O Snowflake permite armazenar dados não estruturados (como PDFs, imagens, áudio, vídeo) em stages ou usando Directory Tables. Assim, você pode analisar dados diretamente usando recursos do Snowflake Cortex AI, como o Document AI, para extrair informações de documentos usando modelos pré-treinados por meio do SQL. Já a função Cortex COMPLETE Multimodal permite a análise direta de imagens. Você também pode usar o Snowpark para Python, Java ou Scala. Escreva código personalizado (UDFs e procedimentos armazenados) usando bibliotecas para OCR, NLP, processamento de imagem etc., para processar e analisar dados não estruturados onde eles residem, trazendo a capacidade de processamento para os dados.

Sim! O Snowflake torna isso possível por meio de seus recursos de IA, como o Snowflake Cortex Search, que permite criar aplicações de geração aumentada de recuperação (retrieval augmented generation, RAG) para encontrar informações e "conversar" com seus documentos, fazendo perguntas em linguagem natural. Você também pode usar as funções do Cortex LLM e criar aplicações personalizadas que usam LLMs para entender consultas em linguagem natural e extrair insights ou gerar respostas com base no conteúdo dos seus dados não estruturados (após processados ou indexados).

O Snowflake Document AI foi desenvolvido, especificamente, para extrair dados de vários formatos de documentos, incluindo PDFs (baseados em texto e digitalizados). Ele também pode lidar com conteúdos, como texto escrito à mão, logotipos e caixas de verificação presentes nesses documentos. Os recursos multimodais avançados do Snowflake Cortex permitem processar e analisar diretamente arquivos de imagem dentro do Snowflake. Embora a análise de áudio/vídeo bruto possa exigir pré-processamento (por exemplo,, usando o Snowpark para transcrição ou extração de recursos), o texto ou os metadados extraídos podem ser analisados usando as funções do Cortex AI.

Sim, o Snowflake permite controlar o acesso a modelos de IA específicos disponíveis por meio do Snowflake Cortex. O gerenciamento é feito por meio de uma lista de permissões do modelo no nível da conta e por meio de um controle de acesso baseado em funções (role-based access control, RBAC) mais granular ao conceder ou revogar privilégios a determinados objetos do modelo para as funções definidas de usuários.

Dados de clientes não são usados para treinar, retreinar ou ajustar modelos de IA disponibilizados a outros clientes Snowflake. Se você optar por ajustar um modelo usando os dados da sua empresa dentro do Snowflake, esse modelo ajustado ficará disponível exclusivamente para seu uso, não sendo fornecido a qualquer desenvolvedor de modelo de terceiros ou outros clientes.

Quando você usa modelos de base pré-treinados oferecidos por meio do Snowflake Cortex, vários clientes estão acessando a mesma versão do modelo de base subjacente fornecida e gerenciada pelo Snowflake (ou seus parceiros terceirizados). No entanto, os dados, as solicitações e os resultados específicos permanecem isolados na sua conta e não são visíveis para outros clientes ou combinados com eles. O Snowflake possibilita a privacidade e a segurança dos dados dentro de sua arquitetura multitarefa.