In molte imprese, l’entusiasmo per gli agenti AI — quegli assistenti intelligenti che promettono di risolvere problemi, rispondere a domande o automatizzare flussi di lavoro — cozza spesso con una realtà impietosa. Molte sono generate con entusiasmo nei demo, ma si perdono lungo il cammino che porta alla produzione. In parole povere, le aziende spesso “volano al buio” quando si tratta di passare dai prototipi funzionanti a sistemi robusti e affidabili.
Databricks, da parte sua, ha deciso di intervenire con una risposta concreta e articolata: due tecnologie chiave che puntano a colmare questo vuoto e dare visibilità, controllo e affidabilità all’operatività degli agenti AI. Il nome del duetto? Agent Bricks e Lakebase.
Il cuore pulsante dell’innovazione risiede negli Agent Bricks, un framework pensato per costruire agenti AI specifici per ogni dominio, ancorati ai dati reali e in produzione. L’idea è passare dalla demo patinata all’agente operativo: uno strumento che non solo risponde, ma comprende, agisce, processa e riflette il contesto aziendale, il tutto con la possibilità di orchestrare diversi agenti in modo sicuro e governato.
A fare da cornice al progetto c’è Lakebase, un database operativo nativamente pensato per l’AI. Non una parentesi tra tecnologie esistenti, ma una vera e propria nuova categoria — progettata per supportare l’intera pipeline di agenti intelligenti: dall’estrazione dati, alla governance, fino all’esecuzione di query sensibili e in tempo reale.
Non si tratta solo di idee: i numeri di Databricks raccontano una storia di successo. L’azienda ha raggiunto un run rate di 4 miliardi di dollari, oltre 1 miliardo dei quali generato dall’AI, e punta a una Serie K da 1 miliardo con una valutazione superiore ai 100 miliardi.
Nei mesi precedenti, Databricks aveva già gettato le basi: strumenti no-code per costruire pipeline AI, integrazioni con Azure, Google Cloud, modelli Gemini, e una visione chiara di democratizzazione dell’AI, con strumenti come Databricks One per facilitare l’uso da parte di utenti non tecnici. Inoltre, la collaborazione pluriennale con Anthropic, per integrare i modelli Claude nella piattaforma Databricks, punta a portare precisione e affidabilità — con l’obiettivo di superare il 95% di accuratezza, al pari del livello umano. Tuttavia, come sottolinea il CEO Ali Ghodsi, la piena automazione resta una sfida: anche con agenti sempre più sofisticati, il controllo umano rimane cruciale, soprattutto quando la complessità cresce.