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
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。
相关文章
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。