Databricks Genie Agent Mode、BI chatをanalyst型の調査に広げた

投稿が示したこと

Databricksは、Genie Agent Modeが “investigates like a data analyst” と書いた。この表現が重要なのは、AI business intelligence toolsがnatural-language SQL generationからagentic analysisへ移っているためだ。approachを計画し、hypothesesを確認し、複数queriesを走らせ、evidenceが何を支えるかを説明する流れである。

Databricksアカウントは、Lakehouse、AI/BI、Unity Catalog、agent toolingのplatform releasesを出す一次channelだ。リンク先blogは、Agent Modeによりusersがwhy、what if、how could we improveといった高度なbusiness questionsを尋ねられるようになると説明する。Genieは単一queryを返すだけでなく、複数queriesにまたがってreasoningし、reportを生成できる。

modeの動き方

blogの例は、2025年12月にreopened support casesが急増した場面から始まる。Agent Modeはまずspikeを確認し、customers、products、categories、teamsなどのpossible driversを探索する。Genie spaceのbusiness context、Unity Catalog metadata、author-defined semanticsを使い、関連しそうなfactorへ絞り込む。Databricksはこのreasoning traceで8 queriesが実行されたと示している。

hypothesesを試した後、Genieはfindings、visualizations、underlying SQLへのreferencesを含むreportを生成する。これはenterprise analyticsで重要だ。usersはplanning meetingで答えを使う前に、その答えがどう作られたかを確認できなければならない。Databricksは、Agent Modeがquestion complexityに合わせてreasoning量を動的に変え、単純なpromptでは速く、深い調査ではより多くのplanningとevaluationを使うとも説明している。

この機能はWorkspace Previewsから利用でき、AI/BI Dashboard usersはdashboard内でもdefaultでこのexperienceを使える。blogは今後のAPI supportとunstructured document analysisにも触れており、Genieがdashboard Q&Aを超えてenterprise agent surfaceへ広がる余地がある。

次に見るべきなのは、Agent Modeが複雑なwarehouse schemasでもmistakesを隠さずaccuracyを上げられるかだ。鍵はanalystsがSQLをauditし、semanticsを直し、reportを再利用できるかであり、毎回のchat answerを使い捨てにしないことだ。出典: Databricks source tweet · Databricks Genie Agent Mode blog