Genie开始主动向老板报忧

Databricks 在 11 月 11 日更新了 Genie：这款企业数据助手不再等员工提问，而是能够持续监控业务、主动发现异常、追查根因，并在获得授权后跨系统执行后续动作。

这次更新真正值得关注的地方，不是 Genie 又增加了几个数据连接器，而是 Databricks 正试图改变企业软件的默认交互方式——过去是人发现问题，再打开 BI 看板查数据；现在是智能体先发现问题，再把坏消息送到负责人面前。

Databricks CEO Ali Ghodsi 已经在内部这么用了。

TechCrunch 披露，拥有约 1.2 万名员工的 Databricks，正在用 Genie 分析员工满意度调查中得分较低的部分、评估管理层提出的改进方案，还会复盘失败的销售沟通，整理客户拒绝购买的真实原因和缺失功能。它甚至会分析 Ghodsi 过去的公开访谈，为下一次播客采访预测问题。(techcrunch.com)

从回答问题，变成持续负责

Genie 是 Databricks 面向企业数据分析与业务执行的 AI 智能体，能够使用自然语言查询数据、完成多步骤分析，并连接外部工具采取行动。

此前的 Genie Agent Mode 已经能回答“第三季度客户流失率为什么突然上升”这类复杂问题。它会像数据分析师一样制定计划、运行多次查询、验证假设，最后给出图表、结论和引用，而不是只把一句自然语言翻译成一条 SQL。

但此前的工作方式仍然以对话为中心：用户提出问题，Genie 开始分析，分析结束后任务停止。

新版 Genie 的核心变化是引入长期运行的工作模式。用户可以把“持续监控销售漏斗”“跟踪预算执行情况”或者“找出客户流失风险”交给它，Genie 会持续追踪进度，在缺少输入时主动跟进，并在新数据到来后重新分析。Databricks 将其定义为一个始终在线的 autonomous AI coworker，也就是能够在企业权限边界内自主工作的 AI 同事。(databricks.com)

这意味着企业用户不必每天重复询问：

• 本周销售转化率有没有异常？
• 哪个区域的毛利率正在下滑？
• 哪些续约客户的风险突然升高？
• 广告支出增加后，新增收入是否覆盖成本？
• 供应链中断会影响哪些订单和客户？

Genie 可以持续运行这些分析，只在发现值得关注的变化时通知用户。

主动分析不是自动生成一份日报，而是让智能体判断哪些变化值得人类介入。 如果系统只是每天发送几十张图表，管理者最终还是会像忽略监控告警一样忽略它。新版 Genie 更重要的能力，是把异常指标、业务定义、历史分析和组织关系组合起来，判断一个变化究竟是正常波动，还是需要立即处理的业务问题。

它为什么可能比通用智能体更准

Genie Ontology 是 Databricks 为企业智能体构建的业务上下文层，用来描述指标定义、数据关系、组织知识和计算规则。

企业数据分析最难的部分通常不是写 SQL，而是理解“公司内部的 SQL”。

同一个“收入”指标，在销售团队眼里可能是签约金额，在财务团队眼里可能是已经确认的收入；同一个“活跃客户”，不同产品线可能采用 7 天、30 天或者付费行为作为判断标准。一个通用模型即使能正确查询数据库，也可能因为选错指标定义而给出一份逻辑完整、结论错误的报告。

Genie Ontology 要解决的正是这个问题。

它会从 Unity Catalog 语义模型、仪表盘、Notebook、历史 SQL、业务文档和组织目录中提取上下文，把分散在企业内部的计算规则、术语和数据关系整理成可复用的知识片段。系统还会根据来源权威性、使用频率、新鲜度以及与认证数据资产的关系，对这些知识进行排序。

简单来说，普通智能体每次接到任务都要重新翻公司的“资料堆”；Genie 则试图先建立一张持续更新的业务地图，再沿着地图寻找答案。

Databricks 与数据服务公司 Turing 设计了一套企业数据智能体测试环境。测试中的虚构能源企业包含数百张数据表，最大表约有 1.2 亿行记录，同时混有 Notebook、旧仪表盘、冻结报表、重复分析和已经过时的文档。

结果显示，Genie 在任务测试中的通过率达到 91%，另外两个匿名通用前沿智能体分别为 45% 和 58%。(databricks.com)

| 智能体 | 任务通过率 | 单次平均耗时 | 单次平均 Token | |---|---:|---:|---:| | Genie | 91% | 100.3 秒 | 431,829 | | 匿名智能体 A | 45% | 434.6 秒 | 889,019 | | 匿名智能体 B | 58% | 306.5 秒 | 1,051,070 |

按照这组结果，Genie 的正确率是表现较强竞品的约 1.6 倍，速度快约 3 至 4 倍，Token 使用量则不到竞品的一半。

但这组数字不能直接理解为 Genie 的基础模型比其他前沿模型更聪明。

测试发生在一个已经积累大量 Databricks 数据资产和业务知识的环境中，而两个竞品名称没有公开。Databricks 自己也承认，如果企业刚刚部署平台、尚未积累 Notebook、看板和查询记录，或者问题只需要读取简单表结构，Genie 的优势可能明显缩小。(databricks.com)

因此，这次更新更准确的结论是：当企业知识已经沉淀在 Databricks 体系内时，预先组织好的上下文能够显著减少智能体的搜索成本。

这也是当前企业 AI 竞争正在发生的变化。基础模型逐渐商品化之后，决定产品效果的未必是“用了哪个模型”，而是智能体能否拿到正确数据、理解企业术语，并知道哪些来源更可信。

主动暴露问题，不等于替老板监控员工

主动业务洞察是智能体持续分析聚合数据并提示风险，而不是绕过权限读取员工的私人信息。

Ghodsi 提到邓巴数理论：一个人通常只能维持大约 150 个稳定社会关系。当企业扩张到 1.2 万人时，CEO 不可能认识每个人，也很难直接听到失败项目、客户拒绝和组织矛盾。

Genie 的价值，是降低坏消息在组织层级中被过滤的概率。

例如，一次销售失败可能同时留下会议记录、CRM 阶段变化、产品需求、Slack 讨论以及后续邮件。传统 BI 只能告诉管理者某个季度成交率下降了；新版 Genie 则可能继续追问下降集中在哪类客户、销售过程中反复出现什么异议、哪些产品能力被多次提及，以及类似问题是否已经影响其他交易。

这比“做一张更漂亮的看板”有用得多。

不过，企业也必须警惕另一个方向：如果所谓的主动分析变成无边界的员工行为监控，Genie 很快就会从管理助手变成数字化监工。

Databricks 给出的解决方式，是让 Genie 继承 Unity Catalog 和外部数据源原有的访问权限。用户只能看到自己本来就有权访问的数据，连接外部工具时也使用个人身份完成认证，而不是让一个超级管理员账号读取全部内容。

Unity Gateway 是 Databricks 用于控制智能体模型、工具、权限、审计和成本的统一治理层。 管理员可以限制 Genie 能调用哪些工具、记录每一次操作、设置预算上限，并要求某些写入操作在执行前获得人工批准。(docs.databricks.com)

技术上有权限，并不代表组织治理问题已经解决。企业仍然需要明确员工调查能否用于个人绩效判断、哪些会议记录可以进入分析范围，以及谁能查看智能体总结出的敏感组织问题。

从数据里发现问题，再去业务系统解决

MCP 是一种让 AI 智能体以统一方式发现和调用外部工具的开放协议。

新版 Genie 不只读取 Databricks 内部的表格和文档，还可以通过 MCP 连接 Slack、Google Drive、Gmail、Google Calendar、GitHub、Jira、Confluence 和 Microsoft 365 等系统。

这些连接器已经从单纯的搜索工具，逐渐扩展到可执行操作。例如 Genie 可以创建 Jira 工单、更新记录、发送 Slack 消息、创建 Google 文档或起草邮件。连接器调用仍然经过 Unity Gateway 的授权、策略检查和审计。(docs.databricks.com)

一个较完整的销售分析流程可能是：

1. 从 Databricks 销售数据中发现某类客户的赢单率下滑。
2. 从 Google Drive 调取相关客户的账户计划。
3. 从 Unity Catalog 文档中读取历史赢单和输单报告。
4. 从 Slack 中查找销售与产品团队的相关讨论。
5. 判断主要问题来自价格、竞争对手还是功能缺口。
6. 在 Jira 创建产品需求，向销售频道发送摘要。

这才是“数据智能体”和传统 BI Copilot 的分界线：前者试图闭环完成发现、分析、决策和行动，后者通常停在生成图表和解释指标。

和 Snowflake、微软、Tableau 怎么比

企业数据智能体是能够在权限控制下查询组织数据、理解业务语义并完成多步骤分析的 AI 系统。

Databricks 并不是唯一押注这个方向的厂商。Snowflake Cortex Agents、Microsoft Fabric Data Agent 和 Tableau Agent 都在把自然语言分析嵌入各自的数据平台。

| 产品 | 核心优势 | 结构化与非结构化数据 | 主动发现问题 | 跨系统行动 | 主要限制或门槛 | |---|---|---|---|---|---| | Databricks Genie | Ontology 自动学习 Notebook、SQL、看板和文档中的业务知识 | 支持表格、PDF、文档、幻灯片、图片及外部工具 | 支持持续任务、指标漂移和异常提示 | 支持 MCP 连接器执行操作 | 在已有 Databricks 数据资产的企业中优势最明显 | | Snowflake Cortex Agents | 与 Snowflake 数据和 Cortex AI 能力深度整合 | 支持结构化、文档和图像 | 强调研究和分析，持续监控能力取决于具体配置 | 可连接 Slack、Gmail、Jira 和 Salesforce | 企业知识层需要依赖语义模型和平台配置 | | Microsoft Fabric Data Agent | 原生支持 OneLake、Power BI 语义模型、T-SQL、DAX 和 KQL | 可通过 Azure AI Search 索引接入非结构化内容 | 更偏向用户发起的对话式分析 | 当前主要是只读分析智能体 | 单个智能体最多组合 5 个数据源，输出规模受到限制 | | Tableau Agent | 与 Tableau 语义模型、可视化和 Slack 工作流结合 | 重点围绕 Data 360 和 Tableau 分析资产 | Inspector 可主动监控指标和异常 | 更偏向分析、解释和下一步建议 | 依赖 Tableau Next 与 Data 360 体系 |

Databricks 此次领先的地方，是把自动构建业务上下文、长期运行任务和外部工具执行同时放进了 Genie。

Snowflake 的优势是数据就在 Snowflake 内，不需要额外搬运；Microsoft 的优势是 Power BI、Fabric 和 Microsoft 365 的分发渠道；Tableau 则最擅长把智能分析包装成业务用户熟悉的指标和可视化体验。(help.salesforce.com)

Genie 能否形成真正壁垒，最终取决于 Ontology 能否持续保持正确，而不是变成另一套需要大量数据团队手动维护的语义层。

价格暂时不是最大问题

DBU 是 Databricks 用来衡量不同数据和 AI 工作负载资源消耗的计费单位。

Databricks 官网显示，Genie 在免费用量之外的起始价格为每 DBU 0.07 美元。2026 年 7 月公布的付费方案原本包含每月 150 DBU 的免费 LLM 用量，按美国东部地区计算约为 10.50 美元。(docs.databricks.com)

不过，截至 2026 年 11 月 12 日，Genie One 和 Genie Agents 的用户使用计费仍处于暂停状态，免费期计划持续至 2027 年 1 月 31 日；Genie Code 不在此次暂停计费范围内。(docs.databricks.com)

| 项目 | 当前情况 | |---|---| | Genie 公开起始单价 | 免费用量后 0.07 美元/DBU 起 | | 原定月度免费额度 | 150 DBU，约合美国东部地区 10.50 美元 | | Genie One 与 Genie Agents | 当前暂停用户使用计费，计划免费至 2027 年 1 月 31 日 | | 成本控制 | 支持预算监控、用量限制和系统表审计 |

真正需要企业计算的成本，不只是推理 Token。

长期运行的智能体会增加查询、文档检索、外部工具调用和数据仓库计算。如果企业让数千名员工各自部署多个持续任务，即使单次推理变便宜，总体消耗也可能快速上升。

Genie Ontology 的商业意义也正在这里显现：如果它真能让智能体少走弯路，把单次任务耗时从 300 至 400 秒降至约 100 秒，并减少一半以上的 Token，Databricks 就能把“业务上下文”同时包装成准确率优势和成本优势。

Genie最有价值的部分，是敢报坏消息

新版 Genie 不只是一个更强的自然语言查询入口，而是 Databricks 对企业管理方式的一次产品押注。

企业并不缺数据，也不缺仪表盘。真正稀缺的是一种机制：能够持续查看这些数据，理解指标背后的业务规则，并在问题还没有被组织层级过滤掉之前，把它送到有能力处理的人面前。

从这个角度看，Genie 最有价值的能力不是生成 SQL，也不是总结 PDF，而是帮助管理者更早听到坏消息。

但它距离真正的“企业同事”仍有一道关键门槛：系统能否区分异常与噪声，能否解释自己的判断，以及企业是否愿意让智能体代表员工跨系统执行操作。

如果这三个问题解决不了，Genie 只是一个更主动、更昂贵的告警系统；如果能够解决，BI 软件的下一步可能不再是等用户打开看板，而是让业务问题主动找到用户。

参考来源

• Databricks AI Bridge：Databricks 官方开源集成项目，展示 Genie、MCP、OAuth 和智能体框架的连接方式。
• Databricks Unity Gateway：Databricks 官方治理工具项目，可用于理解 MCP 服务注册和工具访问管理。
• Databricks Genie in Production：整理 Genie Agent、MCP 接口和生产部署变化的社区研究项目。
• Reddit：Genie 成为始终在线的企业智能体：社区对 2026 年 11 月新版 Genie 和基准测试结果的讨论。
• Reddit：Genie Agents 近期更新：社区整理的 Flash 模式、MCP 连接器和预算控制更新。