8. Okt. 2026/Lesezeit: 5 MinutenKI und ML
Einführung von Snowflake Decision in Cortex AI Functions
Viele KI-Workloads in Unternehmen sind Entscheidungsprobleme: die Bestimmung, zu welcher Kategorie ein Datensatz gehört, wie riskant eine Transaktion ist und ob ein Ticket weiterbearbeitet werden sollte. Viele dieser Aufgaben haben begrenzte Antworten und werden in hohem Volumen über große Tabellen hinweg ausgeführt.
Allzweck-LLMs können diese Aufgaben bewältigen, verursachen jedoch möglicherweise höhere Kosten und Latenzen, als die Arbeit erfordert. Entscheidungsmodelle sind speziell für einfache, hochvolumige Aufgaben konzipiert, die keine komplexen Überlegungen erfordern, einschließlich Klassifizierung, Bewertung, Filterung und Weiterleitung. Sie geben eine typisierte Antwort zurück, wie z. B. eine Kategorie, eine Punktzahl oder eine Ja/Nein-Wahrscheinlichkeit, auf die Ihr Workflow direkt reagieren kann.
Kunden nutzen bereits Cortex AI Functions, um Daten in großem Maßstab zu klassifizieren, zu bewerten und weiterzuleiten. Jetzt führen wir Snowflake Decision (Private Preview) ein, ein Entscheidungsmodell, das über AI_COMPLETE verfügbar ist, um Teams dabei zu helfen, einfache, hochvolumige Aufgaben noch effizienter zu skalieren. Der Aufruf wird in Snowflake Cortex AI Functions ausgeführt, sodass die Governance, Zugriffskontrollen und Audit-Richtlinien, die Sie bereits eingerichtet haben, für jede Entscheidung gelten.
Ein Modell, das für effiziente, genaue strukturierte Entscheidungen entwickelt wurde
Stellen Sie sich einen Support-Workflow vor, der Tausende bis Millionen von Tickets verarbeitet. Bevor jedes Ticket eine:n Mitarbeiter:in erreicht, muss es dem richtigen Team zugewiesen werden. Dieselbe Nachricht muss möglicherweise auch auf Kundenfrustration bewertet und auf ausgedrückte Dringlichkeit geprüft werden. Anstatt diese als separate Modellaufrufe zu behandeln, kann ein Entscheidungsmodell alle drei Fragen zusammen auswerten und strukturierte Antworten zurückgeben, die Ihr Workflow direkt verwenden kann.
Bei der Auswahl eines Modells für diese Workflows ist neben Geschwindigkeit und Kosten auch die Entscheidungsqualität wichtig. Deshalb freuen wir uns, Snowflake Decision in die Hände unserer Kunden zu legen. In unserer Evaluierung erzielte Snowflake Decision die höchste Qualitätsbewertung unter 72 Modellen, die in Jev Decision Index 0.2.1-Benchmarks verglichen wurden. Für Kunden können qualitativ hochwertigere Entscheidungen eine zuverlässigere Klassifizierung, eine strengere Kategorisierung und weniger an das falsche Team zugewiesene Tickets bedeuten.
Hinweis: Wir haben Snowflake Decision anhand von 29 Jev Decision Index 0.2.1-Benchmarks evaluiert, die durchgängig in unserer aktuellen Schnittstelle ausgeführt werden und 88.837 Testanfragen in den Bereichen logisches Denken, Sprache, Abruf, Werkzeugnutzung und kreatives Urteilsvermögen umfassen. Diese 29 Benchmarks sind eine Teilmenge des umfassenderen Hugging Face-Benchmarks; aktuelle Schnittstellenbeschränkungen, wie z. B. ein Maximum von 32 Optionen, hindern uns daran, den vollständigen Benchmark auszuführen. Snowflake Decision erzielte 57,63 Punkte, die höchste Qualitätsbewertung unter 72 Modellen, die anhand derselben 29 Benchmarks evaluiert wurden. Um einen direkten Vergleich zu gewährleisten, haben wir die Punktzahl jedes Modells anhand derselben Benchmark-Ergebnisse und der veröffentlichten, zufallsbereinigten Methodik des Index berechnet.
Triage von Support-Tickets mit Cortex AI Functions
Cortex AI Functions bringen Modellaufrufe in SQL. Sie rufen das Entscheidungsmodell über AI_COMPLETE auf, indem Sie Ihre Anfrage als JSON im Prompt-Argument übergeben. Sie stellen den Tickettext und klar definierte Fragen bereit, wobei Sie drei unterstützte Fragetypen verwenden:
Auswahl: Wählen Sie eine Option aus einer definierten Liste aus, z. B. Abrechnung, technischer Support oder Vertrieb.
Bewertung: Bewerten Sie die Eingabe anhand einer geordneten Rubrik, z. B. ruhig, frustriert, aber höflich, oder sehr wütend.
Ja oder nein (noul): Geben Sie eine Wahrscheinlichkeit von 0 bis 1 für eine Aussage wie „Die Nachricht vermittelt Dringlichkeit” zurück.
In diesem Beispiel enthält jede Zeile in der Tabelle support_tickets eine Kundennachricht in der Spalte ticket_text. Ein einziger Aufruf von Snowflake Decision leitet das Ticket weiter, bewertet die Frustration und beurteilt die Dringlichkeit:
SELECT AI_COMPLETE(
model => 'snowflake-decision',
prompt => TO_JSON({
'state': ticket_text,
'questions': {
'department': {
'type': 'choice',
'instructions': 'Which team should handle this',
'criteria': {
'billing': 'Payment or subscription issues',
'technical': 'Bugs or integration problems',
'sales': 'Pricing or account questions'
}
},
'frustration': {
'type': 'score',
'instructions': 'How frustrated the customer appears',
'criteria': ['Calm', 'Frustrated but civil', 'Very angry']
},
'is_urgent': { 'type': 'noul', 'instructions': 'The message conveys urgency' }
}
})
) FROM support_tickets;
Das Ergebnis wird als Antwortzuordnung zurückgegeben, die nach Ihren Fragennamen geschlüsselt ist, mit dem gewählten Wert, den Wahrscheinlichkeiten pro Option und, für Auswahl- und Bewertungsfragen, einem Konfidenzwert.
Response
{
"answers": {
"department": {
"choice": "billing",
"confidence": 0.9305973965815073,
"probabilities": {
"billing": 0.9537315977210048,
"sales": 0.017468203540633418,
"technical": 0.02880019873836161
},
"type": "choice"
},
"frustration": {
"confidence": 0.7082686180607838,
"legend": {
"0": "Calm",
"1": "Frustrated but civil",
"2": "Very angry"
},
"probabilities": {
"0": 0.014753474459327466,
"1": 0.1797341135001498,
"2": 0.8055124120405226
},
"score": 1.790758937581195,
"type": "score"
},
"is_urgent": {
"noul": 0.8807970779778823,
"type": "noul"
}
}
}
Was Sie mit einem Entscheidungsmodell auf Snowflake tun können
Cortex AI Functions bieten Teams heute eine Reihe von Modelloptionen für verschiedene Aufgaben. Unser Entscheidungsmodell erweitert diese Auswahl, indem es neben den bereits verfügbaren Allzweckmodellen eine weitere Option hinzufügt. Es eignet sich für hochvolumige, begrenzte Entscheidungen, die über viele Zeilen hinweg ausgeführt werden: Klassifizierung, Weiterleitung, Bewertung, Filterung und Triage.
Wann Sie zu einem Entscheidungsmodell greifen sollten:
- Die Antwort ist eine aus einer bekannten Menge von Optionen, eine Punktzahl auf einer Rubrik oder ein Ja/Nein
- Sie führen die Entscheidung über Tausende von Zeilen hinweg aus
- Geschwindigkeit und Kosten sind wichtig
- Sie möchten eine Wahrscheinlichkeit, für die Sie einen Schwellenwert festlegen können
- Sie möchten ein Entscheidungsmodell für die Weiterleitung und Kategorisierung als ersten Schritt einer mehrstufigen LLM-Pipeline verwenden
Wann ein Allzweckmodell die bessere Wahl ist:
- Sie benötigen Zusammenfassungen, offene Überlegungen oder Freiform-Extraktion
- Der Antwortraum ist unbegrenzt
- Die Aufgabe erfordert mehrstufige Überlegungen oder kreative Generierung
Teams ziehen Entscheidungsmodelle für Arbeiten in Betracht wie:
- Support-Betrieb: Ein Support-Team muss jedes eingehende Ticket einer Warteschlange zuweisen, bevor ein:e Mitarbeiter:in es annimmt. Ein Aufruf gibt die Warteschlange, einen Frustrationswert und ein Dringlichkeitskennzeichen für jedes Ticket in der Tabelle zurück.
- Analytics von Kundenbewertungen: Ein Produktteam möchte wissen, welche Probleme in einem großen Bewertungskorpus am häufigsten auftreten. Ein Aufruf kann eine Bewertungskategorie und einen Schweregrad zurückgeben, sodass das Team die Stimmung einfach aggregieren und Funktionen priorisieren kann.
- Qualitätsprüfungen von Antworten: Ein Team, das einen KI-Assistenten betreibt, möchte wissen, ob dessen Antworten einer festgelegten Richtlinie entsprechen. Das Entscheidungsmodell beurteilt jede Antwort anhand dieser Richtlinie und bewertet, wie vollständig sie die Anfrage der Kund:innen beantwortet, sodass Prüfer:innen nur diejenigen lesen, die unzureichend sind.
- Aufbau einer KI-Daten-Pipeline: Einige Pipelines senden heute jede Anfrage an ein großes Modell. Das Entscheidungsmodell beurteilt, wie viel Überlegung jede Anfrage erfordert, und Kunden können dann eine Pipeline aufbauen, die die schwierigen Fälle an das größere Modell sendet und den Rest auf einem kostengünstigeren Pfad belässt.
Erste Schritte
Um Zugriff anzufordern, wenden Sie sich an Ihr Snowflake-Konto-Team. Ein Snowflake-Teammitglied wird sich mit den nächsten Schritten bei Ihnen melden, einschließlich der Dokumentation zur Private Preview.
