{"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

Lo que anunció Databricks

Databricks publicó una entrada en el blog de la empresa en la que detalla cómo su propia organización de marketing utiliza un asistente interno de IA llamado Marge, al que la compañía describe como su implementación de marketing de Genie Agents, su tecnología de analítica conversacional. El texto fue escrito por Elizabeth Dobbs, AVP de Tecnología de Marketing de Databricks, junto con Thomas Russell, Katy Yuan y Sydney Sundell.

Según Databricks, Marge permite a los profesionales de marketing formular preguntas en lenguaje natural y recibir respuestas basadas en un "Marketing Lakehouse", un entorno de datos gobernado que la empresa construyó para unificar datos de campañas, analítica web, CRM, eventos y ventas bajo definiciones y métricas coherentes.

Uso y resultados reportados

Databricks afirma que la herramienta ha generado los siguientes resultados dentro de su departamento de marketing:

• Los profesionales de marketing usan datos tres veces más a la hora de tomar decisiones.
• Más del 85% de la organización de marketing utiliza Marge.
• El uso ha crecido un 50% trimestre tras 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 se ha perfeccionado el sistema.
• Databricks afirma haber ampliado el acceso a los insights sin aumentar la plantilla de analistas.

La compañía señala que los profesionales de marketing pueden preguntarle a Marge cosas como el rendimiento de una campaña de correo electrónico, qué programas influyeron en el pipeline de un trimestre determinado o dónde ajustar el gasto en campañas, y que Marge traduce esas preguntas en consultas ejecutadas contra datos empresariales gobernados. El acceso se realiza a través de Genie One, que Databricks describe como una "experiencia de cotrabajo con IA para usuarios de negocio" que dirige las solicitudes a Genie Agents especializados en áreas como rendimiento web, analítica digital y planificación de marketing. Para solicitudes más complejas, la empresa afirma que un "modo Agente" puede evaluar múltiples pasos para producir un análisis más profundo.

Unity Catalog, el producto de gobernanza de Databricks, proporciona metadatos centralizados, linaje de datos y control de acceso basado en roles, de modo que cada usuario solo ve los datos que está autorizado a consultar, según la publicación.

Cómo dice Databricks que incorporó la confianza al sistema

Databricks describe cuatro prácticas a las que atribuye la mayor precisión y fiabilidad de Marge:

1. Documentar los datos y las relaciones entre tablas en Unity Catalog, incluidas definiciones específicas del negocio, como qué se considera un lead cualificado para marketing.
2. Codificar respuestas verificadas y pares de ejemplo de pregunta y consulta, revisados por expertos en la materia, para preguntas de alto valor o gran complejidad.
3. Enseñar a Marge la terminología del negocio e indicarle que formule preguntas aclaratorias cuando a una solicitud le falten detalles como el período de tiempo o la región.
4. Mantener bucles continuos de retroalimentación y evaluación, incluidas valoraciones de los usuarios y preguntas de referencia contrastadas con respuestas conocidas.

La empresa indica que un gestor de BI dedica alrededor de una hora a la semana a revisar la retroalimentación y mantener Marge, una inversión a la que atribuye la caída del 25% en las respuestas incorrectas señaladas.

Enfoque de implementación

Databricks explica que impulsó la adopción trabajando directamente con los profesionales de marketing para identificar sus preguntas más frecuentes y el lenguaje que utilizan, empezando después por un caso de uso único y acotado, el rendimiento de las campañas de correo electrónico, antes de ampliar el alcance. La compañía sostiene que esto le permitió validar la precisión y generar confianza entre los usuarios antes de extender la cobertura del asistente.

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