No dia 4 de setembro de 2026, o ES Databricks User Group se reuniu para discutir uma pergunta que aparece em praticamente toda empresa orientada por dados: como fazer uma pessoa de negócio chegar à resposta sem transformar cada dúvida em um novo chamado para o time de dados?
O tema do encontro foi o Genie One, a experiência simplificada da Databricks para usuários de negócio. Mais do que apresentar uma nova interface, a conversa mostrou uma mudança de perspectiva: o dado deixa de ser apenas algo que o analista consulta e passa a fazer parte do fluxo de trabalho de toda a organização.
Uma pergunta simples costuma percorrer um caminho longo: nasce em uma reunião, vira chamado, entra na fila do time de dados, espera a construção de um dashboard e, quando finalmente chega, talvez já não responda mais ao problema original.
O gargalo, portanto, nem sempre está no volume ou na qualidade do dado. Muitas vezes, ele está na distância entre quem precisa decidir e quem consegue traduzir a pergunta para uma consulta confiável.
O Genie One tenta encurtar esse caminho. A proposta é oferecer um ponto de entrada único para que usuários de negócio interajam com dados e inteligência artificial sem precisar navegar por conceitos como compute, queries, modelos ou notebooks.
O Genie One é a interface voltada para usuários de negócio dentro da família Genie. A partir de uma conversa em linguagem natural, a pessoa pode explorar dashboards, queries, Genie Agents, dados governados e fontes externas conectadas.
Na prática, a experiência combina três movimentos:
Essa evolução é importante porque uma resposta isolada raramente é o fim do trabalho. Normalmente ela é o começo de uma conversa: “qual região cresceu?”, “por que as vendas caíram?” e, em seguida, “o que devemos fazer a respeito?”.
Durante o encontro, a tela inicial foi apresentada como uma espécie de casa para quem precisa trabalhar com dados, mas não quer começar por um catálogo técnico.
O usuário encontra uma caixa de pergunta, sugestões prontas, histórico de conversas, agentes, itens salvos, tarefas agendadas e uma área de descoberta. A navegação parte de contextos de negócio, e não de schemas, tabelas e configurações de infraestrutura.
Essa diferença de experiência é parte central da proposta. A plataforma precisa esconder a complexidade operacional sem esconder a origem da resposta.
O recurso Discover foi mostrado como um marketplace interno de dados e IA. Em vez de depender de uma busca solta por nomes técnicos, a pessoa navega por áreas e domínios de negócio, encontrando recomendações, ativos certificados, itens populares e conteúdos em alta.
Uma experiência desse tipo só funciona quando a organização cuida do contexto dos ativos. Um dashboard sem descrição, uma tabela sem dono e uma métrica com várias definições concorrentes continuam sendo difíceis de usar, independentemente da qualidade da interface.
Outro ponto discutido foi a capacidade de combinar diferentes fontes de contexto. O usuário pode interagir com dados governados na Databricks e, conforme as conexões habilitadas, consultar informações presentes em ferramentas como Google Calendar, Atlassian, Glean, GitHub, Microsoft 365 e Slack, além de anexar arquivos à própria pergunta.
O resultado esperado é ampliar o escopo da conversa. A pergunta deixa de ser apenas “o que está no meu banco de dados?” e passa a ser “o que está acontecendo na minha empresa?”.
Essa ampliação não significa liberar tudo para todos. O alcance continua condicionado às conexões, permissões e políticas de governança configuradas pela organização.
A parte mais importante para entender por que o Genie One não é simplesmente “um chatbot conectado ao banco” é a Genie Ontology.
Ela funciona como uma camada de contexto que reúne o vocabulário, as entidades, os relacionamentos e os indicadores do negócio. Parte desse conhecimento é inferida automaticamente a partir dos dados e dos ativos existentes; outra parte é definida, curada e governada pela equipe.
Essa combinação cria um ciclo de melhoria:
O princípio apresentado no evento pode ser resumido assim: modele a cabeça e deixe a ontologia inferir a cauda. Em outras palavras, vale a pena investir primeiro nos conceitos críticos, nos KPIs importantes e nos termos que geram mais confusão. Não é necessário descrever manualmente cada detalhe antes de começar.
Os Domains ajudam a organizar esse contexto por áreas de negócio, unidades ou geografias. Dentro deles, a equipe pode estruturar subdomínios, criar páginas, orientar a descoberta e certificar o que deve ser tratado como fonte confiável.
Esse trabalho vive no ecossistema do Unity Catalog Semantics, que concentra definições e relações que precisam ser compartilhadas por pessoas e agentes. Uma definição de receita, por exemplo, não deveria existir apenas na cabeça de uma pessoa ou em uma instrução escondida em um prompt.
A organização do dado para seres humanos também melhora a capacidade de interpretação dos agentes. Quando a empresa define seus termos, métricas, relações e ativos confiáveis, ela reduz a ambiguidade disponível para a IA.
Uma das preocupações mais comuns ao usar IA para análise é direta: e se o sistema inventar?
O caminho apresentado no encontro foi tratar confiança como uma propriedade do sistema, e não como uma promessa do modelo. Alguns elementos são fundamentais:
Isso não elimina todos os erros. Uma pergunta ambígua em um domínio mal modelado ainda pode produzir uma resposta ruim. A diferença é que o erro deixa de ser um mistério: ele pode apontar para uma definição, uma métrica, um ativo ou um agente que precisa ser corrigido.
Uma recomendação prática discutida no evento foi evitar corrigir tudo no prompt. A pergunta pode ter revelado um problema em outra camada:
Essa abordagem é importante porque a correção feita no lugar certo beneficia as próximas perguntas e todos os usuários daquele domínio, em vez de funcionar apenas para uma conversa específica.
Uma conversa que funcionou bem não precisa morrer no histórico. Ela pode virar uma skill ou um agente reutilizável pela equipe.
Esse é um caminho interessante para adoção: o próprio usuário de negócio ajuda a revelar quais perguntas importam, quais termos são ambíguos e quais fluxos se repetem. O time técnico entra para governar, refinar e publicar uma experiência consistente.
O agente passa a ter escopo, instruções e guardrails próprios, sem perder a possibilidade de consultar fontes autorizadas e apresentar o caminho percorrido até a resposta.
O terceiro movimento é transformar a conversa em um artefato que circule pela empresa. O Genie One pode gerar documentos editáveis a partir do chat, incluindo tabelas, gráficos e as fontes citadas.
Isso aproxima a análise do trabalho cotidiano. Em vez de copiar uma resposta para um e-mail ou começar um documento do zero, o usuário pode partir da investigação já realizada, revisar o resultado e compartilhar o material com outras pessoas.
As respostas também podem alimentar tarefas agendadas e chegar a canais que a equipe já utiliza, como Slack, Teams e dispositivos móveis, conforme a configuração disponível no ambiente.
O Genie pode funcionar desde o primeiro dia com uma base simples, mas a qualidade tende a aumentar à medida que a organização estrutura seu contexto. O caminho apresentado no encontro pode ser organizado em seis camadas:
Essas camadas não precisam ser tratadas como pré-requisitos para começar. Elas formam uma trajetória de melhoria contínua. O piloto pode nascer pequeno e evoluir conforme a empresa aprende quais perguntas são mais frequentes e quais conceitos exigem curadoria.
Em vez de começar pelo conjunto de dados mais extenso, a recomendação é começar por um domínio com dono claro e perguntas reais.
Uma receita inicial pode incluir:
O ponto de partida não é o dado que a empresa tem disponível. É a pergunta que alguém já fez e que ainda demora demais para ser respondida.
O valor do piloto precisa aparecer em indicadores simples. Três métricas são suficientes para a primeira revisão:
Esses números ajudam a evitar uma avaliação baseada apenas em entusiasmo. O objetivo não é provar que a IA é impressionante, mas verificar se ela encurta o caminho entre informação e decisão sem comprometer a confiança.
O Genie One representa uma mudança de interface, mas seu impacto depende de algo mais profundo: contexto, governança e participação das áreas de negócio.
Os três recados principais do evento foram:
Quando esses elementos estão presentes, a IA deixa de ser uma demonstração isolada e passa a funcionar como uma colega de trabalho: alguém que ajuda a encontrar o dado, explicar o resultado, produzir um artefato e levar a análise para o próximo passo.
