Snowflake ha presentado una oleada de novedades orientadas a un objetivo claro: llevar la IA agéntica hasta donde están los datos (y no al revés) y reducir de meses a semanas el tiempo que una organización tarda en pasar de la idea a un agente operativo y gobernado. La compañía del AI Data Cloud pone en disponibilidad general Snowflake Intelligence —su agente empresarial—, consolida su lakehouse con Horizon Catalog y Openflow, y lanza una suite de herramientas para desarrolladores que unifica creación, pruebas y despliegue de aplicaciones de IA dentro de una plataforma única y segura.

El movimiento no es menor. Snowflake asegura que, solo en los últimos tres meses, más de 1.000 clientes han utilizado Snowflake Intelligence para desplegar más de 15.000 agentes en producción —nombres como Cisco, Toyota Motor Europe, TS Imagine o el equipo de Bobsled/Skeleton de EE. UU. figuran entre los pioneros—. Para Christian Kleinerman, vicepresidente ejecutivo de Producto, se trata de la evolución lógica de una década: “Snowflake ha sido el pilar de la estrategia de datos de miles de empresas. La siguiente etapa es llevar la IA a esos datos para que cada cliente desbloquee una inteligencia propia. Democratizamos el poder de la IA para que cada empleado tome mejores decisiones, más rápido”.

Snowflake Intelligence: un agente para preguntar “qué” y entender el “por qué”

En disponibilidad general, Snowflake Intelligence llega a una base de más de 12.000 clientes con vocación de convertirse en la interfaz natural hacia el conocimiento de negocio. La promesa: con una pregunta en lenguaje natural, el agente investiga, razona sobre el contexto y devuelve recomendaciones respaldadas por los datos gobernados de la organización.

Bajo el capó, la compañía se apoya en modelos líderes del sector (entre ellos, Anthropic) y añade investigación propia para rendimiento y validación. Snowflake afirma que las nuevas optimizaciones hacen que el salto texto→SQL sea hasta tres veces más rápido, manteniendo la precisión. Además, presenta Agent GPA (Goal, Plan, Action), un marco de evaluación que detecta hasta el 95 % de errores en pruebas con conjuntos de datos estándar, con “niveles casi humanos” de detección. El objetivo no es tanto brillar en el primer intento como reducir la incertidumbre: menos respuestas dudosas, más trazabilidad y confianza en entornos regulados.

La seguridad y la gobernanza no son un extra: son el diseño de base. Snowflake Intelligence respeta permisos y políticas de la casa, trabaja dentro del perímetro del AI Data Cloud y evita la salida de datos a dominios no autorizados. Para Thierry Martin, director de Datos e IA en Toyota Motor Europe, el impacto es tangible: “Hemos acortado el despliegue de agentes de meses a semanas. Nuestro equipo escribe menos código y dedica más tiempo a lo que de verdad importa: contexto de negocio y modelos semánticos. El resultado es una ventaja competitiva: lanzamos soluciones seguras y conformes más rápido y sin mover datos”.

Lakehouse empresarial: datos abiertos, conectados y sin dependencia de proveedor

La segunda pieza del anuncio es la consolidación del lakehouse de Snowflake como plataforma para IA agéntica. La compañía generaliza Openflow —el motor que automatiza la ingesta y orquestación de datos desde “prácticamente cualquier fuente”— y refuerza Horizon Catalog —el catálogo unificado que aporta contexto semántico, seguridad y gobernanza transversal a regiones, nubes y formatos—.

Para eliminar fricciones entre ecosistemas, Snowflake integra directamente en Horizon las API abiertas Apache Polaris™ (Incubating) y el REST Catalog de Apache Iceberg™. En la práctica, esto ofrece a los clientes un lakehouse empresarial que centraliza gobernanza y acceso interoperable sobre formatos abiertos de tabla. ¿Traducción operativa? Menos “puentes ad hoc” entre catálogos, menos bloqueo de proveedor y más libertad para que los agentes consuman datos donde residen, con políticas consistentes.

A ello se suman avances orientados a casos en tiempo (casi) real:

• Tablas y Almacenes Interactivos (vista previa privada): para experiencias casi en tiempo real con agentes y aplicaciones.
• Análisis streaming (próxima vista previa privada): para actuar en segundos sobre datos vivos, combinando con histórico en escenarios de fraude, personalización, recomendaciones u observabilidad/IoT.
• CDC casi en tiempo real desde Oracle (vista previa privada), construido sobre Openflow, que empuja actualizaciones transaccionales continuas a Snowflake AI Data Cloud.

Para reforzar la resiliencia, Business Continuity y Disaster Recovery (vista previa pública) se extiende a tablas Iceberg gestionadas, añadiendo una salvaguarda extra ante incidencias. Y, tras la compra de Crunchy Data, Snowflake anuncia Snowflake Postgres (próxima vista previa pública): Postgres totalmente gestionado dentro de la plataforma, junto con pg_lake (ya disponible como código abierto), un conjunto de extensiones para integrar Postgres con el lakehouse. Es una señal clara de hacia dónde se mueve el tejido de datos corporativo: formatos abiertos, compatibilidad nativa y catálogo común.

Herramientas para desarrolladores: de la idea al agente en una misma plataforma

La tercera pata del anuncio es una suite de desarrollo que busca quitar fricción al ciclo construir–probar–desplegar de aplicaciones de IA.

• Cortex Code (vista previa privada): asistente de IA renovado dentro de la UI de Snowflake que permite interactuar con todo el entorno en lenguaje natural. Ayuda a entender el uso de la plataforma, optimizar consultas complejas y ajustar resultados para ahorrar costes.
• Cortex AISQL (disponible de forma general): lleva pipelines de inferencia de IA a SQL declarativo dentro de Dynamic Tables (también GA). Con AI Redact (próxima vista previa pública), detecta y enmascara datos sensibles en contenidos no estructurados, preparando datasets multimodales con seguridad y privacidad.
• Workspaces (GA): el entorno de desarrollo centralizado de Snowflake ahora integra Git (GA) y VS Code (GA). Resultado: colaboración real, versionado y la posibilidad de trabajar desde el IDE preferido sin salir de la plataforma.
• dbt Projects on Snowflake (GA): desarrollo, pruebas, despliegue y monitorización de dbt dentro de Snowflake, recortando herramientas y tareas auxiliares. Para código existente, Snowpark Connect for Apache Spark (GA) permite ejecutar workloads de Spark en el motor seguro de Snowflake sin reescrituras masivas.

El hilo conductor es nítido: concentrar el trabajo en una plataforma gobernada para acelerar la entrega y reducir el Coste Total de Propiedad (TCO). Si los datos no se mueven, los permisos y la trazabilidad sí viajan con el código.

Qué cambia para el CIO y los equipos de datos (en tres ideas)

1) De cuadros de mando a conversaciones con datos. Con Snowflake Intelligence, el acceso pasa de “consultar un informe” a “preguntar y razonar”. El valor está menos en el dashboard estático y más en la explicación (el “por qué”) con contexto corporativo y controles en vigor.

2) Lakehouse realmente interoperable. Con Horizon y Openflow abrazando Polaris e Iceberg REST, el catálogo se eleva a autoridad central para gobernanza y seguridad sobre formatos abiertos. Esto desbloquea IA agéntica que ve y entiende datos diversos sin rehacer canalizaciones.

3) Toolchain más corto, menos deuda. Workspaces, AISQL, dbt y Spark en Snowpark Connect significan menos saltos entre herramientas, menos pegamento y más repetibilidad. La estandarización no mata la flexibilidad: la encauza.

Casos de impacto inmediato

• Atención al cliente: un agente conversa con el historial de tickets, políticas y conocimiento interno; responde el qué y el por qué, y sugiere el siguiente paso.
• Riesgo y fraude: datos streaming con contexto histórico para decidir en segundos; la gobernanza del catálogo reduce falsos positivos por sesgos de muestreo.
• Operaciones e IoT: correlación de telemetría en vivo con mantenimiento y stock; alertas y explicaciones que un equipo puede auditar.
• Finanzas/FP&A: consultas complejas texto→SQL más rápidas; simulaciones en tablas interactivas sin rearmar todo el pipeline.

Un apunte de cultura: democratizar con responsabilidad

La empresa insiste en el verbo democratizar. Pero “democratizar” no significa “sin gobierno”. El anuncio descansa en tres garantías:

• Identidad y permisos: el agente ve solo lo que debe.
• Trazabilidad: hay registro de plan–acción (Agent GPA), datos usados y salida.
• Formatos abiertos: interoperar para evitar dependencias ciegas.

La IA agéntica sin estas tres patas es un prototipo atractivo; con ellas, es operación empresarial.

Hoja de ruta destacada

• GA: Snowflake Intelligence, Openflow, mejoras Horizon; Cortex AISQL y Dynamic Tables; Workspaces con Git y VS Code; dbt Projects; Snowpark Connect for Apache Spark.
• Vista previa pública: Business Continuity & DR para Iceberg gestionado; Snowflake Postgres (próximamente).
• Vista previa privada: Tablas y Almacenes Interactivos; Análisis streaming; CDC Oracle sobre Openflow; Cortex Code; AI Redact (llega dentro de AISQL).
• General: pg_lake (código abierto).

La letra pequeña que los clientes preguntarán

• ¿Rinde sobre mis fuentes y catálogos existentes? La integración con Polaris e Iceberg REST reduce la fricción con datos en formatos abiertos.
• ¿Qué pasa con la privacidad? AI Redact apunta a enmascarar sensibles en texto/imagen/audio antes de inferir, y Horizon impone políticas.
• ¿Y los costes? Cortex Code y optimizaciones en AISQL/Dynamic Tables se enfocan en consultas más eficientes; el TCO depende de uso, pero menos herramientas y menos movimientos de datos tienden a bajar la factura operativa.
• ¿Cómo empiezo? Workspaces y dbt Projects permiten migraciones graduales: primero gobernanza y catálogo, luego agentes sobre datasets de alto valor.

---

Preguntas frecuentes

¿Qué es Snowflake Intelligence y para qué sirve en un contexto empresarial?
Es un agente corporativo que permite preguntar en lenguaje natural y obtener respuestas trazables basadas en datos gobernados. Resuelve desde consultas complejas (texto→SQL) hasta explicaciones del “por qué” de una métrica, respetando permisos y políticas. Está disponible de forma general para la base de clientes de Snowflake.

¿Cómo ayuda Horizon Catalog y Openflow a preparar datos para la IA agéntica?
Horizon aporta catálogo unificado, contexto semántico y gobernanza transversal a nubes/regiones; Openflow automatiza integración e ingesta desde múltiples fuentes. Con la integración de Polaris e Iceberg REST, los clientes centralizan seguridad y acceso sobre formatos abiertos, eliminando “puentes” frágiles y reduciendo dependencia de proveedor.

¿Qué herramientas nuevas tienen los desarrolladores para crear y desplegar agentes?
Cortex Code (asistente de IA en la UI), Cortex AISQL (pipelines declarativos con Dynamic Tables), AI Redact (enmascarado de sensibles), Workspaces con Git/VS Code, dbt Projects dentro de Snowflake y Snowpark Connect for Apache Spark para workloads existentes. Todas en un entorno gobernado y con versionado.

¿Qué implicaciones tiene la compatibilidad con Apache Iceberg, Polaris y Postgres?
Permite un lakehouse empresarial interoperable: tablas abiertas (Iceberg), catálogo abierto (Polaris), y Postgres gestionado dentro de Snowflake, además de pg_lake como código abierto. Resultado: gobernanza central y flexibilidad para elegir herramientas sin bloqueos.