Estabeleça a base para uma IA confiável

A lacuna entre a IA experimental e a IA em produção raramente é causada pelos modelos. Trata-se de um problema de infraestrutura, mais especificamente, da falta de uma infraestrutura conectada e governada que possa operar no novo ritmo de negócios da empresa agêntica.

Os agentes de IA estão redefinindo a forma como as organizações protegem, transformam e disponibilizam seus dados corporativos. Os sistemas de dados criados para o ritmo da tomada de decisões humana precisam evoluir para atender às demandas de agentes que raciocinam e agem continuamente sobre dados confidenciais em alta velocidade, o que significa abordar três elementos fundamentais:

• Dados governados de forma consistente, não importa onde estejam 

• Segurança projetada para IA autônoma

• Alta performance para todas as cargas de trabalho

No Summit 2026, a Snowflake apresentou um conjunto de recursos que respondem a cada um desses desafios, oferecendo aos agentes o nível certo de acesso a dados bem protegidos e fáceis de entender, em uma velocidade que permite agir rapidamente e que permite a você implementar a IA em produção com confiança.

Uma camada de contexto confiável para a IA

Seus agentes de IA são tão bons quanto os dados que utilizam para análise e raciocínio. E, à medida que os agentes aceleram suas consultas e assumem mais ações autônomas, ter uma lógica de negócios e definições consistentes em todo o seu data estate se torna um fator crítico de sucesso. A métrica "clientes ativos" deve retornar o mesmo número, quer venha de um dashboard de BI, de um agente Snowflake Cortex AI ou de uma consulta SQL de um analista. Se a lógica de negócios estiver dispersa por ferramentas e dados fora do Snowflake, ela pode ter definições inconsistentes, um problema de fragmentação semântica que corrói a confiança e cresce a cada novo fluxo de trabalho agêntico. 

O Snowflake Horizon Context, um novo recurso do Snowflake Horizon Catalog, resolve isso incorporando a lógica de negócios à plataforma, de modo que todos os agentes de IA, ferramentas de BI e apps herdem as mesmas definições consistentes. As métricas, dimensões e relações de negócios são definidas uma vez e aplicadas em todos os lugares, com controles de governança herdados automaticamente no nível do mecanismo de consulta. 

Diferentemente do middleware semântico complementar, não há necessidade de conexões manuais com cada ferramenta e interface de consulta; os conectores prontos para uso do Horizon Context extraem o contexto automaticamente de históricos de consulta, modelos dbt e logs de BI, liberando o conhecimento institucional e acelerando a criação de modelos semânticos.

Você pode então automatizar o enriquecimento de metadados com o Semantic Studio (versão preliminar privada) e o Snowflake Semantic View Autopilot (GA) para reduzir o esforço manual necessário para criar e manter uma camada de contexto. Seja para dar ao Snowflake CoCo uma tarefa de geração de SQL ou uma tarefa de análise de dados de nível mais alto, ele recupera automaticamente o contexto relevante usando o Universal Search, uma busca híbrida de palavras-chave e semântica que usa sinais como popularidade para melhorar a classificação, e políticas de controle de acesso para filtrar os resultados.

Para tornar a base semântica governada portátil além do Snowflake, o Horizon Context aproveita vários recursos do Snowflake:

• Conectores prontos para uso: Conecte-se a ferramentas como PostgreSQL, Microsoft SQL Server, Tableau, Microsoft Power BI e dbt que permitem reunir um contexto rico (logs de consulta, popularidade, esquemas e muito mais) de várias fontes em um único catálogo pesquisável.

• Linhagem em nível de coluna de ponta a ponta: A linhagem é fundamental para entender como os ativos de dados se relacionam entre si. O Horizon Context extrai informações de linhagem do Snowflake e de logs de consulta de bancos de dados externos, sistemas de BI e feeds do OpenLineage, unindo tudo para criar um gráfico de linhagem completo de ponta a ponta.

• Integração nativa do Open Semantic Interchange (OSI) (versão preliminar privada): Fornece uma especificação independente de fornecedor para métricas, dimensões e relações, de modo que a lógica de negócios definida no Horizon Context possa ser lida e compreendida em todo o seu ecossistema sem necessidade de tradução.

• Semantic Studio (versão preliminar privada): Fornece uma interface de modelagem visual para criar views semânticas sem escrever SQL, tornando a governança acessível tanto para equipes de dados quanto para analistas de negócios.

• XMLA Endpoint for Semantic Views com tecnologia AtScale (em breve em versão preliminar privada): Conectará o Power BI e o Excel diretamente à camada semântica, para que os usuários de BI corporativo possam trabalhar a partir das mesmas definições governadas que os agentes de IA.

• Advanced Semantics (versão preliminar privada): Oferece suporte a cálculos de nível de detalhe (LOD), definições modulares e materializações definidas pelo usuário com reescrita automática de consulta.

Saiba mais sobre o Horizon Context em nosso blog “Horizon Context: a camada de contexto governada para IA, BI e apps.”

Junto com o lançamento do Horizon Context, a Snowflake fez melhorias no Horizon Catalog que reforçam seu papel, e sua facilidade de uso, como um plano de controle central para a governança do seu data estate dentro e fora do Snowflake.

Assim como o Snowflake CoWork coloca a política, a classificação e os controles de acesso ao alcance de todos os usuários, e não apenas daqueles fluentes em SQL, os novos recursos de Intent-Driven Governance (versão preliminar privada) convertem modelos em linguagem simples em políticas ativas do Horizon Catalog. Líderes de negócios e profissionais de dados podem aprovar a intenção de governança sem precisar aprender os primitivos do Snowflake Governance, e a Snowflake aplica automaticamente a imposição baseada em tags, incluindo mascaramento, controles de acesso e qualidade de dados, em objetos existentes e futuros. O sistema monitora continuamente possíveis desvios e gera pacotes de auditoria detalhados, rastreando diretamente as configurações ativas até a intenção humana aprovada. Além disso, a governança agêntica por meio das novas skills do Snowflake CoCo (GA) permite que os usuários enviem prompts em linguagem natural para aplicar políticas, corrigir bugs e monitorar dados confidenciais em recursos distintos.

O Horizon Catalog agora tem acesso de leitura/gravação bidirecional, seguro e completo a partir de mecanismos externos (GA), estendendo as políticas que você define no Snowflake universalmente para mecanismos compatíveis com o Apache Iceberg™ REST. O suporte à Apache Iceberg REST Scan Planning API (versão preliminar pública) estende a imposição entre ambientes a proteções de dados granulares. Juntos, esses recursos permitem que os clientes trabalhem a partir de uma única cópia governada de dados, acessível com segurança por todos os mecanismos desde o primeiro dia, acelerando a execução para equipes e agentes ao oferecer uma arquitetura pronta para operar no ritmo de negócios da empresa agêntica. Saiba mais sobre como padronizar com segurança em uma única cópia de dados governados com o Interoperable Lakehouse da Snowflake aqui.

Segurança integrada para agentes de IA

O controle de acesso tradicional foi projetado para humanos que operam com funções conhecidas, padrões de acesso previsíveis e sessões auditáveis. Os agentes invertem essa lógica: Eles operam continuamente em velocidade e escala de máquina e podem ser manipulados por meio de prompts para agir de maneiras não intencionais (ou nefastas). Em muitas plataformas atuais, os agentes não têm identidade verificável, permissões delimitadas e trilhas de auditoria claras. Esse é um grande obstáculo para a implantação em produção. De fato, mais da metade dos participantes do nosso relatório "O ROI da IA generativa edos agentes 2026" (56%) relatou pelo menos um desafio relacionado à governança e à conformidade.

A Snowflake está enfrentando esse desafio de frente com um modelo de segurança de agentes desenvolvido especificamente para essa finalidade, que estende os princípios de zero trust aos atores autônomos. O Agent Identity (versão preliminar pública) dá a cada agente uma identidade verificada criptograficamente antes que ele acesse dados em produção. Esse novo contexto oferece suporte à auditabilidade, criando uma cadeia de custódia completa que pode atender aos requisitos de rastreabilidade de frameworks de conformidade em setores altamente regulamentados, como serviços financeiros, área da saúde e setor público.

Ao usar esses controles desenvolvidos especificamente para essa finalidade a fim de governar a identidade e as interações dos agentes, você pode ajustar a escala de agentes e apps de IA com mais confiança, sabendo que eles se beneficiam dos recursos de segurança nativos da Snowflake. Essa base é reforçada ainda mais por um stack de defesa em profundidade que aborda alguns dos maiores obstáculos que travam os projetos de IA:

Acesso seguro para agentes

• O AI Security Posture Management (versão preliminar pública) oferece suporte ao monitoramento contínuo da postura de segurança agênica, fornecido por meio do Snowflake Trust Center, com detecção proativa de anomalias em todos os comportamentos do agente.

Defesa aprofundada de nível empresarial para seu patrimônio de dados

• Prompt Injection Protection Phase 2 (disponível ao público) oferece detecção orientada por LLM, quase em tempo real, de tentativas de injeção e jailbreak em dia zero, um recurso que é solicitado com frequência nas avaliações de segurança da IA para empresas.

• As políticas de movimentação de dados (versão preliminar privada) incluem controles de camada da plataforma que ajudam a evitar a filtragem de dados não autorizada por meio de fluxos de trabalho agnósticos e conexões de API, independentemente da ferramenta que inicia a transferência.

• A aprovação multilateral (versão preliminar pública) oferece uma autorização "quatro olhares" que protege as operações de maior risco para uma etapa de aprovação explícita antes da execução.

• Pacote Data Exfiltration Trust Center (versão preliminar privada) e monitor de proteção de Ransomware para vetores comuns de comprometimento de dados em grande escala, incluindo downloads excessivos de dados via interface do usuário (user interface, UI) e detecções de anomalias direcionadas a transferências de dados estranhas para estágios internos e externos.

Simplificar o acesso do usuário a agentes

• O Just-in-Time User Provisioning e o Request Access Workflow (tanto em versão preliminar privada) oferecem controles rigorosos sobre como as identidades recebem acesso em primeiro lugar, reduzindo os privilégios permanentes em toda a plataforma.

Para obter mais detalhes sobre as melhorias de segurança da Snowflake, leia nosso blog Defenda sua empresa na velocidade da IA.

Governança e alto desempenho, sem comprometimentos

Agentes não toleram atrasos. Qualquer desaceleração do acesso aos dados traz restrições para o que agentes autônomos podem fazer, o que pode fazer com que as equipes expulsem cargas de trabalho com latência de plataformas governadas em favor de alto desempenho. Essa solução pode reduzir os atrasos, mas também criar uma carga separada de gerenciamento de infraestrutura e aumentar o risco de governança.

Novas melhorias no portfólio de processamento do Snowflake foram desenvolvidas para fazer com que esses compromissos sejam algo do passado, oferecendo alto desempenho para todas as suas cargas de trabalho de IA e dados, mantendo uma governança consistente e reduzindo significativamente a sobrecarga operacional. Resultado? suas equipes podem se concentrar no trabalho estratégico em vez de tarefas de manutenção manuais.

O Snowflake Adaptive Compute (GA em breve) aborda um desafio operacional central do cenário de IA em rápida mudança: como equilibrar desempenho, facilidade de uso e escalabilidade quando as cargas de trabalho se tornam mais variadas e menos previsíveis. 

Os armazenamentos criados com processamento adaptativo, conhecidos como Adaptive Warehouses, fornecem processamento consciente da carga de trabalho que se ajusta dinamicamente à demanda sem exigir dimensionamento manual, gerenciamento de clusters ou planejamento de capacidade. O Snowflake lida com a alocação de recursos e o dimensionamento e o roteamento de consultas em um pool de processamento compartilhado em sua conta, para que as decisões de configuração que antes exigiram ciclos de ajuste dedicados possam agora ocorrer continuamente, sem nenhuma ação humana. Isso pode reduzir substancialmente a sobrecarga operacional, especialmente para as equipes de gerenciamento de processamento em várias unidades de negócios. 

O alto desempenho continua sendo uma marca registrada. A capacidade de processamento adaptável incorpora as melhorias mais recentes em hardware e desempenho, demonstrando ganhos de desempenho significativos (com base em TPC-DS e benchmarks internos) em relação à capacidade de processamento padrão do Snowflake, tanto na geração 1 quanto na geração 2, em todas as cargas de trabalho:¹

• Até 1,6 vezes mais rápido para cargas de trabalho analíticas, como análise de dados exploratória, ciência de dados e análise de dados ad hoc.
• Até 2,2 vezes mais produtividade (consultas/hora) para cargas de trabalho de análise operacional altamente simultâneas.
• Execução até 3,5 vezes mais rápida para cargas de trabalho pesadas de DML, como transformações de dados, ingestão e pipelines de dados.

Saiba mais sobre o que torna o processamento adaptativo diferente em nosso blog "O processamento adaptativo oferece alto desempenho que evolui com suas cargas de trabalho."

Para cargas de trabalho que requerem atualização de dados quase em tempo real, além de alto desempenho de consulta analítica, o Análise Interativa oferece recursos de streaming que antes exigiam um stack de infraestrutura separado. O Streaming Ingestion (em versão preliminar privada) traz dados ingeridos continuamente para as Interactive Tables com atualização de segundos e desempenho de consulta com simultaneidade de mais de 1.000 QPS, tudo dentro do perímetro de governança do Snowflake.²

Dois lançamentos adicionais trazem esse desempenho e simplicidade para as cargas de trabalho transacionais. O Postgres Data Mirroring (breve em versão preliminar pública) replica automaticamente os dados do Snowflake Postgres para o Snowflake Analytics, permitindo que as equipes eliminem ETLs complexos e o código de cola que antes era necessário para conectar esses dois sistemas. Você pode começar, em minutos, fazendo configurações por meio do CoCo, Snowsight UI ou SQL: basta configurá-lo e deixar seus dados fluir continuamente. Além disso, a Hybrid Tables também tem ganhos de desempenho consideráveis (com base em benchmarks internos): até oito vezes melhor taxa de gravação³ e 10 vezes mais velocidade em gravação em lote,⁴ além de uma economia de custos de 15% em média.⁵ Essa inovação permite que os clientes executem cargas de trabalho mais exigentes sem precisar adicionar um banco de dados adicional.

Para as organizações que utilizam esses recursos em escala, o Snowflake Well-Architected Framework (WAF) padroniza as práticas recomendadas e as barreiras de proteção para oferecer suporte a um modelo operacional unificado e de nível empresarial para cargas de trabalho de dados e de IA. Agora, os membros das equipes podem acessar o WAF por meio do CoCo como um competente em linguagem natural. Os membros das equipes podem avaliar sua arquitetura em relação aos pilares da estrutura, identificar faltas e implementar práticas recomendadas sem conhecimento especializado de cada superfície de configuração na plataforma.

Implemente a IA para empresas com confiança

Os recursos novos e aprimorados do Snowflake ressaltam o valor de uma abordagem conectada de contexto, governança e segurança com alto desempenho dimensionável que pode responder de forma inteligente à natureza dinâmica das cargas de trabalho de IA. É uma arquitetura confiável que mude a IA para as empresas de sistemas controlados e pilotos para sistemas de produção de que as organizações podem depender.

Para saber mais, visite estes recursos:

• Explore o Horizon Context e outros aprimoramentos do Horizon Catalog

• Descubra por que o contexto é fundamental para agentes de dados confiáveis.

• Saiba mais sobre segurança de IA no Hub de segurança Snowflake e no Trust Center.

• Acesse a página Adaptive Computing e participe da sessão Adaptive Warehouse no Snowflake Summit 2026 na quarta-feira, 3 de junho, às 12:30 p.m. PDT.

• Descubra o valor de unificar cargas de trabalho em nosso "Guia essencial de dados transacionais, analíticos e híbridos".

• Obter detalhes sobre a estrutura bem arquiteturada

¹ Foi avaliado em uma combinação de padrão do setor (TPC-DS) e benchmarks internos e compara as instâncias de padrão Gen1 aos depósitos adaptáveis. Resultados medidos na implementação da produção, usando somente recursos voltados para o cliente disponíveis publicamente em maio de 2026. 

² Resultados de desempenho baseados nas cargas de trabalho de análise de dados interativa medidas em janeiro de 2026 usando uma pequena configuração de armazenamento interativo.

³ Dados com base em benchmarks são executados usando o Yahoo Cloud Serving Benchmark (YCSB) com uma carga de trabalho de 100% lida no data warehouse XS da geração 2.

⁴ Dados baseados em benchmarks internos para carregar 50 GB em Hybrid Tables usando um armazenamento 2X-Large.

⁵ Dados baseados nas estimativas da Snowflake de redução de custos média entre os clientes, medidos com base no consumo real de créditos de produção em fevereiro de 2026.

Este conteúdo contém declarações prospectivas, inclusive sobre nossas futuras ofertas de produtos, e não representa um compromisso de entrega de quaisquer ofertas de produtos. Os resultados e as ofertas reais podem diferir e estão sujeitos a riscos e incertezas conhecidos e desconhecidos. Consulte nosso documento 10-Q mais recente para obter mais informações.