data science haalde Genie Code een slagingspercentage dat meer dan twee keer zo hoog lag als dat van andere toonaangevende code-agents.
Net zoals de introductie van agentic coding software-ontwikkeling radicaal heeft getransformeerd – van simpele ondersteuning met autocomplete naar een agent-gedreven ontwikkelproces – brengt Genie Code eenzelfde revolutie naar data engineering, data science en analytics.
Genie Code is een aanvulling op Genie, waarmee iedere kenniswerker met hun data kan praten en direct betrouwbare antwoorden krijgt op basis van de context en semantiek die zijn vastgelegd in Unity Catalog. Op soortgelijke wijze neemt Genie Code van data-professionals de complexe engineering over die nodig is om nieuwe ideeën tot productie te brengen met behulp van alle beschikbare bedrijfsdata.
Naast de lancering van Genie Code maakt Databricks vandaag tevens de overname bekend van Quotient AI, een innovator op het gebied van evaluatie en reinforcement learning voor AI-agents, waarmee doorlopende evaluatie direct in Genie en Genie Code wordt ingebouwd.
De opkomst van datawerk door agents
Moderne data tools zetten AI vooral in als een hulpje dat code schrijft, lokale tests draait en daarop iteratief verbetert. Het zware werk zoals het plannen, orkestreren, beheren, valideren en onderhouden, blijft bij de datateams liggen. Genie Code draait deze aanpak om. De agent redeneert om problemen op te lossen, plant processen met meerdere stappen, schrijft en valideert code van productieniveau en onderhoudt de oplossing, terwijl mensen de controle behouden over de beslissingen die er écht toe doen.
Hoe Genie Code werkt
Bestaande agentic coding-tools hebben moeite met datataken omdat ze geen toegang hebben tot cruciale context, zoals herkomst (lineage), gebruikspatronen en zakelijke semantiek. Genie Code helpt teams deze contextkloof te overbruggen en zo de hoge nauwkeurigheid en governance te borgen die nodig zijn in productieomgevingen. Genie Code:
• Functioneert als ervaren machine learning-engineer: Genie Code ondersteunt volledige ML‑workflows van begin tot eind. De agent beredeneert complexe problemen om modellen te plannen, te bouwen en uit te rollen, terwijl experimenten worden gelogd in MLflow en serving-endpoints fijn worden afgesteld voor maximale prestaties.
• Legt diepgaande data engineering‑expertise vast in de bestaande tool: waar een beginnende engineer een script schrijft dat alleen op testdata werkt, ontwerpt Genie Code als een senior architect. De agent houdt rekening met de verschillen tussen staging‑ en productieomgevingen, bouwt workflows voor change data capture en past datakwaliteitsregels toe.
• Onderhoudt en optimaliseert proactief: op de achtergrond bewaakt Genie Code Lakeflow‑pipelines en AI‑modellen om storingen te beoordelen en afwijkingen te onderzoeken. De agent analyseert zelfstandig agent‑traces om hallucinaties te herstellen en stemt de inzet van middelen af voordat een mens moet ingrijpen.
• Begrijpt de context van de onderneming: Genie Code is geïntegreerd met Unity Catalog om bestaande governance-richtlijnen en toegangscontroles te handhaven. De agent begrijpt de zakelijke semantiek en audit-vereisten en kan bedrijfsdata uit verschillende bronnen ophalen, inclusief externe platforms.
• Wordt steeds beter: Genie Code wordt slimmer naarmate meer teams de agent gebruiken. Via permanente geheugenfuncties werkt de agent interne instructies automatisch bij op basis van eerdere interacties en voorkeursstijlen in codering. Bij praktijktesten op het gebied van datawetenschap had Genie Code een slagingspercentage dat ruim twee keer zo groot was vergeleken met andere code‑agents – van 32,1% naar 77,1%.
Acquisitie van Quotient AI versterkt continue evaluatie
Om de kwaliteit in productie volledig te kunnen borgen, heeft Databricks Quotient AI overgenomen. Quotient bewaakt automatisch de prestaties van agents: het meet de kwaliteit van antwoorden, signaleert regressies in een vroeg stadium en lokaliseert faalpunten. Deze inzichten voeden vervolgens een reinforcement learning-cyclus die ervoor zorgt dat agents zich doorlopend blijven verbeteren. De oprichters van Quotient brengen diepgaande expertise mee in het evalueren van AI‑coderingssystemen; eerder leidden zij de kwaliteitsverbetering van GitHub Copilot. Door deze mogelijkheden in Genie Code in te bouwen, zorgt Databricks ervoor dat data‑ en AI‑systemen niet alleen in productie draaien, maar zich continu verder ontwikkelen.
