Databricks 推出决策执行平台，将 AI 从洞察推进到结果闭环
Databricks 旗下 Forward Deployed Engineering (FDE) 团队发布「Decision Execution Platforms」,一个意在取代传统 BI 仪表盘的新企业分析物种。区别于止步于「把数据变好看」的旧范式，DEP 把高管的决策流程拆解为信号-决策-执行-结果四个可计算阶段，并由一组 Agent 在同一受管控数据平面上跑完整闭环。 按照官方博客的描述，DEP 的运作方式是将实时 KPI 偏移作为信号，自动给出推荐动作、备选方案与预测影响，高管确认后一键推送到生产系统，Agent 接手执行，最终把实际结果与预测的差距写回决策日志，形成持续学习的飞轮。整体架构分三层：底层是 Databricks 自有的 Lakebase、Unity Catalog、Genie 等数据与 AI 治理基座；中间是由 FDE 团队维护的 SDK,提供 Genie Ontology、Action Types、Decision Log、Scenarios 与 Omnigent Agent Harness 等可复用基元；上层则是面向行业原型的执行端应用，首批覆盖保险、医疗、能源、金融、零售等领域。 博客附带一个消费品行业案例：某大型运动零售商此前因客户承诺配送时效与实际履约系统脱节，每年损失超过九位数美元。FDE 团队在四周内与客户共建了一个聚焦履约优化的 DEP 实例，统一了节点、承运商与交付时间线的本体，让计划员和 Agent 在同一工作区模拟、决策、执行，不再依赖跨系统人工对齐。官方称该客户已进入规模化部署阶段，指向可量化的客户满意度与利润改善。
①
从看到数据到推动行动
DEP 瞄准的正是传统 BI 的断层：仪表盘让高管更快发现问题，但决策流程仍依赖开会、发邮件、追踪表格，信号与执行完全脱节。FDE 的方案是把决策链条压缩到一个连续平面上，每个决策及其结果都持久化在企业自有数据面的 Decision Log 里。
②
零售履约案例指向九位数级影响
官方披露的案例显示，因为交付承诺与履约系统数据割裂，该零售商每年承受超过九位数的额外运费与 SLA 违约成本。四周内落地的 DEP 实例统一了评估维度并允许安全回推生产系统，从实验直接跨入规模化阶段。
③
部署模式绑定 Databricks 全栈
DEP 不是通用中间件，它要求客户将数据、模型和决策状态全部放在自己的 Databricks 实例中运行，由 Unity Catalog 统一治理。这个设计保证了客户持有数据和知识产权，但也意味着 DEP 是 Databricks 生态的深度锁入。