Ir al contenido principal

Ingeniería agéntica: agentes de IA dentro de Snowflake y a su alrededor

Construimos agentes que trabajan dentro de Snowflake, junto a los datos, y apps agénticas construidas con Claude que trabajan a su alrededor, sobre los mismos datos gobernados. Una persona aprueba lo que importa, y cada caso de uso se comprueba primero en pequeño antes de pasar a producción.

Agentes dentro de Snowflake, apps agénticas a su alrededor

Snowflake guarda los datos gobernados. Algunos agentes trabajan dentro, junto a los datos. Otros se construyen con Claude y trabajan alrededor, en las apps y herramientas que usan las personas. Ambos leen los mismos datos, y una persona aprueba lo que cambia un registro.

Dentro de Snowflake

Los Cortex Agents se ejecutan en la cuenta de Snowflake del negocio, junto a los datos, así que nada se copia hacia afuera. Responden a partir de las Semantic Views y de Cortex Search, actúan con los roles de Snowflake de la persona que preguntó y llegan a las personas en Snowflake CoWork, Microsoft Teams y aplicaciones internas.

Alrededor de Snowflake, con Claude

Agentes, apps web, apps móviles y consolas de agentes construidos con Claude corren donde ocurre el trabajo. Cada una tiene su propia base de datos para lo que la app necesita, en Snowflake Postgres o en otra nube, y lee los datos gobernados de Snowflake mediante MCP, con el acceso que su rol tiene concedido.

Apps agénticas con ClaudeApp webApp móvilAgentesPostgresSnowflakeDatosCortex AgentMCPAgenteERP · CRMFlujoAuditoríaAgente con ClaudeAprobaciónSistema de registroAutomatizaciónRegistro de auditoría
Los agentes dentro de Snowflake o junto a él trabajan con los mismos datos gobernados y se encargan de los pasos rutinarios, y una persona aprueba lo que importa. Alrededor, las apps agénticas web y móviles construidas con Claude tienen su propia base de datos, en Snowflake Postgres o en otra nube.

Cómo se resuelve una solicitud a un agente dentro de Snowflake

Un Cortex Agent se ejecuta dentro de Snowflake, junto a los datos, así que nada se copia hacia afuera. Razona sobre la solicitud y da el siguiente paso por sí mismo, con los roles de Snowflake de la persona que hizo la pregunta. La identidad de agente marca las consultas que ejecuta, de modo que cada una se rastrea hasta el agente y hasta esa persona.

  1. 1

    Un representante pregunta a un Cortex Agent en Snowflake CoWork qué cuentas están en riesgo.

  2. 2

    El agente consulta Semantic Views y Cortex Search, y responde con citas.

  3. 3

    El agente redacta el mensaje de contacto y lo publica en el CRM con una herramienta que el rol del representante tiene permitido usar.

  4. 4

    Las consultas se ejecutan con los roles del representante y quedan marcadas como del agente, así que el historial de consultas muestra todo el intercambio.

Lo que corre dentro de Snowflake

  • Cortex Agents y AISQL, junto a los datos
  • Semantic Views con las definiciones compartidas de las métricas
  • Cortex Analyst y Cortex Search para respuestas citadas
  • AI Agent Identity, que marca las consultas que ejecuta cada agente

Siete casos de uso que construimos, dentro de Snowflake y a su alrededor

  • Clasificación y extracción de documentos

    Reclamos, facturas y contratos se clasifican y sus campos se extraen en segundos, para luego enviarse al equipo correcto. El acumulado de documentos se convierte en una tabla que los equipos pueden consultar.

    Se ejecuta en AI_CLASSIFY · AI_EXTRACT · PARSE_DOCUMENT

    60→95% de precisión · 4 s por documento

    Ver el caso de éxito

  • Preguntas de la dirección, respondidas desde los datos

    La dirección pregunta en lenguaje natural y recibe respuestas citadas, calculadas con las definiciones de métricas de las Semantic Views, así que todos en la junta del lunes trabajan con el mismo número.

    Se ejecuta en Cortex Analyst · Semantic Views · Snowflake CoWork

    Un agente de catálogo en Snowflake CoWork sobre miles de SKU

    Ver el caso de éxito

  • Bajas de clientes y fallas de equipo, detectadas a tiempo

    Modelos entrenados con datos de uso, facturación y sensores identifican a los clientes y los equipos en riesgo antes de que cierre el trimestre, con las razones adjuntas.

    Se ejecuta en Cortex ML · Snowpark

  • Búsqueda en políticas y contratos

    Una pregunta sobre una política o un contrato se responde con los propios documentos de la organización, con las fuentes citadas. Cortex Search mantiene el índice al día conforme cambian los documentos.

    Se ejecuta en Cortex Search · RAG

  • Agentes que dan el siguiente paso

    Los agentes redactan la respuesta o registran la actualización por sí mismos. Cada acción se ejecuta con los roles de Snowflake de la persona que la pidió, y la identidad de agente marca las consultas del agente en el registro de auditoría.

    Se ejecuta en Cortex Agents · AI Agent Identity

  • Apps agénticas construidas con Claude

    Apps web y móviles, agentes y consolas que reciben solicitudes donde las personas ya trabajan y actúan en el ERP o en el CRM cuando una persona aprueba. Tienen su propia base de datos, en Snowflake Postgres o en otra nube, y leen los datos gobernados de Snowflake mediante MCP.

    Se ejecuta en Claude · MCP · Snowflake Postgres

    15–19 h de trabajo administrativo recuperadas cada semana en Magnolia Doors

    Ver el caso de éxito

  • IA donde los equipos ya trabajan

    Las respuestas y las acciones regresan al ERP y al CRM, así que las personas las reciben en los sistemas con los que opera el negocio.

    Se ejecuta en Streamlit · APIs · Zero-Copy Integrations

Otros casos de uso siguen el mismo patrón cuando los datos lo permiten. Plantear el caso de uso

Gobernado donde sea que corra el agente

Dentro de Snowflake, la inferencia se ejecuta en la cuenta del negocio, así que los prompts y los resultados permanecen en el mismo perímetro que los datos. Alrededor, los agentes y las apps construidas con Claude leen esos datos mediante MCP, con el acceso que su rol tiene concedido.

  • Los agentes actúan con los roles de Snowflake de la persona que pregunta, y la identidad de agente marca sus consultas
  • Los agentes y las apps fuera de Snowflake leen mediante MCP, limitados a lo que su rol permite
  • Las políticas de acceso, el enmascaramiento y el linaje de Horizon Catalog se aplican también a la IA
  • Las acciones que cambian un registro en el ERP o en el CRM esperan la aprobación de una persona
  • Cortex Guard filtra las respuestas inseguras de los modelos
  • Las evaluaciones miden la precisión antes de escalar un caso de uso
Pantalla de inicio de Snowflake CoWork con un cuadro de preguntas, chats recientes y gráficas guardadas
Snowflake CoWork, donde se consulta a los agentes sobre los datos (cuenta de demostración).

Hecho sobre Snowflake, con certificación en Claude

Viewnear es Snowflake Premier & Select Partner y Claude Certified Services Partner. Ingenieros certificados en SnowPro y 15+ Claude Certified Architects construyen cada caso de uso, y los modelos se ejecutan bajo los controles de Snowflake, auditados de forma independiente.

Dentro de Snowflake, los agentes trabajan sobre datos gobernados, y Cortex ofrece Claude entre los modelos con los que razonan. Alrededor de Snowflake, los agentes y las apps construidas con Claude leen los mismos datos mediante MCP, y las acciones que cambian un registro esperan la aprobación de una persona.

En Magnolia Doors, un agente construido con Claude agenda instalaciones en el ERP mediante un conector MCP a la medida, una vez que el coordinador aprueba. Ver el caso de éxito

Insignia de Snowflake Premier PartnerInsignia de Snowflake CoCo Preferred PartnerInsignia de la certificación SnowPro Core
Insignia de la certificación Claude Certified Services Partner

Ingeniería agéntica: preguntas frecuentes

¿Dónde se ejecutan los agentes?

En dos lugares. Los Cortex Agents se ejecutan dentro de la cuenta de Snowflake del negocio, junto a los datos, así que nada se copia hacia afuera y la inferencia permanece en el mismo perímetro. Los agentes y las apps construidas con Claude corren alrededor de Snowflake, en la web, en teléfonos y en las herramientas que usan los equipos, y leen los mismos datos gobernados mediante MCP.

¿Dónde guarda sus propios datos una app agéntica?

En su propia base de datos, en Snowflake Postgres o en otra nube, para lo que la app necesita para funcionar, como sesiones, borradores y sus propios registros. Los datos del negocio sobre los que razona permanecen en Snowflake, y la app los lee mediante MCP.

¿Cuándo conviene un agente dentro de Snowflake y cuándo alrededor?

Dentro, cuando el trabajo es responder y actuar sobre los datos donde viven, para personas que ya trabajan en Snowflake CoWork o Microsoft Teams. Alrededor, cuando el agente necesita una interfaz propia, como una app web o móvil para clientes o equipos de campo, o un estado propio. Ambos leen los mismos datos gobernados, así que la elección depende del trabajo.

¿Qué hace un agente por sí mismo y qué espera a una persona?

Un agente responde preguntas sobre datos gobernados y da el siguiente paso por sí mismo, como redactar una respuesta o registrar una actualización. Las acciones que cambian un registro en un ERP o un CRM esperan la aprobación de una persona.

¿Con qué permisos actúa un agente?

Con los de la persona que hizo la pregunta. Cada acción se ejecuta con los roles de Snowflake de esa persona, y la identidad de agente marca las consultas del agente en el registro de auditoría, de modo que cada una se rastrea hasta el agente y hasta esa persona. Las políticas de acceso, el enmascaramiento y el linaje de Horizon Catalog aplican también a la IA.

¿Cómo llegan los agentes al ERP o al CRM?

Mediante MCP. Las respuestas y las acciones regresan al ERP y al CRM, así que las personas las reciben en los sistemas con los que opera el negocio. El acceso es de solo lectura donde el agente planea, con un camino acotado y aprobado donde escribe.

¿Cómo empieza un primer caso de uso?

Puede empezar con un mapeo de flujo de trabajo: un proceso, recorrido paso a paso desde el evento que lo inicia hasta el resultado que produce, con una evaluación de si los datos y los sistemas permiten automatizarlo hoy. Después, el discovery fija el scope y un sprint comprueba el caso de uso con los datos del cliente antes de escalarlo.

Llevar el primer caso de uso a producción

El discovery fija el scope y un sprint comprueba el caso de uso con los datos del cliente antes de escalarlo.