Snowflake Intelligence получает автоматизацию, а Cortex Code — больше источников данных и способов подключения
Snowflake усиливает Snowflake Intelligence и Cortex Code, чтобы создать единый опыт, связывающий корпоративные системы, источники данных и модели ИИ с данными Snowflake. Это часть видения компании: стать control plane для agentic enterprise, помогая предприятиям согласовывать данные, инструменты и рабочие процессы с AI-агентами, построенными на ее платформе.
По словам компании, после этих обновлений Snowflake Intelligence станет адаптируемым персональным рабочим агентом для бизнес-пользователей, а Cortex Code расширится как слой разработки для корпоративного ИИ, обеспечивающий управляемую, data-native разработку.
Улучшения Snowflake Intelligence включают автоматизацию рутинных задач через их описание на естественном языке, новые коннекторы Model Context Protocol (MCP) и reusable artifacts, которые позволяют пользователям сохранять и делиться анализами, визуализациями и рабочими процессами; все это, как заявлено, станет generally available «скоро». Кроме того, новый iOS-мобильный app и multi-step reasoning с deep research, использующие agentic architecture для рассуждений по данным, скоро появятся в public preview.
Компания отметила, что все эти обновления появились благодаря обратной связи от клиентов, а также благодаря выводам, полученным в рамках Project SnowWork — прошлогоднего preview автономного AI-слоя для ее data cloud.
Cortex Code теперь поддерживает дополнительные внешние источники данных, включая AWS Glue, Databricks и Postgres, подключение к другим AI-агентам через MCP и Agent Communication Protocol (ACP), плагин Claude Code и новый agent software development kit с поддержкой Python и TypeScript. Также в Cortex Code в Snowsight, веб-интерфейсе Snowflake, появились улучшения, включая Plan Mode, который позволяет разработчикам просматривать и утверждать workflows, и Snap & Ask для взаимодействия с data artifacts, такими как charts и tables.
Snowflake также объявила о private preview Cortex Code Sandboxes в Snowsight — выделенной cloud-среде, где разработчики могут выполнять код end-to-end без настройки.
Michael Leone, вице-президент и principal analyst в Moor Insights & Strategy, считает дорожную карту «амбициозной», отмечая число объявленных функций, которые «скоро появятся» или находятся в public preview. «Эти анонсы начинают сливаться друг с другом, потому что почти каждый вендор утверждает, что его агенты умеют рассуждать, действовать и менять бизнес», — сказал он, добавив: «Что делает этот кейс достойным внимания, по крайней мере для меня, так это то, что Snowflake одновременно работает с обеими половинами enterprise. Intelligence создан для бизнес-пользователей, которым нужны ответы и действия без написания SQL, а Cortex Code — для разработчиков, которым нужно довести это до production».
По его словам, большинство вендоров выбирают одну целевую аудиторию — пользователей или разработчиков — и возвращаются ко второй позже, но Snowflake строит оба направления на одной governed data foundation. «[Это] более сложная инженерная задача, но, на мой взгляд, это более чистый ответ на вопрос, который на самом деле задают предприятия: как сделать ИИ доступным большему числу людей, не теряя контроля над данными под ним», — сказал он, отметив, что Snowflake изменила подход от «давайте сделаем это внутри Snowflake» к пониманию того, что agentic AI работает только тогда, когда она interoperable с остальной частью stack.
Igor Ikonnikov, advisory fellow в Info-Tech Research Group, тоже видит в ставке на control plane часть отраслевого тренда. «Как всегда, дьявол в деталях: из чего состоят эти платформы и как именно они предлагают управлять AI-агентами», — сказал он. «Большинство платформ построены по старинке: все controls закодированы. Snowflake говорит о reusable analytics через сохранение всего решения и повторное использование целых модулей или models. Это означает, что общая семантика по-прежнему спрятана внутри database models и code».
Все AI-вендоры, по его словам, движимы одним и тем же запросом рынка: «Перейти от generic chatbots на базе Copilot к AI-агентам, заточенным под конкретные бизнес-задачи, которые понимают business logic и могут взаимодействовать друг с другом». После этих обновлений он считает, что Snowflake догнала конкурентов, но пока не обогнала их.
Sanjeev Mohan, principal в SanjMo, сказал: «Хорошая новость для клиентов — поддержка Databricks и AWS Glue. Snowflake говорит о том, что даже если ваши данные находятся в системе конкурента, AI coding agent Snowflake можно использовать. И наоборот, расширение VS Code и плагин Claude Code можно использовать с данными Snowflake. Иными словами, это снижает опасения по поводу vendor lock-in».
Это также правильное стратегическое направление, сказал Sanchit Vir Gogia, главный аналитик Greyhound Research. «Enterprise AI движется от generation к orchestration и execution, и фокус Snowflake на governed data как основе для действий соответствует этому сдвигу», — сказал он.
«Однако, чтобы стать execution layer для enterprise AI, мало просто интегрировать агентов и расширять инструменты», — добавил он. Для этого также нужны согласованная семантика, надежное выполнение между системами, сильное управление, экономическая целесообразность и организационная готовность, а также преодоление структурного ограничения. «Контроль без владения системами, где выполняется работа, создает зависимость, которую трудно полностью устранить. Это центральное напряжение в стратегии Snowflake и оно определит, насколько далеко компания сможет реально расширить свое влияние», — сказал он. «Snowflake сделала важный шаг в этом направлении. Но она еще не доказала, что может обеспечить это в масштабе. На данном этапе это один из самых убедительных претендентов в гонке, которая будет определяться не тем, кто построит самый умный ИИ, а тем, кто сможет надежно заставить этот ИИ работать внутри enterprise».
Материал — перевод статьи с английского.
Оригинал: Snowflake offers help to users and builders of AI agents