TecnologíaInteligencia de Negocio

Cómo HP Construyó un Chatbot de Datos con GenAI en 3 Semanas Usando Databricks Mosaic AI para Recuperar el 20-30% del Tiempo del Equipo de Datos

HP, la empresa tecnológica global que gestiona productos de datos para más de 200 millones de impresoras en todo el mundo, desplegó Databricks Data Intelligence Platform en AWS para unificar la ingesta de datos de clientes entre unidades de negocio y construir un chatbot interno de datos con GenAI. Usando Databricks Mosaic AI, DBRX, Unity Catalog y AI/BI Genie con arquitectura RAG, HP construyó el chatbot en menos de tres semanas — recuperando el 20-30% del tiempo del equipo de datos que se dedicaba a consultas SQL manuales, logrando un ahorro de costes del 20-30% respecto a AWS Redshift, y habilitando a más de 600 usuarios de Databricks en toda la organización.

Impacto

20-30%

Ahorro de costes frente a AWS Redshift

20-30%

Tiempo del equipo de datos recuperado de consultas SQL manuales

3 weeks

Tiempo para construir el chatbot de datos con GenAI

600+

Usuarios activos de Databricks

Desafío

Los equipos de datos de HP dedicaban tiempo significativo a consultas SQL manuales para responder preguntas de negocio a través de conjuntos de datos complejos de más de 200 millones de impresoras en todo el mundo — creando cuellos de botella, consumiendo capacidad de ingeniería y dejando a las partes interesadas no técnicas sin acceso de autoservicio a los datos.

Solución

HP desplegó Databricks Data Intelligence Platform en AWS con Unity Catalog, Vector Search y Mosaic AI, construyendo un chatbot de datos con GenAI usando arquitectura RAG y el LLM DBRX — habilitando consultas de datos en lenguaje natural para más de 600 usuarios y eliminando el trabajo SQL manual rutinario en tres semanas de desarrollo.

Herramientas y tecnologías

Lo que dicen los líderes

Esta solución tiene bastantes componentes... El becario universitario implementó la solución de extremo a extremo en menos de tres semanas.

William Ma, Gerente de Ciencia de Datos, HP
Entiende todo el contexto.

Regístrate para leer casos de estudio completos, acceder a métricas detalladas y recibir todos los reportes.

Historia completa

HP gestiona la ingesta de datos y los productos de datos de clientes a una escala que pocas organizaciones pueden igualar — con más de 200 millones de impresoras en todo el mundo generando telemetría y señales de clientes a través de múltiples unidades de negocio. Los analistas y los equipos de datos dedicaban tiempo significativo a consultas SQL manuales para responder preguntas de negocio, creando un cuello de botella que ralentizaba la toma de decisiones y consumía capacidad de ingeniería.

HP estandarizó en Databricks Data Intelligence Platform en AWS para centralizar las operaciones de datos. El equipo implementó Unity Catalog para la gobernanza y la descubribilidad de los datos, Databricks SQL para las consultas analíticas y Vector Search para la recuperación semántica de los conjuntos de datos internos. La plataforma proporcionó a HP una base para ejecutar grandes modelos de lenguaje de forma nativa dentro del entorno de datos — sin exportar datos a servicios de IA externos.

El momento decisivo llegó cuando el equipo de HP construyó un chatbot interno de datos con GenAI usando una arquitectura RAG (Retrieval-Augmented Generation) impulsada por Databricks Mosaic AI y el gran modelo de lenguaje DBRX. El chatbot permite a analistas y partes interesadas de negocio consultar los datos internos de HP en lenguaje natural — sustituyendo el SQL manual para las preguntas rutinarias y liberando a los ingenieros de datos para centrarse en trabajo de mayor valor. Como señaló William Ma, Gerente de Ciencia de Datos de HP: «Esta solución tiene bastantes componentes... El becario universitario implementó la solución de extremo a extremo en menos de tres semanas.»

El impacto fue medible en dimensiones de coste y productividad. HP logró un ahorro de costes del 20-30% respecto a su entorno anterior de AWS Redshift. El chatbot recuperó el 20-30% del tiempo del equipo de datos que se dedicaba a consultas SQL manuales. La plataforma soporta ahora a más de 600 usuarios de Databricks en las unidades de negocio globales de HP, con AI/BI Genie habilitando análisis de autoservicio más allá del equipo de analistas tradicional.

Casos similares

I
Ibotta
Increased
offer relevance improvement

Ibotta, the US digital rewards platform connecting millions of shoppers with cashback offers from brands across grocery and retail channels, consolidated its rewards infrastructure onto Databricks Data Intelligence Platform. Using Databricks Vector Search for semantic offer matching, AI/BI for self-service analytics, Unity Catalog for governance, and Lakeflow Jobs for pipeline orchestration, Ibotta improved offer relevance, increased shopper engagement, reduced recommendation latency, and streamlined operations by eliminating fragmented tooling across its data and ML teams.

RetailDUDatabricks Unity CatalogDVDatabricks Vector Search
TA
The AA
70%
routine query resolution time reduction

The Automobile Association (The AA), the UK’s leading roadside assistance provider serving 14 million members, integrated Databricks AI/BI Genie via Conversation APIs directly into Microsoft Teams. Non-technical staff can now query operational data in plain English within their existing communication platform, cutting routine query resolution time by up to 70% and freeing data specialists to focus on predictive modeling instead of fielding ad hoc report requests.

Financial ServicesDUDatabricks Unity CatalogDADatabricks AI/BI Genie
F
Furniture.com
95%
shopper engagement with ai review summaries

Furniture.com, the multi-brand furniture aggregator offering single-cart shopping across 70+ retail partners, deployed Databricks Data Intelligence Platform to build AI-powered product experiences at scale. Using Databricks Mosaic AI, Unity Catalog, Delta Lake, and MLflow, a five-person data team deployed 8 production AI models within one year — processing 4.5 million reviews, enriching 265,000+ products, and delivering AI-generated review summaries that engage 95% of shoppers and NLP-powered collections that boost conversion by 26%.

RetailDUDatabricks Unity CatalogDDDatabricks Data Intelligence Platform
E
Experian
35%
customer emails automated

Experian, the multinational data broker holding data on 1.1 billion people across 32 countries, built “Latte” — a GenAI email automation system — on Databricks Mosaic AI by fine-tuning a Llama 8B model. The system now handles 35% of incoming contact center emails autonomously, reduced model fine-tuning time 11x from 86 hours to under 8, and lifted customer NPS by 8%.

Financial ServicesDUDatabricks Unity CatalogDADatabricks Agent Bricks
A
Allspice
20% → 97%
ingredient matching accuracy

Allspice, a food technology startup building a kitchen operating system for consumers and recipe publishers, deployed Pinecone’s vector database to solve the inherent messiness of ingredient data that traditional text search could not handle. The implementation raised ingredient matching accuracy from roughly 20% to 97%, enabling the launch of recipe importing as a core product feature and expanding into a platform-wide semantic layer for search, recommendations, and conversational AI.

TechnologyTtext-embedding-3-largePPinecone
S
Sommo
500–800
additional leads generated monthly

Sommo built an AI-powered SRS generator in Make in a single day, generating 500–800 additional leads per month and achieving a 5x increase in active website users.

TechnologyMMakeOOpenAI
C
Confluent
15,000+
hours saved monthly

Confluent, a data streaming platform company with 2,000+ employees and 4,000+ customers, deployed Glean to solve the knowledge fragmentation that came with rapid growth from 250 to 2,000+ employees across 20+ systems. Glean indexed the company's full tool stack — Slack, Salesforce, Confluence, and more — enabling instant knowledge retrieval across all teams. The result: 15,000+ hours saved monthly, a 13% increase in support team satisfaction, and over 70% employee adoption.

TechnologyGGlean
H
Headstart
90–97%
code written by claude

Headstart, an AI-native software studio, uses Claude 3.5 Sonnet to write 90-97% of client code, compressing enterprise software project timelines from months to weeks and delivering 10-100x development speed.

TechnologyC3Claude 3.5 Sonnet