Sentar las bases para una IA fiable
La brecha entre la IA experimental y la IA en producción rara vez se debe a los modelos. Es un problema de infraestructura, concretamente, la falta de una infraestructura conectada y gobernada que pueda operar al nuevo ritmo de negocio de los agentes empresariales.
Los agentes de IA están redefiniendo la forma en que las organizaciones protegen, transforman y sirven sus datos empresariales. Los sistemas de datos creados para el ritmo de decisiones tomadas por personas deben evolucionar para satisfacer las exigencias de los agentes de IA que razonan y actúan de forma continua sobre datos confidenciales a gran velocidad, lo que implica abordar tres elementos fundamentales:
Datos gobernados de forma coherente, con independencia de donde residan
Seguridad diseñada para una IA autónoma
Alto rendimiento para todos los workloads
En Summit 2026, Snowflake presentó un conjunto de capacidades que responden a cada uno de estos desafíos al ofrecer a los agentes de IA el nivel de acceso adecuado a datos bien protegidos y fáciles de entender, a una velocidad que les permite actuar con rapidez y te permite desplegar IA en producción con confianza.
Una capa de contexto de confianza para la IA
Tus agentes de IA son tan buenos como los datos que utilizan para el análisis y el razonamiento. A medida que los agentes de IA aceleran sus consultas y asumen más acciones autónomas, contar con una lógica empresarial y definiciones coherentes en todo tu patrimonio de datos se convierte en un factor crítico de éxito. La métrica “clientes activos” debería devolver el mismo número, ya proceda de un panel de inteligencia empresarial (BI), de un agente de Snowflake Cortex AI o de la consulta SQL de un analista. Si la lógica empresarial está dispersa entre herramientas y datos fuera de Snowflake, puede tener definiciones incoherentes: un problema de fragmentación semántica que erosiona la confianza y crece con cada nuevo flujo de trabajo de agentes de IA.
Snowflake Horizon Context, una nueva capacidad de Snowflake Horizon Catalog, aborda este problema al incorporar la lógica empresarial en la plataforma, de modo que cada agente de IA, herramienta de BI y aplicación herede las mismas definiciones coherentes. Las métricas, dimensiones y relaciones de negocio se definen una sola vez y se aplican en todas partes, con controles de gobernanza que se heredan automáticamente a nivel del motor de consultas.
A diferencia del middleware semántico añadido, no hace falta establecer conexiones manuales con cada herramienta e interfaz de consulta; los conectores listos para usar de Horizon Context extraen automáticamente el contexto de historiales de consultas, modelos de dbt y registros de BI, lo que permite aprovechar el conocimiento institucional y acelera la creación de modelos semánticos.
Después, puedes automatizar el enriquecimiento de metadatos con Semantic Studio (vista previa privada) y Snowflake Semantic View Autopilot (disponibilidad general) para reducir el esfuerzo manual necesario para crear y mantener una capa de contexto. Tanto si asignas a Snowflake CoCo una tarea de generación de SQL como una tarea de análisis de datos de mayor nivel, este recupera automáticamente el contexto relevante mediante Universal Search, una búsqueda híbrida de palabras clave y búsqueda semántica que utiliza señales como la popularidad para mejorar la clasificación, y políticas de control de acceso para filtrar los resultados.
Para que la base semántica gobernada sea portátil más allá de Snowflake, Horizon Context aprovecha varias capacidades de Snowflake:
Conectores listos para usar: Conéctate a herramientas como PostgreSQL, Microsoft SQL Server, Tableau, Microsoft Power BI y dbt que te permiten recopilar contexto enriquecido (registros de consultas, popularidad, esquemas y mucho más) de muchas fuentes en un único catálogo con capacidad de búsqueda.
Linaje integral a nivel de columna: El linaje es clave para entender cómo se relacionan entre sí los activos de datos. Horizon Context extrae información de linaje de los registros de consultas de Snowflake y de bases de datos externas, sistemas de BI y feeds de OpenLineage, y lo integra todo para crear un grafo de linaje completo e integral.
Integración nativa con Open Semantic Interchange (OSI) (vista previa privada): Proporciona una especificación independiente respecto al proveedor para métricas, dimensiones y relaciones, de modo que la lógica empresarial definida en Horizon Context pueda leerse y entenderse en todo tu ecosistema sin necesidad de traducción.
Semantic Studio (vista previa privada): Proporciona una interfaz de modelado visual para crear vistas semánticas sin escribir SQL, lo que hace que la gobernanza sea accesible tanto para los equipos de datos como para los analistas empresariales.
Punto de conexión XMLA para vistas semánticas con tecnología de AtScale (vista previa privada próximamente): Conectará Power BI y Excel directamente a la capa semántica, de modo que los usuarios de BI empresarial podrán trabajar a partir de las mismas definiciones gobernadas que los agentes de IA.
Advanced Semantics (vista previa privada): Es compatible con cálculos de nivel de detalle (LOD), definiciones componibles y materializaciones definidas por el usuario con reescritura automática de consultas.
Obtén más información sobre Horizon Context en nuestro blog “Horizon Context: la capa de contexto gobernada para IA, BI y aplicaciones”.
Con el lanzamiento de Horizon Context, Snowflake incorporó mejoras en Horizon Catalog que refuerzan su papel —y su facilidad de uso— como plano de control central para la gobernanza de tu patrimonio de datos dentro y fuera de Snowflake.
Del mismo modo que Snowflake CoWork pone las políticas, la clasificación y los controles de acceso al alcance de todos los usuarios, no solo de quienes dominan SQL, las nuevas capacidades de Intent-Driven Governance (vista previa privada) convierten plantillas en lenguaje sencillo en políticas activas de Horizon Catalog. Los líderes empresariales y profesionales de datos pueden aprobar la intención de gobernanza sin necesidad de conocer las primitivas de gobernanza de Snowflake, y Snowflake aplica automáticamente el cumplimiento basado en etiquetas —incluidos el enmascaramiento, los controles de acceso y la calidad de los datos— en los objetos existentes y futuros. El sistema supervisa continuamente las desviaciones y genera paquetes de auditoría detallados, con una trazabilidad directa de las configuraciones activas hasta la intención humana aprobada. Además, la gobernanza con agentes de IA mediante nuevas skills de Snowflake CoCo (disponibilidad general) permite a los usuarios enviar prompts en lenguaje natural para aplicar políticas, corregir errores y monitorizar datos confidenciales en recursos dispares.
Horizon Catalog ahora cuenta con acceso seguro bidireccional completo de lectura y escritura desde motores externos (disponibilidad general), lo que extiende de forma universal las políticas definidas en Snowflake a motores compatibles con REST de Apache Iceberg™. La compatibilidad con Apache Iceberg REST Scan Planning API (vista previa pública) extiende la aplicación entre entornos a protecciones de datos detallados. Juntas, estas capacidades permiten a los clientes trabajar a partir de una única copia gobernada de datos a la que todos los motores pueden acceder de forma segura desde el primer día, lo que acelera la ejecución para equipos y agentes de IA al ofrecer una arquitectura lista para operar al ritmo de negocio de los agentes empresariales. Obtén más información sobre cómo estandarizar de forma segura una copia única de datos gobernados con un lakehouse interoperable de Snowflake aquí.
Seguridad integrada para agentes de IA
El control de acceso tradicional se diseñó para personas que operan con roles conocidos, patrones de acceso predecibles y sesiones auditables. Los agentes de IA cambian las reglas del juego: operan de forma continua a velocidad y escala de máquina, y pueden manipularse mediante prompts para actuar de formas no intencionadas (o malintencionadas). En muchas plataformas actuales, los agentes de IA carecen de identidad verificable, permisos acotados y registros de auditoría claros. Esto supone un gran obstáculo para la implementación en producción; de hecho, más de la mitad de las personas encuestadas en nuestro informe “El ROI de la IA generativa y los agentes en 2026” (56 %) indicaron al menos un reto relacionado con la gobernanza y el cumplimiento.
Snowflake aborda este reto de frente con un modelo de seguridad para agentes de IA diseñado específicamente que amplía los principios de confianza cero a los actores autónomos. Agent Identity (vista previa pública) proporciona a cada agente una identidad verificada criptográficamente antes de que acceda a datos en producción. Este nuevo contexto favorece la auditabilidad, ya que crea una cadena de custodia completa que puede abordar los requisitos de trazabilidad de los marcos de cumplimiento en sectores muy regulados, como los servicios financieros, la sanidad y el sector público.
Al usar estos controles diseñados específicamente para gobernar la identidad y las interacciones de los agentes, puedes escalar agentes de IA y aplicaciones con mayor confianza, sabiendo que se benefician de las capacidades de seguridad nativas de Snowflake. Esa base se refuerza aún más con un stack de defensa en profundidad que aborda algunos de los mayores obstáculos que frenan los proyectos de IA:
Acceso seguro para agentes de IA
AI Security Posture Management (vista previa pública) permite la supervisión continua de la posición de seguridad de los agentes de IA, ofrecida a través de Snowflake Trust Center, con detección proactiva de anomalías en el comportamiento de los agentes.
Defensa en profundidad a nivel empresarial para tu patrimonio de datos
Prompt Injection Protection Phase 2 (disponibilidad general) proporciona detección basada en LLM, casi en tiempo real, de intentos de inyección de día cero y de jailbreak, una capacidad que se solicita con frecuencia en las evaluaciones de seguridad de la IA empresarial.
Data Movement Policies (vista previa privada) incluye controles a nivel de plataforma que ayudan a evitar la exfiltración no autorizada de datos a través de flujos de trabajo de agentes de IA y conexiones de API, independientemente de la herramienta que inicie la transferencia.
Multi-Party Approval (vista previa pública) ofrece una autorización de “cuatro ojos” que supedita las operaciones de mayor riesgo a un paso de aprobación explícito antes de la ejecución.
Data Exfiltration Trust Center Package (vista previa privada) y Ransomware Protection monitorizan los vectores habituales de compromiso de datos a gran escala, incluidas las descargas excesivas de datos a través de la interfaz de usuario y detecciones de anomalías focalizadas en transferencias inusuales de datos hacia stages internos y externos.
Simplifica el acceso de los usuarios a los agentes de IA
El aprovisionamiento de usuarios Just-in-Time y el flujo de trabajo de solicitud de acceso (ambos en vista previa privada) ofrecen controles estrictos sobre cómo obtienen acceso las identidades desde el principio, lo que reduce los privilegios permanentes en toda la plataforma.
Para obtener más información sobre las mejoras de seguridad de Snowflake para la IA, lee nuestro blog “Cómo defender tu empresa a la velocidad de la IA”.
Gobernanza y alto rendimiento, sin concesiones
Los agentes no toleran los retrasos. Cualquier ralentización en el acceso a los datos limita lo que pueden hacer los agentes autónomos, lo que puede llevar a los equipos a trasladar los workloads sensibles a la latencia fuera de las plataformas gobernadas en favor del alto rendimiento. Esta solución alternativa puede reducir los retrasos, pero también crea una carga adicional de gestión de infraestructura y aumenta el riesgo de gobernanza.
Las nuevas mejoras del portfolio de cómputo de Snowflake están diseñadas para que estas concesiones sean cosa del pasado, ya que ofrecen alto rendimiento para todos tus workloads de IA y datos, a la vez que mantienen una gobernanza coherente y reducen significativamente la sobrecarga operativa. ¿El resultado? Tus equipos pueden centrarse en el trabajo estratégico en lugar de en tareas de mantenimiento manual.
Snowflake Adaptive Compute (disponibilidad general próximamente) aborda un reto operativo clave del panorama de la IA, en continua evolución: cómo equilibrar rendimiento, facilidad de uso y escalabilidad cuando los workloads son cada vez más variados y menos predecibles.
Los almacenes creados con Adaptive Compute, conocidos como Adaptive Warehouses, proporcionan cómputo adaptado a los workloads que se ajusta dinámicamente a la demanda sin requerir dimensionamiento manual, gestión de clústeres ni planificación de capacidad. Snowflake gestiona la asignación y el escalado de recursos, así como el enrutamiento de consultas hacia un conjunto compartido de cómputo en tu cuenta, de modo que las decisiones de configuración que antes requerían ciclos de ajuste específicos ahora pueden tomarse de forma continua, sin intervención humana. Esto puede reducir sustancialmente la carga operativa, especialmente en equipos que gestionan el cómputo en varias unidades de negocio.
El alto rendimiento sigue siendo una seña de identidad. Adaptive Compute incorpora las últimas mejoras de hardware y rendimiento, y demuestra ganancias de rendimiento significativas (basadas en índices de referencia internos y TPC-DS) respecto al cómputo estándar de Snowflake, tanto Gen1 como Gen2, en todos los workloads:1
- Hasta 1,6 veces más rápido en workloads de analíticas, como analíticas exploratorias, ciencia de datos y analíticas ad hoc
- Hasta 2,2 veces más rendimiento (consultas/hora) en workloads de analíticas operativas con alta simultaneidad
- Hasta 3,5 veces más rápido en la ejecución de workloads con uso intensivo de lenguaje de manipulación de datos (DML), como transformaciones de datos, ingesta y pipelines de datos
Obtén más información sobre qué hace diferente a Adaptive Compute en nuestro blog “Adaptive Compute ofrece un gran rendimiento que evoluciona con tus workloads”.
Para workloads que requieren una actualidad de los datos casi en tiempo real junto con un alto rendimiento de consultas analíticas, Interactive Analytics ofrece capacidades de transmisión que antes requerían un stack de infraestructura independiente. La ingesta de transmisión (en vista previa privada) lleva datos ingeridos de forma continua a tablas interactivas con una actualidad inferior al segundo y un rendimiento de consultas con simultaneidad de más de 1000 QPS, todo dentro del perímetro de gobernanza de Snowflake.2
Dos lanzamientos adicionales llevan este mismo rendimiento y simplicidad a los workloads transaccionales. Postgres Data Mirroring (vista previa pública próximamente) replica automáticamente datos de Snowflake Postgres a Analíticas de Snowflake, lo que permite a los equipos eliminar procesos de extracción, transformación y carga (ETL) complejos y el código de integración que antes era necesario para conectar estos dos sistemas. Puedes empezar a configurarlo en cuestión de minutos mediante CoCo, la interfaz de usuario de Snowsight o SQL: solo tienes que configurarlo y dejar que tus datos fluyan sin interrupciones. Y las tablas híbridas también experimentan mejoras de rendimiento notables (basadas en índices de referencia internos): hasta 8 veces más de mejora en el rendimiento3 y una escritura por lotes 10 veces más rápida4, junto con una mejora en la eficiencia de costes del 15 % de media5. Este avance permite a los clientes ejecutar workloads más exigentes sin necesidad de añadir otra base de datos.
Para las organizaciones que operan estas capacidades a escala, el marco bien diseñado de Snowflake (WAF) estandariza las prácticas recomendadas y las medidas de protección para respaldar un modelo operativo unificado y de nivel empresarial para workloads de datos e IA. Los miembros del equipo ahora pueden acceder al WAF a través de CoCo como skill de lenguaje natural. También pueden evaluar su arquitectura en función de los pilares del marco, identificar brechas e implementar prácticas recomendadas sin conocimientos especializados de todas las áreas de configuración de la plataforma.
Implementa la IA empresarial con confianza
Las capacidades nuevas y mejoradas de Snowflake subrayan el valor de un enfoque conectado para el contexto, la gobernanza y la seguridad que está respaldado por un alto rendimiento escalable capaz de responder de forma inteligente a la naturaleza dinámica de los workloads de IA. Es una arquitectura fiable que lleva la IA empresarial de los proyectos piloto controlados a los sistemas de producción con los que las organizaciones pueden contar.
Para obtener más información, consulta estos recursos:
Explora Horizon Context y otras mejoras de Horizon Catalog.
Descubre por qué el contexto es clave para agentes de datos de confianza.
Obtén información sobre la seguridad de la IA en el Centro de seguridad de Snowflake y en el Trust Center.
Consulta la página sobre Adaptive Compute y asiste a la sesión de Adaptive Warehouse en Snowflake Summit 2026 el miércoles 3 de junio a las 12:30 p.m. PDT.
Descubre el valor de unificar workloads en nuestra “Guía fundamental sobre datos transaccionales, analíticos e híbridos”.
Obtén más información sobre el marco bien diseñado.
1Medición realizada con una combinación de índices de referencia estándar del sector (TPC-DS) y propios; se comparan instancias de Standard Gen1 con Adaptive Warehouses. Resultados medidos en una implementación en producción, mediante el uso exclusivo de capacidades para clientes disponibles públicamente en mayo de 2026.
2Resultados de rendimiento basados en workloads de analíticas interactivas medidos en enero de 2026 con una configuración de almacén interactivo pequeño.
3Datos basados en pruebas de rendimiento ejecutadas con Yahoo Cloud Serving Benchmark (YCSB) con un workload de lectura al 100 % en un almacén XS de Gen2.
4Datos basados en índices de referencia internos para cargar 50 GB en tablas híbridas con un almacén 2X-Large.
5Datos basados en estimaciones de Snowflake del ahorro medio de costes de los clientes, medido en función del consumo real de créditos en producción en febrero de 2026.
Este contenido incluye declaraciones prospectivas, incluidas las 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 formulario 10-Q más reciente para obtener más información.
