Databricks ha annunciato Governance Hub questa mattina presto: una superficie a livello di account che mette su un’unica schermata la salute dei dati, il consumo di AI e i costi su AWS, Azure e GCP. Si articola in tre pilastri — Data (copertura dei tag, ownership, classificazione, con approfondimenti sulle tabelle prive di tag o documentazione), AI (consumo di token, attività dei modelli, spesa per utente, copertura dei guardrail) e Cost (spesa degli ultimi 30 giorni rispetto al periodo precedente, con evidenza della spesa non taggata che sfugge al chargeback).
Cosa sbaglia la cornice più comune
Tre correzioni, e la seconda è quella sostanziale.
È Beta. Il tono dell’annuncio è da GA, e qualsiasi articolo che dica "Databricks lancia un piano di controllo per la governance" senza quella parola sta descrivendo un prodotto diverso.
Più importante: la visibilità sulla spesa AI non è universale. Copre ciò che passa attraverso Unity AI Gateway. Nel post si legge che il perimetro comprende i "modelli ospitati da Databricks e modelli ospitati esternamente", il che suona come tutto — ma una chiamata a un modello che non instrada mai il traffico attraverso il gateway resta invisibile all’hub. È proprio questa la spesa AI ombra che le aziende comprano questa categoria per individuare: il team con la propria API key e la propria carta di credito. Uno strumento di governance che vede solo il traffico governato riferisce sulla parte dell’asset che non è mai stata il problema.
Terzo, oggi governance "intelligente" significa raccomandazioni più una superficie di chat Genie — la query di esempio nel post è "Why has there been a spike in costs". L’annuncio colloca esplicitamente la configurazione autonoma delle policy e gli alert nel futuro. Le coperture che definiscono questo prodotto un agente di governance AI stanno descrivendo una roadmap.
La lacuna che vale la pena nominare
Non c’è alcun prezzo, alcun requisito di livello e alcun limite quantitativo in nessun punto dell’annuncio. Per un prodotto il cui scopo dichiarato è controllare i costi, non pubblicare alcun costo è di per sé rilevante — e si inserisce più in una corsa all’acquisizione che nel lancio di un prodotto.
Perché vale la pena possedere il registro
Ogni programma enterprise di AI oggi porta con sé una voce di costo non misurata: la spesa in token per utente tra modelli interni e di terze parti. Chi controlla quel registro controlla la rinegoziazione con ogni fornitore di modelli. Mettere la spesa AI accanto al debito di qualità dei dati e alle lacune del chargeback è un tentativo di esserlo — puntando direttamente alla superficie equivalente di Snowflake.