--- title: "Snowflake lanza Cortex AI para Servicios Financieros: agentes y apps de IA “enterprise-ready”, datos regulados y un MCP Server para interoperar con todo el ecosistema" description: "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..." url: https://revistacloud.com/snowflake-lanza-cortex-ai-para-servicios-financieros-agentes-y-apps-de-ia-enterprise-ready-datos-regulados-y-un-mcp-server-para-interoperar-con-todo-el-ecosistema/ date: 2025-10-06 modified: 2025-10-06 author: "Nota de Prensa" image: https://revistacloud.com/wp-content/uploads/2025/10/snowflake-cortex-ai-fin-services.webp categories: ["Empresas", "Noticias"] tags: ["cortex", "MCP", "Snowflake"] type: post lang: es --- # Snowflake lanza Cortex AI para Servicios Financieros: agentes y apps de IA “enterprise-ready”, datos regulados y un MCP Server para interoperar con todo el ecosistema 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](https://revistacloud.com/brecha-de-seguridad-en-snowflake-expone-datos-de-165-clientes-en-campana-de-extorsion/)**). 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 1. **Paridad** entre **estructurado** y **no estructurado** (rendimiento, coste). 2. **Métricas** de **precisión** y **latencia** en **Snowflake Intelligence** y **AISQL** a escala banco/aseguradora. 3. **Catálogo** de **datos sectoriales** en **Marketplace** y su **alineación** con **Cortex Knowledge Extensions**. 4. **Adopción** real de **MCP** por parte de grandes clientes (casos públicos con **auditoría** y **ROI**). 5. **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](https://www.snowflake.com/en/news/press-releases/snowflake-unveils-cortex-ai-for-financial-services--enterprise-ready-ai-built-to-scale/)