AI资讯 3个月前 更新于 57分钟前 87

Snowflake Intelligence:从回答问题到执行任务的个人工作 Agent | 技术趋势

Snowflake Intelligence 升级为企业级个人工作 Agent,通过 Cortex Agents 底层支持,实现从只读洞察到跨系统行动的转变,定位为 Agentic Enterprise 的控制平面。 推出 MCP 连接器(即将全面可用),直接集成 Gmail、Jira、Salesforce 等主流工具,允许用户在单一对话中执行跨系统操作,无需离开现有工作流。 引入 Deep Research 功能(即将公开预览),通过多 Agent 协作扫描结构化与非结构化数据,解决复杂“为什么”类问题,生成带完整引用的结构化报告。 新增 iOS 移动应用(公开预览版)及 Skills 机制

85
热度
90
质量
88
影响力

深度分析

TL;DR

  • Snowflake Intelligence 升级为企业级个人工作 Agent,通过 Cortex Agents 底层支持,实现从只读洞察到跨系统行动的转变,定位为 Agentic Enterprise 的控制平面。
  • 推出 MCP 连接器(即将全面可用),直接集成 Gmail、Jira、Salesforce 等主流工具,允许用户在单一对话中执行跨系统操作,无需离开现有工作流。
  • 引入 Deep Research 功能(即将公开预览),通过多 Agent 协作扫描结构化与非结构化数据,解决复杂“为什么”类问题,生成带完整引用的结构化报告。
  • 新增 iOS 移动应用(公开预览版)及 Skills 机制,支持 Face ID 登录和可复用工作流自动化,将重复任务转化为单一提示触发的操作。
  • 强调治理与合规,集成 Okta/Microsoft Entra ID 及行级策略,确保每个 AI 行动均在管理员定义的权限边界内执行并可审计。

为什么值得看

这篇文章展示了企业 AI 从“数据仓库+BI”向“Agentic 行动平台”转型的具体落地路径,解决了通用 AI 工具缺乏业务语境和治理边界的痛点。对于 CIO 和 AI 架构师而言,它提供了将 AI 嵌入现有 SaaS 生态并受控扩展的标准化参考模型。

关键数据

  • 每周使用 Snowflake AI 产品的客户数:超过 9,100 家,显示企业级 AI 部署的规模化趋势。
  • Telenav 数据规模:每月处理超过 20 TB 数据,每天处理超过 2 亿个事件,体现了高负载场景下的实时洞察能力。
  • United Rentals 业务规模:覆盖 1,600 多个地点,使用自然语言替代传统分析师依赖以加速决策。
  • MCP 连接器支持系统:明确列出 Gmail、Google Calendar、Google Docs、Jira、Salesforce 和 Slack 六大核心系统。
  • 身份集成标准:通过 SCIM 协议集成 Okta 和 Microsoft Entra ID,支持大规模用户配置。

技术解析

  • Cortex Agents 架构:作为 Snowflake Intelligence 的底层引擎,提供可组合构建模块,支持 Agent 版本管理(Agent Versioning)、CI/CD 工作流及 Agent 评估(Evaluations),具备生产级软件工程严谨性。
  • MCP(Model Context Protocol)连接器:采用受治理集成方式连接外部 SaaS,允许 Agent 在保留数据主权和安全策略的前提下执行跨系统动作(如创建 Jira 工单、发送 Slack 消息)。
  • Deep Research 多 Agent 机制:针对复杂查询同时运行多个 Agent,协同扫描结构化数据、非结构化内容(文档/转录)及外部语境,生成包含因果解释和建议的结构化报告,区别于单轮 Extended Thinking。
  • Artifacts 与 Skills 机制:Artifacts 将分析结果保存为保留底层 SQL 和语境的交互式对象,支持共享与迭代;Skills 将重复任务封装为可复用工作流,通过单次提示触发自动化执行。

行业启示

  • “治理即功能”成为企业 AI 核心壁垒:单纯的大模型能力已不足以支撑生产环境,能否在保持行级权限、数据脱敏和审计追踪的同时实现 Agent 行动,是区分实验性 AI 与生产级 AI 的关键。
  • 数据平台正向“控制平面”演进:云数据提供商不再仅是存储介质,而是通过 MCP 协议整合外部 SaaS,成为企业智能体网络的中枢神经系统,掌控数据流动与操作权限。
  • 从“答案”到“执行”的自动化闭环:企业工作流正在被重构,AI 不再止步于生成报告,而是直接触发后续业务动作(如邮件跟进、工单创建),大幅降低从洞察到行动的时滞。

常见问题

Q: Snowflake Intelligence 与通用 AI 助手(如 ChatGPT Enterprise)的核心区别是什么?
A: 核心区别在于数据驻留与治理层级。Snowflake Intelligence 直接在承载企业数据的平台上运行,应用现有的基于角色的访问控制和行级策略,且通过 MCP 连接器在受控边界内执行外部操作;而通用工具通常需将数据提取至外部模型,缺乏对业务语境的深度理解和全链路审计能力。

Q: MCP 连接器如何保证连接第三方系统(如 Salesforce)时的安全性?
A: 通过受治理的集成机制,MCP 连接器遵循 Snowflake 既有的安全策略,所有行动均在管理员定义的边界内执行。这意味着 Agent 的操作权限严格受限于用户的角色权限,且每次交互都可被完全审计,确保合规性。

Q: 对于非技术背景的业务用户,Skills 功能如何降低使用门槛?
A: Skills 将复杂的可重复任务(如生成周报、客户跟进序列)封装为单一提示触发的工作流。用户无需理解底层 SQL 或 API 逻辑,只需定义一次任务逻辑或调用预设 Skill,即可通过自然语言在数秒内完成跨系统操作,无需依赖 IT 团队支持。

免责声明:以上内容由 AI 生成,仅供参考。

✉️ 免费订阅

每天接收最值得关注的 AI 信号

加入 1000+ 创始人、投资人和技术从业者。每天早上直达邮箱:精选 AI 动态、深度分析、值得关注的二阶变量。

无垃圾邮件,随时退订。