Snowflake para IA: llevar la inteligencia a donde se trabaja

La IA se está convirtiendo en el nuevo modelo operativo para la empresa. Las organizaciones buscan transformar la forma en que se realiza el trabajo, desde la planificación de ventas y las revisiones financieras hasta las operaciones de los clientes, las previsiones y la toma de decisiones a escala.

Pero la IA en producción es mucho más compleja que una demostración. Los sistemas de IA empresarial deben comprender el contexto empresarial, elegir las herramientas adecuadas, razonar con datos estructurados y no estructurados, seguir las políticas empresariales y mejorar continuamente mientras operan de manera eficiente a gran escala. A escala empresarial, el problema más difícil ya no es solo la inteligencia del modelo; es el contexto. La próxima generación de IA empresarial estará definida por sistemas que puedan combinar datos empresariales gobernados, conocimiento operativo y orquestación inteligente directamente dentro de los flujos de trabajo empresariales.

Con la plataforma de datos e IA totalmente integrada de Snowflake, más de 13 900 clientes están creando aplicaciones de IA sensibles al contexto y flujos de trabajo operativos sobre datos empresariales gobernados.

Hoy, Snowflake presenta nuevas innovaciones que ayudan a las organizaciones a llevar agentes inteligentes allí donde se trabaja: a través de flujos de trabajo, operaciones comerciales y aplicaciones empresariales, todo gobernado por los mismos controles de seguridad, cumplimiento y operativos en los que las organizaciones ya confían.

De sistemas de información a sistemas de acción

Durante años, las plataformas empresariales ayudaron a las organizaciones a comprender lo que había sucedido. La próxima generación de plataformas de IA debe ayudar a las organizaciones a decidir qué hacer a continuación y, cada vez más, a ejecutar esas decisiones en los flujos de trabajo y aplicaciones empresariales.

Esto transforma la IA que pasa de responder preguntas de forma reactiva a una ejecución operativa proactiva.

En lugar de ensamblar paneles de control manualmente, coordinar análisis y unir flujos de trabajo en sistemas desconectados, los equipos ahora pueden describir los resultados empresariales en lenguaje natural y hacer que los sistemas de IA coordinen el análisis, generen resultados e inicien flujos de trabajo en toda la empresa.

En lugar de funcionar como un chatbot superpuesto sobre los paneles, la IA empresarial se convierte en una capa de ejecución gobernada para el trabajo empresarial.

Los profesionales del conocimiento aprovechan los beneficios de la IA con Snowflake CoWork

Snowflake CoWork (antes Snowflake Intelligence) es un agente de trabajo personal que ayuda a los profesionales del conocimiento a razonar sobre datos empresariales, automatizar los flujos de trabajo y tomar acciones gobernadas en las herramientas que sus equipos ya utilizan.

_{Figura 1. Snowflake CoWork: un agente de trabajo personal para cada profesional del conocimiento.}

• La aplicación para iOS de Snowflake CoWork (pronto con disponibilidad general) permite a los empleados mantenerse conectados a la inteligencia empresarial dondequiera que trabajen. La autenticación mediante Face ID y el historial de conversaciones permiten a los usuarios tomar medidas sobre la marcha, ya sea desde un aeropuerto, una reunión con un cliente o en la sala de exposiciones de una conferencia.
• La aplicación de Slack para Snowflake CoWork (pronto en vista previa privada) lleva la inteligencia empresarial gobernada a las conversaciones de Slack, donde los empleados pueden hacer preguntas a CoWork en cualquier canal o hilo de Slack, recibir respuestas con gráficos renderizados integrados y hacer un seguimiento sin salir de la plataforma.

La base de estas experiencias es Cortex Agents, el marco de agentes gestionados de Snowflake para crear agentes de IA empresarial que pueden planificar tareas e invocar herramientas, de modo que los equipos puedan ofrecer información y tomar medidas en los sistemas empresariales sin tener que gestionar ellos mismos la orquestación, la infraestructura o la complejidad del entorno de ejecución.

CoWork se adapta a la forma en que trabajan los empleados gracias al contexto empresarial

Cortex Sense (pronto en vista previa privada) aprende cómo una organización define su negocio, incluidos los flujos de trabajo y las relaciones entre los activos de datos. Mediante el uso del historial de consultas, los paneles de control y las trayectorias de los agentes, Cortex Sense hace posible que Snowflake CoCo y Snowflake CoWork habiliten un razonamiento empresarial fundamentado desde el primer día. Además, la capacidad de Semantic View Autopilot para ingerir automáticamente métricas y lógica empresarial de los paneles de control de Power BI (en vista previa pública), convierte inmediatamente los activos de BI de una organización en una capa semántica gobernada para los agentes. Estos cimientos permiten a los empleados pasar de buscar información a comprenderla y actuar en consecuencia.

Deep Research (pronto con disponibilidad general) ayuda a los usuarios a investigar preguntas empresariales complejas y ofrece un rendimiento de vanguardia en los datos empresariales, superando a los sistemas de un solo agente en más de un tercio en el Hybrid Deep Research Benchmark de Snowflake. Analytical Search (pronto en vista previa pública) permite realizar análisis calculados sobre colecciones de documentos, como contratos y casos de soporte. Juntas, estas capacidades permiten que la IA empresarial razone en todo el contexto operativo de la empresa.

La orquestación multiagente (pronto en vista previa pública) enruta automáticamente las solicitudes a las herramientas y flujos de trabajo adecuados, mientras que la memoria persistente (pronto en vista previa pública) permite a CoWork aprender las preferencias del usuario y las tareas recurrentes a lo largo del tiempo.

User Skills (pronto en vista previa pública) permite a los equipos capturar flujos de trabajo en lenguaje natural y convertirlos en capacidades organizativas reutilizables. Las skills también pueden invocar Code Execution Tool (pronto en vista previa pública) para generar resultados empresariales gobernados, como informes (en PDF), presentaciones, incluidas las de PowerPoint, análisis y visualizaciones directamente en CoWork. Las skills y los complementos ahora también se pueden compartir (en vista previa privada) a través de un enlace, mostrarse automáticamente cuando haces una pregunta y gobernarse con control de acceso basado en roles (RBAC) integrado y análisis de seguridad. Con el tiempo, las organizaciones construyen un conocimiento operativo compartido en lugar de flujos de trabajo aislados atrapados en chats o notas individuales.

Snowflake CoWork también hace que la inteligencia empresarial sea reutilizable en todos los equipos. Los artefactos (pronto con disponibilidad general) permiten a los usuarios guardar y compartir análisis actualizados, paneles de control y conversaciones con todo el contexto preservado y gobernado por controles de acceso basados en roles (RBAC). Los paneles de control interactivos (pronto en vista previa pública) amplían esto al permitir que los equipos exploren métricas de forma conversacional y colaboren utilizando una fuente de verdad compartida.

_{Figura 2. Paneles de control interactivos para el análisis colaborativo, dentro de Snowflake CoWork.}

CoWork ayuda a las organizaciones a operacionalizar la IA empresarial de forma segura a escala

Las automatizaciones y suscripciones basadas en el tiempo (pronto en vista previa pública) analizan la actividad empresarial y ofrecen informes proactivos a través de Slack, correo electrónico o notificaciones móviles. Async Agent API (pronto con disponibilidad general) permite a los agentes trabajar en flujos de trabajo e investigaciones de mayor duración de forma asíncrona.

Agent Studio (pronto con disponibilidad general) proporciona un entorno centralizado para implementar y gobernar agentes empresariales. Los controles de acceso basados en roles y los registros de auditoría ayudan a las organizaciones a garantizar que cada interacción siga siendo segura y totalmente auditable. La identidad de los agentes proporciona una señal reconocible que distingue las acciones realizadas por los agentes de IA en nombre de los usuarios, lo que permite la responsabilidad operativa en todos los flujos de trabajo empresariales.

Los conectores MCP permiten que CoWork funcione en las herramientas empresariales que los equipos ya utilizan, como Slack, Jira, Gmail, Salesforce y más, todo dentro de los límites de gobernanza de Snowflake.

Posentrenamiento eficiente de modelos fundacionales de pesos abiertos

Los modelos son la base de todo flujo de trabajo de agentes de IA, y Snowflake está invirtiendo para facilitarte el entrenamiento de cualquier modelo según los requisitos de tu dominio.

Al intentar personalizar los flujos de trabajo de agentes de IA, las startups nativas de IA y las empresas a menudo se enfrentan a las limitaciones de las opciones de los modelos de frontera y al abrumador desafío de adquirir y gestionar GPU. Cortex Training (en vista previa privada) permite a startups y empresas personalizar modelos fundacionales de pesos abiertos, como la familia de modelos Qwen o Mistral, según sus propios requisitos de dominio, datos y costes, sin necesidad de competir por la escasa capacidad de GPU ni preocuparse por el elevado coste de la adquisición de GPU debido a su bajo uso. Con Cortex Training, los clientes no tienen que gestionar una compleja infraestructura de entrenamiento distribuida. Snowflake proporciona acceso inmediato a un conjunto de GPU totalmente gestionadas, disponibles con una utilización cercana al 100 % según experimentos y demostraciones de Snowflake Research, sin procesos de reserva ni configuración de orquestación personalizada. Esto crea una oportunidad significativa para que los usuarios de startups y empresas mejoren de forma rentable la precisión y la latencia de sus soluciones de IA a escala, al tiempo que mantienen una gobernanza unificada en la experimentación, la evaluación y la implementación.

_{Figura 3. Con Cortex Training, impulsa una mayor utilización, con un aumento de hasta ~2 veces, para optimizar tu inversión en GPU. Los resultados anteriores se basan en experimentos y demostraciones de Snowflake Research.}

Resolve AI, la IA para ejecutar y operar software en producción, se comprometió a invertir varios millones de dólares durante dos años para usar Cortex Training con el fin de crear modelos específicos por dominio mediante aprendizaje por refuerzo (RL) con datos de entrenamiento propietarios. Resolve AI utiliza Cortex Training para consolidar el entrenamiento de modelos dentro de un entorno seguro y gobernado, lo que acelera el trabajo que antes requería unir infraestructuras en múltiples plataformas.

Resolve AI ofrece agentes de IA específicos por dominio para producción, creados sobre sistemas multiagente, entornos simulados y flujos de trabajo de evaluación. A medida que los modelos de IA se perfeccionan aún más mediante el RL, los equipos necesitan una infraestructura que pueda manejar las partes del entrenamiento y la inferencia que hacen un uso intensivo de las GPU, sin obligarlos a renunciar al control de sus datos o entornos. Resolve AI proporciona este equilibrio con una abstracción de cómputo escalable para el rendimiento, al tiempo que mantiene a los clientes en control de sus sistemas, datos y entornos de implementación. Cortex Training proporciona a Resolve AI una infraestructura gobernada para ejecutar workloads de entrenamiento de RL de forma continua, creando y mejorando modelos que superan a las alternativas de uso general en las tareas de razonamiento que más importan a los equipos de ingeniería empresarial en producción. Snowflake también es cliente de Resolve AI, y los equipos de ingeniería de Snowflake incorporan Resolve AI en sus flujos de trabajo de agentes de IA existentes para ejecutar y gestionar sistemas de producción a gran escala. Esto, a su vez, proporciona a las empresas experiencias de IA más rápidas y fiables.

Crear y brindar flujos de trabajo de producción más rápido mediante ML de agentes de IA

El aprendizaje automático está experimentando un cambio fundamental a medida que los agentes de codificación cruzan el umbral del simple autocompletado al razonamiento sofisticado y a la ejecución autónoma. En Snowflake, somos pioneros en la nueva era del aprendizaje automático (ML) de agentes de IA al invertir fuertemente en Snowflake CoCo, el agente de codificación de IA de Snowflake que se encuentra en el centro de Snowflake ML. Mediante el uso de skills optimizadas para ML y el conocimiento del contexto integrado de forma nativa en todos tus datos y modelos, tus equipos de ML y ciencia de datos pueden usar Snowflake CoCo para acelerar el recorrido desde la idea hasta los resultados críticos para el negocio 10 veces más rápido.

Con más de 6000 cuentas activas mensuales que ejecutan millones de modelos y billones de solicitudes de inferencia, Snowflake ML invierte continuamente en más mejoras de productividad accesibles desde Cortex Code, para que tus equipos puedan llegar a producción más rápido, ampliar las herramientas de desarrollo y lograr una inferencia en tiempo real más rápida.

_{Figura 4. Los clientes pueden acelerar los flujos de trabajo de ML con el conocimiento del contexto nativo en datos, modelos, notebooks y características con flujos de trabajo de agentes de IA en Snowflake.}

Para un desarrollo escalable, ya puedes entrenar modelos con terabytes de datos en Snowflake Notebooks. Ahora, puedes crear modelos de forma segura y fluida de manera remota desde VSCode y Cursor sin mover los datos. La extensión de VSCode y Cursor de Snowflake (pronto en vista previa pública) ahora te permite conectarte a entornos de cómputo remotos, para que puedas desarrollar pipelines de ML en grupos de cómputo de CPU o GPU sin salir de tu IDE. Además, estamos ampliando la flexibilidad para que uses tus propios paquetes y configuraciones en tu entorno de Snowflake. Custom Container Runtime (en vista previa pública) permite a los equipos utilizar imágenes de contenedores aprobadas por la organización y analizadas por motivos de seguridad en Snowflake Notebooks o ML Jobs.

_{Figura 5. HPO, xgboost, lightgbm, pytorch distribuidos e integrados de forma nativa ofrecen una relación precio-rendimiento superior; el caso de uso TPCx-AI muestra una mediana de coste 3 veces menor en comparación con Databricks para XGBoost con un factor de escala de 1000. Menos es más.}

Para la inferencia que respalda tus necesidades de producción, anunciamos un servicio de características más rápido, observabilidad de modelos en línea y compatibilidad multimodal para la inferencia por lotes. Los equipos de ML ahora pueden brindar características en línea en 10 ms desde Snowflake Feature Store con compatibilidad de características en streaming (pronto con disponibilidad general). Estas mejoras ofrecen una actualización de datos de menos de 2 segundos desde la ingesta hasta el servicio, una mejor experiencia para los desarrolladores con integración de CI/CD y una computación eficiente de características agregadas en ventanas temporales.

Durante el servicio de modelos, ahora puedes realizar fácilmente pruebas A/B para modelos en tiempo real (en vista previa pública) con el fin de experimentar rápidamente con tráfico real en un entorno controlado, comparar el rendimiento de los modelos y promover el modelo con mejor rendimiento a producción. Además, la compatibilidad de inferencia para datos no estructurados (con disponibilidad general) impulsa casos de uso de IA, como la detección de objetos, la respuesta visual a preguntas y el reconocimiento de voz automático en Snowflake, sin pipelines complejos ni movimiento de datos.

_{Figura 6. Ejecuta una inferencia de 2 a 5 veces más rápida y hasta 3 veces más barata al eliminar el movimiento de datos y maximizar el rendimiento de cómputo. Menos es más.}

Inteligencia que opera dentro de los límites en los que confían las organizaciones

A medida que la IA empresarial se vuelve operativa en flujos de trabajo, aplicaciones y sistemas de toma de decisiones, la gobernanza se vuelve aún más crítica. Las innovaciones de IA de Snowflake se basan en el mismo fundamento de datos de confianza en el que las organizaciones se apoyan para sus capacidades de seguridad, cumplimiento y gobernanza empresarial.

Los controles de acceso basados en roles, el enmascaramiento de datos, la auditabilidad, la observabilidad y la aplicación de políticas se aplican de manera coherente cuando un usuario empresarial interactúa con CoWork, un agente de IA ejecuta flujos de trabajo o un equipo implementa aplicaciones impulsadas por IA.

Snowflake lleva la inteligencia allí donde se realiza el trabajo, fundamentada en el contexto empresarial, operativa en todos los flujos de trabajo y gobernada por los mismos controles en los que las organizaciones ya confían.

Para empezar con la IA en Snowflake, consulta los siguientes recursos:

• Lee el anuncio de Snowflake CoWork y descubre cómo los agentes de trabajo gobernados están transformando la forma en que operan las empresas.
• Explora la documentación, la página del producto y las guías de implementación de Snowflake CoWork.
• Sigue esta solución guiada para crear tu primer pipeline de ML de agentes de IA.

Todas las referencias anteriores a CoWork se refieren a Snowflake CoWork.

Declaraciones prospectivas

Este artículo contiene declaraciones prospectivas, incluidas las declaraciones relativas a nuestras futuras ofertas de productos, que no implican que nos comprometamos a proporcionar ninguna oferta de producto. Los resultados y las ofertas reales pueden diferir y están sujetos a riesgos e incertidumbres conocidos y desconocidos. Consulta nuestro informe 10-Q más reciente para obtener más información.