Dati aziendali AI-ready a portata di mano con Snowflake

Sappiamo che gli sviluppatori non vogliono aspettare l’approvazione di una richiesta di accesso o l’aggiornamento di un data set prima di iniziare a creare la prossima app o il prossimo agente AI. Sappiamo anche che nemmeno il miglior modello può compensare dati incompleti, frammentati e non aggiornati. 

Per essere pronti per l’AI, i dati devono essere continuamente disponibili, accessibili, utilizzabili e governabili: è ciò che fa la differenza tra un’AI che fallisce e un’AI che ha successo nel mondo reale. Ecco perché Snowflake si impegna a garantire che i clienti dispongano sempre di dati pronti per l’AI per alimentare implementazioni AI in produzione e applicazioni intelligenti. I più recenti miglioramenti della piattaforma riguardano elaborazione transazionale, analisi, ottimizzazione automatizzata, interoperabilità e funzionalità di governance, resilienza e affidabilità di livello enterprise, così puoi:

• Rendere tutti i dati aziendali pronti per l’AI, inclusi dati transazionali e in tempo reale

• Mantenere i sistemi AI rapidi e reattivi con ottimizzazione continua delle prestazioni integrata

• Ridurre lo spostamento e la frammentazione dei dati tra workload operativi, analitici e AI

• Utilizzare in modo sicuro dati sensibili nelle iniziative AI con controlli di governance integrati nella piattaforma, non componenti aggiuntivi

• Scalare l’AI con sicurezza grazie a interoperabilità e resilienza di livello enterprise

Vediamo più da vicino come Snowflake chiude il cerchio tra dati, AI e azione.

Dati pronti per l’AI: il segreto del successo dell’AI

Per offrire una vera enterprise intelligence, l’AI ha bisogno di dati operativi prontamente disponibili e del contesto giusto. Ciò significa modernizzare sia la strategia dati sia i sistemi in cui quei dati risiedono, così che l’AI lavori su dati aggiornati e connessi. 

Snowflake affronta questa sfida su più fronti. Per le organizzazioni che vogliono modernizzare piattaforme legacy, SnowConvert AI offre la conversione del codice basata sull’AI (ora GA) per accelerare il percorso verso dati pronti per l’AI. I miglioramenti agli agenti AI sottostanti aumentano l’accuratezza e riducono la latenza, mentre un nuovo approccio unit testing integrato utilizza dati sintetici per verificare l’esecuzione sia sui database di origine sia su quelli di destinazione in Snowflake. La copertura ampliata della migrazione per stored procedure Sybase, user-defined function (UDF) e progetti SSIS-to-dbt preserva la logica critica per il business riducendo la migrazione manuale. La conversione basata sull’AI in tabelle Apache Iceberg™ gestite da Snowflake (ora GA) offre un’ulteriore opzione di conversione delle tabelle di origine per Teradata, rispondendo all’esigenza di interoperabilità con formati di tabella aperti e mantenendo prestazioni, affidabilità e controlli di governance gestiti da Snowflake.

Per chi vuole smettere di aggiungere database esterni o livelli di caching quando sviluppa app, c’è l’accoppiata Snowflake Postgres e Interactive Analytics. Queste offerte complementari hanno un obiettivo comune: aiutare gli sviluppatori a creare applicazioni ad alte prestazioni in modo più rapido e semplice, eseguendo tutti i workload dati su Snowflake.

Snowflake Postgres (GA a breve) è pensato per casi d’uso transazionali. Porta Postgres nell’AI Data Cloud Snowflake, offrendo una base pronta per la produzione per applicazioni e agenti AI e semplificando l’architettura grazie al consolidamento dell’infrastruttura. Snowflake Postgres collega i dati transazionali agli analytics senza pipeline fragili e garantisce affidabilità di livello enterprise con sicurezza, resilienza e scalabilità già collaudate. Gli sviluppatori ottengono compatibilità Postgres al 100% e alte prestazioni, le aziende una piattaforma unificata per alimentare la prossima generazione di app in tempo reale e agenti AI.

Snowflake Postgres è adatto a casi d’uso come:

• Sviluppo moderno di app e AI: Alimenta una nuova classe di applicazioni intelligenti e context-aware che richiedono transazioni ad alta velocità e analisi su larga scala in parallelo.

• Analisi in tempo reale: Rendi i dati operativi aggiornati pronti per l’analisi nell’AI Data Cloud senza il costo nascosto dell’ETL.

• Operational store: Modernizza e consolida i backend per applicazioni web e enterprise con un lift-and-shift delle app Postgres esistenti, senza riscrivere il codice. 

Interactive Analytics è pensato per casi d’uso analitici a prevalenza di lettura, consentendo a migliaia di utenti di interrogare contemporaneamente una dashboard analitica o un’API con risposte in meno di un secondo. È un vantaggio competitivo importante quando si traduce in decisioni più sicure, un customer service più rapido (e meglio informato) o cambi di rotta veloci per seguire i trend di mercato. Utilizza Interactive Analytics in scenari ad alto volume come:

• Analisi rivolte agli utenti: Alimenta dashboard o moduli di reporting in un’app SaaS dove gli utenti si aspettano tempi di risposta fulminei.
  API ad alta capacità: Funge da backend analitico per API ricche di dati che gestiscono elevati volumi di richieste di lettura concorrenti.

• Monitoraggio in tempo reale: Fornisce il layer di serving a bassa latenza per telemetria, osservabilità, console IoT e altri contesti in cui i dati devono essere visualizzati istantaneamente man mano che arrivano. 

Prestazioni alla velocità dell’AI

Un’AI efficace deve operare in tempo reale, non solo in batch o offline, e richiede un accesso ai dati rapido e prevedibile. Deve inoltre scalare per soddisfare la domanda senza continue attività di tuning o gestione manuale. 

Snowflake Optima offre una spinta agli sviluppatori (e ai loro progetti AI) analizzando in modo continuo e automatico la cronologia dei workload e applicando ottimizzazioni intelligenti che accelerano le prestazioni. Optima Metadata (GA) genera metadati specifici per workload per migliorare le prestazioni delle query; utilizzando questo strumento insieme a Optima Indexing, gli sviluppatori possono ora ottimizzare automaticamente storage, indicizzazione e prestazioni dei metadati. Inoltre, Query Acceleration Service è ora abilitato per impostazione predefinita per i warehouse Gen2 e multi-cluster, accelerando le query critiche, incluse quelle sulle tabelle Apache Iceberg, e offrendo agli utenti una visione migliore di utilizzo e prestazioni delle query. 

Nel frattempo, i miglioramenti continui a Snowpipe Streaming, Dynamic Tables e warehouse Gen2 mantengono ingestion, trasformazione e disponibilità continue quasi in tempo reale. Insieme a Snowflake Optima e alle prestazioni analitiche in mno di un secondo di Interactive Analytics, offrono prestazioni affidabili per supportare le esigenze delle innovazioni nell’AI generativa e nell’agentic AI.

Dati governati, aperti e interoperabili per un’AI affidabile

La tua AI è affidabile solo quanto i dati su cui si basa. Devi sapere da dove provengono originariamente i dati, poter accedere in modo sicuro alla ricchezza di insight presenti nei dati sensibili e poter utilizzare dati archiviati in formati e posizioni diverse. Man mano che sempre più persone utilizzano strumenti AI per funzioni critiche per il business, ogni intoppo o allucinazione può non solo danneggiare la reputazione, ma anche portare a errori più gravi: Secondo un recente studio KPMG, il 66% degli intervistati si affida agli output dell’AI senza valutarne l’accuratezza e il 56% commette errori nel lavoro a causa dell’AI.

Gli sviluppatori non dovrebbero spendere tempo extra a pensare a governance e sicurezza: l’AI deve funzionare e basta. Con Snowflake, governance, sicurezza e resilienza sono integrate direttamente nella piattaforma, così le app e l’AI che sviluppi su Snowflake hanno fin dall’inizio una solida base di governance. Funzionalità come AI Redact (ora GA), nuovi classifier per dati sensibili specifici per l’UE e nuove policy di accesso per righe e proiezione basate su tag consentono di analizzare e utilizzare in modo sicuro data set sensibili, senza compromettere la privacy né rendere i dati inutilizzabili. 

Per semplificare la valutazione e la gestione della qualità dei dati, abbiamo potenziato le notifiche sulla qualità dei dati (public preview) e le funzionalità di anomaly detection (GA). Le funzionalità di lineage esterna (public preview) consentono di importare dati da fonti esterne e ottenere una visione completa end-to-end della lineage, per garantire che i modelli AI siano addestrati su input affidabili. E quando i dati sono in ordine, Snowflake Backups può creare backup immutabili con retention lock per proteggere i dati da perdita, manomissioni o cyberattacchi e ripristinare l’accesso e recuperare dati preziosi in caso di interruzioni.

Snowflake sta inoltre ampliando l’interoperabilità open lakehouse, consentendo all’AI di accedere in modo sicuro a dati governati indipendentemente da dove siano archiviati tra cloud, cataloghi e formati. Il supporto per Apache Iceberg V3, inclusa la possibilità di elaborare dati semi-strutturati con tipi di dati VARIANT (presto in public preview), e le funzionalità di interoperabilità di Horizon Catalog (supporto lettura esterna GA; supporto scrittura esterna in public preview) rendono più semplice accedere alle tabelle gestite da Snowflake da qualsiasi engine tramite API aperte, per la massima flessibilità. Horizon Catalog semplifica anche l’estensione di una governance unificata nell’ecosistema Apache Iceberg, consentendo di applicare in modo coerente policy di masking per righe e colonne su Apache Spark e Snowflake per le tabelle Iceberg (GA). 

Una nuova integrazione con Microsoft OneLake, ora GA, consente ai clienti comuni un accesso di lettura bidirezionale sicuro per i dati Apache Iceberg gestiti da Snowflake o Microsoft Fabric. Questo significa poter accedere senza problemi a tutti i dati su entrambe le piattaforme, senza complessità né duplicazioni. Ascolta i nostri product executives su come questo abilita una reale apertura e interoperabilità e guarda questo video per approfondire le novità. E per facilitare la condivisione dei dati tra team, cloud e regioni, il data sharing per formati open table estende il modello di condivisione zero-ETL di Snowflake ad altri formati, inclusi Apache Iceberg e Delta Lake. Gli sviluppatori possono collaborare su formati aperti mantenendo il controllo sia sugli accessi sia sui costi.

Dati aziendali pronti per l’AI, by design

Snowflake alza l’asticella per offrire una base dati semplice, connessa e affidabile che rende i dati enterprise pronti per l’AI by design. Gli sviluppatori possono creare app intelligenti e agenti AI pronti per la produzione su un’unica piattaforma centrale e integrata, con governance, interoperabilità e prestazioni elevate già integrate fin dalle fondamenta. 

Scopri di più su come rendere i tuoi dati pronti per l’AI con la potenza della piattaforma Snowflake su snowflake.com/en/make-data-ai-ready, poi scopri come l’AI Data Cloud può aiutarti a creare meglio con nuove funzionalità che offrono enterprise intelligence e agentic AI su vasta scala e modernizzare il workflow degli sviluppatori. 

Dichiarazioni previsionali

Questo articolo contiene dichiarazioni previsionali, anche sulle nostre future offerte di prodotti, che non costituiscono impegni a fornire alcuna offerta di prodotti. Le offerte e i risultati effettivi potrebbero essere diversi ed essere soggetti a incertezze e rischi noti e non noti. Fai riferimento al nostro più recente modulo 10‑Q per ulteriori informazioni.