Intelligence Efficiency: mais opções de modelos, roteamento mais inteligente

Em minhas conversas com clientes, há um desafio muito claro surgindo. As empresas estão investindo agressivamente em IA, mas também se tornando mais rigorosas quanto ao aspecto econômico. Não basta mais mostrar que os funcionários estão usando IA ou que o consumo de tokens está crescendo. O uso é apenas um dos dados. A pergunta que importa é o que a empresa recebe em troca.

As empresas precisam se perguntar: estamos avançando mais rápido? Estamos reduzindo custos? Estamos criando produtos e experiências de clientes melhores? No final das contas, a IA precisa se traduzir em valor mensurável para os negócios.

Chamo isso de eficiência de inteligência, ou seja, como uma empresa transforma capacidade de processamento, modelos, dados e contexto em impacto nos negócios. Mais receita. Custos mais baixos. Execução mais rápida. Alcançar essa eficiência exige flexibilidade de modelos, tanto na liberdade de usar os melhores modelos para cada tarefa quanto na capacidade de aproveitar o roteamento inteligente para direcionar cada tarefa ao modelo certo com base em custo, velocidade e performance. O setor passou os últimos anos otimizando as capacidades de modelos individuais. Agora, as empresas precisam otimizar o sistema em torno desses modelos com foco em resultados.

Essa mudança ocorre à medida que o crescimento de modelos abertos emergentes altera a equação de custos da IA. Para muitas cargas de trabalho, especialmente tarefas mais simples e bem definidas, os principais modelos abertos oferecem uma performance sólida a uma fração do custo dos modelos de ponta. Conforme os modelos abertos continuam evoluindo, o aumento na variedade de opções deve levar a mais concorrência, inovação mais rápida e custos mais baixos em todo o ecossistema.

É aqui que vejo um enorme potencial a ser desbloqueado para as empresas. Conforme o custo por tarefa diminui, o limite a partir do qual faz sentido aplicar IA também diminui. Fluxos de trabalho que antes eram caros demais para automatizar se tornam economicamente viáveis, dando às organizações a liberdade de experimentar, iterar e, por fim, implementar IA em uma parcela muito maior de seus negócios.

No entanto, diferentes modelos ocupam pontos distintos na curva de custo, qualidade e latência, e essas posições mudam constantemente. O modelo ideal para uma tarefa hoje pode não ser o melhor modelo daqui a seis meses. É por isso que acredito que a eficiência de inteligência exigirá que as empresas adotem um portfólio flexível de modelos.

Já estou vendo essa mudança em minhas conversas com clientes. A pergunta está deixando de ser "Em qual modelo devemos padronizar e onde devemos aplicá-lo?" e passando a ser "Como escolher continuamente o melhor modelo para cada tarefa?"

Na Snowflake, construímos uma plataforma corporativa neutra que reúne os principais modelos abertos e proprietários da Anthropic, Google, Mistral AI, OpenAI e SpaceXAI, e a Snowflake ampliará essas opções com suporte para GLM-5.3 e DeepSeek-V4-Flash 0731. 

Essa liberdade e flexibilidade são fundamentais para a forma como pensamos a empresa que usa agentes de IA. Conforme os modelos continuam evoluindo, as empresas devem conseguir se beneficiar dessa inovação em todo o escopo de seus dados e contexto.

É isso que estamos oferecendo com o Snowflake CoCo e o Snowflake CoWork, para desenvolvedores e usuários de negócios, respectivamente. O CoCo e o CoWork funcionam perfeitamente em todos os seus dados, permitindo que você aproveite diferentes modelos, agentes, fluxos de trabalho e sistemas, tudo em uma única interface conversacional. O modelo é uma parte importante do sistema, mas não deve ser algo que o usuário precise gerenciar constantemente. 

Isso nos leva ao próximo desafio que vejo para as empresas: como orquestrar a IA de forma eficaz. É por isso que, hoje, estamos apresentando o roteamento dinâmico de modelos no Cortex AI Gateway para ajudar nossos clientes a usar o modelo certo para cada tarefa. Agora, os clientes podem definir quais modelos aprovam e quais trade-offs são importantes para eles. A partir disso, o Cortex AI Gateway avalia cada tarefa com base nessas políticas, além de dados reais de custo e performance, e seleciona o melhor modelo para cada caso de uso. 

O sistema também aprende com os resultados. Depois que um modelo conclui uma tarefa, outro avalia a qualidade do resultado, criando um ciclo contínuo de feedback que melhora as futuras decisões de roteamento. À medida que os modelos se tornam melhores e o cenário muda, o sistema pode se adaptar a eles, melhorando continuamente a qualidade, o custo e a latência.

Nossos benchmarks iniciais mostram que essa abordagem pode oferecer uma economia melhor, em um determinado nível de qualidade, do que depender de um único modelo isoladamente. E, como esse recurso está integrado diretamente ao CoCo e ao CoWork, nossos clientes podem aproveitar a otimização de preço e performance dentro de seus próprios agentes e fluxos de trabalho, mesmo com o surgimento de novos modelos ou recursos.

Nossos anúncios de hoje refletem uma filosofia que orienta a Snowflake desde o início. Grandes mudanças tecnológicas geram complexidade. Nosso trabalho é absorver essa complexidade para nossos clientes. Fizemos isso para a infraestrutura de dados, e agora estamos fazendo o mesmo para a IA, dando às empresas a liberdade de usar a melhor inteligência para cada tarefa, enquanto a Snowflake gerencia, por trás dos bastidores, a complexidade da escolha de modelos, do roteamento e da otimização. É assim que ajudamos nossos clientes a alcançar uma verdadeira eficiência de inteligência.