Databricks lanceert Agent Bricks

Mosaic AI Research heeft een nieuwe methodiek gelanceerd genaamd 'Agent Bricks', die gericht is op het automatiseren van de ontwikkeling en optimalisatie van AI-agents. Het systeem genereert automatisch domeinspecifieke synthetische data en taakafgestemde benchmarks. Op basis van deze benchmarks vindt een geautomatiseerde optimalisatie plaats, gericht op kosten en kwaliteit, met als doel de doorlooptijd te verkorten en consistentie te verbeteren.

Noodzaak voor een nieuwe aanpak

Volgens Databricks, de ontwikkelaar van Agent Bricks, zijn kwaliteit en kosten momenteel belangrijke hindernissen voor de implementatie van AI-agents in de praktijk. Zonder gestructureerde evaluatiekaders, taakspecifieke benchmarks en domeinspecifieke testdata zijn teams vaak aangewezen op "onderbuikgevoelens", wat kan leiden tot inconsistente kwaliteit en complexe, kostbare experimenten die moeilijk schaalbaar zijn. Agent Bricks is ontwikkeld om in deze behoeften te voorzien door een gestandaardiseerde, herhaalbare en objectieve evaluatie van AI-agents mogelijk te maken.

Functionaliteiten van Agent Bricks

Agent Bricks genereert automatisch taakspecifieke evaluaties en Large Language Model (LLM)-judges om de kwaliteit te beoordelen. Vervolgens creëert het systeem synthetische data die aansluit bij de data van de klant, om de agent te trainen. Ten slotte doorzoekt Agent Bricks verschillende optimalisatietechnieken om de agent te verfijnen. Klanten kunnen vervolgens de versie kiezen die de gewenste balans tussen kwaliteit en kosten biedt, wat moet resulteren in een productieklare, domeinspecifieke AI-agent.

Agent Bricks ondersteunt verschillende toepassingen, waaronder:

• Informatie-extractie: Omzetting van ongestructureerde documenten (e-mails, pdf's, rapporten) naar gestructureerde data.
• Kennisassistentie: Levert snelle en accurate antwoorden op basis van specifieke bedrijfsdata, bedoeld om inaccurate chatbotantwoorden te voorkomen.
• Multi-agentsystemen: Bouw van systemen die meerdere agents verbinden voor complexere taken, met minder handmatige debugging.
• Gepersonaliseerde LLM-agents: Aanpassing van tekstverwerkingstaken zoals samenvatten, classificeren of herschrijven, specifiek afgestemd op een branche.

Ali Ghodsi, CEO en medeoprichter van Databricks, stelt: “Agent Bricks biedt een geheel nieuwe manier om AI-agents te bouwen en te implementeren die kunnen redeneren op basis van bedrijfseigen data. 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."

Joseph Roemer, Head of Data & AI, Commercial IT bij AstraZeneca, gaf een praktijkvoorbeeld: “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.”

Aanvullende lanceringen en beschikbaarheid

Tijdens de Data + AI Summit zijn aanvullende Mosaic AI-functies gelanceerd:

• Ondersteuning voor serverloze GPU’s: Hiermee kunnen teams modellen finetunen en experimenteren met grote taalmodellen zonder zelf GPU-infrastructuur te hoeven beheren.
• MLflow 3.0: De nieuwste versie van het MLflow framework, opnieuw ontworpen voor generatieve AI. Het stelt gebruikers in staat AI-agents te monitoren, traceren en optimaliseren, ongeacht het hostingplatform.

Agent Bricks en Serverless GPU Compute zijn per direct beschikbaar in beta. MLflow 3.0 is algemeen beschikbaar.