Sviluppa più velocemente e lavora in modo più intelligente con app e agenti AI ancorati ai dati

Solo l'11% delle organizzazioni ha agenti AI in produzione, nonostante il 38% li stia testando in fase pilota, secondo il Deloitte 2026 Tech Trends Report. Osserviamo questo scarto tra i progetti pilota e le implementazioni in produzione in settori e aziende di ogni dimensione: I team sviluppano una demo convincente e la implementano su dati reali, solo per vederla restituire con sicurezza un numero di fatturato errato o ignorare un vincolo di policy che un analista junior avrebbe individuato. 

Il problema è la mancanza di contesto. Gli agenti AI devono sapere quale definizione di metrica è quella autorevole, quali dati sono aggiornati, quali permessi detiene ciascun utente e cosa è accaduto nell’ultima conversazione. Senza questo ancoraggio, anche il modello più capace finisce per procedere a intuito. E anche quando gli agenti AI trovano la risposta corretta, può essere difficile condividere questi insight con il resto dell’azienda.

A Expedition 2026, Snowflake annuncia funzionalità lungo tre dimensioni che rafforzano il modo in cui agenti AI e app operano insieme ai tuoi dati, con governance e contesto completi:

• Grounding: collega gli agenti AI ai tuoi dati governati, alle metriche e alla business logic, così possono rispondere alle domande basandosi su definizioni autorevoli, non su supposizioni.

• Azione: consenti agli agenti AI di eseguire lavoro reale seguendo i permessi di ciascun utente, negli strumenti già utilizzati dai team, con piena verificabilità. Distribuisci rapidamente e in modo sicuro app Snowflake su dati governati, in modo che persone e agenti AI possano estrarre insight e agire.

• Effetto moltiplicatore: condividi skill, profili e memoria testati in tutta l’organizzazione, così ogni nuovo agente AI parte meglio del precedente.

I ricercatori di a16z lo hanno detto chiaramente nell’analisi di marzo 2026: “Una ragione fondamentale per cui gli agenti AI non funzionavano bene era la mancanza di un adeguato contesto sui dati.” Un agente AI che risponde alla domanda “Qual è stata la crescita del fatturato nell’ultimo trimestre?” può scrivere SQL con competenza su una tabella apparentemente plausibile, ma restituire numeri errati con piena sicurezza perché nessuno gli ha indicato quale campo contiene la definizione autorevole di “fatturato”.

L’approccio di Snowflake parte dal principio che gli agenti AI dovrebbero ereditare il contesto che la tua organizzazione ha già creato: gli schemi, le metriche, la business logic, le policy di governance e i permessi che definiscono come funzionano i tuoi dati. Diverse funzionalità nuove e potenziate rendono tutto questo concreto.

Snowflake Cortex Sense (presto in public preview) crea automaticamente il contesto a partire dai tuoi schemi esistenti, dalle definizioni delle metriche e dalla business logic, così non devi passare settimane a configurare e definire connessioni. Cortex Sense funziona sui tuoi dati, sui dati condivisi e sui dati acquistati tramite il Marketplace Snowflake, così gli agenti AI comprendono il quadro completo, non solo la porzione di un singolo team.

Quando gli agenti AI devono ragionare su grandi volumi di informazioni non strutturate, Analytical Search (public preview) permette loro di contare, confrontare e individuare tendenze contemporaneamente in migliaia di documenti, dai contratti ai ticket di supporto fino ai report interni. Non si tratta di una ricerca per parole chiave; Analytical Search applica funzioni AI a intere raccolte di documenti per rispondere a domande come “Quanti contratti contengono una clausola di escalation dei prezzi?” o “Quali ticket di supporto menzionano la stessa causa principale?” E poiché Cortex Search ora applica policy di row access e masking sulle tabelle di origine (private preview), i documenti visibili a un agente AI seguono le stesse regole dei dati strutturati che interroga. 

Man mano che gli agenti AI passano dal trovare documenti al comprenderli, il nuovo modello di embedding di Snowflake Arctic Embed 3S (presto in GA) migliora la qualità del retrieval rispetto ad Arctic Embed L-v2.0 del 3% in inglese, del 6% nel retrieval multilingue e del 23% per tabelle e colonne strutturate, mantenendo la stessa classe dimensionale compatta.

Man mano che i modelli frontier diventano una commodity, il vantaggio competitivo si sposta sulla capacità di un modello di comprendere a fondo il tuo business specifico. Le organizzazioni si stanno orientando verso modelli foundation open-weight personalizzati per il proprio dominio specifico, utilizzando metodi di post-training come il fine‑tuning supervisionato e il reinforcement learning. Snowflake Cortex Training (public preview) rende semplice il post-training e il deployment di mode Gemma e altri) su dati proprietari utilizzando GPU completamente gestite. I benchmark mostrano un costo fino al 61% inferiore rispetto alle soluzioni serverless concorrenti.¹

Con Cortex Training, i team possono addestrare, sperimentare, valutare e distribuire modelli personalizzati sulla stessa piattaforma dei loro dati governati. Cortex Training integra anche Cortex AI Gateway (public preview) per catturare trace e log degli agenti AI, creando un ciclo di feedback continuo per la personalizzazione e il miglioramento dei modelli.

Nuove funzionalità rendono agentici anche i dati condivisi ed esterni. AI Data Package (public preview), con oltre 60 data set esterni curati nei settori chiave, viene fornito completo di semantic view e di un agente AI Snowflake CoWork pronto all’uso, come servizio gestito. Agentic Marketplace Discovery (public preview), basato su Snowflake CoCo, consente agli utenti di reperire dati, app e AI tramite conversazione. Agents for Shared Data (public preview) genera automaticamente un Cortex Agent e una semantic view per qualsiasi dato condiviso, così i destinatari possono utilizzarlo in modo conversazionale. Insieme, queste funzionalità permettono agli utenti di scoprire, interrogare e utilizzare dati condivisi ed esterni interamente tramite linguaggio naturale.

Ancorare gli agenti AI ai dati giusti è il punto di partenza. La prossima domanda è se riescono a svolgere lavoro reale, in autonomia, con i permessi giusti, nei luoghi in cui i team passano il loro tempo. Una ricerca di Capgemini ha rilevato che la fiducia negli agenti AI completamente autonomi è scesa dal 43% al 27% in un solo anno, a causa di preoccupazioni legate alla privacy dei dati, all’opacità della “AI black box” e alla limitata maturità dei dati.  

L’approccio integrato e governato di Snowflake all’AI è pensato per prevenire questa situazione, e i nostri ultimi miglioramenti contribuiscono a sviluppare la fiducia negli agenti AI attraverso trasparenza, applicazione dei permessi e verificabilità.

Snowflake CoCo, l’agente AI di coding per i team dati, ora può eseguire lavoro reale in autonomia su sessioni, pianificazioni e strumenti diversi.

CoCo Automations (in GA nell’interfaccia Snowsight e nella CLI; in public preview in CoCo Desktop) eliminano il lavoro ricorrente dalla tua to-do list trasformandolo in task Snowflake pianificati. Un data engineer descrive un processo in linguaggio semplice, come “controlla lo stato della pipeline prima dello standup” o “ricostruisci il report del lunedì”, e ne imposta la cadenza. Ogni esecuzione produce una trascrizione, opera nei limiti dei permessi di chi l’ha creata e rientra in quote preimpostate che limitano la spesa di un agente AI. I team possono condividere automazioni e le skill CoCo che hanno creato tramite un catalogo di skill e plugin a livello di account, così un workflow creato da un ingegnere diventa disponibile per tutto il team.

Snowsight ora dispone di una modalità CoCo, uno spazio di lavoro a schermo intero supportato da un proprio container cloud con shell, file system, Git e live preview. Avvia una migrazione lunga, un’analisi multistep o la creazione di una pipeline, chiudi il laptop e torna a trovare i risultati già pronti. Con Cloud Agents (in GA), i team possono eseguire CoCo in un ambiente isolato e gestito da Snowflake, che supporta task di lunga durata. Ogni sessione utilizza i permessi Snowflake dell’utente che l’ha creata, e restricted session scope (in GA) permette agli amministratori di limitare ulteriormente cosa può fare ciascun agente AI.

CoCo ora raggiunge i team anche dove già lavorano. CoCo Slackbot Integration (public preview) porta CoCo nei canali Slack per domande, trigger di workflow e revisione dei risultati. CoCo GitHub Integration (public preview) indirizza le modifiche di codice proposte attraverso il processo di pull request già in uso dal team. CoCo in Snowflake Mobile (su iOS è in GA; su Android in public preview) permette agli utenti di controllare una sessione cloud, approvare una tool call o inviare un follow-up dal proprio telefono. E con Cortex Agent SDK (public preview), gli sviluppatori possono integrare le funzionalità di coding di CoCo in qualsiasi applicazione che rilasciano.

Per maggiori dettagli, leggi il nostro blog post sui nuovi miglioramenti di CoCo.

Snowflake CoWork è l’agente di lavoro personale per i knowledge worker di un’intera organizzazione. A Expedition, stiamo aggiungendo la possibilità di personalizzare CoWork in base al lavoro specifico del tuo team.

Inizia con CoWork Profiles (public preview), che permette agli amministratori di configurare quali agenti AI, skill, connettori e istruzioni ciascun team vede. L’esperienza CoWork del team finance può indirizzare le domande a un agente AI di pianificazione finanziaria, mentre quella del team marketing le indirizza a un agente AI di analisi delle campagne, tutto senza ampliare gli accessi. La stessa domanda raggiunge automaticamente la competenza giusta, così gli utenti fanno domande in modo naturale invece di scegliere da un menu di agenti AI che non riconoscono.

Inoltre, Snowflake Dashboards (public preview) permette a chiunque nel team di dialogare con la propria dashboard tramite CoWork: riassumerla, chiedere cosa ha determinato un cambiamento o filtrarla su un segmento. Gli analisti sviluppano le dashboard descrivendole a CoCo e condividendole con i ruoli corretti. I dati dietro la dashboard restano in Snowflake, governati dalle policy di row access e masking già esistenti.

Le dashboard creano una fonte di verità condivisa che permette ai team di avere conversazioni basate sull’AI che attingono a dati governati e a un contesto condiviso. Snowflake accoglie il team Mora per contribuire a rafforzare questi sforzi, integrando l’approccio innovativo di Mora all’AI per la BI nella piattaforma Snowflake.

Per esigenze che vanno oltre le dashboard, come l’esplorazione personalizzata, visualizzazioni avanzate o workflow multistep, i team possono creare app Streamlit in Snowflake oppure app React e Next.js su Snowflake App Runtime con AI conversazionale integrata. 

Anche le funzionalità più ampie di CoWork si stanno espandendo a Expedition. Le Automations eseguono lavoro ricorrente secondo una pianificazione, con gli stessi permessi di una domanda live. La User Memory (in GA) e User Skills trasportano il contesto da una sessione all’altra, così nessuno deve rispiegare come lavora il team. MCP connectors, code execution e generazione di documenti (PDF, PPTX, DOCX, HTML) trasformano le risposte in prodotti di lavoro condivisibili, e HTML Reports (public preview) permette ai team di pubblicare report curati e governati direttamente da una conversazione CoWork. 

Per maggiori dettagli, leggi il nostro blog sui nuovi miglioramenti di CoWork.

Snowflake Bots (presto in private preview) portano in CoCo e CoWork agenti AI proattivi e orientati agli obiettivi. Assegna a un bot una responsabilità, come mantenere in salute le pipeline critiche o monitorare il customer churn, e lui si farà carico dell’obiettivo dall’inizio alla fine: suggerisce quali segnali monitorare, pianifica il lavoro e porta a termine il task nell’arco di giorni o settimane sui tuoi dati governati, nel rispetto dei permessi esistenti.

Il bot ti coinvolge solo quando una decisione richiede l’intervento umano e ti aggiorna quando il processo è completato, così il tuo team può dedicare meno tempo a monitorare il lavoro e più tempo al lavoro strategico e creativo che solo le persone possono svolgere.

Nuovi miglioramenti offrono alle app Snowflake, sia app aziendali interne che app orientate ai clienti, una portata più ampia, maggiore flessibilità e supporto nativo per i workflow agentici. 

Le app Streamlit in Snowflake acquisiscono diverse funzionalità che ampliano la loro portata e le loro capacità conversazionali: 

• User-based sharing (in GA): I team possono condividere le app con singoli utenti, oltre che con i ruoli. 

• Supporto per l’embedding (in GA): Le app Streamlit sono ora integrabili in portali e strumenti di terze parti come Salesforce, senza richiedere un login Snowflake e preservando l’accesso governato. 

• Individuabilità e visibilità: Le app possono essere mostrate come CoWork Artifacts in CoWork (private preview).

• Funzionalità conversazionali: Gli utenti possono avere conversazioni affiancate con CoCo all’interno di Snowsight (in GA) e CoWork (private preview) sui dati delle proprie app. 

• Esposizione automatica MCP (public preview): Ogni app si trasforma in un insieme di strumenti richiamabili dagli agenti AI, invocando direttamente dati e azioni dell’app.

Per le web app full-stack, App Runtime è una soluzione end‑to‑end per passare dal prompt alla web app distribuita all’interno del tuo account Snowflake. Descrivi la tua idea di app a Snowflake CoCo, che può svilupparla e pubblicarla all’interno del tuo account Snowflake, con SSO, controllo degli accessi basato sui ruoli (RBAC) e audit logging già attivi. Serverless compute (presto in public preview) consente alle app di scalare a zero quando sono inattive e di riattivarsi in pochi secondi quando qualcuno le apre, così i team pagano in base all’utilizzo effettivo invece che per capacità di calcolo sempre attiva.

Workspaces integration (presto in public preview) consente ai team di sviluppare e distribuire interamente all’interno di Snowsight quando gli strumenti di sviluppo locali sono limitati. Con Cortex Agent SDK, app.yml v2, i target di deployment e lo scaling orizzontale, App Runtime può offrire un percorso chiaro dal prototipo generato da CoCo alle operazioni di produzione.

I miglioramenti a Snowflake Native Apps ampliano anche ciò che i partner ISV e i fornitori di app possono sviluppare. Utilizzare App Runtime come frontend per Snowflake Native Apps (presto in public preview) offre ai fornitori un framework web full-stack per l’esplorazione avanzata dei dati e workflow complessi. Snowflake Native Apps ora hanno accesso anche a Snowflake Postgres (presto in public preview), quindi i fornitori possono creare e interrogare istanze Postgres direttamente nell’account senza soluzioni alternative di integrazione per l’accesso esterno. 

Tutte queste funzionalità si combinano per rendere le app Snowflake una parte cruciale dell’impresa agentica. Sia le app interne che quelle rivolte all’esterno sono ora raggiungibili dagli agenti AI, integrabili in ambienti oltre Snowflake e basate su una data foundation di dati ben governati.

Il vantaggio organizzativo di agenti AI ben ancorati ai dati si realizza quando il successivo agente AI si basa su tutto ciò che il precedente ha imparato, e workflow comprovati, contesto di team e instradamento dei modelli efficiente in termini di costi vengono condivisi di default, invece di essere ricreati per ogni progetto.

Skills and Plugins Sharing (in GA) trasforma il workflow di un esperto in un asset riutilizzabile e governato in tutto il tuo account Snowflake. Sviluppa una skill per la revisione delle pipeline o una skill per la qualità dei dati una sola volta, quindi condividila come link snow:// oppure rendila individuabile nel catalogo ricercabile di Snowsight. I colleghi che dispongono dell’accesso possono installarla in CoCo Desktop, Snowsight CoCo o nella CoCo CLI. Gli amministratori certificano le versioni attendibili, fissano quelle utilizzate dagli agenti AI e monitorano l’adozione. I tuoi team consumano meno token per risolvere di nuovo lo stesso problema e ottengono output più coerenti, mentre i tuoi agenti AI seguono playbook verificati invece di improvvisare.

Agent Profiles portano impostazioni predefinite specifiche per team (come istruzioni, connettori e sorgenti dati preferite) in ogni sessione. Insieme a Memory, che mantiene il contesto personale tra le sessioni, gli agenti AI iniziano ogni conversazione con piena consapevolezza di come lavora il team, di cosa è stato discusso l’ultima volta e di quali convenzioni contano. Nessuno deve ripetere lo stack tecnologico o le convenzioni di naming ogni lunedì mattina.

Model Tiers con instradamento automatico assegnano ogni task al modello giusto per il processo. I task di riepilogo e formattazione di routine vengono eseguiti su modelli efficienti in termini di costi, mentre i task di reasoning complesso vengono instradati verso modelli più capaci. I team ottengono la qualità di cui hanno bisogno senza dover selezionare manualmente i modelli o spendere troppo per task semplici.

Infine, Agentic Marketplace Discovery (public preview) porta CoCo nel Marketplace Snowflake all’interno di Snowsight. Gli utenti possono descrivere ciò di cui hanno bisogno, come “dati firmografici aziendali per account EMEA”, e perfezionarlo attraverso la conversazione mentre CoCo individua e confronta dati, app e prodotti AI corrispondenti. Dalla stessa conversazione, gli utenti possono esplorare un listing, installarlo, avviare una prova o richiedere un preventivo, quando il listing lo consente e il loro ruolo lo permette. La discovery diventa il primo passo per mettere a frutto i nuovi dati.

Questi annunci dimostrano l’impegno Snowflake verso un principio di design comune: Gli agenti AI dovrebbero funzionare sulla stessa piattaforma dei dati di cui hanno bisogno, ereditare la governance già esistente e migliorare con l’uso. Quando gli agenti AI sono ancorati ai tuoi dati e dispongono dei guardrail appropriati per agire con permessi reali, possono fornire risultati e risposte affidabili senza aggiungere attrito ai tuoi workflow AI.

Scopri altri annunci di Snowflake Expedition su snowflake.com/en/blog/expedition-26/, oppure partecipa all’evento virtuale su snowflake.com/en/expedition/.

Dichiarazioni previsionali: Questo articolo può contenere dichiarazioni previsionali, incluse quelle relative a future offerte di prodotto, e non costituisce un impegno a fornire alcuna offerta di prodotto. I risultati e le offerte effettivi potrebbero differire. Fai riferimento al nostro più recente modulo 10‑Q per ulteriori informazioni.

¹ Metodologia di confronto dei costi: Il pricing di Fireworks e Tinker si basa sui prezzi pubblicati il 22 ottobre 2026 sulle rispettive pagine web. Abbiamo eseguito workload di training LoRA SFT su Cortex Training con diverse lunghezze di contesto e misurato il throughput per GPU H200. Abbiamo utilizzato il throughput (toks/sec) per calcolare il prezzo per milione di token per Cortex Training usando la formula (price_per_second / throughput) x 1M.

Cosa avete annunciato riguardo agli agenti AI a Snowflake Expedition 2026?

Tra gli annunci principali figurano la modalità CoCo in Snowsight, i Cloud Agents per i workflow di coding autonomi, i CoWork Profiles per l’instradamento degli agenti AI specifico per team, gli Snowflake Dashboards in CoWork, Cortex Training per la personalizzazione di modelli open-weight, App Runtime con serverless compute, Skills and Plugins Sharing per il riutilizzo organizzativo e Agentic Marketplace Discovery per il sourcing conversazionale dei dati.

Come fa Snowflake a rendere più affidabili gli agenti AI?

Snowflake ancora gli agenti AI a dati governati attraverso Cortex Sense, che crea automaticamente il contesto a partire da schemi, metriche e business logic. Gli agenti AI ereditano i permessi esistenti, le policy di accesso righe e le regole di masking, così possono rispondere basandosi su definizioni autorevoli invece di indovinare. Le azioni degli agenti AI vengono eseguite con i permessi Snowflake dell’utente o del proprietario e sono verificabili.

Cos’è Cortex Sense?

Cortex Sense (presto in public preview) crea automaticamente il contesto di business a partire dai tuoi schemi, dalle definizioni delle metriche e dalla business logic esistenti. È progettato per eliminare le settimane di prompt engineering manuale generalmente necessarie per far comprendere i tuoi dati a un agente AI, e funziona sui tuoi dati, sui dati condivisi e sui dati del Marketplace.

Cos’è CoCo Agent Mode? 

CoCo Agent Mode offre all’agente AI di coding di Snowflake un ambiente di lavoro a schermo intero basato su un container cloud. I data engineer possono avviare migrazioni, build o analisi di lunga durata, chiudere il laptop e tornare a risultati già pronti. Le sessioni vengono eseguite con i permessi Snowflake dell’utente, con un ambito di sessione limitato per controlli aggiuntivi.

Cosa sono i CoWork Profiles?

I CoWork Profiles (public preview) consentono agli amministratori di configurare un’esperienza degli agenti AI su misura per ogni team, specificando quali agenti AI, skill, connettori e istruzioni sono disponibili. La stessa domanda viene instradata automaticamente verso la competenza giusta, senza ampliare l’accesso ai dati.

Snowflake offre una piattaforma per lo sviluppo di app?

Sì. Puoi sviluppare e distribuire app di livello enterprise su Snowflake, tra cui app di esplorazione dei dati, web app full-stack e data product destinati all’esterno. Streamlit in Snowflake viene utilizzato per sviluppare app di dati interne basate su Python, come dashboard e visualizzazioni di dati, analisi dei dati esplorativa e workflow leggeri. Snowflake App Runtime ti consente di sviluppare app full-stack con UI personalizzate, tra cui app avanzate di esplorazione dei dati, app per workflow complessi e app/agenti AI. Snowflake Native App Framework serve per sviluppare data product monetizzabili destinati all’esterno, che possono essere inseriti e distribuiti nel Marketplace Snowflake.

In cosa differisce App Runtime da Streamlit in Snowflake?

Streamlit in Snowflake è Python-first e progettato per dashboard e visualizzazioni di dati, analisi dei dati esplorativa e workflow leggeri. App Runtime è pensato per le web app full-stack: esplorazione avanzata dei dati, workflow complessi e app e agenti AI che richiedono UI e UX personalizzate, librerie JavaScript specializzate, navigazione su misura o endpoint API. Entrambi vengono eseguiti all’interno del tuo account Snowflake ed ereditano il relativo framework di governance.