Vat dit blogbericht samen met:
Het meest onthullende moment van de Databricks Data + AI Summit van dit jaar was geen productlancering. Het was een openhartige bekentenis. Tijdens een toespraak voor een zaal vol klanten zei de CEOAli GhodsiHet deel dat de meeste leveranciers liever onbesproken laten, is dat het inzetten van agenten "extreem duur gaat worden. We staan nog maar aan het begin."
Het is opvallend dat een bedrijf met verbruiksprijzen dit aan zijn klanten vertelt, en het geeft precies weer waar AI in het bedrijfsleven in 2026 staat. De opwinding rondom agents is gebotst op de realiteit van de factuur, en voor de meeste organisaties is de factuur nu bepalend voor het gesprek.
Die spanning was voelbaar gedurende alle vier de dagen in Moscone, waar zo'n 30.000 mensen uit 150 landen zich verzamelden voor meer dan 800 sessies. Het is stilletjes uitgegroeid tot dé plek waar investeringen in bedrijfsinfrastructuren worden besproken voordat ze daadwerkelijk worden gedaan, en de gastenlijst van dit jaar bewees dat: Satya Nadella van Microsoft in eeneens een praatje bij het haardvuurGreg Brockman van OpenAI was persoonlijk aanwezig op het podium, en Mukesh Ambani van Reliance beschreef een plan om inlichtingendiensten toegankelijk te maken voor 1,5 miljard mensen.
Hieronder vindt u alle informatie die u nodig heeft over de volgende vier onderwerpen tijdens elke keynote:Context, controle, kosten en keuzeDeze ideeën werden door Databricks gedurende het hele evenement als fundamentele uitgangspunten gepresenteerd, waardoor een rode draad ontstond in de aankondigingen van nieuwe producten. De onderliggende boodschap is duidelijk: veel AI-producten voor bedrijven functioneren nog niet naar behoren.
Ghodsi gaf die erkenning een scherpere toon in zijn keynote. AI, zo betoogde hij, "heeft geen intelligentieprobleem, maar een contextprobleem. Als een CFO geen model kan vinden dat verklaart waarom de marges zijn veranderd, ligt het probleem niet bij de intelligentie van het model. Het probleem is dat het model de business niet kent. Bijna elke release hieronder is een poging om die kloof te dichten."
1. Geest Een
Het belangrijkste productnieuws wasDatabricks GenieGenie One, dat van een kleine functie is uitgegroeid tot een volwaardige productfamilie, is nu algemeen verkrijgbaar en wordt gepresenteerd als een AI-collega voor financiële, verkoop- en marketingteams. Het systeem werkt met gestructureerde en ongestructureerde data en produceert daadwerkelijk dingen, documenten, rapporten en geplande taken, in plaats van alleen maar vragen te beantwoorden.
Waarom het belangrijk is - Zonder licentiekosten en met een kleine gratis maandelijkse limiet per gebruiker verdwijnt de drempel die de adoptie normaal gesproken in de weg staat: het aanschaffen van licenties voor mensen die het mogelijk gaan gebruiken. Een pilot kan beginnen met een handvol echte gebruikers en pas worden opgeschaald waar de waarde daadwerkelijk blijkt, waardoor tools worden geïntegreerd in plaats van verplicht gesteld. Voor de meeste organisaties was de beperking voor analyses nooit het talent, maar de doorvoer, en Genie One is specifiek gericht op doorvoer.
2. Genie-ontologie
Het is meer dan alleen een chatbot; het is een continu verbeterende contextlaag voor het ontsluiten van de betekenis van uw bedrijf uit uw tabellen, dashboards, documenten en gekoppelde applicaties. Databricks leverde gegevens waaruit bleek dat Genie correct antwoordde.84,5 procentHet systeem beantwoordde daadwerkelijke vragen van medewerkers in één keer correct, vergeleken met de algemene codeeragent die slechts 52,4 procent van alle vragen van medewerkers in één keer correct beantwoordde. Het verschil van 32 punten tussen de resultaten van deze voorbeelden laat het verschil zien tussen iets wat je in een demonstratie ziet en iets wat een controller het vertrouwen geeft om erop te vertrouwen.
Why It Matters - By learning meaning continuously from your own tables, documents, and usage rather than from a one-time manual mapping, Genie Ontology moves the reliability question away from the model and onto the context around it. The 84.5 versus 52.4 percent gap is the concrete version of that shift. It is the entire difference between a tool they double-check and a tool they rely on, and that reliance is the precondition for AI ever leaving the pilot stage.
De prijsstelling was de verrassing. Er zijn geen licenties per gebruiker, met tot wel $10 aan gratis gebruik per gebruiker per maand, en je betaalt alleen voor wat je gebruikt. Voor iedereen die ooit een budget heeft moeten opstellen voor een uitrol van 5.000 gebruikers, is dat een bewust lage drempel voor een serieuze pilot.
1. LTAP
LTAP, oftewel Lake Transactional/Analytical Processing, was een nieuwe stap voorwaarts voor Databricks. Het verenigt transactionele, analytische en streaming data op één opslagkopie, zonder ETL-pipelines en zonder replica's, door operationele PostgreSQL-data op te slaan in Delta- en Iceberg-formaat vanaf het moment dat ze worden geschreven.
Waarom het ertoe doet - De impact is structureel, niet incrementeel. Elke verbinding tussen een operationeel en een analytisch systeem is zowel een kostenpost als een potentieel storingspunt. Door dit samen te voegen tot één kopie worden de complexe infrastructuur, de dubbele opslag en de synchronisatievertraging in één keer geëlimineerd. De ontwikkeltijd verschuift van het onderhouden van verbindingen naar het bouwen van producten, en analyses weerspiegelen de huidige bedrijfsresultaten in plaats van de resultaten van gisteren. Als het systeem de belasting van een echte machine doorstaat, is dit de meest waarschijnlijke manier om de architectuur van systemen de komende 12 tot 18 maanden te veranderen. Slimme teams zullen het consistentiemodel grondig testen voordat ze er hun kwartaal op baseren, maar de richting is moeilijk te negeren.
2. Lakebase
Onder de motorkap bevindt zich Lakebase, de serverloze PostgreSQL-engine die nu 12 miljoen database-lanceringen per dag uitvoert. Het beschikt over Git-achtige branching, disaster recovery over meerdere regio's en, het meest nuttig, native hybride vector- en full-text search. Als die zoekfunctie resultaten oplevert, maakt het de aparte vectordatabase die de meeste agentarchitecturen tegenwoordig gebruiken, overbodig. Eén systeem minder om te beheren, één minder onderdeel om te controleren.
3. Lakehouse//RT
Het derde onderdeel is Lakehouse//RT, een realtime laag die een latentie van minder dan 100 ms levert, rechtstreeks op beheerde Delta- en Iceberg-tabellen. Het draait op een speciaal ontwikkelde nieuwe engine genaamd Reyden, die van de grond af is ontworpen voor de snelle, gelijktijdige query's die live dashboards en klantgerichte applicaties vereisen.
Waarom dit belangrijk is - Dit is vooral relevant voor teams die een tweede database hebben opgezet om iets 'live' te laten lijken. Die serverlaag brengt eigen kosten met zich mee, vereist synchronisatie en heeft de neiging om af te wijken van de bron van waarheid. Door query's met een responstijd van minder dan 100 ms rechtstreeks op beheerde tabellen uit te voeren, wordt dit volledig geëlimineerd. De voordelen zijn minder systemen om te beheren, één minder bron van tegenstrijdige cijfers en beheer dat automatisch wordt overgedragen.
1. Agent Bricks
Agent bakstenen voorAgentische AI Het is uitgegroeid tot een volwaardig ontwikkelaarsplatform en de gebruikscijfers verklaren waarom Databricks het steeds over de kosten heeft. Er zijn nu meer dan 100.000 agents op het platform gebouwd, die jaarlijks meer dan een quadriljoen tokens verwerken. Een quadriljoen. Dat is de schaal die Ghodsi's waarschuwing "extreem duur" verandert van een loze kreet in een concrete kostenpost.
2. Alwetend
Databricks greep het moment ook aan om zich te verzetten tegen vendor lock-in. Omnigent, een nieuwe open-source meta-harness, stelt teams in staat om agent-frameworks te combineren en ertussen te schakelen. Het is een "harness van harnesses", wat betekent dat je niet vastzit aan de aanpak van één leverancier, omdat de tools voortdurend veranderen. Het is een stille, zelfverzekerde zet: bezit het platform en je kunt het je veroorloven om open te zijn over de frameworks die erop draaien.
Waarom het ertoe doet - Omnigent verdient zijn plek omdat de agenttools die aan alle andere frameworks ten grondslag liggen zich nog steeds snel ontwikkelen. Vastleggen op één framework brengt het risico met zich mee van een kostbare heropbouw zodra er een betere aanpak beschikbaar komt. Een open meta-harness waarmee je frameworks kunt combineren en wisselen, maakt die vastlegging omkeerbaar: gebruik wat nu werkt zonder later achterstand op te lopen. Heropbouwen behoren tot de duurste en minst zichtbare kostenposten in bedrijfssoftware, dus die flexibiliteit levert een reëel financieel voordeel op. Bovendien laat het zien dat Databricks gelooft dat de waarde in het platform zelf zit, en niet in de frameworks.
3. Unity AI Gateway
Dit is misschien wel de meest onopvallende, maar belangrijke release van de week. Het biedt inzicht in uitgaven bij verschillende aanbieders, strikte bestedingslimieten, slimme routering om kwaliteit en kosten in balans te brengen, en bescherming tegen persoonsgegevens en het direct injecteren van gegevens, allemaal beheerd viaUnity-catalogusen uitgebreid naar modellen, agents en MCP-services. De boodschap van elke governance-sessie was duidelijk en verdient herhaling: stel dit in vóórdat je agents opschaalt, niet erna. Het klinkt vanzelfsprekend. De meeste teams doen het nog steeds niet, en het achteraf implementeren van governance op agents die al in productie zijn, is de dure manier om de les te leren.
4. Unity Catalog
De basis van dit alles wordt gevormd door Unity Catalog, dat is uitgegroeid van een governancecatalogus tot de semantische laag die elke agent ondersteunt. De belangrijkste toevoeging is Unity Catalog Metrics: definieer een KPI zoals omzet of klantverloop één keer, en elk dashboard, elke API en elke agent beantwoordt deze op dezelfde manier, in plaats van dat drie teams drie verschillende cijfers rapporteren. Met een nieuwe bedrijfswoordenlijst en domeinen voor gedeelde betekenis zorgt dit ervoor dat het antwoord van een agent daadwerkelijk betrouwbaar is, en dat is precies waar het om draait.
Databricks heeft de instap ook verruimd. De gratis editie, die inmiddels meer dan 500.000 gebruikers telt, biedt nu gratis toegang tot Genie Code, serverloze GPU's, Lakebase en Agent Bricks.
The summit was really an argument about where enterprise AI goes next, and most of it applies well past the Databricks ecosystem.
De eerste verandering is dat de context, en niet de kwaliteit van het model, nu de beperkende factor is. Twee jaar lang jaagde de industrie op steeds betere modellen. De resultaten van de Genie Ontology, waarbij een systeem dat gebaseerd is op de context veel vaker correct antwoordde dan een sterke, algemene agent, wijzen op een ander knelpunt: een model dat uw bedrijf niet begrijpt, zal falen, hoe slim het ook is. Dat herdefinieert het werk. Het voordeel verschuift naar degene die zijn betekenis, zijn meetwaarden, definities en relaties het meest rigoureus modelleert, en weg van degene die simpelweg het grootste model koopt.
De tweede verschuiving is dat kosten een architectuurbeslissing zijn geworden, geen inkoopbeslissing. Een quadriljoen tokens per jaar is het bedrag dat de uitgaven van agenten verandert van een voetnoot in een ontwerpcriterium. Wanneer het goed beheren van een agent duur is, zijn keuzes zoals welk model welke taak uitvoert, waar de uitgavenlimieten liggen en hoeveel redundante infrastructuur je onderhoudt, geen bijzaken meer, maar bepalen ze vanaf dag één het systeem. Daarom werden governance en kostenbeheersing, de minst aantrekkelijke onderdelen van de stack, als belangrijkste kenmerken beschouwd.
De derde verschuiving is consolidatie. LTAP dat de verbinding tussen operationele en analytische data vereenvoudigt, Lakehouse//RT dat de aparte realtime-laag verwijdert, en Lakebase dat vectorzoekopdrachten in de database integreert: al deze factoren wijzen in dezelfde richting: minder bewegende onderdelen. Jarenlang was het standaardantwoord op een nieuwe behoefte het toevoegen van een ander gespecialiseerd systeem. De topconferentie is ervan overtuigd dat de wildgroei zelf het probleem is geworden, en dat de systemen die zullen winnen, de systemen zijn die het aantal taken dat een team moet uitvoeren en beheren, verminderen.
Dit alles is niet uniek voor Databricks. Elk belangrijk data- en AI-platform convergeert op dezelfde drie ideeën, en dat maakt ze de moeite waard om in de gaten te houden, ongeacht welke leverancier je gebruikt. De les van DAIS 2026 is dat de volgende fase van AI voor bedrijven zal worden gewonnen op basis van fundamenten, gecontroleerde context, beheersbare kosten en geconsolideerde infrastructuur, in plaats van alleen op de rekenkracht van modellen.