10 月 27 日,Ben Horowitz 与 Michael McGuiness 在 a16z 发表文章,以 Databricks 为例提出:智能体能否改变企业分工,取决于企业能否同步调整业务记录、权限和决策机制。a16z 曾投资 Databricks,这篇文章呈现的是投资方对技术与组织变化的判断。

两位作者关注的是员工能否获得更多调查问题、设计工作流和采取行动的空间。他们认为,智能体要自主工作,原本存在于员工头脑中的业务定义、行动权限和效果评估,需要更多进入企业共享的业务记录系统。文章转述 Databricks 首席执行官 Ali Ghodsi 的说法,将这一方向称为 SORA,即“面向智能体的业务记录系统”。

这种设想要求企业既集中维护可信的业务状态与行动约束,也扩大能够提问、设计流程和执行工作的人员范围。作者强调,工作分散化仍需要审批、共享业务定义、权限和问责,并不意味着所有员工都能访问全部数据。

数据库的使用方式已经出现相应变化。Databricks 在另一篇技术博客中称,其 Lakebase 服务内,智能体创建的数据库数量约为人工用户的四倍。这一比例比较的是数据库创建数量;博客没有提供观测周期、样本量或分类方法,不能据此判断智能体承担了多少生产业务。

Lakebase 的分支机制提供了一个具体切口。按 Databricks 技术文档,分支通过写时复制共享父分支的底层数据,仅在修改时写入新数据;子分支的变化不会影响父分支,父分支的变化也不会自动进入子分支。由此看,智能体可以在隔离环境中试验,再由团队决定如何把结果用于正式业务。不过,共享存储不等于所有分支都只按增量收费:没有到期时间的永久分支,仍按完整数据大小计收存储费用。

分析数据与业务应用之间的连接也有具体边界。Databricks 的 synced tables(同步表)文档说明,这条路径仍使用托管的 Lakeflow 同步管道更新数据;同步表已正式可用,而用于加速批量加载的 LTAP Direct Writes 仍为 Beta。因此,不能把架构统一理解为所有分析与事务数据之间都已不再需要复制或同步管道。

这些机制支持更便捷的隔离试验和数据使用,但企业分工如何改变,仍取决于授权与责任如何落地。a16z 的文章提出了一个值得检验的方向:让共享记录承载更多业务知识,使员工能够委派智能体执行并检查结果。现有技术文档尚不能证明,这种工作方式已经带来管理层级减少或决策权下放。

参考来源: