O Genie Code CLI, em Beta, é um agente de codificação que roda localmente no terminal, pré-configurado pra entender Azure Databricks e trabalhar com dado, pipeline, modelo e app via Unity Catalog e Databricks CLI, com acesso a modelo provido e governado pelo Unity Gateway durante o Beta.
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.
A identidade run-as de uma pipeline do Lakeflow agora aceita um grupo de conta, além de usuário e service principal: atualização da pipeline passa a rodar com a permissão do grupo, e a propriedade das tabelas publicadas acompanha essa mesma identidade, útil pra time inteiro ser dono de uma pipeline automatizada.
O Databricks MVP Juan Diaz destacou o RBAC completo do MLflow 3.13: papel reutilizável com permissão agrupada, UI de admin via navegador e matriz de permissão cobrindo experimento, modelo e artefato, fechando uma lacuna de quem hospeda o próprio MLflow em vez de pagar por plataforma gerenciada só por causa de controle de acesso.
Cross-engine ABAC chegou em disponibilidade geral: Spark externo lendo tabela Delta ou Iceberg gerenciada do Unity Catalog agora tem política ABAC, row filter e column mask aplicados por uma camada serverless da Azure Databricks, mesmo sem o motor de consulta ser o próprio Databricks.
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.
A Databricks publicou um guia detalhando o comando SET MANAGED LOCATION em três níveis de hierarquia, metastore, catálogo e schema, cada um sobrepondo o anterior, além de ALTER CATALOG/SCHEMA para redirecionar tabela nova sem afetar a existente e ALTER TABLE para converter external em managed copiando o dado.
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.
O Databricks MVP Abiola David demonstrou como ingerir dados de múltiplas pastas do SharePoint como streaming tables no Unity Catalog usando Declarative Automation Bundles, com schema evolution automática e deploy repetível em Azure Databricks.
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.