Databricks 的 Genie 讓執行長 Ali Ghodsi 更清楚看見真相

前言

Databricks 推出了新版 Genie，這款 AI 代理能執行複雜任務，可能需要持續投入並經歷多個步驟才能完成。該公司表示，Genie 運用本體論——一種有系統地組織資訊的方法——來理解客戶儲存在 Databricks 平台上的資料脈絡。目標是讓企業領導者交付範圍更廣的任務，並由代理在無須持續監督的情況下完成。

Databricks 執行長 Ali Ghodsi 坦率分享自己如何在公司內部使用這項產品。他沒有展示事先準備好的示範，而是打開自己的代理，查看近期對話與圖表。他舉的例子包括檢視員工調查結果、回顧一次不順利的銷售機會，以及準備 Podcast 訪談。這些例子共同展現了職場 AI 一種獨特的用途：協助領導者看見那些可能很難直接聽到的資訊與批評。

懶人包

Genie 定位為能處理長時間、多步驟商務任務的 AI 代理，運用公司資料提供脈絡，並以較少監督完成工作。 Ghodsi 的例子顯示，他如何將 Genie 用於員工意見回饋、高階主管提案、銷售挫折以及訪談準備。在他看來，Genie 的價值包括揭露隨著公司規模擴大而越來越難取得的未經修飾資訊。他也主張，Unity Gateway 等工具可透過設定使用量上限並採用成本較低的開放權重模型，協助組織管理 AI 支出。

正文

Databricks 於週三宣布推出新版 Genie，並稱它是一款能處理需要長時間投入才能完成的多步驟工作的 AI 代理。此次更新旨在超越快速、單輪的回覆。該公司表示，領導者可以交付各種任務給 Genie，讓它在無人監督的情況下完成。它能否運用公司資訊，取決於 Databricks 建立的本體論；這套本體論能讓代理理解客戶儲存在其平台上的資料脈絡。

本體論是資訊及其元素間關係的結構化呈現。在此情境中，它的目的是協助 Genie 在脈絡中解讀商業資料，而非將每筆資料視為彼此孤立的事實。Databricks 將這層脈絡視為讓代理能承接較長期任務的關鍵之一。該公司的說法著重於任務委派：領導者只要說明任務，代理便能自行完成必要步驟，不必在每個階段都接受指引。

為了展示實際運作方式，Databricks 執行長 Ali Ghodsi 打開自己的 Genie，而不是依賴精心包裝的產品示範。他帶大家查看近期的對話和自己在內部使用時產生的圖表。這些例子之所以引人注目，是因為它們聚焦於日常管理難題，而不只是代理產生文字或摘要文件的能力。Ghodsi 展示了自己如何使用 Genie，檢視 Databricks 在員工滿意度調查中表現不佳的部分。

他也使用代理評估針對這些調查弱項提出的應對方案。部分高階主管曾建議改善員工滿意度的方法，而 Genie 協助 Ghodsi 評估這些提案，包括決定哪些改進措施應予以放棄。這個例子說明，AI 代理可以成為領導者檢視內部意見回饋時的分析輔助工具。但這並不能證明代理能獨立判斷組織應採取何種正確應對方式；它展現的是 Ghodsi 如何運用代理檢視資訊並評估建議的行動。

另一個例子涉及一次不太順利的潛在客戶銷售提案。Genie 摘要了簡報內容，並找出該潛在客戶表示購買前需要具備的功能。這類回顧能協助公司分辨，問題究竟只是一般性的失望，還是未滿足特定需求。它也讓領導者有機會重新檢視一段棘手的互動，而不必只依賴相關人員簡短的口頭說明。

Genie 也協助 Ghodsi 準備 Podcast 訪談。它檢視他過去的受訪內容，並整理出下一次對談中可能出現的問題。在討論這項產品時，Ghodsi 甚至詢問代理自己該對訪談者說些什麼。以訪談者的評價來看，代理給的建議還不錯。這個時刻提供了一個小而具體的例子，說明如何將此工具用作即時助理；此外，它也能用於檢視內部商業資訊。

Ghodsi 從這些例子延伸出的更廣泛觀點是，AI 代理或許能協助高階領導者取得坦率的資訊，而這些資訊透過一般職場管道未必容易傳到他們手中。組織日益擴大時，執行長不可能與每位員工都保持直接關係。人們或許更願意向熟識的主管分享難以啟齒的消息，而不是告訴高出好幾個層級的執行長。因此，問題可能在向上回報時被淡化、延遲，或乾脆不被提及。

Ghodsi 提到了常與英國人類學家 Robin Dunbar 聯繫在一起的鄧巴數，用來解釋這項挑戰。他引用的數字是 150，指的是人類能維持穩定關係的人數理論上限。在小型新創公司中，執行長可能認識所有人，並與員工有直接關係。在這種環境下，人們可能更放心直接分享負面資訊。到了規模較大的公司，便很難維持同樣程度的熟悉關係。

Databricks 有 12,000 名員工，Ghodsi 也承認，面對這種規模，他不可能認識每一個人。他表示，業務人員可能不會告訴執行長一次慘敗的銷售電話，HR 經理也可能不願承認某項員工滿意度提案很可能會失敗。在這種說法下，Genie 的潛在價值不只是快速分析資料，而是協助領導者檢視紀錄與意見回饋，從中取得對組織現況較少經過篩選的描述。

Ghodsi 表示，員工人數超過 150 人的公司管理者，通常能從 AI 代理及 Genie 中獲益。這個數字在他的說明中只是一項經驗法則，並不是在聲稱所有超過此規模的組織都面臨完全相同的問題。根本問題在於，高階領導者與個別員工、客戶及團隊的實際經驗之間，距離日益拉大。能夠處理相關商業資訊的代理或許有助於縮短這段距離，不過其結論仍取決於所取得資訊的品質、完整性與脈絡。

Ghodsi 親自使用 Genie 的做法，常被稱為「吃自己的狗糧」（dogfooding），這個說法源自「吃自己的狗糧」（eating your own dogfood）。意思是公司在內部使用自己的產品。他的例子呈現了 Databricks 希望客戶如何看待 Genie：它不只是回答個別問題的工具，也是能長期支援企業領導者、持續運作的代理。Ghodsi 也表示，他在個人生活中會使用 Genie，而不是他認為在安全性方面令人存疑的替代方案，包括 OpenClaw、Instinct 和 Muse。

他認為，代理在企業中的角色，與 AI 工具、代理及工具套件（harness）在程式設計中的作用相似。工具套件是一種包覆 AI 模型並讓模型使用工具的軟體。在軟體開發中，這類系統能協助模型執行超越生成回覆的工作，例如在工作流程中與工具互動。Ghodsi 相信 Genie 能為商業營運帶來類似的協助，因為這類任務可能需要存取組織資料並完成多個相互連結的步驟。

這項願景也帶來一項實際疑慮：執行更多工作的代理可能增加企業 AI 成本。Ghodsi 表示，Databricks 可透過 Unity Gateway 協助處理這個問題。這項產品讓公司設定使用量上限，並改用成本較低的開放權重模型。這些控制措施被視為部署 AI 代理時管理支出的方式。它們無法免除組織監控使用情況及評估成本的必要，但能提供設定界線與為不同任務選擇合適模型的機制。

整體而言，Genie 的更新反映出一股更廣泛的趨勢：從對話式 AI 轉向任務委派。這項產品所主張的優勢，是結合多步驟執行能力與商業脈絡。Ghodsi 的例子則凸顯一項較不明顯的潛在好處：代理或許能協助主管檢視令人不快的意見回饋與營運挫折，而這些資訊光靠人際關係往往難以浮現。這種好處並非自動就能實現，而是取決於可靠的資料、適當的監督與謹慎的解讀。不過，這次示範說明了為何 Databricks 將 Genie 推廣為持續運作的商業助理，而不只是回答單次問題的工具。

重點整理表