Articles

Busca vetorial em lote não devia depender do tamanho do endpoint, e agora não depende mais

A cláusula NEAREST BY transforma busca vetorial em lote num tipo de join nativo do Databricks SQL, tirando o gargalo que antes vinha do tamanho do endpoint de serving e jogando o problema pra cima do cluster inteiro, com kernel Photon fundido e índice IVF opcional.

O rollout do Genie One que funciona começa nos dados, não na comunicação interna

A maioria dos guias de adoção de IA generativa fala de comunicação, treinamento e gestão de mudança. O que realmente decide se um rollout de Genie One dá certo é uma sequência técnica bem mais concreta, que começa em Domains, Metric Views e Pages, muito antes de qualquer usuário piloto entrar na tela.

Modelo novo custa 60% mais caro por padrão: como isolar o risco financeiro de testar IA de fronteira em produção

A Databricks documentou o próprio processo interno de liberar modelo de fronteira novo pra mais de 12 mil funcionários no dia do lançamento, isolando o risco financeiro em orçamento por camada e decidindo promoção ou descarte em três dias com três sinais combinados, benchmark, feedback de usuário e rastreamento de custo por OpenTelemetry.

Um Genie Agent por commodity não escala: o padrão de composição MCP para federar vários agentes estreitos

Cada Genie Agent aceita até 25 tabelas do Unity Catalog, um limite que parece pequeno até você perceber que é isso que força o design certo: em vez de um agente gigante e genérico, vários agentes estreitos por domínio, cada um exposto como servidor MCP, compostos atrás de um proxy que roteia por nome.

Nem toda decisão de IA precisa de um chat: rodando um modelo de decisão puro direto do SQL

Modelos de decisão como o Jev respondem a partir de um conjunto fechado de opções, mais rápido e mais barato que um LLM de raciocínio, e o Azure Databricks deixa consultar esse tipo de modelo direto do SQL via ai_query, sem montar interface de chat nem pipeline de inferência à parte.

Revisão de segurança não precisa escolher entre rápido e criterioso: o padrão de sete agentes que a Databricks documentou

A Databricks documentou como construiu um fluxo de revisão de segurança com sete agentes de responsabilidade estreita, orquestrados sobre Unity Catalog, Lakeflow Jobs e Databricks Apps, escalando caso de risco baixo automaticamente e escalonando pra revisor humano com evidência estruturada quando o risco é alto ou ambíguo.

Um comando abre o Claude Code, outro abre o Codex: como o Azure Databricks governa agente de código sem tirar a liberdade do dev

A Unity Gateway CLI do Azure Databricks conecta Claude Code, Codex, Gemini CLI e outros agentes de código sem exigir chave de provedor na máquina do dev, enquanto o admin governa acesso e gasto reaproveitando permissão do Unity Catalog, limite de taxa e orçamento de conta, os mesmos mecanismos que já protegem o resto do dado da empresa.

O número de partição que você escolheu no dia 1 não precisa te acompanhar pra sempre

Até a Databricks Runtime 18, mudar spark.sql.shuffle.partitions numa query stateful com checkpoint já criado simplesmente não fazia nada. O repartition sob demanda (Public Preview) resolve isso sem exigir reconstrução do checkpoint do zero, e a Coveo já reportou 40% de redução de custo de API do S3 usando ele.

Um agente de dados que nunca é reavaliado é um modelo de produção sem monitoramento

Genie Agent Benchmarks trata a precisão de um agente de dados como métrica que se mede e se acompanha ao longo do tempo, comparando SQL gerado contra resposta padrão-ouro ou usando um juiz de LLM, em vez de confiar que o agente continua certo só porque estava certo na demonstração inicial.

A lacuna entre aplicações e analytics, e como o Lakebase a resolve

Lakebase é um Postgres totalmente gerenciado e nativo da Databricks Data Intelligence Platform, pensado pra unificar workload transacional e analítico com governança única via Unity Catalog, sincronização bidirecional e recursos como autoscaling, scale-to-zero e database branching.