#Databricks也是一個關鍵字標籤
過去 7 天有 2 篇標成這個標籤 · 目前不在排行榜上


商傳媒|林昭衡/綜合外電報導資料與 AI 平台公司 Databricks 昨日宣布,正式將旗下 AI 代理服務 Genie ZeroOps 開啟公開測試。這款工具主打「ZeroOps(零維運)」概念,也就是透過高度自動化消除日常重複維護負擔,能自主偵測資料管線錯誤、追查故障成因,並在受控環境中產生修復程式碼。 這項技術最早於今年 6 月 16 日發表並進入封閉預覽階段。在測試期間,該系統觀察並分析了超過 8 萬起真實客戶案例。統計顯示,其中有超過半數的管線故障問題,往往需要結合特定組織內部的專業知識才能排除。 根據外媒報導,ZeroOps 運作於 Databricks 工作區層級,核心模型採用託管於 Databricks 端點上的 Anthropic 與 OpenAI 大型語言模型來處理維運資料。為兼顧隱私與合規,系統內建個資遮蔽機制,會自動隱藏姓名及電子郵件等敏感資訊。 對於企業最在意的系統穩定度,該服務設有明確的防護機制。Databricks 規定,ZeroOps 產生的修正方案必須先在隔離的沙箱環境中完成單元測試與試跑驗證,且絕對不會自動套用至正式生產環境。任何透過 Git 提出的修復程式碼,皆必須獲得工程師明確授權與確認才會推送,推送時也僅以新增提交(commit)方式進行,嚴禁強制覆寫或改寫分支歷史。 在協作功能上,每個設定檔最多可授權 25 名工作區使用者共同檢視診斷結果,且不需直接開放底層資料資產的讀取權限。使用者在設定過程中,系統還能自動回溯過去 24 小時內的管線故障事件。 不過,Databricks 目前釋出的測試版尚未通過美國 HIPAA 醫療隱私法規認證;若要偵測不完整資料等深層資料品質問題,企業仍需另外搭配付費的監控功能。


資料與AI平臺業者Databricks推出AI Runtime運算平臺,支援表格基礎模型(TFM),讓企業不必針對每項預測任務額外訓練模型,就能利用表格資料進行預測,減少模型開發與維護負擔

圖/示意圖商傳媒|責任編輯/綜合外電報導企業對人工智慧的探索正在脫離概念驗證與零散實驗階段。隨著邁向 2027 年,資訊長(CIO)與技術決策者開始收斂資源,不再盲目追求遍地開花的小型測試專案,而是將大筆預算聚焦於少數能帶來實質效益的核心業務流程。 波士頓諮詢公司(Boston Consulting Group)調查發現,高達 80% 的 AI 支出實際上發生在傳統企業 IT 預算之外,業務與財務主管對採購決策的影響力大幅攀升。根據高德納諮詢公司(Gartner)調查,已有 34% 的企業將 AI 代理(AI Agent)推向正式生產環境,企業開始面臨流程重構與運作成本暴增的全新挑戰。 聚焦少數高價值場景 重構端到端業務 摩根大通(JPMorganChase)私人銀行轉型 AI 技術長 Vrinda Menon 指出,過去各家企業累積了成千上萬個實驗專案,現在是時候收攏火力,將資源集中在兩到三個重大押注上。這代表企業不再只是用生成式 AI 替既有員工輔助日常雜務,而是轉向由自主代理驅動工作流程的端到端自動化。 美國保險巨頭旅行家集團(Travelers)即是一例。該公司透過微調開源權重模型,打造名為 TravelersLLM 的專屬保險模型,應用於特定核保任務時,不僅速度提升五倍,成本更降低 90%,成功將理賠登記時間從兩小時大幅縮短至兩分鐘。此外,該公司也已將生成式 AI 助理導入超過 8.5 萬通理賠通話中。 底層架構迎考驗 僅兩成主管具備監管能力 然而,全面部署 AI 代理對企業 IT 架構(支撐全公司軟體、資料與伺服器運作的底層技術骨幹)帶來嚴苛考驗。調查顯示,僅有 24% 的 IT 主管認為內部系統已具備監管代理工作流程的能力;高達 42% 的財務主管更直言,組織目前能力尚無法支撐對代理技術的雄心。 為了讓自主代理在多個業務系統中順暢運作,資料架構正出現轉變。企業逐漸捨棄耗時且昂貴的資料搬遷流程,傾向讓代理直接存取 SaaS 應用程式內的原生資料。同時,雲端資料平台業者相繼強化本體論(Ontology)層的支援,例如 Snowflake 與 Databricks 近期分別推出 Business Ontology 與 Genie Ontology,旨在為跨系統運作的代理提供一致的商業實體定義與邏輯關聯,避免 AI 產生誤判。 即時資料成標配 動態計費催生治理規範 代理技術落地也改變了企業的資料傳輸與維護習慣。半數 IT 與資料專業人員已將即時串流視為向 AI 工具提供資料的首選方式。Omdia 分析師 Stephen Catanzano 直言:「依賴昨日資料的代理,做出的只會是昨日的決策。」即時數據交付已從特殊規格轉為正式上線的基本門檻。 隨著代理進入連續運轉的生產環境,按量計費的 API 與運算開銷正快速墊高企業維運負擔。這促使企業加速推行「左移」資料治理,也就是在 AI 專案設計與開發初期,就預先納入資料品質驗證、存取權限與政策規範,而非等系統上線才補破網,藉此在維持交付速度的同時管控持續攀升的營運成本。