Databricks Genie: ¿puede crear mi presentación y desplegar mi app?

¿Puede Databricks Genie hacer un PowerPoint con mis datos y respetar una plantilla de la empresa? ¿Puede desarrollar y desplegar una aplicación web que se apoye en un Genie space?

Son las preguntas que me siguen haciendo después de las demos. He puesto a prueba Genie Code con dos trabajos: convertir datos gobernados en una presentación editable y publicar una pequeña aplicación web en la plataforma. Eso sube el listón de lo que un asistente de una plataforma de datos empresarial puede asumir de principio a fin.

Figura 1. Modelo con nombre para trabajar con Genie Code. El contexto nativo alimenta la generación de artefactos. La revisión decide qué llega a un público o a un host compartido.

Contexto y restricción

Casi todo el ruido sobre Genie Code se centra en preguntas sobre datos o en andamiajes de ETL. Yo quería el camino del día a día: ¿puede producir artefactos que la gente presente y ejecute de verdad? Después de esas pruebas, se parece más a Claude Code o a Cursor que a un autocompletado superficial, con la seguridad de datos empresarial ya en la sala. El contexto nativo de Databricks sobre tablas, gobierno y restricciones de la plataforma significa gastar menos tokens en volver a explicar la topología del warehouse.

Genie Code importa cuando va más allá del chat y llega a los artefactos. Si razona sobre las restricciones del despliegue, pasas menos tiempo haciendo de adaptador MCP humano. La figura 2 es el reparto de responsabilidades que uso cuando alguien pregunta si un coding agent genérico con un MCP ligero es "lo mismo".

Figura 2. El mismo tipo de ayuda con el código, distinta carga de supervisión. El contexto nativo termina los trabajos propios de la plataforma. Los agentes genéricos siguen siendo flexibles entre stacks, pero en cada sesión hay que volver a enseñarles la realidad del warehouse y del despliegue.

Diseño

1. Generar presentaciones como un workflow respaldado por una skill

Conecté Genie Code con una skill de PPTX de código abierto (de la misma familia que se usa con Claude Code) para crear un PowerPoint a partir de datos de Databricks. En lugar de conclusiones solo en el chat, generó una presentación completa y editable de varias diapositivas con gráficos. Esa es la diferencia entre una captura de una respuesta y un artefacto listo para la sala de juntas en las revisiones mensuales o trimestrales. La figura 3 es el camino: métricas gobernadas en una skill, luego una presentación editable y luego una pasada editorial.

2. Las plantillas como personalización deliberada, no como magia

Si personalizas la skill, puede trabajar a partir de una plantilla de la empresa: desempaquetar la estructura y luego elegir y sustituir diapositivas con los datos correspondientes. La fidelidad exacta a la marca es un problema de skill y de recursos, no de intuición. Reserva tiempo para codificar las reglas de la plantilla. No esperes que un primer prompt se invente tu patrón corporativo.

3. Crear y desplegar la app con las restricciones nativas de la plataforma

Desarrollar y desplegar apps dentro de Databricks es posible desde IDE como Cursor o Claude Code con Databricks MCP, pero aun así tengo que guiar a esos agentes por el camino correcto. Genie Code ya tiene el contexto de la plataforma. En mi prueba bastó un prompt de una línea para que creara una app vacía, planificara el trabajo y abriera la página de la app mientras arrancaba el cómputo. Tras un empujón para que siguiera, escribió app.py, app.yaml y requirements.txt, desplegó a través de las API de workspace y de apps, y la app llegó a Running en un host de Databricks Apps.

Figura 3. Dos caminos de artefactos. Arriba: métricas gobernadas a través de una skill de PPTX hasta una presentación editable y luego revisión editorial. Abajo: app vinculada a un Genie space, comprobación de la forma del cómputo, despliegue en el host y luego CI e identidad antes de abrirla a más gente.

Figura 4. Una app de demo en su página de detalles justo después del despliegue. La forma del cómputo (Medium) y el registro del despliegue (ruta de origen y luego cada paso, de stop a start) están en una sola página, así que los copio de ahí al runbook de despliegue.

Running no es lo mismo que funcionar. Genie Code dio al service principal de la app SELECT sobre la tabla, y luego se detuvo y preguntó antes de conceder USE CATALOG y USE SCHEMA. Hasta que alguien los aprueba, el gráfico muestra "Failed to load data" (figura 5). Es el comportamiento por defecto que quiero de un agente, y significa que los grants van en el runbook, no en un prompt posterior.

Figura 5. El propio resumen del agente tras el despliegue. El acceso a la tabla está concedido, pero los grants del catálogo y del esquema esperan mi OK, así que la app se ejecuta y el gráfico aún no puede cargar datos.

La app no se ejecuta como yo. Tiene su propio service principal, y los usuarios que inician sesión pasan por un cliente OAuth aparte con sus propios scopes (figura 6). Decide qué identidad lee los datos antes de compartir el enlace.

Figura 6. Dos identidades en una misma app. El service principal actúa por la app; el cliente OAuth actúa por el usuario que ha iniciado sesión. Elige una a propósito.

La prueba de la presentación chocó en cambio con la forma del cómputo. El cómputo serverless no estaba activado en ese workspace, así que Genie Code puso el código de python-pptx en un notebook y lo ejecutó una vez en el clúster existente (figura 7). Recoge ambos hechos en el runbook, los grants y el cómputo que tienes de verdad, para que la siguiente persona no tenga que redescubrirlos con la presión de una demo.

Figura 7. La creación de la presentación recurre a un notebook en un clúster clásico porque serverless está desactivado. El agente explica el cambio de rumbo en lugar de fallar en silencio.

El gráfico de esa presentación es nativo, no una imagen. En una nueva ejecución contra una tabla de demo de tres segmentos, el pptx que creó Genie Code lleva el gráfico como XML de gráfico con un libro incrustado, así que los valores están detrás del gráfico y se pueden editar ahí mismo (figura 8).

Figura 8. La presentación generada abierta en LibreOffice Impress, recortada por debajo del título de la diapositiva. La Data Table del gráfico muestra los valores incrustados (A 42, B 28, C 55), que es lo que lo hace editable en lugar de una captura.

4. Los benchmarks como señal, no como religión

Databricks ha publicado que Genie Code tiene alrededor de un 77.1% de éxito en tareas reales, frente a alrededor de un 32.1% de los principales coding agents que usan MCP. Tómalo como prueba de que el contexto nativo cambia los resultados, no como garantía para tu ticket del lunes. Reproduce las tareas que importan: una presentación a partir de métricas gobernadas, una app vinculada a un Genie space, un despliegue en el cómputo que usas de verdad.

5. La revisión humana sigue en el camino crítico

Las presentaciones editables siguen necesitando a una persona que compruebe las afirmaciones contra las definiciones de las métricas. Las apps desplegadas siguen necesitando autenticación, secretos y control de costes. Genie Code acorta el camino hasta un borrador. No elimina la responsabilidad.

Errores comunes

Confundir respuestas de chat con artefactos para el consejo. Una respuesta SQL correcta no es una presentación. Diseña de forma explícita el camino de la skill y las reglas de la plantilla. La figura 3 es la forma mínima.

Esperar una plantilla sin trabajar la plantilla. Un prompt sobre la marca da un tema genérico. Los patrones exactos necesitan codificarse y probarse con renders.

Confundir un agente genérico con un MCP ligero con el contexto nativo. Obtienes código y luego te toca vigilar la topología del despliegue y la disponibilidad de la CLI. La figura 2 hace visible esa vigilancia.

Dar por hecho que hay serverless. En mi workspace estaba desactivado, así que la creación de la presentación recurrió a un notebook en un clúster clásico. El cableado de identidades y el tráfico de salida también cambian. Recoge la forma del cómputo en el runbook de despliegue.

Teatro de benchmarks. Citas el 77.1% y te saltas los smoke tests con tus tablas, tu plantilla y tu host de apps.

Publicar sin revisar. Un agente puede desplegar. Pon controles a la promoción, a la identidad de la app y a los grants del catálogo antes de abrirla a más gente. La figura 1 pone la revisión en el camino crítico a propósito.

Úsalo tal cual o adáptalo

Úsalo tal cual

• Genie Code está permitido para borradores de presentaciones y prototipos de apps; la publicación en producción sigue los controles de revisión y CI existentes.
• Las plantillas PPTX de la empresa están codificadas como skills o recursos versionados, con una checklist de renders de prueba.
• Los gráficos generados automáticamente deben salir de tablas gobernadas o de métricas semánticas, no de extractos CSV pegados.
• Los runbooks de despliegue documentan la forma del cómputo, la identidad de la app y los grants de Unity Catalog que necesita el service principal de la app; la disponibilidad de serverless se comprueba, no se da por hecha.
• La revisión humana es obligatoria antes de que un público externo o la dirección vean las presentaciones generadas.
• Compara periódicamente el asistente nativo con MCP desde el IDE en un conjunto fijo de tareas internas; no te fíes solo de los porcentajes del fabricante.

Adáptalo antes de usarlo

Los asistentes nativos reducen el trabajo de reunir contexto en tareas propias de la plataforma. A cambio aceptas el acoplamiento con el fabricante. Los coding agents externos siguen siendo flexibles entre stacks, pero en cada sesión hay que volver a enseñarles la realidad del warehouse y del despliegue.

Las presentaciones basadas en skills son potentes y aun así frágiles con patrones complejos y gráficos semánticos. Planifica una pasada editorial. Quitar la última revisión humana es como los KPI equivocados acaban en la presentación para toda la empresa.

El despliegue desde el asistente acelera los prototipos. Producción sigue pidiendo CI, revisiones y separación de entornos. Despeja la primera niebla; no te saltes el release train.

Pruébalo tú

Las dos demos están en mi repositorio público tech-demos: una Databricks App mínima que despliegas con la CLI y un script que crea una presentación con gráficos nativos y editables.

Relacionado

Esto también deja una pregunta para Copilot en Microsoft Fabric: ¿llegará pronto un modo agente con contexto de los elementos y los datos de Fabric? Sigue esa pregunta paralela cuando compares asistentes de plataforma, no solo Databricks Genie.

Referencias principales: Genie Code, la documentación de Anthropic sobre agent skills, la documentación de Databricks sobre Genie y Databricks Apps, y los materiales de Databricks sobre el éxito de Genie Code en tareas con y sin contexto nativo de la plataforma.

Contexto. Artefacto. Revisión. Tres pasos. Lo nativo gana a lo ingenuo cuando el trabajo es propio de la plataforma.