Trasformare l’innovazione AI in applicazioni affidabili e pronte per la produzione con Snowflake

L’innovazione AI continua a trasformare applicazioni ed esperienze in tutti i settori e le aziende. Le organizzazioni sono sempre più focalizzate sui risultati misurabili per gli utenti finali. Per ottenere questi risultati è necessaria un’AI scalabile, sicura e profondamente connessa ai dati aziendali.

In Snowflake ci impegniamo ad aiutare i clienti a trasformare le ambizioni in ambito AI e ML in un impatto concreto nel mondo reale. Questo significa mettere gli sviluppatori al centro, offrendo strumenti che semplificano la creazione di agenti affidabili, accelerano la messa in produzione dei workload AI/ML e consentono di governarli con sicurezza mentre scalano.

Le nostre più recenti innovazioni di prodotto permettono ai clienti di creare applicazioni affidabili e di livello enterprise con Snowflake. Il risultato è un’esecuzione più rapida, operazioni più semplici e strumenti AI su cui le aziende possono fare affidamento in produzione.

Snowflake Intelligence come agente di enterprise intelligence sempre disponibile

Snowflake Intelligence riunisce un insieme di funzionalità progettate per aiutare i business user a ottenere valore dall’AI in modo rapido, sicuro e autonomo. Questi aggiornamenti si concentrano su tre esigenze chiave:

• Consentire agli utenti di salvare gli output più rilevanti delle conversazioni come artifact e di condividerli con altri stakeholder per supportare le decisioni di business (disponibile a breve)
• Dotare i business user ovunque si trovino di un accesso mobile nativo e sicuro (disponibile a breve)
• Ora i clienti possono portare i business user in Snowflake Intelligence mantenendo off-limits SQL e strumenti dati. Tutte le policy di sicurezza esistenti si applicano automaticamente e gli amministratori possono abilitarlo con una singola proprietà utente.

Snowflake Intelligence è progettato per fornire insight affidabili ovunque si svolga il lavoro. La sua interfaccia di linguaggio naturale consente a ogni dipendente di porre domande, comprendere il “perché” dietro il “cosa” e intraprendere azioni tempestive basate sui dati, il tutto all’interno della piattaforma Snowflake sicura e governata.

Nel loro insieme, queste funzionalità rendono Snowflake Intelligence un agente di enterprise intelligence affidabile, in grado di fornire insight quando e dove servono, supportando decisioni tempestive e data-driven in tutta l’organizzazione.

Artifact che trasformano le conversazioni in risultati di business

Artifacts (presto in public preview) rappresenta un cambiamento fondamentale nel modo in cui Snowflake Intelligence supporta i business user. Gli artifact trasformano le conversazioni di Snowflake Intelligence in output salvabili e condivisibili, come grafici e tabelle, preservando visualizzazioni, SQL sottostante e metadati contestuali.

Gli artifact sono le unità fondamentali attraverso cui la conoscenza aziendale viene acquisita, condivisa e utilizzata in Snowflake Intelligence. Gli utenti possono salvare gli artifact per evitare di ricreare le analisi, per condividere riferimenti live in modo sicuro con i colleghi ed esplorare domande di follow-up nel giusto contesto. Gli artifact consentono di tornare su ciò che è stato creato, condividerlo con altri e collaborare direttamente su dati aziendali affidabili.

Più in generale, gli artifact sono alla base della capacità di Snowflake Intelligence di fornire insight di business agli utenti finali. Invece di essere utilizzata principalmente per domande ad hoc o di follow-up, Snowflake Intelligence diventa così il punto di partenza per guidare il business. Con gli artifact, Snowflake Intelligence diventa la destinazione per decisioni coerenti e affidabili, basate su un’unica fonte condivisa in tutta l’organizzazione.

Snowflake Intelligence presto disponibile su mobile

Snowflake Intelligence sarà presto disponibile come app mobile iOS (presto in public preview), offrendo un’esperienza mobile nativa migliorata. L’accesso mobile consente a leader e business user di rimanere connessi alla conoscenza aziendale durante tutta la giornata, che si tratti di rivedere metriche chiave, monitorare trend o approfondire domande critiche mentre le decisioni prendono forma.

Per garantire un’esperienza sicura e semplice, Snowflake Intelligence supporterà il rinnovo della sessione tramite FaceID sull’app mobile (presto in public preview). Gli utenti potranno autenticarsi con FaceID e i token verranno aggiornati automaticamente in background. I refresh token restano protetti, associati al dispositivo e ruotati regolarmente, garantendo controlli di sicurezza di livello enterprise insieme a un’esperienza mobile fluida, simile a quella consumer.

Ampliare l’accesso con login limitato e utenti “solo Snowflake Intelligence”

Snowflake Intelligence ora supporta il login diretto degli utenti, consentendo ai business user di accedere e iniziare a porre domande senza dover conoscere Snowflake o navigare in Snowsight.

Per i clienti che desiderano un controllo più rigoroso, gli utenti “solo Snowflake Intelligence” accedono unicamente a Snowflake Intelligence. Non possono accedere a Snowsight, alle interfacce SQL o ad altri strumenti dati. Questo mantiene i business user in un’interfaccia pensata per loro, aiutando al contempo le organizzazioni a governare l’utilizzo, controllare i costi e applicare automaticamente tutte le policy di sicurezza esistenti.

Snowflake Intelligence supporta inoltre il reindirizzamento tramite identity provider, così gli utenti che si autenticano tramite un IdP configurato (come Okta o Entra ID) possono usufruire di un’esperienza di login semplificata. Nel complesso, queste funzionalità rendono semplice estendere l’accesso in tutta l’organizzazione mantenendo il controllo centralizzato della governance.

Creare, distribuire e iterare esperienze agentic con semplicità

Gli agenti AI sono ormai centrali nei workflow aziendali. Le imprese hanno bisogno di uno stack affidabile e sicuro per offrire esperienze coerenti e accurate in un ambiente governato e scalabile per più team e applicazioni. Siamo entusiasti di presentare importanti innovazioni in Snowflake che aiutano i clienti a creare e scalare agenti pronti per la produzione con sicurezza.

Cortex Code (GA) supporta questo percorso consentendo a ogni tipo di builder, dagli ingegneri esperti ai team non tecnici, di creare e ottimizzare agenti tramite interazioni in linguaggio naturale. Aiuta i team a generare facilmente dati sintetici, creare e correggere semantic view e sviluppare e affinare rapidamente il comportamento degli agenti, accelerando il time-to-production sull’AI Data Cloud Snowflake. 

Con Semantic View Autopilot (GA a breve), i team possono creare e distribuire automaticamente semantic view pronte per la produzione. Apprendendo dalla cronologia delle query, Semantic View Autopilot semplifica i workflow di modellazione e aiuta le organizzazioni ad attivare nuovi casi d’uso più rapidamente, offrendo insight coerenti tra i team.

Per estendere l’adozione degli agenti in tutta l’organizzazione, Cortex Agent Sharing (GA a breve) rende semplice scoprire, riutilizzare e rendere operativi agenti creati da team interni o partner. Questo consente alle organizzazioni di standardizzare le capacità degli agenti, evitare duplicazioni di lavoro e scalare agenti già validati invece di ricrearli per ogni caso d’uso. I team possono accedere ai prodotti sul Marketplace Snowflake e sfruttare agenti sviluppati dai partner per accelerare il time to value.

Con Agent Evaluations (GA a breve), i clienti ottengono maggiore visibilità su come gli agenti ragionano, selezionano gli strumenti e generano risposte, per affinare il comportamento e migliorare continuamente l’accuratezza. Questa trasparenza aiuta i team a rafforzare la fiducia nella qualità degli agenti, validando facilmente accuratezza e coerenza logica prima dell’uso in produzione. Offrendo piena visibilità sul “thought process” degli agenti, Agent Evaluations riduce l’incertezza nel debugging e consente di individuare e correggere immediatamente errori o colli di bottiglia nelle prestazioni. Infine, validando risposte, logica e utilizzo degli strumenti, le organizzazioni possono portare con sicurezza gli agenti dalla sperimentazione iniziale a sistemi pronti per la produzione e affidabili per i team.

Model Context Protocol per l’accesso ai dati enterprise

Snowflake Intelligence supporta il Model Context Protocol (MCP) per semplificare l’integrazione con strumenti e servizi di terze parti. Abbiamo lanciato un server MCP gestito da Snowflake nell’ottobre 2025 e ora introduciamo Snowflake MCP Client (GA a breve), consentendo ai clienti di connettersi facilmente e in modo affidabile a fonti dati esterne.

Con Snowflake MCP Client, gli amministratori possono registrare server MCP predefiniti o personalizzati, come Atlassian, Salesforce o Workday, ed esporli direttamente ai Cortex Agents. Gli sviluppatori possono utilizzare i server MCP con gli agenti, consentendo la scoperta e l’invocazione fluida degli strumenti durante l’orchestrazione. Snowflake gestisce l’autenticazione, inclusa la gestione dei token, e fornisce funzionalità di osservabilità per mantenere le integrazioni sicure e governate. Al lancio, Snowflake supporta la scoperta completa degli strumenti MCP durante l’invocazione degli agenti, insieme a monitoraggio e gestione dei token, permettendo un accesso sicuro ai dati aziendali tra sistemi diversi.

Alta qualità e bassa latenza per agenti di livello enterprise

Negli ambienti di produzione, coerenza e accuratezza sono fondamentali per l’esperienza utente e l’adozione. Snowflake continua a investire sull’intero agent stack per offrire esperienze basate sull’AI più rapide, accurate e prevedibili su larga scala.

Snowflake introduce Continuously Learning Agent Memory (presto in public preview), un importante miglioramento della qualità per gli agenti di enterprise intelligence. Questa funzionalità consente agli agenti di apprendere continuamente dalle risposte di alta qualità precedenti, migliorando coerenza e affidabilità. Permette inoltre agli agenti di ricordare preferenze e informazioni specifiche degli utenti nel tempo, offrendo esperienze Snowflake Intelligence più personalizzate.

Integrando il text-to-SQL direttamente nell’orchestrazione degli agenti, Snowflake ha migliorato l’accuratezza e ridotto la latenza nei workflow analitici. Gli utenti possono accedere ai dati più rapidamente, visualizzare la pianificazione degli LLM insieme all’esecuzione SQL e affinare il comportamento degli agenti su un’ampia gamma di workload.

Governance con versioning degli agenti e tracciamento dei costi

Con l’evoluzione delle applicazioni AI, le imprese necessitano di funzionalità di governance per scalare. Snowflake risponde a questa esigenza con il versioning degli agenti e una visibilità operativa integrata.

Agent versioning (presto in public preview) introduce il supporto CI/CD per Snowflake Cortex Agents, consentendo ai clienti di creare, distribuire e iterare workload agentic con sicurezza. Gli sviluppatori possono creare snapshot delle versioni, gestire le modifiche tramite Git e promuovere o ripristinare le distribuzioni in modo sicuro. Inoltre, i clienti possono monitorare l’utilizzo di Snowflake Intelligence e degli agenti tramite le usage view (GA a breve), migliorando la supervisione operativa.

Oltre alla visibilità, Snowflake consente ai team di controllare attivamente i costi dell’AI. AI_COUNT_TOKENS (GA) aiuta a stimare l’utilizzo prima dell’esecuzione, mentre AI Functions Incremental Metering View (GA a breve) fornirà dati su utilizzo e costi delle query in esecuzione, consentendo di applicare limiti e attivare azioni durante il runtime. Questo permette alle organizzazioni di scalare l’AI in produzione mantenendo una spesa prevedibile e il controllo operativo.

Insieme a versioning e tracciamento dei costi, i team possono muoversi rapidamente mantenendo la chiarezza e scalando applicazioni ad alte prestazioni in modo responsabile.

Accelerare la produzione di modelli ML online e multimodali con workflow agentic

Il machine learning tradizionale resta fondamentale nel panorama AI attuale e siamo entusiasti di annunciare nuove funzionalità per workflow agentic, multimodali e in tempo reale in Snowflake ML. 

Continuiamo a investire in esperienze di sviluppo moderne che aumentano la produttività. La nuova generazione di Snowflake Notebooks (GA) è ora parte integrante di Snowflake Workspaces, in esecuzione in un ambiente basato su Jupyter supportato dal Container Runtime di Snowflake. Snowflake Notebooks consente agli sviluppatori di integrare notebook Jupyter esistenti, script e training dei modelli nella piattaforma unificata Snowflake per workflow avanzati di sviluppo dei modelli. La potenza di Snowflake Notebooks per uno sviluppo e un’iterazione più efficaci è ulteriormente ampliata dall’integrazione con Cortex Code in Snowsight (GA a breve). 

I data scientist spesso dedicano cicli prolungati allo sviluppo e alla risoluzione dei problemi nei workflow ML, creando colli di bottiglia operativi e riducendo il numero di modelli che arrivano in produzione. Ora Snowflake porta l’agentic AI nei workflow ML con l’integrazione di Cortex Code in Snowflake Notebooks, consentendo di iterare, adattare e generare in modo autonomo pipeline ML completamente eseguibili a partire da semplici prompt in linguaggio naturale. 

I modelli ML in tempo reale possono essere facilmente portati in produzione in Snowflake ML con online feature store e online model serving, entrambi ora in GA. Gli sviluppatori possono ora servire feature in meno di 30 ms e modelli in meno di 100 ms per supportare casi d’uso online a bassa latenza come raccomandazioni personalizzate e rilevamento delle frodi, senza infrastrutture aggiuntive o configurazioni complesse. Inoltre, la possibilità di eseguire inferenza su larga scala con modelli multimodali provenienti da hub come Hugging Face è ora in public preview. L’inferenza su dati non strutturati come immagini e video abilita casi d’uso AI come object detection, visual Q&A e riconoscimento automatico del parlato in Snowflake, senza pipeline complesse o spostamenti di dati.

Il futuro dello sviluppo AI

I lanci di oggi contribuiscono a rendere Cortex Agents la base unificata per l’AI di livello enterprise.  Semantic View Autopilot aiuta gli sviluppatori ad aumentare l’accuratezza dei Cortex Agents e ad accelerare l’introduzione di casi d’uso avanzati.  Gli ultimi miglioramenti di Snowflake ML consentono agli sviluppatori di creare modelli che i Cortex Agents possono sfruttare per fornire direttamente agli utenti previsioni e raccomandazioni basate su ML.  Durante la produzione, le nostre Evaluations for Cortex Agents garantiscono che gli output degli agenti siano affidabili e facili da monitorare.

Con Snowflake, le aziende passano dalla sperimentazione alla produzione con agenti AI e applicazioni di cui i team si fidano, gestite dagli operatori e direttamente collegate all’impatto sul business.

Call to action

1. Inizia a creare, salvare e condividere artifact in Snowflake Intelligence per favorire collaborazione e azione.

2. Leggi l’annuncio di Cortex Code.

3. Scopri di più sugli ultimi annunci ML in questo blog.