AI Functions

Previsão de série temporal como modelo de fundação: a aposta do ai_forecast dentro do SQL do Databricks

As Predictive AI Functions, em Beta, trazem um ai_forecast renovado baseado em modelo de fundação para série temporal, mais quatro funções SQL novas de análise de driver, anomalia e predição, sem exigir que o usuário treine ou gerencie modelo.

ai_decide é rápido o suficiente para qualquer loop, mas isso não significa que deveria estar em todos

O Databricks MVP Sudhir Gajre analisou o ai_decide, a nova AI Function de decisão da Databricks compatível com a API da TypeSafe AI, e apontou dois antipadrões: substituir regra determinística por decisão probabilística, e colocar IA em todo loop em tempo real só porque a latência permite.

AI Extract ganhou modo Precision pra documento longo e schema complexo demais pro chunk-and-merge

Precision Mode no ai_extract combina modelo especializado com um harness agentico que dispara subagentes em paralelo por seção do documento e depois junta os resultados, atingindo 94,7% de acurácia em benchmark contra 9 mil documentos, sete pontos acima do melhor baseline de modelo de fronteira com chunk-and-merge.

De PDF solto a coluna de tabela: o pipeline que domestica documento não estruturado no lakehouse

ai_parse_document, ai_extract e ai_classify já são GA no Azure Databricks, e o pipeline de processamento inteligente de documento (IDP) inteiro roda dentro do Lakeflow, sem infraestrutura separada de OCR ou fila de mensagem. A peça que ainda é Beta, ai_prep_search, é justamente a que decide se o documento processado vira retrieval bom ou lixo semântico.