На конференции Data and AI Summit 2026 компания Databricks представила ряд обновлений, направленных на интеграцию генеративного ИИ в корпоративные платформы данных. Основные изменения коснулись улучшения производительности векторного поиска, инструментов для управления жизненным циклом моделей и расширения возможностей платформы Mosaic AI, что позволяет компаниям эффективнее масштабировать RAG-системы и автоматизировать работу с неструктурированными данными.
Ключевым фокусом обновлений стала оптимизация работы с данными в реальном времени. Новые инструменты позволяют сократить задержки при обновлении векторных индексов, что критически важно для актуальности ответов ИИ-агентов. Также были представлены улучшения в области управления качеством данных, которые теперь включают автоматизированные проверки для пайплайнов, подающих информацию в LLM, что снижает риск галлюцинаций из-за некачественных входных данных.
Значительное внимание уделили безопасности и прозрачности процессов. Обновления в Mosaic AI включают расширенные возможности мониторинга и оценки моделей, позволяя командам отслеживать метрики производительности и соответствие требованиям комплаенса непосредственно в рабочей среде. Это упрощает переход от прототипов к промышленной эксплуатации сложных агентных систем, требующих высокой степени надежности и воспроизводимости результатов.
Ключевые факты
- Внедрена поддержка оптимизированного векторного поиска с сокращением времени индексации на 40%.
- Расширен функционал Mosaic AI для автоматизированного тестирования и оценки качества ответов моделей (LLM-as-a-judge).
- Представлены новые инструменты для управления качеством данных в реальном времени, интегрированные в Lakehouse.
- Улучшена интеграция с внешними фреймворками для оркестрации, что упрощает построение сложных RAG-пайплайнов.
- Обновлены политики безопасности, позволяющие гранулярно контролировать доступ к данным на уровне отдельных записей для ИИ-моделей.