Databricks Membawa Agent Bricks ke General Availability

Databricks membawa Agent Bricks ke tahap General Availability (GA), menandakan bahwa AI agent kini siap digunakan dalam skala produksi enterprise. Bersamaan dengan itu, Databricks merilis kapabilitas baru di orchestration, governance, dan enterprise context, menunjukkan bahwa tantangan utama AI bukan lagi membangun agent, tetapi menjalankannya secara aman, terkontrol, dan relevan dalam bisnis nyata.

Dari “Build Agents” ke “Run Agents”: Masalah Sebenarnya Ada di Operasional

Selama beberapa tahun terakhir, fokus industri AI agent berada pada bagaimana membangun agent, menggabungkan model, tools, dan reasoning loop. Namun dari perspektif Databricks, fase tersebut bukanlah bottleneck utama.

Masalah sebenarnya muncul ketika agent harus dijalankan di lingkungan enterprise. Agent tidak lagi berinteraksi dengan data dummy, tetapi dengan sistem bisnis nyata: data pelanggan, workflow operasional, dan kebijakan internal. Di titik ini, kompleksitas meningkat drastis, mulai dari kontrol akses, keamanan, hingga konsekuensi dari setiap aksi yang diambil agent.

Inilah alasan mengapa banyak eksperimen agent gagal saat masuk ke production. Mereka bisa “berfungsi”, tetapi tidak bisa “dioperasikan”. Databricks secara eksplisit menegaskan bahwa tantangan utama bukan membangun agent, melainkan membuat agent bekerja dalam konteks bisnis dengan kontrol penuh.

General Availability: Sinyal Bahwa AI Agent Sudah Production-Ready

Masuknya Agent Bricks ke tahap General Availability menandai perubahan penting dalam lifecycle AI. GA bukan sekadar rilis produk, tetapi indikator bahwa platform sudah cukup matang untuk digunakan dalam operasional enterprise yang kritikal.

Perbedaan antara beta dan GA sangat signifikan dalam konteks ini. Di tahap GA, sistem harus memenuhi standar reliability, security, dan governance yang tinggi. Agent tidak lagi sekadar menjawab pertanyaan, tetapi mulai menjalankan workflow, mengambil keputusan, dan berinteraksi dengan berbagai sistem.

Dengan kata lain, GA menandakan bahwa AI agent telah bergeser dari eksperimen teknis menjadi bagian dari infrastruktur bisnis.

Agent Bricks: Platform Terpadu untuk Menjalankan Agent di Dunia Nyata

Agent Bricks diposisikan sebagai platform end-to-end yang menyatukan model, data, dan governance dalam satu sistem. Ini adalah respon terhadap fragmentasi tools yang selama ini menghambat adopsi agent di enterprise.

Alih-alih mengandalkan stack yang terpisah-pisah, Databricks membangun satu control plane yang mencakup:

• akses ke multi-model dan framework

• eksekusi agent dan orchestration

• governance, identity, dan auditing

• integrasi langsung dengan data enterprise

Pendekatan ini menunjukkan bahwa nilai AI agent tidak lagi terletak pada modelnya, tetapi pada bagaimana sistem tersebut dikelola secara menyeluruh dalam organisasi.

Kapabilitas Baru di GA: Fondasi untuk Agent yang Bisa Dioperasikan

Masuknya Agent Bricks ke GA juga dibarengi dengan serangkaian pembaruan yang memperkuat tiga layer utama: orchestration, governance, dan enterprise context. Pembaruan ini bukan sekadar fitur tambahan, tetapi mencerminkan bagaimana Databricks mendefinisikan ulang kebutuhan platform AI agent.

Multi-AI dan Agent Orchestration

Databricks memperluas kemampuan orchestration untuk mendukung sistem agent yang lebih kompleks:

• Custom Agents on Apps (GA) Build dan deploy agent dengan model atau framework apa pun, lengkap dengan lifecycle management dan serverless compute. Integrasi dengan Lakebase menyediakan memory, conversation history, dan state untuk workflow jangka panjang.

• Supervisor Agent (GA) Mengatur dan mengoordinasikan multiple agents dan tools dalam satu workflow, memungkinkan orkestrasi proses bisnis yang kompleks.

• Web Search di Foundation Model API Memberikan kemampuan grounding ke informasi real-time dari web.

Insight-nya: agent tidak lagi diposisikan sebagai unit tunggal, tetapi sebagai bagian dari multi-agent system yang membutuhkan orchestration layer.

Governance sebagai Control Plane Utama

Di sisi governance, Databricks memperkenalkan kontrol yang lebih terpusat dan menyeluruh:

• AI GatewayBerfungsi sebagai control plane untuk akses model dan tools, sekaligus mengintegrasikan guardrails yang mendeteksi dan memitigasi risiko seperti PII exposure, prompt injection, data exfiltration, dan hallucinations.

• Managed OAuth MCP ConnectorsIntegrasi aman ke sistem eksternal seperti GitHub dan Atlassian tanpa mengekspos kredensial.

Insight-nya: governance tidak lagi opsional, tetapi menjadi fondasi utama agar agent bisa dipercaya dalam production.

Enterprise Context sebagai Sumber Akurasi

Untuk memastikan agent menghasilkan output yang relevan, Databricks memperkuat layer context:

• Document Intelligence (GA)Mengubah dokumen tidak terstruktur menjadi data yang bisa di-query tanpa pipeline kompleks.

• Knowledge Assistant (GA)Meng-ingest dokumen enterprise dan membuatnya dapat diakses oleh agent dengan mempertimbangkan metadata dan constraint.

• Agent Mode di Genie SpacesMendukung multi-step reasoning untuk analisis yang lebih kompleks.

• CLEARS Framework di MLflowFramework evaluasi agent berbasis metrik seperti correctness, latency, dan safety.

Insight-nya: akurasi agent kini bergantung pada seberapa baik ia memahami konteks bisnis, bukan hanya pada model yang digunakan.

Multi-Model dan Context-Aware AI Menjadi Standar Baru

Agent Bricks dibangun dengan asumsi bahwa enterprise akan menggunakan lebih dari satu model. Platform ini menyediakan routing dan orchestration untuk memilih model terbaik sesuai kebutuhan.

Namun yang lebih penting adalah integrasi context. Dengan memanfaatkan metadata bisnis, agent tidak hanya membaca data, tetapi memahami maknanya dalam operasional perusahaan.

Ini menandai pergeseran dari:

• model-centric AI → context-aware AI

• single-model → multi-model orchestration

• tool-based AI → system-based AI

Dari AI Project ke Enterprise AI System

Masuknya Agent Bricks ke GA memperjelas arah industri: AI agent tidak lagi menjadi proyek eksperimen, tetapi bagian dari sistem operasional enterprise.

Databricks bahkan memposisikan platform ini sebagai “enterprise AI fabric”, lapisan yang menghubungkan data, model, dan workflow dalam satu sistem terpadu.

Perubahan ini membawa implikasi besar:

• AI menjadi infrastruktur, bukan fitur tambahan

• Agent menjadi executor dalam workflow bisnis

• Governance dan trust menjadi faktor utama adopsi

Pada akhirnya, masa depan AI bukan ditentukan oleh siapa yang memiliki model paling pintar, tetapi oleh siapa yang mampu mengelola, mengintegrasikan, dan mengoperasikan AI dalam skala besar dengan kontrol penuh.

Dan dengan membawa Agent Bricks ke General Availability, Databricks menunjukkan bahwa fase tersebut sudah dimulai.