Skip to content
DigitalNeuron
Herramientas y productos

Databricks afirma que su asistente de IA interno triplicó el uso de datos entre los profesionales de marketing

Databricks asegura que su equipo de marketing desarrolló Marge, un asistente de análisis basado en Genie Agents, que triplicó el uso de datos y alcanzó una adopción superior al 85%.

Por DigitalNeuron Desk3 min de lectura

Respuesta rápida

¿Qué anunció Databricks sobre Marge, su asistente de análisis de IA para marketing?

Databricks afirma haber desarrollado Marge, un asistente de análisis de IA impulsado por Genie Agents y basado en un Marketing Lakehouse gobernado, que permite a los profesionales de marketing hacer preguntas en lenguaje natural. La empresa informa que ahora los equipos de marketing usan los datos tres veces más a menudo en sus decisiones, con una adopción que supera el 85% de la organización de marketing.

Claves

  • Databricks afirma haber desarrollado Marge, una implementación específica para marketing de Genie Agents, sobre un Marketing Lakehouse gobernado que unifica datos de campañas, web, CRM y ventas.
  • Databricks informa que los profesionales de marketing ahora usan los datos tres veces más a menudo en sus decisiones, con una adopción superior al 85% de la organización de marketing y un crecimiento del uso del 50% trimestre a trimestre.
  • Según Databricks, Marge gestiona más de 800 preguntas al mes y ha respondido más de 5.000 en total, mientras que las respuestas incorrectas señaladas han caído un 25% a medida que el sistema mejoraba.
  • Databricks afirma haber usado Unity Catalog para centralizar metadatos, linaje y controles de acceso basados en roles, combinándolo con respuestas verificadas, consultas de ejemplo y orientación sobre el lenguaje de negocio para hacer que Marge fuera más preciso.
  • Databricks señala que la implementación comenzó con un único caso de uso, el rendimiento de las campañas de correo electrónico, antes de ampliar su alcance, y que mantener Marge ahora requiere a un responsable de BI aproximadamente una hora a la semana.

Databricks afirma que su organización de marketing desarrolló un asistente de análisis de IA interno llamado Marge que ha triplicado la frecuencia con la que los profesionales de marketing usan los datos para tomar decisiones, según una publicación en el blog de la empresa.

El asistente es una implementación específica para marketing de Genie Agents, la tecnología de análisis conversacional de Databricks, y se basa en lo que la compañía denomina un Marketing Lakehouse gobernado. Ese lakehouse unifica datos de plataformas de campañas, análisis web, sistemas de CRM, herramientas de eventos, canales publicitarios y datos de ventas, que según Databricks antes residían en sistemas separados con definiciones inconsistentes.

Lo que reportó Databricks

Según la empresa, desde la implementación de Marge:

  • Los profesionales de marketing usan los datos tres veces más a menudo para tomar decisiones.
  • Más del 85% de la organización de marketing usa Marge.
  • El uso ha crecido un 50% trimestre a trimestre.
  • Marge gestiona más de 800 preguntas al mes y ha respondido más de 5.000 en total.
  • Las respuestas incorrectas señaladas han disminuido un 25% a medida que el sistema mejoraba.
  • Databricks afirma haber ampliado el acceso a los insights sin aumentar la plantilla de analistas.

Databricks señala que los profesionales de marketing interactúan con Marge haciendo preguntas en lenguaje natural, como el rendimiento de una campaña de correo electrónico o qué programas influyeron en el pipeline en un trimestre determinado. El asistente traduce esas preguntas en consultas analíticas y devuelve respuestas extraídas de los datos gobernados, según la empresa. Databricks indica que los profesionales de marketing acceden a Marge a través de Genie One, descrito como una experiencia de cotrabajo con IA para usuarios de negocio que también incluye paneles y aplicaciones, y que Genie One dirige las solicitudes a agentes especializados creados para ámbitos como el rendimiento web, el análisis digital y la planificación de marketing.

Cómo dice Databricks que construyó precisión y confianza

La empresa describe cuatro mecanismos que utilizó para hacer que Marge fuera más preciso y fiable. En primer lugar, Databricks afirma haber usado Unity Catalog para centralizar metadatos, descripciones de tablas, linaje y controles de acceso, con responsables de marketing revisando y enriqueciendo con contexto de negocio las descripciones generadas por IA. En segundo lugar, la empresa señala que codificó respuestas verificadas y consultas de ejemplo para preguntas comunes de alto valor, como las tasas de conversión y el valor de vida del cliente, revisadas por expertos en la materia. En tercer lugar, Databricks afirma haber proporcionado a Marge orientación de comportamiento para interpretar terminología específica de la empresa, como tratar "gasto" e "inversión" como equivalentes a un campo llamado "coste", además de instruir al asistente para que haga preguntas aclaratorias cuando falten datos como el período de tiempo o la región. En cuarto lugar, la empresa asegura haber construido bucles continuos de retroalimentación y evaluación, en los que los usuarios califican las respuestas y un responsable de BI revisa esas calificaciones, lo que según Databricks ha ayudado a reducir en un 25% la tasa de respuestas incorrectas señaladas. La empresa afirma que este mantenimiento ahora requiere aproximadamente una hora a la semana.

Enfoque de implementación

Databricks señala que comenzó trabajando directamente con los profesionales de marketing para entender las preguntas que hacían con más frecuencia y el lenguaje que empleaban, y después arrancó con un único caso de uso concreto: el rendimiento de las campañas de correo electrónico, utilizando únicamente los datos de campaña, destinatarios e interacción necesarios para responder a esas preguntas. La empresa afirma que este alcance inicial reducido facilitó validar la precisión y demostrar el valor antes de ampliar a más datos y casos de uso.

Fuente: Blog de Databricks, "How Databricks' marketers use data 3x more with Genie, an AI analytics assistant", publicado el 15 de septiembre de 2026.

Preguntas frecuentes

¿Qué es Marge?
Según Databricks, Marge es un asistente de análisis conversacional construido con Genie Agents, basado en el Marketing Lakehouse gobernado de la empresa, que permite a los profesionales de marketing hacer preguntas en lenguaje sencillo y obtener respuestas gobernadas.
¿Qué resultados reporta Databricks del uso de Marge?
Databricks afirma que los profesionales de marketing ahora usan los datos tres veces más a menudo en sus decisiones, la adopción supera el 85% de la organización de marketing y el uso ha crecido un 50% trimestre a trimestre.
¿Cómo dice Databricks que mantuvo la precisión de las respuestas de Marge?
Databricks afirma haber documentado las relaciones de datos en Unity Catalog, codificado respuestas verificadas y consultas de ejemplo, enseñado a Marge terminología específica del negocio y construido bucles continuos de retroalimentación y evaluación.
¿Cómo implementó Databricks Marge entre los profesionales de marketing?
Databricks afirma haber partido de las preguntas reales de los usuarios, haber comenzado con un único caso de uso concreto (el rendimiento de las campañas de correo electrónico) y haber ampliado el alcance a partir de ahí.

Fuentes

  1. How Databricks’ marketers use data 3x more with Genie, an AI analytics assistant | Databricks BlogDatabricks
Etiquetasdatabricksgenieai-analytics-assistantmarketing-analyticsunity-catalogconversational-ai

Lecturas relacionadas

Databricks afirma que su asistente de IA interno triplicó el uso de datos entre los profesionales de marketing

Databricks afirma que su equipo de marketing desarrolló Marge, un asistente de análisis conversacional basado en Genie Agents, sobre un Marketing Lakehouse gobernado. La compañía informa que los profesionales de marketing ahora recurren a los datos tres veces más a menudo para tomar decisiones, la adopción supera el 85% de la organización de marketing y las respuestas incorrectas señaladas han disminuido un 25%.

3 min de lectura

{"duration_api_ms":2911,"stop_reason":"end_turn","session_id":"40a692f4-4211-480b-a48e-ae8b8d16ad58","total_cost_usd":0.006905400000000001,"usage":{"input_tokens":2,"cache_creation_input_tokens":912,"cache_read_input_tokens":8132,"output_tokens":48,"output_tokens_details":{"thinking_tokens":0},"server_tool_use":{"web_search_requests":0,"web_fetch_requests":0},"service_tier":"standard","cache_creation":{"ephemeral_1h_input_tokens":912,"ephemeral_5m_input_tokens":0},"inference_geo":"not_available","iterations":[{"input_tokens":2,"output_tokens":48,"cache_read_input_tokens":8132,"cache_creation_input_tokens":912,"cache_creation":{"ephemeral_5m_input_tokens":0,"ephemeral_1h_input_tokens":912},"type":"message"}],"speed":"standard"},"modelUsage":{"claude-haiku-4-5-20251001":{"inputTokens":1077,"outputTokens":14,"cacheReadInputTokens":0,"cacheCreationInputTokens":0,"webSearchRequests":0,"costUSD":0.001147,"contextWindow":200000,"maxOutputTokens":32000,"thinkingTokens":0,"canonicalModel":"claude-haiku-4-5","provider":"firstParty","costBasis":"list"},"claude-sonnet-5":{"inputTokens":2,"outputTokens":48,"cacheReadInputTokens":8132,"cacheCreationInputTokens":912,"webSearchRequests":0,"costUSD":0.0057584,"contextWindow":1000000,"maxOutputTokens":64000,"thinkingTokens":0,"canonicalModel":"claude-sonnet-5","provider":"firstParty","costBasis":"list"}},"permission_denials":[],"terminal_reason":"completed","fast_mode_state":"off","fast_mode_disabled_reason":"sdk_opt_in_required","subagent_stats":{"spawned":0,"requested":{"background":0,"foreground":0,"unset":0},"started_in_background":0,"max_depth":0,"spawned_by_subagents":0,"completed":0,"failed":0,"killed":{"parent":0,"user":0,"system":0},"refused":{"depth_limit":0,"concurrency_limit":0,"budget":0},"by_type":{}},"is_error":false,"num_turns":1,"subtype":"success","api_error_status":null,"result":"Databricks afirma que su equipo de marketing interno usa los datos tres veces más gracias a Marge, un asistente basado en Genie","ttft_ms":2448,"type":"result","duration_ms":2518,"uuid":"0b9c18c9-93cd-4863-a5d4-afa66b7fd08a","ttft_stream_ms":1785,"time_to_request_ms":506,"queued_turn_count":0} Client.listTools() called but server does not advertise tools capability - returning empty list

Databricks says its internal marketing team uses data three times more often in decisions after adopting Marge, a Genie Agents-based assistant built on a governed Marketing Lakehouse. The company reports over 85% adoption among marketers, 800-plus monthly questions answered, and a 25% drop in flagged incorrect responses.

3 min de lectura

Databricks Details Two New Apache Iceberg Specs for Cross-Catalog Governance

Databricks afirma que la comunidad de Apache Iceberg ha adoptado dos nuevas especificaciones, restricciones de lectura y etiquetas de catálogo, para el Iceberg REST Catalog. Las restricciones de lectura permiten a los catálogos delegar la aplicación de políticas en motores de confianza, mientras que las etiquetas de catálogo permiten a los catálogos intercambiar metadatos de gobernanza, como etiquetas de información personal identificable (PII), entre sistemas federados como Unity Catalog y Snowflake.

3 min de lectura