Databricks acaba de actualizar Genie Agents para que lean documentos que antes quedaban fuera de su radar: PDFs, presentaciones y hasta imágenes guardadas como archivos en Unity Catalog Volumes. El cambio se publicó el 2 de noviembre de 2026 en las notas de versión del producto y resuelve un problema que cualquiera que haya trabajado con un agente de datos conoce de memoria: la mitad de la información importante de una empresa no vive en una tabla, vive en un PDF de 40 páginas que alguien subió hace dos años.
Por qué esto no es un detalle menor
Genie es la capa de Databricks que deja hacer preguntas en lenguaje natural sobre tus datos y recibir respuestas con el SQL detrás, sin que nadie tenga que escribir una consulta. Hasta ahora funcionaba bien con tablas y vistas, pero se quedaba corto apenas alguien preguntaba algo que dependía de un contrato en PDF, un manual de políticas o una lámina de un deck de ventas. Con esta actualización, Genie Agents puede leer esos archivos directamente desde Unity Catalog Volumes y responder citando la página exacta de donde sacó el dato.
Eso cambia el tipo de pregunta que un analista puede hacerle al agente. Ya no es solo "¿cuánto vendimos en octubre?" sino "¿qué dice la cláusula de penalidad del contrato con el proveedor X?" en la misma conversación, sin cambiar de herramienta.
Qué resuelve en la práctica
Trabajé en proyectos donde el 30% del tiempo de un analista se iba en buscar manualmente el PDF correcto antes de poder responder algo. Con citas automáticas a la fuente, ese paso desaparece y además queda trazabilidad: si el agente se equivoca, puedes revisar exactamente qué página usó para llegar a esa respuesta.
- ▸Lee PDFs, presentaciones (slides) e imágenes guardadas como archivos en Unity Catalog Volumes, sin pasos extra de indexación manual.
- ▸Cada respuesta incluye una cita que apunta a la página de origen del documento.
- ▸Se integra con el resto de Genie: puedes combinar una pregunta sobre una tabla con una pregunta sobre un documento en el mismo hilo.
- ▸No requiere mover los archivos fuera de Unity Catalog ni duplicar el gobierno de datos que ya tenías configurado.
Lo que nadie te dice de los agentes "listos para producción": la parte difícil nunca fue conectar un LLM a una tabla, fue conectarlo a los documentos sueltos que nadie documentó.
Casos de uso donde esto importa de verdad
Un equipo de finanzas puede preguntarle a Genie sobre el contenido de un contrato de arrendamiento sin pedirle a legal que lo resuma otra vez. Un equipo de operaciones puede cruzar una tabla de incidentes con el manual de procedimientos en PDF para saber si un proceso siguió el protocolo. Y un equipo comercial puede pedirle al agente que compare cifras de un deck de la competencia (si lo tiene cargado como insumo interno) contra sus propios números en una tabla.
El límite real sigue siendo el mismo de siempre con cualquier sistema de agentes: la calidad de la respuesta depende de qué tan bien organizados están los permisos y los metadatos en Unity Catalog. Si tu gobierno de datos es un desorden, un agente más capaz solo te va a dar errores más convincentes.
También cambia el perfil de quién puede usar esto. Antes, para responder una pregunta que mezclaba un PDF y una tabla necesitabas a alguien que supiera SQL y que además tuviera paciencia para leer el documento completo. Ahora ese trabajo lo puede iniciar cualquier persona del equipo de negocio, y el rol del analista de datos pasa a ser el de revisar y afinar lo que el agente propone, no el de hacer la búsqueda manual desde cero.
Cómo probarlo si ya tienes Databricks
No hace falta un proyecto nuevo para probarlo. Si ya tienes un espacio Genie configurado sobre uno o varios esquemas, el camino corto es este:
- ▸Sube los documentos (PDF, PPTX o imágenes) a un Volume de Unity Catalog, dentro del mismo catálogo donde ya tienes las tablas relacionadas.
- ▸Agrega ese Volume como fuente adicional en la configuración del espacio Genie, junto a las tablas que ya usas.
- ▸Prueba con una pregunta mixta, algo como "según el contrato de octubre, ¿qué penalidad aplica si el proveedor se atrasa, y cuántas veces pasó eso este año según la tabla de incidencias?". Esa combinación de documento + tabla es justo lo que antes había que resolver a mano.
- ▸Revisa la cita que entrega la respuesta: te dice la página exacta del documento de donde salió el dato, así puedes auditar si el agente interpretó bien el texto.
Un detalle que vale la pena mencionar: esto no reemplaza un sistema RAG hecho a medida si tu caso de uso es muy específico (miles de documentos, necesitas control fino sobre el chunking, o quieres un modelo distinto al que usa Genie por defecto). Para eso sigue teniendo sentido construir tu propio pipeline sobre Mosaic AI. Pero para el 80% de las preguntas típicas de un analista de negocio, esto le ahorra a tu equipo de datos tener que construir esa pieza desde cero.
Lo que todavía no resuelve
Las citas apuntan a la página del documento, pero no validan automáticamente que el dato siga vigente. Si subes un contrato viejo y uno nuevo al mismo Volume sin limpiar el anterior, el agente puede citar el que no corresponde. Esto no es un bug, es el mismo problema de siempre con cualquier base de conocimiento: si no la mantienes ordenada, la IA hereda ese desorden y lo presenta con mucha confianza.
Tampoco es gratis en el sentido de cómputo: cada consulta sobre documentos no estructurados consume más recursos que una consulta SQL directa sobre una tabla, así que si tu volumen de preguntas es alto, vale la pena revisar el consumo antes de abrir esto a toda la organización de una sola vez.
Cómo aprender a construir esto
Si quieres entender cómo se arma un agente así desde cero, con Unity Catalog, permisos y conexión a fuentes no estructuradas, el curso Creación de Agentes Inteligentes con Databricks trabaja justo ese flujo con proyectos reales.
Y si tu objetivo es más amplio —usar Databricks como plataforma de IA generativa en toda la empresa, no solo para un agente puntual— la Especialización en IA Generativa en Databricks cubre Mosaic AI, RAG y despliegue de modelos en el mismo ecosistema.
Esto también es, en el fondo, un problema de arquitectura de agentes en producción: memoria, permisos, trazabilidad. Si ese es el rumbo que te interesa seguir en tu carrera, la ruta AI Agentic Engineer te lleva de un agente de juguete a uno que una empresa puede auditar.
Si prefieres practicar esto en vivo con gente que está resolviendo lo mismo que tú, cada semana armamos un taller abierto en la Comunidad AI Builders, desde 19 USD al mes.
Para cerrar
Lo interesante de esta actualización no es la función en sí, es la señal: Databricks está empujando a Genie de "chat sobre tablas" a "chat sobre toda la información de la empresa", documentos incluidos. Si tu equipo ya usa Unity Catalog, probar esto te va a tomar una tarde. Si todavía no lo usa, esta es una buena razón más para ordenar esos permisos antes de que el próximo agente llegue a tocarlos.
Puedes revisar el catálogo completo de cursos de datos e IA en datapath.ai/cursos si quieres ver por dónde seguir.
