Agentes de IA para Databricks
Un agente de Monmo trabaja en Databricks como lo haría un ingeniero de datos en el turno de mañana. Explica por qué fallan los jobs, responde preguntas con consultas SQL a las tablas de Unity Catalog, controla el gasto en DBU a partir de las tablas del sistema y documenta las tablas sobre las que tu equipo suele preguntar. Usa la identidad que conectes, solo ve lo que Unity Catalog le permite y pide permiso antes de ejecutar un job, cambiar recursos de cómputo o escribir datos.
Actualizado: 2026-11-13 · Empieza gratis. Planes de pago desde $15 al mes.
Qué hacen los agentes en Databricks
Explicar un job fallido
Cuando falla un job programado, el agente lee la salida de la tarea, el error y los logs del driver, encuentra la celda del notebook o el archivo que falló y describe la causa y una posible solución.
PreguntarEl job nocturno de pedidos falló a las 02:10. Dime qué tarea falló, por qué y qué cambiarías.
Responder preguntas con un SQL warehouse
Pídele los clientes activos semanales por segmento y encontrará las tablas en Unity Catalog, escribirá la consulta, la ejecutará en el SQL warehouse que le asignes y mostrará la respuesta junto con el SQL.
Preguntar¿Cuántos clientes activos semanales tuvimos por segmento durante las últimas ocho semanas? Muestra la consulta.
Controlar el gasto en DBU
Cada lunes lee la tabla del sistema de uso y facturación, agrupa las DBUs por workspace, job y SQL warehouse, las compara con la semana anterior y escribe el resumen en Google Sheets.
PreguntarCada lunes, resume el uso de DBU de la semana pasada por job y warehouse, y señala los mayores aumentos.
Detectar recursos de cómputo siempre activos
Lista los clústeres de uso general sin terminación automática, los clústeres sobredimensionados que ejecutan jobs ligeros y los SQL warehouses que siguen activos toda la noche. También prepara los cambios de configuración y pide permiso antes de aplicar cualquiera de ellos.
PreguntarBusca clústeres sin terminación automática y warehouses activos toda la noche, y sugiere una configuración para cada uno.
Documentar tablas de Unity Catalog
Lee las tablas de un esquema, examina muestras de sus columnas y su linaje, y redacta comentarios que un analista nuevo pueda entender. Los revisas en Google Docs y espera tu aprobación antes de añadirlos a Unity Catalog.
PreguntarRedacta comentarios para las tablas y columnas del esquema sales en Unity Catalog. Déjame revisarlos primero.
Comparar ejecuciones de experimentos
Para un experimento de MLflow, compara las ejecuciones por sus parámetros y métricas, identifica qué cambió entre las mejores y las demás, y escribe una nota breve para el equipo en Slack.
PreguntarCompara las últimas 20 ejecuciones del experimento churn-model y dime qué parámetros marcaron la diferencia.
Revisar quién puede ver tablas sensibles
Lista los permisos sobre tablas que contienen datos personales, los grupos y usuarios que los tienen y cualquier permiso amplio, como el concedido a todos los usuarios de la cuenta. Después prepara la revocación de esos permisos para tu administrador.
Preguntar¿Quién puede leer las tablas del esquema customers_pii? Señala cualquier permiso que vaya más allá del equipo de datos.
Cómo se conecta
- 1Conecta un workspace de Databricks con un token de acceso personal u OAuth o, mejor aún, con una cuenta de servicio que cree tu administrador. Puede que el administrador del workspace tenga que habilitar los tokens; para informar sobre el gasto, también deben estar habilitadas las tablas del sistema.
- 2Databricks encaja tanto con un agente de datos como con uno de ingeniería. Los permisos de Unity Catalog determinan qué catálogos y tablas ve cada uno, así que concede a la identidad del agente acceso solo a los esquemas que necesite para su trabajo.
- 3Leer ejecuciones, logs, tablas y tablas del sistema no requiere aprobación. Para ejecutar un job o notebook, crear o editar recursos de cómputo, escribir en una tabla o cambiar un permiso, el agente pide autorización en una tarjeta.
Preguntas frecuentes
¿Puede un agente de IA trabajar en notebooks de Databricks?
Sí. Un agente de Monmo puede leer notebooks, explicar qué hace una celda y preparar un notebook nuevo para un análisis. Pide permiso antes de guardarlo en el workspace o ejecutarlo en recursos de cómputo, porque una ejecución consume DBUs y puede escribir tablas. Trabaja a través de la conexión con Databricks o en su propio navegador cuando la conexión no cubre alguna función.
¿Es seguro dar a un agente de IA acceso a datos de Unity Catalog?
El agente de IA solo ve lo que Unity Catalog permite a su identidad. Dale una cuenta de servicio con SELECT en los esquemas que necesite y sin acceso a datos personales, salvo que el trabajo lo requiera. La lectura no necesita aprobación; cualquier escritura o cambio de permisos espera tu autorización y puedes retirar el acceso en cualquier momento.
¿Puede explicar por qué subió la factura de Databricks?
Puede mostrar dónde aumentó el gasto. A partir de la tabla del sistema de facturación, desglosa las DBUs por job, clúster y warehouse, compara periodos e identifica los jobs o clústeres responsables del aumento. Sugiere cambios, como activar la terminación automática o usar un warehouse más pequeño, y tú decides cuáles aplicar.
¿Puede corregir y volver a ejecutar un job fallido de Databricks?
Encuentra la causa, prepara la corrección y pide permiso antes de volver a ejecutar el job. Si la corrección está en el código, abre una pull request en GitHub para su revisión. Si solo hay que reparar el job desde la tarea fallida, muestra la ejecución en una tarjeta y la repara cuando das permiso.
Tu próxima incorporaciónpodría empezar hoy.
Crea tu primer agente en un minuto. Empezar es gratis.