es.wedoany.com Noticia: En la conferencia de desarrolladores de Snowflake 2026, la empresa declaró claramente que su posicionamiento estratégico está migrando desde el almacén de datos en la nube y la nube de datos hacia la capa superior de la pila de software de inteligencia artificial, dedicándose a construir "sistemas inteligentes" que integren datos empresariales, semántica, gobernanza, lógica de negocio, acciones, rastros de agentes y conocimiento institucional, para apoyar a humanos y agentes a formular mejores preguntas, obtener mejores respuestas y ejecutar acciones controladas. Snowflake ya ha desarrollado numerosas funciones de IA, pero la cuestión radica en si podrá convertirse en un punto de control confiable dentro de la emergente pila de IA antes de que los fabricantes de modelos, proveedores de aplicaciones, hiperescaladores de nube y empresas de ontología reclamen este ámbito.
En una sesión privada de preguntas y respuestas con medios y analistas, el CEO de Snowflake, Sridhar Ramaswamy, admitió que la pila tecnológica completa del futuro aún es desconocida. Señaló que los proveedores de modelos poseen capacidades de vanguardia sin cargas históricas, los proveedores de aplicaciones tienen un profundo conocimiento de los procesos, mientras que la ventaja central de Snowflake reside en la gravedad de los datos, las capacidades de gobernanza, el contexto empresarial y la base de clientes que confían sus datos críticos en la empresa. Destacó que la innovación de productos y el ajuste al mercado determinarán en última instancia el rumbo de la historia, la cual se escribirá como algo obvio a posteriori, pero no en el presente.
Según el marco diseñado por George Gilbert, analista principal de theCUBE Research, los sistemas inteligentes se dividen en cinco capas. Snowflake es actualmente más fuerte en la primera y segunda capa en algunas áreas, está ingresando activamente en la cuarta capa y sentando las bases para la tercera y quinta capa. Este marco considera los sistemas de participación como el front-end, donde las personas interactúan con los agentes y realizan tareas; los sistemas inteligentes actúan como el back-end, encargados de organizar datos, reglas, contexto, acciones y lógica de negocio, haciéndolos legibles y, en última instancia, ejecutables tanto para humanos como para agentes.
La declaración estratégica de los ejecutivos de Snowflake indica que las empresas de agentes necesitan cuatro componentes principales: datos y contexto empresarial, modelos de IA, aplicaciones empresariales y un plano de control de agentes. Sus productos Snowflake Intelligence y Cortex Code pasaron a llamarse CoWork y CoCo respectivamente, posicionándose como bloques de construcción fundamentales para las empresas de agentes. Desde la perspectiva de la arquitectura de productos, Snowflake combina cuatro niveles: sistemas de participación, sistemas de agentes, sistemas inteligentes y base de datos, correspondientes a CoWork y CoCo, agentes y orquestación multiagente, Horizon y Cortex Sense, y almacenamiento de datos como tablas de Snowflake e Iceberg, entre otros sistemas de almacenamiento de datos. Los altos directivos ahora discuten temas como contexto, semántica empresarial, independencia de modelos, gobernanza de agentes, identidad y memoria, con un vocabulario que ha superado los conceptos anteriores de separación de cómputo y almacenamiento, acercándose más al lenguaje de la pila de software de IA.
El argumento técnico central de Snowflake es que "el contexto determina la calidad del agente". Baris Gultekin, vicepresidente de IA, señaló que la transformación de la IA depende de la profundidad de su comprensión del negocio: un agente sin contexto puede malinterpretar métricas, desperdiciar tokens redescubriendo patrones y exponer riesgos de gobernanza. Tomando como ejemplo el cálculo del valor del contrato trimestral, un agente genérico podría concluir que el valor aumenta, pero la definición empresarial exige excluir la actividad del nivel gratuito; de lo contrario, la respuesta es incorrecta. Cortex Sense de Snowflake está diseñado para abordar estos problemas, construyendo un entorno de ejecución gestionado de contexto empresarial mediante la obtención de información de conectores, datos estructurados y no estructurados, vistas semánticas, glosarios de negocio, habilidades, interacciones de agentes y metadatos. Los datos comparativos proporcionados por Snowflake muestran que la precisión de las respuestas de un agente de codificación de vanguardia sobre datos altamente estructurados es de aproximadamente el 24 %, que aumenta a aproximadamente el 47 % con un modelo semántico, alcanza alrededor del 73 % con un modelo semántico interno ampliamente ajustado, y aproximadamente el 86 % con Cortex Sense listo para usar. Su conclusión central es que cuanto más cerca esté la IA del contexto empresarial gobernado, mejores serán las respuestas y menor el costo.
Horizon, como base de gobernanza y catálogo, se está expandiendo en tres dimensiones: interoperabilidad, contexto y gobernanza. Las capacidades clave incluyen el intercambio abierto de tablas Iceberg, el control de acceso detallado implementado por Horizon, la implementación de la API Polaris por Horizon para extender la gobernanza más allá de Snowflake, la integración de Select Star para extraer metadatos de herramientas como Power BI, Tableau, Postgres y SQL Server, la construcción de linaje y vistas semánticas por Horizon Context, la gobernanza impulsada por intenciones y la gobernanza de IA para monitorear la calidad de los agentes y la exposición de datos sensibles. Los analistas señalan que, aunque Horizon avanza del catálogo al contexto, aún no es un sistema inteligente completo; el catálogo define sustantivos, mientras que un sistema inteligente completo necesita modelar verbos: acciones, condiciones previas, efectos, excepciones, decisiones y flujos de trabajo. Al mismo tiempo, la cantidad de datos generados por los agentes está creciendo explosivamente, y gestionar el costo de grandes volúmenes de datos dentro de este ámbito podría convertirse en una barrera de costos para los clientes.
Cortex Sense se considera el paso más importante hacia los sistemas inteligentes. Se centra explícitamente en el entorno de ejecución de contexto, intentando inferir y organizar la semántica empresarial para que los agentes puedan responder preguntas de negocio con mayor precisión y menor costo. Este producto no solo recopila metadatos técnicos, sino que también comienza a orientarse hacia la semántica empresarial, habilidades, contexto de flujo de trabajo, interacciones de agentes y representaciones similares a grafos de conocimiento. Actualmente, Cortex Sense es más fuerte en la comprensión de datos estructurados, la construcción de modelos semánticos, la reducción del desperdicio de tokens, la creación de contexto gestionado para agentes y la mejora de la calidad de las respuestas estructuradas, pero sigue siendo débil en la captura de conocimiento profundo de procesos en aplicaciones como SAP, Salesforce y Workday, la coordinación de lógica de negocio entre dominios, la extracción de rastros de razonamiento de expertos y la elevación de patrones observados a reglas de proceso gobernadas.
Snowflake impulsa formatos de tabla abiertos e integración de copia cero en la capa de base de datos. Snowflake Storage basado en Apache Iceberg ya está disponible de forma general; Horizon admite Iceberg y la API Polaris para aplicar gobernanza entre motores; las integraciones de copia cero con SAP, Salesforce y Workday permiten consultar datos en forma analítica sin necesidad de copiarlos. La capa de virtualización basada en Datometry de Snowflake permite a los clientes redirigir consultas de Teradata a Snowflake, y su trabajo AIM combina virtualización, conversión de código y migración asistida por agentes, con el objetivo de reducir el tiempo de migración de 18 semanas a aproximadamente una semana. Los analistas consideran que las cargas de trabajo de Teradata, las aplicaciones COBOL, los procedimientos almacenados y los informes de BI en sistemas heredados contienen semántica empresarial; migrar estas cargas de trabajo no es solo una migración a la nube, sino también parte de la extracción y modernización del contexto empresarial necesario para los agentes.
CoCo es el agente de codificación de IA de Snowflake para trabajos de datos, que desde su lanzamiento ha tenido más de 7,000 clientes. Posee más de 100 habilidades de dominio, comprende RBAC y el estado del entorno, admite MCP y puede ejecutarse en contextos como Snowflake, dbt, Airflow, AWS Glue, Postgres y Spark. CoWork, por su parte, se posiciona como un agente personal para usuarios de negocio, que puede funcionar a través de la web, dispositivos móviles y Slack, admitiendo programación automatizada, generación de artefactos, investigación profunda y conexión a sistemas empresariales mediante MCP. La empresa está construyendo capacidades de gobernanza diferenciadas, como identificación de agentes, control de acceso basado en roles, enmascaramiento de datos y políticas de acceso a filas, políticas de movimiento de datos y escaneo de riesgos de Trust Center, pero los analistas señalan que en el futuro será necesario desarrollar gobernanza dirigida a las intenciones y acciones de los agentes; la plataforma debe saber qué intenta hacer el agente, si esa acción está permitida y cuáles podrían ser sus impactos posteriores.
La mayor brecha actual de Snowflake radica en la lógica de procesos de negocio. Un sistema inteligente completo necesita modelar reglas de negocio, secuencias de procesos, condiciones previas y efectos de acciones, manejo de excepciones, mecanismos de aprobación, restricciones operativas, razonamiento institucional y estado del negocio. Los ejecutivos de la empresa describen el espectro de contexto como semántica, habilidades, flujos de trabajo, glosarios de negocio, grafos de conocimiento, conectores, procesos de negocio y ontología, pero reconocen que aún se encuentran en una etapa temprana. El contexto de procesos de negocio suele residir en sistemas de proveedores de aplicaciones como SAP, Salesforce, Workday, ServiceNow y Oracle, y estos proveedores no se convertirán voluntariamente en fuentes de datos pasivas, lo que generará problemas de silos de inteligencia. Snowflake tiene buenas respuestas para conectar datos, pero las soluciones para conectar inteligencia de diferentes fuentes siguen siendo débiles.
Para los directores de datos y directores de IA, es imperativo tratar los sistemas inteligentes como un requisito de arquitectura empresarial, no simplemente como un plan de adopción de funciones. Las empresas deben comenzar con los procesos de negocio de mayor valor, utilizando identidad común, ontología compartida, glosarios de negocio, linaje, identidad de agentes, evaluación, observabilidad, control de costos y auditabilidad, obligando a cada agente, habilidad, modelo semántico y flujo de trabajo a seguir una ruta gobernada, evitando la formación de nuevos silos de inteligencia. La fuente de información es el informe de análisis de theCUBE Research en Snowflake Summit 2026.
Este artículo es compilado por Wedoany, las citas de la IA deben indicar la fuente «Wedoany»; si hay alguna infracción u otro problema, por favor notifícanos a tiempo, este sitio lo modificará o eliminará. Correo electrónico: news@wedoany.com
