Snowflake, la compañía del AI Data Cloud (NYSE: SNOW), ha presentado Cortex AI for Financial Services, un paquete de capacidades y alianzas diseñado para que bancos, gestoras, fintech y aseguradoras unifiquen su ecosistema de datos y desplieguen modelos, apps y agentes de IA encima de esos datos con seguridad y cumplimiento regulatorio. La propuesta llega con dos mensajes nítidos: llevar la IA al lugar donde ya vive el dato —Snowflake— y hacerlo interoperable con agentes y plataformas externas mediante un Model Context Protocol (MCP) Server gestionado, ya en public preview.
“El sector financiero siempre ha sido pionero, pero convive con datos fragmentados, cumplimiento robusto y la necesidad de gobernanza férrea”, apunta Baris Gultekin, VP de IA en Snowflake. “Al acercar la IA a donde está el dato y habilitar interoperabilidad segura con agentes remotos, facilitamos casos de uso críticos en industrias altamente reguladas”.
La jugada tiene una capa técnica y otra de negocio. Por un lado, Cortex AI suma piezas para científicos de datos, analistas y usuarios de negocio (agentes de coding, funciones de AISQL, extracción/transcripción con IA, y una interfaz conversacional llamada Snowflake Intelligence). Por otro, un MCP Server de Snowflake conecta datos propios y datos de terceros dentro de Snowflake con plataformas de agentes como Anthropic (Claude), CrewAI, Cursor, Devin (Cognition), Agentforce (Salesforce), UiPath o Windsurf, entre otras, para construir experiencias “con contexto” que actúan sobre información gobernada.
Qué es Cortex AI for Financial Services (y por qué habla el idioma de la regulación)
Cortex AI for Financial Services nace con vocación “enterprise-ready” y sectorial. La suite apunta a acelerar tareas complejas —análisis de mercado, investigación cuantitativa, detección de fraude, atención al cliente, gestión de siniestros— y hacerlo con controles de seguridad que encajan en marcos regulados. La idea es que una entidad pueda, por ejemplo:
- Combinar datos estructurados en Snowflake (históricos de mercado, tick data, carteras, riesgo) con datos no estructurados (investigación, transcripciones de earnings calls, analítica de documentos) sin sacarlos del perímetro gobernado.
- Invocar agentes de IA —internos o de terceros— que lean exactamente lo que deben leer (según permisos), razonen con ese contexto y ejecuten acciones dentro del flujo (crear una nota, marcar una tarea, alimentar un workflow).
El ecosistema de datos que acompaña a la suite incluye proveedores líderes:
- Estructurados (vía Sharing of Semantic Views, GA “próximamente”): CB Insights, Cotality™, Deutsche Börse, MSCI, Nasdaq eVestment®.
- No estructurados (vía Cortex Knowledge Extensions, ahora en GA): CB Insights, FactSet, Investopedia, The Associated Press, The Washington Post.
Para Snowflake, la combinación de datos sectoriales (análisis de mercado, research experto, noticias) con el dato propietario del cliente en Snowflake eleva la exactitud y la calidad de los resultados de IA. En servicios financieros —donde un matiz de contexto cambia una decisión—, el contexto lo es todo.
Las piezas: del coding agent a la IA conversacional
1) Data Science Agent (agente de coding con IA)
Automatiza tareas que suelen llevar tiempo a los equipos de data science: limpieza de datos, ingeniería de features, prototipado y validación de modelos. El objetivo es mover más rápido de dato crudo a modelos listos para producción, y aliviar el cuello de botella en riesgo, forecasting, trading analytics, fraude, Customer 360 o suscripción (underwriting).
2) Cortex AISQL (public preview)
Añade funciones para extraer y transcribir con IA (también en public preview) y así procesar con eficiencia documentos, audio e imágenes a escala. Pensemos en analítica de siniestros, atención al cliente con documentación adjunta, inversión que digiere transcripciones y informes… Mucho del valor del sector está en texto y voz: AISQL pone esas fuentes al alcance del query.
3) Snowflake Intelligence (public preview)
Para negocio, una interfaz conversacional que permite preguntar en lenguaje natural sobre el dato en Snowflake, y sobre datos/apps de terceros y agentes conectados. La promesa es democratizar el acceso a insights en toda la organización y reducir la sobrecarga técnica que frena decisiones. De nuevo: el dato no sale; las preguntas llegan al dato.
MCP Server gestionado: el pegamento para un mundo de agentes (y menos integraciones ad hoc)
Los agentes de IA complementan a los LLMs con herramientas, workflows y contexto. El problema habitual: conectarlos a sistemas empresariales exige integraciones personalizadas que ralentizan la adopción. Ahí entra el Model Context Protocol (MCP), que en los últimos meses se ha consolidado como un estándar para que los LLMs descubran datos, APIs y servicios.
Con el Snowflake MCP Server (public preview), una empresa puede:
- Conectar herramientas construidas sobre Snowflake (p. ej., Cortex Analyst y Cortex Search) a agentes externos mediante una interfaz MCP estandarizada, unificando la recuperación de datos estructurados y no estructurados.
- Exponer datos propietarios y datos de terceros compartidos en Snowflake Marketplace (vía Cortex Knowledge Extensions) para que agentes remotos los consuman en tiempo real, sin sacrificar seguridad ni gobernanza.
En la práctica, el MCP Server permite que agentes de Anthropic, Augment Code, Amazon Bedrock AgentCore, Azure AI Foundry, CrewAI, Cursor, Devin (Cognition), Glean, Kumo, Mistral AI, Agentforce (Salesforce), UiPath, Windsurf, Workday, WRITER y otros hablen con el dato gobernado en Snowflake sin que cada integración sea un proyecto a medida. Es la diferencia entre “POC perpetuo” y “producción”.
Voces del ecosistema: del razonamiento de Claude a los equipos multiagente
- Anthropic (Jonathan Pelosi, Head of Industry, Financial Services): “Con MCP podemos conectar el dato gobernado de cada organización directamente a Claude. Los clientes combinan analítica estructurada y documentos no estructurados vía Cortex Analyst y Cortex Search, manteniendo estándares de seguridad empresarial”.
- CrewAI (João Moura, cofundador y CEO): “La siguiente ola pasa por orquestar equipos de agentes especializados. Para que funcionen, necesitan datos seguros y de calidad. El MCP Server gestionado de Snowflake es el pipeline esencial para que nuestras ‘crews’ accedan, analicen y actúen sobre dato gobernado. Eso convierte los sistemas multiagente en realidad empresarial”.
- Cursor (Ricky Doar, Head of Field Engineering): “Un coding assistant está limitado por el contexto al que accede. Un MCP Server gestionado como el de Snowflake crea un entorno de datos vivo para que herramientas como Cursor consuman contexto y escriban código más rápido, preciso y seguro para producción”.
- FactSet (John Costigan, EVP, Chief Data Officer): “Poner productos de dato ‘AI-ready’ a disposición de los clientes en entornos cloud modernos es un paso decisivo para unificar y enriquecer datos”.
- Ramp (Ian Macomber, Head of Analytics): “Con Cortex AI podemos analizar de forma segura el dato no estructurado de clientes; equipos en Ramp preguntan en inglés llano y obtienen respuestas al instante”.
- Salesforce Agentforce (Gary Lerhaupt, VP Product Architecture): “Extender la interoperabilidad de agentes vía MCP habilita conectividad más profunda y experiencias agentivas más inteligentes. Los clientes descubrirán y conectarán con el MCP server de Snowflake desde AgentExchange”.
Casos de uso sectoriales (y por qué el “dato vivo” cambia la película)
- Análisis de mercado y quant research: researchers formulan consultas (Snowflake Intelligence), piden extracción de entidades de documentos y transcripciones (AISQL), prototipan un modelo (Data Science Agent) y publican rutas de decisión para agentes que responden en tiempo real con el MCP.
- Fraude: unificación de señales dispersas (estructuradas/no estructuradas), features automatizadas, y agentes que alertan o lanzan workflows cuando el patrón supera un umbral.
- Atención al cliente / claims: extracción automática de datos de formularios, facturas, audios; IA conversacional que contesta con evidencias y cita documentos, manteniéndose dentro del dato gobernado.
- Next-best action en banca y seguros: agentes que consultan contexto actualizado (salvado por MCP) antes de sugerir una acción, reduciendo ‘alucinaciones’.
Seguridad y cumplimiento: “la IA va al dato, no el dato a la IA”
Todo lo anterior se apoya en una premisa que TI quiere oír: privacidad y permisos son primero. Con RTS (en el mundo Slack) o MCP (en Snowflake y más allá), la IA no se lleva el dato a otra parte: invoca el contexto en origen, devuelve lo justo y respeta permisos. Para auditoría y riesgo, esta arquitectura es más sencilla de defender que la de modelos “bulk export + data lake paralelo”.
Disponibilidad (y letra pequeña)
- Snowflake Cortex AI for Financial Services: disponible como suite sectorial con componentes en GA y public preview (ver abajo).
- Snowflake MCP Server: public preview; pensado para todas las industrias que busquen IA conectada e interoperable.
- Cortex Knowledge Extensions: GA (para contenido no estructurado).
- Sharing of Semantic Views: GA en breve (para datos estructurados).
- Cortex AISQL y funciones de extracción/transcripción: public preview.
- Snowflake Intelligence: public preview.
Como siempre en este tipo de anuncios, Snowflake recuerda que los planes y tiempos pueden cambiar.
Qué significa para el sector (lectura rápida)
- Menos POCs eternos: MCP estandariza la conexión entre agentes y datos; menos integraciones a medida = más producción.
- Dato gobernado como ventaja: quien logre alinear datos propietarios, datos de terceros y agentes reducirá tiempos de ciclo y errores por alucinación.
- IA conversacional, pero con papeles: fronts en lenguaje natural sobre dato trazable y explicable; clave para riesgo y cumplimiento.
- Talento: data engineers y scientists pueden moverse “arriba” en la cadena (menos limpieza/repetición), mientras negocio accede a insights sin tickets.
Qué vigilar en los próximos meses
- Paridad entre estructurado y no estructurado (rendimiento, coste).
- Métricas de precisión y latencia en Snowflake Intelligence y AISQL a escala banco/aseguradora.
- Catálogo de datos sectoriales en Marketplace y su alineación con Cortex Knowledge Extensions.
- Adopción real de MCP por parte de grandes clientes (casos públicos con auditoría y ROI).
- Seguridad: guardrails para DMs/documentos sensibles, playbooks de incidentes y telemetría nativa.
Conclusión: IA con contexto (y con reglas) en el corazón del dato
Con Cortex AI for Financial Services y un MCP Server gestionado, Snowflake aline(a) tres fuerzas: dato gobernado, IA útil y interoperabilidad con un ecosistema de agentes que crece a diario. Para una industria que vive de decisiones basadas en contexto —y que responde ante reguladores—, la ecuación suena lógica: llevar la IA al dato y no al revés. Si el mercado acompaña, 2026 puede ser el año en que los agentes con datos de verdad pasen de promesa a estándar.
Preguntas frecuentes
¿Qué es Snowflake Cortex AI for Financial Services y en qué se diferencia de una IA “genérica”?
Es una suite sectorial que combina capacidades de IA (Data Science Agent, Cortex AISQL, Snowflake Intelligence) con datos de proveedores financieros líderes (FactSet, MSCI, Nasdaq eVestment®, CB Insights, entre otros) y con datos propietarios en Snowflake, respetando gobernanza y cumplimiento.
¿Para qué sirve el Snowflake MCP Server gestionado?
El MCP Server ofrece una vía estándar para que agentes externos (Anthropic, CrewAI, Cursor, Devin, Agentforce, UiPath, etc.) descubran y usen datos gobernados en Snowflake (propios y de terceros) sin integraciones ad hoc. Reduce tiempo de integración y riesgo.
¿Qué diferencias hay entre Data Science Agent, Cortex AISQL y Snowflake Intelligence?
- Data Science Agent automatiza tareas de data science (limpieza, features, prototipado, validación).
- Cortex AISQL añade funciones de extracción/transcripción con IA para documentos, audio e imágenes (public preview).
- Snowflake Intelligence es la interfaz conversacional para que negocio pregunte en lenguaje natural a datos en Snowflake y a fuentes/aplicaciones conectadas (public preview).
¿Qué proveedores de datos externos están soportados y en qué estado?
Para estructurados (vía Sharing of Semantic Views, GA próximamente): CB Insights, Cotality™, Deutsche Börse, MSCI, Nasdaq eVestment®. Para no estructurados (vía Cortex Knowledge Extensions, GA): CB Insights, FactSet, Investopedia, The Associated Press, The Washington Post.
vía: Snowflake
