Databricks affida a GPT-5.5 il coordinamento degli agenti documentali enterprise

Cosa misura davvero OfficeQA Pro

Databricks ha creato OfficeQA Pro per testare gli aspetti meno affascinanti del lavoro enterprise: parsing, recupero delle informazioni e ragionamento ancorato ai fatti su PDF scansionati, file legacy e documenti a contesto lungo. Sono i compiti che, secondo Databricks, "mandano in crisi di frequente i sistemi di agenti in produzione".

Questa impostazione conta. Il benchmark non chiede se un modello ragiona bene in astratto, ma se è in grado di estrarre la cifra corretta da una pagina scansionata e riportarla correttamente lungo un workflow a più passaggi. In questo test, GPT-5.5 è diventato il primo modello a superare il 50% di accuratezza, riducendo gli errori del 46% rispetto a GPT-5.4.

Un benchmark incentrato su documenti scansionati e legacy è un indizio su dove lavorano davvero i clienti di Databricks: archivi di file imperfetti, non dati strutturati e puliti.

Perché una cifra letta male si propaga a catena

Il dettaglio più concreto dell'annuncio riguarda la propagazione degli errori. L'ingegnere di ricerca Arnav Singhvi descrive come piccoli errori di estrazione si accumulino lungo il percorso di un agente.

Nel momento in cui non riesci a estrarre una certa cifra o numero, cambia l'intera traiettoria di ciò con cui l'agente lavora.Montana Labs

Questa è l'intuizione di fondo dietro la riduzione del 46% degli errori. In un chatbot, un parsing sbagliato produce una risposta errata. In un agente, quel parsing sbagliato alimenta ogni passaggio successivo, quindi la precisione di parsing diventa un moltiplicatore dell'affidabilità complessiva del workflow. Databricks riporta che i miglioramenti maggiori di GPT-5.5 sono arrivati proprio in questi workflow ad alta intensità di parsing, che Singhvi definisce un "salto netto nel parsing di documenti datati e PDF scansionati".

Meno deviazioni nella ricerca, meno supervisione

Oltre al parsing, Databricks segnala anche un miglioramento nel comportamento di orchestrazione. Singhvi racconta che GPT-5.4 talvolta faceva "deviazioni di ricerca inutili" che generavano percorsi poco efficienti, mentre GPT-5.5 si è dimostrato più affidabile nel recuperare il contesto pertinente e completare compiti complessi senza bisogno di supervisione aggiuntiva.

Questo si legge tanto come un'affermazione sull'efficienza e sui costi quanto sulla precisione. I passaggi di recupero informazioni sprecati costano token e latenza, e ogni passaggio che richiede supervisione umana riduce le ragioni per automatizzare. Databricks descrive un modello che resta concentrato sul compito.

Il modello viene impiegato come supervisore, non come esecutore

Il percorso di implementazione è la parte più concreta di questo annuncio. GPT-5.5 è disponibile tramite l'AI Unity Gateway di Databricks e opera all'interno di workflow costruiti con AgentBricks e l'Agent Supervisor API. In questi sistemi, secondo Databricks, GPT-5.5 "orchestra parsing, recupero delle informazioni ed esecuzione tra agenti specializzati".

Quindi GPT-5.5 non si limita a rispondere a domande sui documenti: viene collocato al livello di coordinamento sopra altri agenti. L'implicazione è che Databricks sta puntando sul fatto che i miglioramenti di affidabilità misurati su parsing e orchestrazione siano esattamente le qualità necessarie perché un modello possa dirigere in sicurezza altri componenti, invece di limitarsi a eseguire un singolo compito.

Avere GPT-5.5 a supervisionare questi workflow è davvero entusiasmante.Montana Labs

Per i team che costruiscono agenti enterprise su archivi documentali legacy, la lezione pratica di questo specifico rollout è precisa e utile: misura il tuo modello nei punti in cui gli errori di estrazione si propagano a catena, e considera il ruolo di supervisore come un requisito di affidabilità distinto da quello di esecuzione del compito.