Quando il tuo team passa ore a scrivere prompt, mettere a punto modelli e assemblare pipeline di dati solo per implementare un agente IA, la produttività subisce un arresto.
Databricks ha introdotto Agent Bricks per risolvere questo collo di bottiglia mediante l'automazione completa del flusso di lavoro di creazione e ottimizzazione dei dati dell'azienda.
Questa guida ti illustra cosa offre, come funziona e se è adatta al tuo stack.
Punti chiave
- Databricks Agent Bricks automatizza la creazione di agenti utilizzando dati sintetici e benchmark.
- Elimina la regolazione manuale dei prompt e si integra direttamente con Unity Catalog.
- I primi utenti segnalano costi di ottimizzazione elevati ma prestazioni eccellenti su larga scala.
- L'accesso regionale e la personalizzazione con limite rimangono i rischi chiave durante la fase beta.
Databricks offre l'IA agentica?
Sì, Databricks ha lanciato Agent Bricks l'11 giugno 2025 al suo Data+IA Summit di San Francisco.
La piattaforma automatizza la creazione di agenti IA generando dati sintetici specifici per dominio e benchmark sensibili alle attività, quindi ottimizzando i modelli in termini di costi e qualità senza necessità di intervenire manualmente con il prompt engineering.
Basato sull'acquisizione di MosaicML da parte di Databricks nel 2023, il prodotto pone Databricks in posizione sia come provider di data lakehouse che come piattaforma di IA agentica.
È destinato ai team che gestiscono grandi volumi di documenti interni, registrazioni di transazione o contenuto non strutturato e necessitano di agenti in grado di estrarre informazioni, rispondere a domande o coordinare flussi di lavoro in più passaggi in modo da garantire la sicurezza.
Agent Bricks è entrato nella fase beta pubblica a metà del 2025, inizialmente disponibile su AWS nelle regioni degli Stati Uniti con un'espansione nel piano di arrivare in Europa entro la fine dell'anno.
Come funziona effettivamente il lavoro?
Agent Bricks riduce il tradizionale ciclo di tentativi ed errori a una pipeline guidata. Descrivi l'attività in un linguaggio semplice, effettui la connessione delle tue origini dati tramite Unity Catalog e il sistema genera automaticamente esempi di formazione sintetici che rispecchiano il tuo dominio.
Questi esempi confluiscono in una suite di benchmark che valuta i modelli candidati in base a accuratezza, latenza e costo. La piattaforma seleziona quindi la configurazione che soddisfa la tua barra di qualità al prezzo più basso per inferenza.
Questo flusso di lavoro elimina le settimane che i team impiegano solitamente per applicare le etichette ai dati, ottimizzare i prompt ed eseguire test A/B.
Dietro le quinte, MLflow 3.0 registra ogni esecuzione di valutazione, in modo da poter risalire alle decisioni del modello dai dati e dai parametri sottostanti. La sicurezza rimane intatta perché gli agenti non estraggono mai dati al di fuori del perimetro del lakehouse Databricks.
La panoramica dell'architettura è fondamentale quando si vede che risolve un problema reale.
Come funziona nella pratica?
Il team dati di AstraZeneca si è trovato ad affrontare un arretrato di 400.000 PDF relativi a sperimentazioni cliniche che richiedevano un'estrazione strutturata per la presentazione dei documenti normativi. La revisione manuale avrebbe richiesto mesi.
Hanno configurato un agente di estrazione delle informazioni in Agent Bricks, lo hanno indirizzato al repository dei documenti e hanno lasciato che il sistema generasse campioni sintetici basati sugli schemi del protocollo di versione di prova. L'agente ha analizzato tutti i 400.000 file in meno di 60 minuti senza codice.
- Il team identifica il collo di bottiglia nell'estrazione dei dati e la scadenza normativa.
- Fornisce la connessione tra Agent Bricks e il document lake interno tramite Unity Catalog.
- La piattaforma esegue l'ottimizzazione, generando benchmark specifici per ogni attività e selezionando un modello ottimizzato.
- Distribuisci l'agente in produzione, riducendo settimane di lavoro manuale a meno di un'ora.
Hawaiian Electric ha ottenuto vantaggi simili quando ha sostituito una soluzione fragile basata su LangChain con Agent Bricks per le query sui documenti legali.
Il nuovo agente ha superato significativamente lo strumento originale in termini di accuratezza delle risposte sia nelle valutazioni automatizzate che in quelle umane, dando ai dipendenti la sicurezza di potersi affidare ad esso per le ricerche di conformità.
Integrazione e compatibilità con l'ecosistema
Agent Bricks eredita il livello di integrazione di Databricks, quindi si collega direttamente alle piattaforme già utilizzate dai tuoi team di dati e ML.
Unity Catalog funge da hub centrale di governance, gestendo l'accesso a data lake, warehouse e archivi vettoriali in un unico framework di policy.
Gli agenti eseguono query su tabelle Delta, file Parquet o documenti archiviati nel lakehouse senza copiare i dati su servizi esterni.
| Piattaforma/Partner | Natura dell'integrazione |
|---|---|
| Catalogo Unity | Governance unificata per dati, modelli e output degli agenti |
| Neon | Postgres senza server per flussi di lavoro transazionali degli agenti |
| Tecton | Funzionalità in tempo reale con latenza inferiore a 100 ms |
| OpenAI | Accesso nativo a GPT-5 sui dati dell'azienda |
Gli sviluppatori interagiscono con Agent Bricks tramite API e SDK Databricks standard. La funzione SQL ai_query consente agli analisti di richiamare direttamente gli LLM nelle query, mentre gli endpoint REST servono gli agenti tramite l'infrastruttura Model Serving.
Le integrazioni IDE offrono supporto alle pipeline CI/CD, consentendo agli ingegneri di controllare le versioni delle configurazioni degli agenti insieme al codice delle applicazioni.
La prossima acquisizione di Tecton integrerà un negozio di funzionalità online in Agent Bricks, fornendo dati in streaming agli agenti con una latenza inferiore a 10 ms.
Questa funzionalità consente di usufruire del rilevamento delle frodi, della personalizzazione e di altri casi d'uso che dipendono da informazioni aggiornate al secondo.
Per ora, i team possono creare prototipi con funzionalità batch e pianificare il passaggio ai dati in tempo reale una volta che l'integrazione sarà operativa a metà del 2026.
Buzz della community e opinioni degli utenti early
I primi feedback sono contrastanti tra l'entusiasmo per la facilità d'uso e la cautela riguardo ai limiti della versione beta.
Un utente di Reddit ha elogiato il generatore di agenti senza codice e la stretta integrazione con Unity Catalog, notando che gli agenti ereditano automaticamente le autorizzazioni dei dati.
Lo stesso utente ha segnalato che un'ottimizzazione completa richiede in genere più di un'ora e costa oltre 100 dollari in termini di elaborazione, il che può comportare un aumento dei costi durante la fase di sperimentazione.
- "Semplifica notevolmente il nostro flusso di lavoro e riduce la necessità di regolazioni manuali." Reddit
- "Il costo per ogni ciclo di ottimizzazione può essere elevato nella versione beta." Reddit
- L'accesso sicuro al contenuto interno crea fiducia nella piattaforma. Comunità Databricks
La disponibilità regionale ha creato attriti per i team europei. A metà del 2025, un rappresentante commerciale di Databricks ha confermato che Agent Bricks era disponibile solo negli Stati Uniti durante la fase di anteprima iniziale, il che ha fornito un prompt a alcuni clienti a creare aree di lavoro sandbox nelle regioni statunitensi per testare il prodotto.
I post sul forum contengono anche una menzione sull'instabilità dell'anteprima e sulle frequenti modifiche alle funzionalità/funzione, tipiche dei software beta, ma che vale la pena pianificare se il tuo caso d'uso richiede un tempo di attività elevato.
A conti fatti, i primi utenti che sono in grado di assorbire le peculiarità della versione beta e i costi di elaborazione vedono il valore dell'automazione offerta da Agent Bricks. L'analisi di 400.000 documenti da parte di AstraZeneca e i miglioramenti in termini di accuratezza ottenuti da Hawaiian Electric risuonano in tutta la comunità come prova che la piattaforma è in grado di gestire attività su scala produttiva.
La validazione nel mondo reale è importante quando si decide se investire tempo in fase di progettazione o attendere che il prodotto raggiunga la maturità.
Roadmap e prospettive dell'ecosistema
Databricks amplierà Agent Bricks dal punto di vista geografico e in funzione nei prossimi 18 mesi. Entro il quarto trimestre del 2025, l'anteprima sarà disponibile nelle regioni europee, a partire dalle distribuzioni Azure nell'Europa occidentale.
Questa fase di lancio consente all'azienda di raccogliere feedback diversificati dagli utenti e garantire la conformità alle normative regionali in materia di dati prima di dichiararne la disponibilità generale.
L'integrazione di Tecton a metà del 2026 consentirà agli agenti di estrarre funzionalità in tempo reale da flussi, API e magazzini con un tempo di attività del 99,99%, consentendo il rilevamento delle frodi e casi d'uso di personalizzazione che richiedono dati aggiornati al secondo.
Neon e Mooncake si uniranno in un'esperienza unificata denominata 'Lakehouse DB', che fornirà agli agenti scritture conformi allo standard ACID e letture analitiche istantanee senza pipeline ETL.
"Agent Bricks segna un importante cambiamento nell'IA dell'azienda", ha notato un analista di VentureBeat, sottolineando i miglioramenti delle prestazioni da 10 a 100 volte superiori ottenuti grazie all'eliminazione delle tradizionali pipeline di dati.
Aspettati nuovi modelli di agenti oltre ai quattro tipi iniziali (estrazione di informazioni, assistente di conoscenza, supervisore multi-agente, agente LLM personalizzato).
La ricerca di Databricks sta esplorando assistenti di codice, agenti di piano e connettori per API esterne. La partnership con OpenAI garantisce che, quando OpenAI rilascerà GPT-5 e i modelli futuri, questi saranno disponibili in modo nativo in Agent Bricks con supporto e governance di prima parte.
A lungo termine, Databricks immagina l'IA agentica come una nuova figura utente sulla piattaforma, affiancata da ingegneri e analisti dei dati. Questa visione include continui investimenti in funzionalità/funzione di IA responsabile come registri di audit, rilevamento dei pregiudizi e controlli delle politiche dettagliati, man mano che l'adozione degli agenti cresce nei settori regolamentati.
Quanto costa l'intelligenza artificiale agentica di Databricks?
Agent Bricks è un follower del modello di prezzo basato sull'utilizzo di Databricks senza costi di licenza iniziali. Paghi al secondo per l'elaborazione e l'inferenza del modello, fatturati in unità Databricks (DBU).
I carichi di lavoro Model Serving e Feature Serving costano circa 0,07 dollari per DBU al secondo con il piano Premium, che include il costo dell'istanza cloud sottostante. Anche l'inferenza accelerata da GPU per i modelli di base costa circa 0,07 dollari per DBU al secondo.
La parte più intensiva è l'ottimizzazione iniziale. Uno dei primi utenti ha riferito di aver speso oltre 100 dollari in cloud computing per un singolo ciclo di formazione della durata di un'ora che ha generato dati sintetici e ottimizzato l'agente.
Dopo l'ottimizzazione, l'utilizzo dell'agente diventa molto più economico perché il sistema ha identificato una configurazione del modello efficiente in termini di costi che mantiene la qualità con un numero inferiore di token per query. I team possono impostare limiti di budget tramite la politica di budget di Databricks per limitare la spesa durante la sperimentazione.
I clienti azienda possono acquistare pacchetti di impegno (ore DBU prepagate) per ottenere sconti sul volume, riducendo efficacemente la tariffa al secondo rispetto alla fatturazione on-demand. Il prezzo esatto varia a seconda del provider cloud (AWS, Azure, GCP) e della regione, con alcune regioni che applicano tariffe leggermente superiori rispetto alla costa orientale o occidentale degli Stati Uniti.
I costi nascosti da tenere d'occhio includono l'elaborazione per la ricerca vettoriale, l'acquisizione dei dati e il riaddestramento periodico man mano che la distribuzione dei dati cambia. Quando calcoli il costo totale di proprietà, tieni conto del tempo di progettazione risparmiato evitando la regolazione manuale dei prompt e l'etichetta dei dati.
I primi utenti segnalano che le settimane di lavoro manuale eliminate da Agent Bricks spesso compensano i costi di calcolo, soprattutto se si considera il costo opportunità derivante dal ritardo nell'implementazione dell'agente.