Las nuevas capacidades de IA de Snowflake aceleran la innovación basada en datos

1a. Desbloquear inteligencia de supermercado para equipos de negocios

Inteligencia de copos de cocaína Ofrece a los usuarios comerciales una interfaz de verbo natural impulsado por la IA para interactuar con datos estructurados y no estructurados. Los usuarios pueden hacer preguntas complejas en inglés simple y aceptar respuestas explicables y gobernadas en segundos, no se necesitan SQL ni paneles. Estos agentes funcionan en el interior del perímetro de seguridad de Snowflake, imponiendo automáticamente el camino basado en roles, el enmascaramiento y los controles de auditoría. Pueden razonar a través de los datos empresariales, identificar relaciones entre diversas fuentes de datos y devolver respuestas sintetizadas de tablas, PDF, JIRA, Salesforce, Zendesk y más.

1b. Simplifique los conocimientos de datos para todos con agentes de datos

Los agentes de datos permiten que los equipos no técnicos extraen información utilizando el verbo natural. Los usuarios pueden ver cómo se generan ideas con gráficos automáticos, trazabilidad de categoría y explicación. Los desarrolladores pueden implementar nuevos casos de uso rápidamente e integrar examen en cualquier aplicación de su disyuntiva, acelerando la innovación y el impacto.

1c. Construir aplicaciones de conversación confiables

Con los agentes de la corteza (generalmente disponibles pronto), los desarrolladores pueden crear aplicaciones Gen AI que razonen sobre los datos estructurados y no estructurados. Estos agentes permiten resultados explicables de suscripción calidad al orquestar flujos de trabajo que combinan LLM, SQL y búsqueda semántica. Alimentado por modelos como Claude 3.7 sonetoOpenAI GPT-4.1 y O4-Mini (generalmente arreglado pronto), estos agentes planifican, ejecutan y refinan las tareas para obtener resultados precisos. La explicabilidad incorporada y el camino a la API permiten una implementación rápida e integraciones con equipos de Microsoft y copiloto, permitiendo a los usuarios interactuar con IA directamente en el interior de sus herramientas de colaboración.

2. Cortex AISQL y Analytics: redefinición de datos multimodales a ideas con copos de cocaína

Los datos no estructurados permanecen subutilizados correcto a su complejidad. Cortex AISQL resuelve esto permitiendo que los equipos analicen documentos, imágenes y otros formatos utilizando sintaxis SQL corriente, sin herramientas especializadas. En Summit, presentamos:

• SQL se encuentra con AI: Extraiga metadatos, clasifique el sentimiento o los incrustaciones de búsqueda, todo en el interior de SQL.

• Ascendencia de valía de datos no estructurados: Use el documento AI, ahora admite la extirpación de la tabla Schema-Award (en la instinto previa pública), para extraer tablas estructuradas de PDF complejos con una precisión mínima.

• Engendramiento de modelos semánticos automáticos (instinto previa privada): Elimine la configuración del maniquí manual, explore las ideas con la visualización de gráficos nativos y cree experiencias de marca utilizando SnowPark Contener Services.

2a. Convierte a los analistas en desarrolladores de IA con Cortex AISQL

Cortex AISQL Reimagina SQL como el verbo central para Enterprise AI. Sus operadores de IA nativos permiten a los equipos construir flujos de trabajo multimodales, combinando texto, audio, imágenes y datos estructurados, sin ilustrarse nuevas herramientas o duplicar datos.

Ofrece mejoras de rendimiento del 30 al 70% sobre varias tuberías tradicionales (basadas en resultados de remisión internos, implementados por uso corriente), alimentado por una inferencia de lotes optimizada y un operación de optimización de rendimiento (instinto previa privada), lo que permite a los analistas que se conviertan en desarrolladores de IA.

Los casos de uso incluyen coincidencia de registros, detección de fraude y uniones semánticas a escalera empresarial, todas escritas en SQL.

2B. Extraer valía de datos no estructurados

Asimismo presentamos nuestro próximo maniquí de visión de próxima gestación para el documento AI llamado «Arctic-Extract» (instinto previa privada). Apoya un total de 29 idiomas (incluidos japonés, koren, tudesco, francés, gachupin y chino) y capacidades de razonamiento mejoradas, incluida la clasificación y la normalización.

En el banda de la recuperación, Cortex Search agrega:

• Batch Fuzzy Search Para tareas de stop rendimiento, como la resolución de entidad y la detección de fraude

• API avanzadas (generalmente arreglado) para búsqueda multifield, puntuación y clasificación por metadatos

• UI administradora en Snowsight (generalmente arreglado) y Estudio de evaluación de calidad (Clarividencia previa pública pronto) Para la encargo de la búsqueda, diagnosis y ajuste de relevancia sin código

Los equipos asimismo pueden traer INCURSOS VECTORES Custom (instinto previa pública) Para proveer la búsqueda de la corteza, combinando la plataforma segura de Snowflake con futuro de maniquí patentadas para un maduro rendimiento y control.

2c. Acelerar las ideas de datos con modelos semánticos automatizados y cuadros previamente

Engendramiento de modelos semánticos automáticos (instinto previa privada) Hace que la creación de modelos semánticos para Cortex Analyst sea más realizable y rápido. Al analizar los metadatos de esquema, el historial de consultas y los paneles, construye modelos performantes y reutilizables, eliminando semanas de trabajo manual. La capacidad de los gráficos (en la instinto previa pública) permite a los usuarios explorar las ideas visualmente yuxtapuesto con los resultados de la IA.

Servicios de contenedores de Snowpark (Generalmente arreglado en AWS y Azure, próximamente a Google Cloud Platform) ofrece un tiempo de ejecución escalable para introducir aplicaciones de pila completa y apisas de forma nativa en el interior de Snowflake, con registro centralizado, gobernanza y seguridad.

3. Observabilidad generativa de IA, disyuntiva del maniquí e infraestructura escalable: implementar IA con confianza

Para ayudar a las organizaciones a prosperar IA de modo segura y confiable, Snowflake ofrece:

• Observabilidad de IA: Herramientas de evaluación sin código para la precisión y el rendimiento de Gen AI

• Ataque maniquí: Top LLMS de Meta, OpenAi, Antrópico y Mistral

• Rendimiento aprovisionado: Rendimiento de inferencia predecible a escalera de producción

3a. Evaluación y rastreo en el interior de Cortex AI

Observabilidad de IA (generalmente arreglado) En Snowsight, los equipos ayudan a los equipos a determinar la precisión y la cobertura utilizando conjuntos de datos de evaluación. La puntuación de LLM-As-A-Judge evalúa la fundición, la ayuda y la daños, ejecutado de forma segura en el interior del copo de cocaína. Las características como los registros de rastreo de agentes y las comparaciones de modelos simplifican la depuración, el refinamiento rápido y el gobierno.

3B. Ataque a OpenAi, antrópico y más modelos: de forma segura en copos de cocaína

Snowflake’s model ecosystem now includes access to industry-leading LLMs from OpenAI, Anthropic, Meta and Mistral — including the latest generation models such as OpenAI’s GPT-4.1 and o4-mini through Microsoft Azure OpenAI Service in Azure AI Foundry as well as Anthropic’s Claude Opus 4 and Claude Sonnet 4. These models run inside Snowflake’s security boundary, so data remains protected and is never used for capacitación.

Los clientes pueden igualar el mejor maniquí para cada caso de uso, extracto, clasificación, traducción, razonamiento de agente y más, sin gobernar la infraestructura.

Cortex AI asimismo se está expandiendo a Google Cloud Platform. Con los servicios de contenedores Snowpark en Google Cloud Platform (generalmente arreglado pronto), los clientes pueden implementar modelos de código descubierto en las regiones de GCP, evitar el movimiento de datos y perseverar el gobierno.

Cortex AI asimismo se está expandiendo a Google Cloud Platform. Con Snowpark Container Services en Google Cloud Platform (generalmente arreglado pronto)los clientes pueden implementar modelos de código descubierto en las regiones de GCP, evitar el movimiento de datos y perseverar la gobernanza.

3c. Rendimiento aprovisionado para AI perspicaz para la empresa

El rendimiento aprovisionado (generalmente arreglado en AWS y Azure) ofrece a los equipos una capacidad de inferencia dedicada para las aplicaciones Gen AI. Accesible a través de REST API en todas las regiones de copo de cocaína, permite un rendimiento constante sin imprevisibilidad de los servicios compartidos. Es ideal para acontecer de POC a la producción, sin la sobrecarga de la configuración de la infraestructura.

3d. AI Governance Gateway: Control empresarial para la gestación AI

La AI Governance Gateway ofrece un solo panel de vidrio para que los clientes accedan a LLM líderes en la industria a través de SQL (o API REST) ​​directamente en el interior del perímetro seguro de copo de cocaína. A través del control integral de camino basado en roles (RBAC), los clientes pueden implementar políticas de gobierno sólidas. Las vistas de seguimiento de uso granular para cada característica de IA, combinadas con controles de aplicación de presupuesto (en instinto previa privada), permiten a los clientes monitorear y gobernar el uso generativo de IA en sus organizaciones. Los clientes pueden impulsar la IA responsable con Cortex Guard para filtrar contenido dañino, mientras que la observabilidad de IA permite a los clientes evaluar, depurar y optimizar sus aplicaciones Gen AI para su precisión y rendimiento. Esto mejoría la confianza y la transparencia para las implementaciones de producción. Cortex AI trae IA a sus datos, y con AI Governance Gateway, los clientes pueden acelerar la entrega de aplicaciones Gen AI.

4. Modelos construidos y operativos en producción con copo de cocaína ML

El ML predictivo sigue siendo una piedra angular crítica para casos de uso como detección de fraude, segmentación de clientes y motores de recomendación. Sin confiscación, construir e implementar dichos modelos a menudo requiere unir múltiples herramientas dispares que puedan ser difíciles de manejar y costosos de perseverar.

Con Copo de cocaína MLlas empresas ahora tienen una alternativa ML moderna que está estrechamente integrada con los datos rojados en los flujos de trabajo de extremo a extremo. Clientes como Coinbase y Prismáticos de nubes están conduciendo ideas predictivas. Terreno+, un gran software de fidelización de clientes en Canadá, ceñir el tiempo de producción en más del 60% y ceñir costos en más del 35% para más de 30 modelos Usando copo de cocaína ML.

En Summit, continuamos nuestro rápido ritmo de innovación con un conjunto de nuevos anuncios centrados en ML escalable y flexible, que permitirá a los clientes:

• Aumentar la productividad del investigador de datos Al automatizar la gestación de tuberías ML con el agente de ciencia de datos (instinto previa privada pronto)

• Construir modelos listos para la producción más rápido con API de capacitación distribuida en tiempo de ejecución de contenedores (generalmente arreglado) y gestione los trabajos de capacitación fácilmente con el seguimiento de los experimentos nativos (instinto previa privada pronto)

• Implementar y orquestar fácilmente las tuberías de ML sobre los datos de copos de cocaínaoperando desde cualquier ide de disyuntiva con trabajos de ML (generalmente arreglado pronto)

• Servir características para predicciones en raya de depreciación latencia (instinto previa privada pronto) en compute escalable de la tienda de funciones de copo de cocaína

Todo esto está integrado con la observabilidad ML incorporada para un realizable monitoreo y alerta con soporte para métricas personalizadas.