Agent Bricks optimaliseert automatisch AI-agents op basis van unieke klantdata en levert daardoor meer kostenefficiëntie en betrouwbaarheid
Data- en AI-bedrijf Databricks introduceert vandaag tijdens hun jaarlijkse Data + AI Summit Agent Bricks: een nieuwe, geautomatiseerde manier om krachtige AI-agents te creëren die volledig zijn afgestemd op een organisatie. Geef simpelweg een globale omschrijving van de taak van de agent, koppel je bedrijfsdata, en Agent Bricks doet de rest. Agent Bricks is geoptimaliseerd voor veelvoorkomende toepassingen, zoals het gestructureerd extraheren van informatie, betrouwbare kennisassistentie, teksttransformatie en het orkestreren van multi-agentsystemen binnen Genie. Agent Bricks is vanaf vandaag beschikbaar in beta.
Dankzij innovatieve onderzoeksmethodiek van Mosaic AI Research genereert Agent Bricks automatisch domeinspecifieke synthetische data en op specifieke taken afgestemde benchmarks. Op basis van deze benchmarks wordt automatisch geoptimaliseerd voor kosten en kwaliteit, waardoor bedrijven de tijdrovende trial-and-error van de huidige benaderingen kunnen vermijden. Teams bereiken zo direct productieklare niveaus van nauwkeurigheid en efficiëntie. Geïntegreerde governance- en bedrijfscontroles zorgen ervoor dat organisaties snel van idee naar productie kunnen gaan, zonder losse tools aan elkaar te hoeven knopen.
Een nieuwe aanpak voor agents is nodig
Kwaliteit en kosten vormen de grootste obstakels die experimenten met AI-agents tegenhouden richting daadwerkelijke implementatie. Zonder robuuste evaluatiekaders, taakspecifieke benchmarks en domeinspecifieke testdata zijn teams aangewezen op onderbuikgevoelens. Dit leidt tot inconsistente kwaliteit en kostbare, complexe experimenten die lastig op te schalen zijn. De snelle ontwikkelingen in AI – met steeds weer nieuwe modellen en technieken – maken het er niet eenvoudiger op. Organisaties hebben behoefte aan domeinspecifieke, herhaalbare, objectieve en continue evaluaties, zodat zij AI-agents kunnen inzetten die betrouwbaar én betaalbaar zijn. Tegelijk willen ze profiteren van de nieuwste technologieën zonder torenhoge kosten of hun teams opnieuw te moeten bijscholen. Databricks heeft Agent Bricks ontwikkeld om aan deze belangrijke, tot nu toe onbeantwoorde behoeften te voldoen.
Agent Bricks: direct AI-agents bouwen en optimaliseren met uw bedrijfsdata
Allereerst genereert Agent Bricks automatisch taakspecifieke evaluaties en LLM-judges om de kwaliteit te beoordelen. Vervolgens wordt synthetische data gecreëerd die lijkt op de data van de klant, zodat de agent beter kan leren. Tot slot zoekt Agent Bricks binnen het volledige spectrum van optimalisatietechnieken naar de beste verfijning van de agent. Aan het einde van deze geautomatiseerde workflow hoeft de klant alleen nog de versie te kiezen die het gewenste evenwicht biedt tussen kwaliteit en kosten. Het resultaat: een productieklare, domeinspecifieke AI-agent die consequent intelligente output levert, en dat in hoog tempo.
Agent Bricks ondersteunt verschillende veelvoorkomende toepassingen van agents in belangrijke sectoren:
– Informatie-extractie: Zet documenten, zoals e-mails, pdf’s en rapporten om in gestructureerde velden zoals namen, data en productdetails. Retailorganisaties kunnen zo bijvoorbeeld eenvoudig productinformatie, prijzen en omschrijvingen uit complexe en verschillend opgemaakte pdf’s van leveranciers halen.
– Kennisassistentie: Deze agents lossen het probleem op van vage of ronduit foute antwoorden van chatbots, door snelle en accurate antwoorden te geven die zijn gebaseerd op specifieke bedrijfsdata. Technici in de maakindustrie krijgen bijvoorbeeld direct beknopte antwoorden met bronvermelding uit SOP’s en onderhoudshandleidingen, zonder eindeloos te hoeven zoeken.
– Multi-agentsystemen: Maakt het mogelijk om multi-agentsystemen te bouwen die kwalitatief betere resultaten leveren en minder handmatig debuggen of hertrainen vereisen. Deze systemen verbinden verschillende agents binnen Genie-omgevingen, andere LLM-agents en tools zoals het Model Context Protocol (MCP)-framework. Financiële dienstverleners kunnen hiermee bijvoorbeeld meerdere agents inzetten voor intentieherkenning, document retrieval en compliance-checks, zodat zowel adviseurs als cliënten volledige gepersonaliseerde antwoorden ontvangen.
– Gepersonaliseerde LLM-agent: Bewerkt tekst voor taken als samenvatten, classificeren of herschrijven – volledig afgestemd op een specifieke branche. Marketingteams kunnen zo aangepaste agents maken om marketingteksten, blogs of persberichten te genereren in lijn met de huisstijl en merkidentiteit van de organisatie.
Agent Bricks biedt een geheel nieuwe manier om AI-agents te bouwen en te implementeren die kunnen redeneren op basis van bedrijfseigen data”, zegt Ali Ghodsi, CEO en medeoprichter van Databricks. “Voor het eerst kunnen bedrijven zelfstandig, snel en met vertrouwen de stap maken van idee naar productieklare AI op hun eigen data, met volledige controle over de balans tussen kwaliteit en kosten. Er komt geen handmatig afstellen of giswerk aan te pas én organisaties profiteren van alle beschikbare security- en governancevoordelen van Databricks. Dit is de doorbraak die enterprise AI-agents eindelijk zowel praktisch als krachtig maakt.”
“Dankzij Agent Bricks konden onze teams meer dan 400.000 documenten over klinische onderzoeken analyseren en gestructureerde data extraheren zonder ook maar één regel code te schrijven. Binnen een uur hadden we een werkende agent die complexe, ongestructureerde data direct geschikt maakt voor analyses”, aldus Joseph Roemer, Head of Data & AI, Commercial IT bij AstraZeneca.
Aanvullende Mosaic AI-functies gelanceerd tijdens Data + AI Summit
– Ondersteuning voor serverloze GPU’s: Databricks biedt nu ondersteuning voor serverloze GPU’s, waarmee teams modellen kunnen finetunen, traditionele machine learning-toepassingen kunnen draaien en kunnen experimenteren met grote taalmodellen, zonder dat ze zelf GPU-infrastructuur hoeven te beheren. Met serverless GPU compute krijgen gebruikers snelle, on-demand en schaalbare toegang tot krachtige compute-middelen, zodat ze sneller AI-toepassingen kunnen bouwen zonder de operationele overhead of kosteninefficiënties van traditionele GPU-clusters.
– MLflow 3.0 – een uniform platform voor AI lifecycle management: Databricks heeft vandaag MLflow 3.0 uitgebracht, de nieuwste versie van het wereldwijd meest gebruikte framework voor AI-ontwikkeling. MLflow 3.0 is volledig opnieuw ontworpen voor de generatie van generatieve AI, en stelt gebruikers in staat om AI-agenten te monitoren, te traceren en te optimaliseren, ongeacht op welk platform ze worden gehost. Dankzij geïntegreerd promptbeheer, kwaliteitsmetingen, menselijke feedback en LLM-gedreven evaluaties, kunnen teams eenvoudig de prestaties van AI-agents visualiseren, vergelijken en debuggen, zelfs in uiteenlopende omgevingen. MLflow-traces en evaluatieresultaten zijn bovendien te koppelen aan elk bestaande data lakehouse, zodat gebruikers productiedata optimaal kunnen inzetten om de nauwkeurigheid van hun agenten te verbeteren. MLflow is open source en wordt maandelijks meer dan 30 miljoen keer gedownload.
Samen met Agent Bricks maken deze innovaties van Databricks het meest complete platform voor productieklare GenAI – van bouwen en optimaliseren tot evalueren, vergelijken en veilig uitrollen.
Beschikbaarheid
Agent Bricks en Serverless GPU Compute zijn per direct beschikbaar in beta. MLflow is algemeen beschikbaar. Lees hier meer informatie over Agent Bricks.