Creare le basi per un’AI affidabile

Il divario tra AI sperimentale e AI in produzione raramente dipende dai modelli. È un problema di infrastruttura e, nello specifico, riguarda la mancanza di un’infrastruttura connessa e governata in grado di operare al nuovo ritmo di business dell’agentic enterprise.

Gli agenti AI stanno ridefinendo il modo in cui le organizzazioni proteggono, trasformano e mettono a disposizione i propri dati aziendali. I sistemi di dati progettati per la cadenza del processo decisionale umano devono evolversi per soddisfare le esigenze di agenti che ragionano e agiscono in modo continuo su dati sensibili ad alta velocità. Ciò significa affrontare tre elementi fondamentali:

• Dati governati in modo coerente, ovunque risiedano 

• Sicurezza progettata per l’AI autonoma

• Prestazioni elevate per tutti i workload

Al Summit 2026, Snowflake ha presentato una serie di funzionalità che rispondono a ciascuna di queste sfide, offrendo agli agenti il giusto livello di accesso a dati ben protetti e facilmente comprensibili, a una velocità che consente loro di agire rapidamente e che ti permette di distribuire l’AI in produzione con sicurezza.

Un livello di contesto affidabile per l’AI

I tuoi agenti AI sono validi solo quanto i dati che utilizzano per l’analisi e il ragionamento. E man mano che gli agenti accelerano le query e assumono azioni più autonome, disporre di una logica e di definizioni di business coerenti in tutto il data estate diventa un fattore critico di successo. La metrica “clienti attivi” deve restituire lo stesso numero, indipendentemente dal fatto che provenga da una dashboard di BI, da un agente AI Snowflake Cortex o da una query SQL di un analista. Se la logica di business è dispersa tra strumenti e dati esterni a Snowflake, le definizioni rischiano di essere incoerenti: un problema di frammentazione semantica che erode la fiducia e cresce a ogni nuovo workflow agentico. 

Snowflake Horizon Context, una nuova funzionalità di Snowflake Horizon Catalog, risolve questo problema integrando la logica di business nella piattaforma, in modo che ogni agente AI, strumento di BI e applicazione erediti le stesse definizioni coerenti. Metriche di business, dimensioni e relazioni vengono definite una sola volta e applicate ovunque, con controlli di governance ereditati automaticamente a livello di query engine. 

A differenza dei middleware semantici aggiuntivi, non sono necessarie connessioni manuali a ogni strumento e interfaccia di query; i connettori out-of-the-box di Horizon Context estraggono automaticamente il contesto da cronologie delle query, modelli dbt e log di BI, liberando il sapere aziendale e accelerando la creazione di modelli semantici.

Puoi quindi automatizzare l’arricchimento dei metadati con Semantic Studio (in private preview) e Snowflake Semantic View Autopilot (in GA) per ridurre lo sforzo manuale necessario a sviluppare e mantenere un livello di contesto. Che tu assegni a Snowflake CoCo un’attività di generazione SQL o un’attività di analisi dei dati di livello superiore, recupererà automaticamente il contesto pertinente utilizzando Universal Search, una ricerca ibrida per parole chiave e semantica che sfrutta segnali come la popolarità per migliorare il ranking e policy di controllo degli accessi per filtrare i risultati.

Per portare la data foundation semantica governata oltre Snowflake, Horizon Context sfrutta diverse funzionalità Snowflake:

• Connettori out-of-the-box: Connettiti a strumenti come PostgreSQL, Microsoft SQL Server, Tableau, Microsoft Power BI e dbt che ti permettono di raccogliere un contesto ricco (log delle query, popolarità, schemi e altro) da molte fonti in un unico catalogo ricercabile.

• Lineage end‑to‑end a livello di colonna: La lineage è fondamentale per comprendere le relazioni tra i data asset. Horizon Context estrae le informazioni di lineage dai log delle query di Snowflake e di database esterni, dai sistemi di BI e dai feed OpenLineage, unendole per creare un grafo di lineage completo ed end‑to‑end.

• Integrazione nativa Open Semantic Interchange (OSI) (in private preview): Fornisce una specifica vendor-neutral per metriche, dimensioni e relazioni, così che la logica di business definita in Horizon Context possa essere letta e compresa in tutto l’ecosistema senza traduzioni.

• Semantic Studio (in private preview): Fornisce un’interfaccia di modellazione visiva per creare viste semantiche senza scrivere SQL, rendendo la governance accessibile sia ai team dati sia agli analisti di business.

• XMLA Endpoint for Semantic Views powered by AtScale (presto in private preview): Collegherà Power BI ed Excel direttamente al livello semantico, così che gli utenti di BI enterprise potranno lavorare con le stesse definizioni governate degli agenti AI.

• Advanced Semantics (in private preview): Supporta calcoli level-of-detail (LOD), definizioni componibili e materializzazioni definite dall’utente con riscrittura automatica delle query.

Per maggiori dettagli su Horizon Context, leggi il nostro blog “Horizon Context: il livello di contesto governato per AI, BI e app.”

Insieme al rilascio di Horizon Context, Snowflake ha introdotto miglioramenti a Horizon Catalog che ne sottolineano il ruolo, e la facilità d’uso, come control plane centrale per la governance del tuo data estate dentro e fuori Snowflake.

Proprio come Snowflake CoWork mette policy, classificazione e controlli degli accessi a portata di ogni utente, non solo di chi padroneggia SQL, le nuove funzionalità di Intent-Driven Governance (in private preview) convertono template in linguaggio semplice in policy attive di Horizon Catalog. I leader aziendali e i professionisti dei dati possono approvare gli intenti di governance senza dover imparare le primitive di Snowflake Governance, e Snowflake applica automaticamente l’enforcement basato su tag, inclusi masking, controlli degli accessi e qualità dei dati, su oggetti esistenti e futuri. Il sistema monitora continuamente eventuali deviazioni e genera pacchetti di audit dettagliati, tracciando direttamente le configurazioni aggiornate fino all’intento umano approvato. Inoltre, la governance agentica tramite le nuove skill di Snowflake CoCo (in GA) permette agli utenti di inviare prompt in linguaggio naturale per applicare policy, correggere bug e monitorare i dati sensibili su risorse eterogenee.

Horizon Catalog ora offre accesso sicuro e bidirezionale in lettura/scrittura dai motori esterni (in GA), estendendo universalmente le policy definite in Snowflake ai motori compatibili con Apache Iceberg™ REST. Il supporto per Apache Iceberg REST Scan Planning API (in public preview) estende l’enforcement cross-environment a protezioni dei dati granulari. Insieme, queste funzionalità consentono ai clienti di lavorare su un’unica copia governata dei dati, accessibile in modo sicuro da ogni motore fin dal primo giorno, accelerando l’esecuzione per team e agenti grazie a un’architettura pronta a operare al ritmo di business dell’azienda agentica. Scopri di più su come standardizzare in modo sicuro su un’unica copia di dati governati con la Interoperable Lakehouse Snowflake qui.

Sicurezza integrata per gli agenti AI

Il controllo degli accessi tradizionale è stato progettato per gli esseri umani, che operano con ruoli noti, pattern di accesso prevedibili e sessioni verificabili. Gli agenti ribaltano le regole: Operano in modo continuo a velocità e scala macchina e possono essere manipolati tramite prompt per agire in modi non intenzionali (o malevoli). In molte piattaforme attuali, gli agenti non dispongono di un’identità verificabile, di autorizzazioni delimitate e di audit trail chiari. È un grande ostacolo al deployment in produzione: di fatto, oltre la metà degli intervistati nel nostro report “Il ROI dell'AI generativa e degli agenti AI 2026” (56%) ha segnalato almeno una sfida legata a governance e compliance.

Snowflake affronta questa sfida in modo diretto con un modello di sicurezza per agenti appositamente progettato che estende i principi zero-trust agli attori autonomi. Agent Identity (in public preview) assegna a ogni agente AI un’identità verificata crittograficamente prima che acceda ai dati in produzione. Questo nuovo contesto supporta l’auditabilità, creando una catena di custodia completa che può soddisfare i requisiti di tracciabilità dei framework di compliance in settori altamente regolamentati come servizi finanziari, sanità e settore pubblico.

Utilizzando questi controlli appositamente progettati per governare l’identità e le interazioni degli agenti AI, puoi scalare agenti e app AI con maggiore sicurezza, sapendo che beneficiano delle funzionalità di sicurezza native di Snowflake. Questa data foundation è ulteriormente rafforzata da uno stack di difesa in profondità che affronta alcuni dei maggiori ostacoli che bloccano i progetti di AI:

Accesso sicuro per gli agenti

• AI Security Posture Management (in public preview) supporta il monitoraggio continuo della security posture agentica, erogato tramite Snowflake Trust Center, con rilevamento proattivo delle anomalie nel comportamento degli agenti AI.

Difesa in profondità di livello enterprise per il tuo data estate

• Prompt Injection Protection Phase 2 (in GA) offre rilevamento in tempo quasi reale, basato su LLM, di tentativi di injection zero-day e jailbreak: una funzionalità spesso richiesta nelle valutazioni di sicurezza dell’enterprise AI.

• Data Movement Policies (in private preview) include controlli a livello di piattaforma che aiutano a prevenire l’esfiltrazione non autorizzata dei dati tramite workflow agentici e connessioni API, indipendentemente dallo strumento che avvia il trasferimento.

• Multi-Party Approval (in public preview) offre un’autorizzazione “four-eyes” che protegge le operazioni a più alto rischio dietro un passaggio di approvazione esplicito prima dell’esecuzione.

• Il Data Exfiltration Trust Center Package (in private preview) e Ransomware Protection monitorano i vettori più comuni di compromissione dei dati su larga scala, inclusi download eccessivi di dati tramite UI e rilevamenti di anomalie che individuano trasferimenti dati insoliti verso stage interni ed esterni.

Semplifica l’accesso degli utenti agli agenti

• Just-in-Time User Provisioning e Request Access Workflow (entrambi in private preview) offrono controlli rigorosi sul modo in cui le identità ricevono l’accesso fin dall’inizio, riducendo i privilegi permanenti sull’intera piattaforma.

Per maggiori dettagli sui miglioramenti alla sicurezza AI di Snowflake, leggi il blog “Proteggi la tua organizzazione alla velocità dell'AI”.

Governance e prestazioni elevate, senza compromessi

Gli agenti non tollerano ritardi. Qualsiasi rallentamento nell’accesso ai dati limita ciò che gli agenti autonomi possono fare, spingendo i team a spostare i workload sensibili alla latenza fuori dalle piattaforme governate a favore delle prestazioni elevate. Questa soluzione provvisoria può ridurre i ritardi, ma crea anche un onere separato di gestione dell’infrastruttura e aumenta il rischio per la governance.

I nuovi miglioramenti al portfolio di compute Snowflake sono pensati per rendere questi compromessi un ricordo del passato, offrendo prestazioni elevate per tutti i tuoi workload di AI e dati, mantenendo una governance coerente e riducendo significativamente i costi operativi generali. Il risultato: i tuoi team possono concentrarsi sul lavoro strategico anziché su task di manutenzione manuale.

Snowflake Adaptive Compute (presto in GA) affronta una sfida operativa fondamentale del panorama dell’AI in rapida evoluzione: come bilanciare prestazioni, facilità d’uso e scalabilità quando i workload diventano sempre più vari e meno prevedibili. 

I warehouse creati con Adaptive Compute, noti come Adaptive Warehouse, offrono compute consapevole dei workload che si adatta dinamicamente alla domanda senza richiedere dimensionamento manuale, gestione dei cluster o pianificazione della capacità. Snowflake gestisce l’allocazione delle risorse, lo scaling e il routing delle query su un pool condiviso di compute nel tuo account, così le decisioni di configurazione che prima richiedevano cicli di tuning dedicati possono ora avvenire in modo continuo, senza intervento umano. Ciò può ridurre sensibilmente i costi operativi generali, in particolare per i team che gestiscono compute su più business unit. 

Le prestazioni elevate restano un tratto distintivo. Adaptive Compute integra l’hardware e i miglioramenti di performance più recenti, dimostrando significativi guadagni di prestazioni (basati su TPC-DS e benchmark interni) rispetto al compute standard Snowflake, sia Gen1 sia Gen2, su tutti i workload:¹

• Fino a 1,6 volte più veloce per i workload analitici, come analisi esplorativa, data science e analisi ad hoc
• Throughput fino a 2,2 volte superiore (query/ora) per i workload di analisi operativa altamente concorrenti
• Esecuzione fino a 3,5 volte più veloce per i workload con elevato carico DML come trasformazioni dei dati, ingestion e data pipeline

Scopri cosa rende diverso l’adaptive computing nel blog “Adaptive Compute offre prestazioni elevate che si adattano ai tuoi workload”.

Per i workload che richiedono dati aggiornati in tempo quasi reale insieme a prestazioni elevate delle query analitiche, Interactive Analytics offre funzionalità di streaming che in precedenza richiedevano uno stack infrastrutturale separato. Streaming Ingestion (in private preview) porta dati ingeriti in modo continuo nelle Interactive Tables con freschezza inferiore al secondo e prestazioni delle query con concorrenza superiore a 1.000 QPS, il tutto all’interno del perimetro di governance Snowflake.²

Due ulteriori rilasci portano le stesse prestazioni e semplicità ai workload transazionali. Postgres Data Mirroring (presto in public preview) replica automaticamente i dati da Snowflake Postgres a Snowflake Analytics, consentendo ai team di eliminare i complessi processi ETL e il glue code precedentemente necessario per collegare questi due sistemi. Puoi iniziare in pochi minuti effettuando le configurazioni tramite CoCo, la UI di Snowsight o SQL: basta impostarlo e lasciare che i tuoi dati fluiscano senza interruzioni. E anche le Hybrid Tables registrano notevoli guadagni di prestazioni (basati su benchmark interni): fino a 8 volte di miglioramento del throughput³ e scritture batch 10 volte più veloci,⁴ oltre a un miglioramento dell’efficienza dei costi del 15% in media.⁵ Questa svolta consente ai clienti di eseguire workload più impegnativi senza dover aggiungere un database extra.

Per le organizzazioni che operano queste funzionalità su larga scala, Snowflake Well-Architected Framework (WAF) standardizza best practice e guardrail per supportare un modello operativo unificato e di livello enterprise per i workload di dati e AI. I membri del team possono ora accedere a WAF tramite CoCo come skill in linguaggio naturale. I membri del team possono valutare la propria architettura rispetto ai pilastri del framework, identificare le lacune e implementare le best practice senza una conoscenza specializzata di ogni superficie di configurazione della piattaforma.

Distribuire l’enterprise AI con sicurezza

Le funzionalità nuove e migliorate di Snowflake sottolineano il valore di un approccio connesso a contesto, governance e sicurezza, sostenuto da prestazioni elevate e scalabili in grado di rispondere in modo intelligente alla natura dinamica dei workload di AI. È un’architettura affidabile che porta l’enterprise AI da pilot controllati a sistemi di produzione su cui le organizzazioni possono fare affidamento.

Per saperne di più, consulta queste risorse:

• Esplora Horizon Context e altri miglioramenti di Horizon Catalog

• Scopri perché il contesto è fondamentale per agenti dati affidabili

• Scopri di più sulla sicurezza dell’AI nel Security Hub Snowflakee nel Trust Center

• Consulta la pagina di Adaptive Compute e segui la presentazione Adaptive Warehouse allo Snowflake Summit 2026 mercoledì 3 giugno alle 12:30 p.m. PDT

• Scopri il valore dell’unificazione dei workload nella nostra “Essential Guide to Transactional, Analytical and Hybrid Data”

• Approfondisci il Well-Architected Framework

¹ Misurazioni effettuate combinando benchmark standard di settore (TPC-DS) e benchmark proprietari, con un confronto tra le istanze Standard Gen1 e gli Adaptive Warehouse. Risultati misurati in deployment di produzione, utilizzando solo funzionalità rivolte ai clienti disponibili pubblicamente a maggio 2026. 

² Risultati prestazionali basati su workload di analisi dei dati interattivi misurati a gennaio 2026 utilizzando una configurazione di small interactive warehouse.

³ Dati basati su benchmark eseguiti con lo Yahoo Cloud Serving Benchmark (YCSB) con un workload di sola lettura al 100% su un warehouse Gen2 XS.

⁴ Dati basati su benchmark interni per il caricamento di 50 GB in Hybrid Tables utilizzando un warehouse 2X-Large.

⁵ Dati basati sulle stime di Snowflake del risparmio medio sui costi tra i clienti, misurati sul consumo reale di crediti in produzione a febbraio 2026.

Questo contenuto comprende dichiarazioni previsionali, anche sulle nostre future offerte di prodotto, e non costituisce un impegno a fornire alcuna offerta di prodotto. I risultati e le offerte effettivi possono variare e sono soggetti a rischi e incertezze noti e ignoti. Per maggiori informazioni, consulta il nostro ultimo modulo 10-Q.