Databricks Genie ve Agent Bricks: kurumsal veride yapay zeka

Databricks Genie, iş kullanıcılarının yönetişim altındaki şirket verisine sade bir dille soru sormasını ve karşılığında SQL, bir sonuç tablosu ve bir grafik almasını sağlar. Bir veri ekibi tanımlı metriklerle dar bir alanı düzenlediğinde iyi çalışır; ham tablolara yönlendirilip tahmin etmeye bırakıldığında kötü çalışır.

Agent Bricks diğer yarıdır. Geliştiricilerin Genie'yi, belgeleri, fonksiyonları ve harici araçları çağırabilen özel yapay zeka ajanlarını geliştirdiği, devreye aldığı ve değerlendirdiği yerdir.

Üretim ve savunma sektörlerindeki veri platformu programlarında Databricks ile çalıştım. Görüşüm basit. Yapay zeka katmanı artık planlamacıların, kalite mühendislerinin ve finans ekiplerinin önüne koyulacak kadar iyi.

Zor kısım, alttaki semantik ve yönetişim çalışması ve iş kullanıcılarını bunu kullanmaya hazırlamak. Pilot eforunun çoğu buraya gitmeli.

Databricks, 2026'da Genie ailesinin çoğunu yeniden adlandırdı; bu yüzden eski yazılar kafanızı karıştıracaktır. Daha önce Databricks One olarak adlandırılan iş kullanıcısı deneyimi, Haziran 2026'da Genie One oldu.

Genie spaces, Temmuz 2026'da Genie Agents oldu. Databricks Assistant ise artık Genie Code.

Aşağıdaki tablo, her parçanın ne yaptığını ve Ekim 2026 itibarıyla durumunu gösteriyor.

Ürün	Ne yapar	Kim kullanır	Durum (Ekim 2026)
Genie One	Dashboard'lar, Genie Agents ve uygulamalar genelinde tek bir sohbet arayüzü; iOS ve Android uygulamaları da var	İş kullanıcıları	Sohbet Haziran 2026'dan beri GA; mobil uygulama Public Preview'da
Genie Agents (eski adıyla Genie spaces)	En fazla 50 tablo, view veya metric view üzerinde düzenlenmiş, alana özgü bir sohbet	Analistler kurar, iş kullanıcıları sorar	Agent modu Temmuz 2026'dan beri GA; birkaç eklenti Beta'da
Genie Code (eski adıyla Databricks Assistant)	Notebook'lar, veri hatları ve dashboard'lar için kodlama ve veri asistanı	Mühendisler, analistler	8 Temmuz 2026'dan beri kullandıkça öde
Conversation API	Genie Agents'ı uygulamalara, chatbot'lara ve diğer ajanlara gömer	Geliştiriciler	Agent modu API'leri ve görselleştirme alma Ağustos 2026'dan beri GA
Databricks tarafından sağlanan MCP bağlayıcıları	Genie One ve Genie Code'un Model Context Protocol üzerinden harici araçları kullanmasını sağlar	Yöneticiler, geliştiriciler	Eylül 2026'dan beri GA; yazma eylemleri Beta'da

Bir Genie Agent ilgili meta veriyi, talimatları, örnek SQL'i ve sohbet geçmişini seçer, ardından SQL üretir. Bu SQL bir Pro veya serverless SQL warehouse üzerinde çalışır ve her zaman salt okunurdur.

En önemli yönetişim noktası şu: Genie Agent kurulum dokümantasyonuna göre veri erişimi her zaman her son kullanıcının kendi Unity Catalog izinleriyle değerlendirilir. Göremediği veri hakkında soru soran bir kullanıcı boş bir yanıt alır.

Satır filtreleri ve sütun maskeleri uygulanır. Kullanıcıların sorgu çalıştırabilmesi için yazarın warehouse kimlik bilgileri gömülüdür, ama bunlar kimsenin veri erişimini genişletmez.

Doğruluğun kaldıracı model değil. Düzenleme (curation). Genie Agent kalite ayarı rehberi, iş mantığını SQL ifadeleri olarak tanımlamayı öneriyor, çünkü bunlar metin talimatlarından daha tutarlı sonuçlar veriyor.

Gördüklerime göre etki sırasıyla:

1. Metric views. Merkezinde metric views bulunan Unity Catalog Business Semantics, Nisan 2026'da GA oldu. "İlk geçiş verimi" (first-pass yield) veya "zamanında teslimat" gibi bir metriği etiketleri ve eş anlamlılarıyla bir kez tanımlarsınız ve Genie Agents doğrudan bunun üzerine kurulabilir. Metrik tanımlıysa Genie'nin onu tahmin etmesi gerekmez.
2. Örnek SQL sorguları. Gerçek bir soruyu, onu yanıtlayan SQL ile eşleştirin; size özgü mantığa odaklanın: hurda maliyetinin nasıl hesaplandığı, hangi tesislerin hangi bölgeye toplandığı.
3. Güvenilir varlık olarak SQL fonksiyonları. Unity Catalog fonksiyonları, statik bir sorgunun taşıyamayacağı mantığı taşır. Genie parametreli bir sorgu veya fonksiyon kullandığında yanıt doğrulanmış olarak işaretlenir. Kullanıcıların bu fonksiyonlar üzerinde EXECUTE yetkisine ihtiyacı vardır.
4. Bilgi deposu (knowledge store). Açıklamalar, eş anlamlılar, join ilişkileri ve gizlenmiş sütunlar. Yinelenen teknik sütunları gizlemek, insanların beklediğinden daha fazla yardımcı olur.
5. Genel talimatlar. Her yere uygulanan ve başka hiçbir yere sığmayan bağlam için metin. Kısa ve çelişkisiz tutun.

Kesin sınırlar var. Ajan başına 50 tablo, view veya metric view.

100 talimat; her örnek sorgu ve SQL fonksiyonu bir talimat sayılır. Join'ler ve SQL ifadeleri için 200 parça (snippet).

Bu sınırları tasarım yönergesi olarak görüyorum. "Üretimin tamamını" kapsayan bir Genie Agent hayal kırıklığı yaratır. "İki tesis için kalite bildirimleri ve hurda"yı kapsayan bir tanesi çok iyi olabilir.

Genie nerede başarısız olur

Tedarikçi demolarının atladığı kısım bu.

1. Tanımlanmamış iş terimleri. Ham ERP tablolarına "geçen çeyrek marjımız neydi" diye sorun, Genie bir tanım seçecektir. Bu, finansın tanımı olmayabilir. SAP, Oracle veya Dynamics 365 verisi yönetişim altındaki bir metrik katmanı olmadan gelirse, akla yatkın ama mutabakatı tutmayan rakamlar bekleyin.
2. Dağınık ana veri. Yinelenen malzeme numaraları, tutarsız tesis kodları ve serbest metin hata açıklamaları kendinden emin yanlış yanıtlar üretir. Genie, kendisine verilenin kalitesini büyütür.
3. Belirsiz sorular. "En kötü hat hangisi?" Neyde en kötü? İyi düzenleme ve örnek sorular kullanıcıları yönlendirir. Ama hiçbir şey, kullanıcıların net olma ihtiyacını ortadan kaldırmaz.
4. Dil. Dokümanlar, istemlerin İngilizce ile sarmalandığını belirtiyor; bu yüzden kullanıcılar başka bir dilde yazsa bile yanıtlar İngilizce gelebilir. İngilizce konuşulmayan tesislerde devreye almadan önce bunu test edin.
5. İçgörü değil eylem. Üretilen SQL salt okunurdur. Kontrol açısından bu bir güçtür. Ama aynı zamanda Genie'nin bir bakım planlamacısına hangi varlıkların gecikmiş olduğunu söylediği, iş emrini ise açmadığı anlamına gelir.

Agent Bricks'in de şekli değişti. Agent Bricks genel bakışı onu artık kod yazanlar için Databricks ajan geliştirici platformu olarak tanımlıyor.

Kendi framework'ünüzü ve modelinizi getirir, Agent Bricks CLI ile iskeleti kurar ve Databricks Apps üzerindeki Agent Runtime'a dağıtırsınız. Eski materyaller bu katmana Mosaic AI Agent Framework der ve dokümanlarda hâlâ bazı Mosaic AI etiketleri görünüyor.

Alıcıların bilmesi gereken iki şey var. Önceki deklaratif oluşturucular olan Knowledge Assistant ve Supervisor Agent artık "yeni ajanlar için önerilmiyor" ve Supervisor API kullanımdan kaldırıldı.

Databricks low-code kullanıcılarını Genie Agents'a, geliştiricileri CLI'ya yönlendiriyor. Bir entegratör (SI) bunlardan biri üzerine kurulu bir tasarım öneriyorsa, nedenini sorun.

Belgelerden bilgi çıkarmak için önerilen yol AI Functions'tır; belgeleri SQL'den sınıflandırır, bilgi çıkarır, özetler ve ayrıştırır. Bir üretici için bu; tedarikçi sertifikalarını, muayene raporlarını ve bakım kayıtlarını kapsar.

Değerlendirme yönetilen MLflow üzerinden yürür: her ajan adımının izleri (trace), doğruluk gibi yerleşik LLM hakemleri, özel puanlayıcılar ve uzman geri bildirimi. Aynı puanlayıcılar üretim trafiğinin bir örneklemini de izleyebilir.

Unity Gateway (URL'lerde hâlâ ai-gateway yazıyor) kontrol düzlemidir. Model ve MCP servislerinde hız sınırları, koruma bariyerleri için servis politikaları, PII maskeleme, sistem tablolarında kullanım takibi, istek ve yanıtların Unity Catalog tablolarına loglanması ve modeller arası yedekleme sağlar. Databricks tarafından sağlanan ve kaydedilen MCP sunucuları Unity Catalog izinlerini kullanır; bu yüzden Genie One MCP sunucusunu çağıran bir ajan da kullanıcının görebildikleriyle sınırlıdır.

Üretimde, zaten yönetişim altında tuttuğunuz veri üzerindeki kalite ve bakım sorularıyla başlardım. Hatta, vardiyaya ve malzemeye göre hurda ve yeniden işleme. Tedarikçiye göre açık kalite bildirimleri.

ERP tesis bakım verisinin historian veya MES özetleriyle birleştirilmesinden elde edilen, kritik varlıklar için arızalar arası ortalama süre. Bu soruların net sahipleri var ve kullanıcıları bugün bir analist için günlerce bekliyor.

İlk pilot için talep tahmininden veya hizmet maliyetinden (cost-to-serve) kaçının. Tanımlar tartışmalıdır ve veri çok fazla sisteme yayılır.

Savunmada kullanım senaryosu kontrollerden daha az önemlidir. Gizli olmayan, denetlenebilir ve izinlere duyarlı bir şey seçin: yedek parça erişilebilirliği, sözleşme kilometre taşı durumu veya tedarikçi teslimat performansı. Pilotun amacı, satır filtrelerinin, sütun maskelerinin ve ihracat kontrolü işaretlerinin doğal dil soruları altında doğru davrandığını kanıtlamaktır.

Dağıtımı erken kontrol edin. AWS GovCloud sürüm notları, GovCloud ve GovCloud DoD genelinde Genie ve Genie Agents'ın Ocak 2026'dan, Genie One'ın ise 22 Ocak 2026'dan beri GA olduğunu gösteriyor. Unity Gateway Eylül 2026'da GovCloud'a Public Preview olarak geldi; bütçeler, inference tabloları veya servis politikaları olmadan.

Amerika kıtası, Avrupa, Avustralya, Yeni Zelanda ve Japonya dışında agent modu, coğrafyalar arası (cross-Geo) işlemenin etkinleştirilmesini gerektirir. Körfez'de veya Asya'da egemenliğe duyarlı bir program için bu bir onay kutusu değil, bir politika kararıdır.

Yürüteceğim sıra bu. Veri zaten Unity Catalog'da yönetişim altındaysa, zamanın çoğu 3 ile 7. adımlara gider. Çalıştığım doğal dil pilotlarında işler oryantasyonda (onboarding) ters gitti.

İş kullanıcılarının oryantasyonu düzgün yapılmamıştı, bu yüzden hazırlıksızdılar; semantik katman ve pilot çalışmasının yaklaşık iki ay sürmesinin büyük nedeni bu açıktı. Kullanıcılarınızın oryantasyonunu kurulumdan sonra değil, kurulumla birlikte yapın.

1. Bir alan ve bir sponsor seçin. "İşletme" değil, bir tesis kalite müdürü veya bir lojistik yöneticisi.
2. 50 ila 100 gerçek soru yazın; bunu kullanacak kişilerden toplayın. Bunlar sizin benchmark'ınız olur.
3. Her metriğin bir sahibi ve tanımı olsun. Bir metric view'a dönüşmeden önce tanımı finans veya operasyon onaylar.
4. Metric views ve düzenlenmiş tablolar kurun. 50 tablo sınırının epey altında kalın.
5. İlk seferde başarısız olan sorular için örnek SQL, fonksiyonlar ve eş anlamlılar ekleyin.
6. İzinleri gerçek kullanıcılar olarak test edin. Kısıtlı bir kullanıcı olarak giriş yapın ve veri sızdırmak için tasarlanmış sorular sorun. Sonuçları kaydedin.
7. Herhangi bir kullanıcı görmeden önce benchmark'ı çalıştırın ve doğruluğu kaydedin.
8. 10 ila 20 kullanıcıya açın; bir geri bildirim döngüsüyle ve olumsuz oylanan yanıtları her hafta inceleyen belirli bir veri sorumlusuyla (data steward).
9. Kullanım büyümeden önce bütçeleri ve uyarıları ayarlayın.
10. Sabit bir tarihte karar verin: 1. adımda anlaşılan kriterlere göre genişletin, düzeltin veya durdurun.

İnsanlar süreç boyunca döngüde kalır. Düzenlemenin sahibi bir veri sorumlusudur.

Bir yanıtı finansal bir rakam, bir güvenlik kararı veya bir sözleşme taahhüdü için kullanan herkes, benchmark güvenilir olduğunu kanıtlayana kadar onu kaynak raporla karşılaştırır. Bir sisteme yazan her ajan için eylemi bir insan onaylar.

Genie'yi şu anda denemek ucuz. Genie bütçeleri dokümantasyonuna göre Genie One ve Genie Agents LLM kullanımı 31 Ocak 2027'ye kadar ücretsiz. Service principal'lar bunun dışında ve tüm kullanımları için faturalanıyor; Genie'yi API üzerinden gömüyorsanız bu önemli.

SQL warehouse işlem gücü ayrıca faturalanır ve asıl çalıştırma maliyeti odur. Genie Code, 8 Temmuz 2026'dan beri kullanıcı başına ayda 150 DBU ücretsiz kotayla kullandıkça öde modelinde.

Databricks'in fiyat sayfası, US East'te 150 DBU'yu $10.50 olarak gösteriyor (liste fiyatı, Ekim 2026'da kontrol edildi). Bölgeler farklıdır; kurumsal indirimler ve taahhütler rakamı değiştirir.

Bütçeler ortak ve kullanıcı başına eşikler belirleyebilir, ama engelleme yaklaşıktır; bu yüzden bir bütçe kesin bir tavan değildir. system.billing.usage ile mutabakat yapın. Databricks fiyatlandırma rehberim warehouse boyutlandırmasını ele alıyor.

Neyin ölçüleceği:

Ölçüt	Neden önemli	Canlıya geçişten önce anlaşılacak hedef
Benchmark doğruluğu	Düzenlemenin işe yarayıp yaramadığını gösterir	Alan başına, metrik sahibinin onayladığı bir eşik
Doğrulanmış yanıt payı	Güvenilir SQL üzerine kurulu yanıtlar daha güvenlidir	Haftadan haftaya artış
Olumsuz oy oranı ve düzeltme süresi	Veri sorumluluğunun işleyip işlemediğini söyler	Haftalık incelenir
İzin testi sonuçları	Kontrollerin tuttuğunu kanıtlar	Sıfır sızıntı
Önlenen analist talepleri	İş gerekçesi	Pilottan önce ölçülen temel değer
Aktif kullanıcı başına warehouse maliyeti	Gerçek çalıştırma maliyeti	Bütçe dahilinde

Burada temel yönetişimdir. Unity Catalog henüz yerinde değilse oradan başlayın; Unity Catalog ve veri yönetişimi rehberim ve yapay zeka yönetişim çerçevesi rehberim temel çalışmayı ele alıyor.

Bir alan seçin, kullanıcılarınızın gerçekten sorduğu 50 soruyu yazın ve mevcut verinizin bunlardan kaçını tanımlı metriklerle yanıtlayabildiğini kontrol edin. Bu alıştırma, Genie'ye hazır olup olmadığınız hakkında size herhangi bir demodan daha fazlasını söyler. Alternatifi de tartıyorsanız, Snowflake Cortex AI ve Snowflake Intelligence ile karşılaştırın.

Kurumlara bu kararları vermede ve pilotları kapsamlandırmada yardımcı oluyorum. İkinci bir görüş isterseniz bir görüşme ayarlayın.

Databricks Genie nedir?

Databricks Genie, Databricks'teki yönetişim altındaki veriyi kullanarak doğal dildeki soruları yanıtlayan bir yapay zeka araçları ailesidir. Genie One iş kullanıcısı arayüzüdür, Genie Agents düzenlenmiş ve alana özgü sohbetlerdir (eski adıyla Genie spaces), Genie Code ise geliştiriciler ve analistler için asistandır. Yanıtlar salt okunur SQL olarak üretilir ve her kullanıcının Unity Catalog izinlerine uyar.

Genie spaces ile Genie Agents arasındaki fark nedir?

İşlevsel olarak hiçbir fark yok. Databricks, Temmuz 2026'da Genie spaces'in adını Genie Agents olarak değiştirdi ve yeteneklerin değişmediğini söyledi. Eski yazılar, eğitim materyalleri ve topluluk gönderileri hâlâ "Genie spaces" diyor.

Databricks Genie ne kadar tutar?

Genie One ve Genie Agents LLM kullanımı, kullanıcılar için 31 Ocak 2027'ye kadar ücretsiz. Service principal'lar faturalanıyor ve SQL warehouse işlem gücü ayrıca faturalanıyor. Genie Code, ücretsiz aylık kotanın üzerinde kullandıkça öde modelinde.

Databricks Genie, finans veya operasyon raporlaması için yeterince doğru mu?

Metric views, örnek SQL ve güvenilir fonksiyonlarla düzenlenmiş bir alan içinde, bir benchmark soru setine göre ölçüldüğünde olabilir. Ham tablolara yönlendirildiğinde, tanımlarınızla uyuşmayabilecek akla yatkın yanıtlar üretir. Benchmark aksini kanıtlayana kadar finansal veya güvenlik kararları için doğrulanmamış kabul edin.

Databricks Agent Bricks ne için kullanılır?

Kendi framework'ünüz ve modelinizle özel yapay zeka ajanları geliştirmek, devreye almak ve yönetmek için. Agent Bricks CLI, Agent Runtime, yönetilen bellek ve MLflow değerlendirmesini içerir. Knowledge Assistant ve Supervisor Agent yeni ajanlar için artık önerilmiyor.

Databricks MCP'yi destekliyor mu?

Evet. Databricks, Genie One ve Databricks SQL dahil yönetilen MCP sunucuları sağlıyor; harici sunucuları kaydedebilir veya Databricks Apps üzerinde özel sunucular kurabilirsiniz. Erişim, Unity Catalog izinleri ve Unity Gateway üzerinden yönetilir.