Snowflake Cortex

Snowflake Cortex es la suite nativa de IA y aprendizaje automático integrada en Snowflake Data Cloud, desarrollada por Snowflake Inc. Permite a los equipos de datos ejecutar inferencia de grandes modelos de lenguaje, crear agentes de IA e implementar búsquedas semánticas directamente en los datos que ya residen en Snowflake, sin enrutar esos datos a servicios de IA externos ni administrar una infraestructura de GPU independiente. La propuesta central es la seguridad por arquitectura: los LLM llegan a sus datos gobernados en lugar de que sus datos salgan para llegar a los LLM. Cada operación de Cortex hereda los controles de acceso, el registro de auditoría, los límites de VPC y las certificaciones de cumplimiento existentes de Snowflake.

La suite de Cortex tiene cuatro pilares de servicio distintos. Cortex LLM Functions (también llamado Cortex AI SQL) permite a los analistas llamar a modelos como Anthropic Claude, Meta Llama 4 y Mistral directamente desde SQL utilizando funciones como AI_COMPLETE, AI_CLASSIFY, AI_SUMMARIZE, SENTIMENT, TRANSLATE, EXTRACT_ANSWER y AI_TRANSCRIBE. Cortex Search proporciona un servicio de búsqueda híbrida totalmente administrado que combina la recuperación de vectores semánticos con la coincidencia de palabras clave en documentos no estructurados almacenados en Snowflake. Cortex Analyst convierte preguntas en lenguaje natural en SQL y devuelve respuestas en prosa, haciendo que los datos estructurados sean accesibles para los usuarios comerciales que no escriben consultas. Cortex Agents orquesta todo lo anterior en un ciclo de razonamiento de múltiples pasos expuesto a través de una API REST, lo que permite a los equipos crear chatbots y flujos de trabajo automatizados que abarcan tanto tablas estructuradas como almacenes de documentos. Un quinto componente, Cortex Code, es un asistente de codificación de IA nativo de Snowflake con pleno conocimiento de los esquemas y nombres de columnas de la cuenta, adoptado por más del 50% de los clientes de Snowflake desde su lanzamiento en noviembre de 2025.

Lo que Snowflake Cortex realmente hace en mayo de 2026

Cortex alcanzó la preparación para producción el 4 de noviembre de 2025, cuando Snowflake lanzó simultáneamente Cortex Agents y Cortex AI Functions en disponibilidad general (GA) en la conferencia de desarrolladores Snowflake BUILD 2025. Antes de esa fecha, ambos servicios habían estado en versión preliminar, lo que limitaba la adopción a clientes con acceso anticipado. El lanzamiento de GA los abrió a todas las cuentas de Snowflake y brindó a las empresas los SLA a nivel de contrato necesarios para crear cargas de trabajo de producción sobre ellos.

El conjunto de capacidades actual cubre el flujo de trabajo completo de IA en datos: ingesta, transformación, análisis y presentación. Un ingeniero de datos que procesa 10 millones de reseñas de clientes puede agregar una sola columna SQL que haga referencia a AI_SENTIMENT a un modelo de dbt existente y obtener puntuaciones de sentimiento en la próxima ejecución del pipeline, sin nuevas credenciales que administrar y sin un almacén de datos adicional que poner en marcha. Un equipo que crea un chatbot de análisis interno utiliza la API REST de Cortex Agents para aceptar preguntas en lenguaje natural, enrutar consultas estructuradas a Cortex Analyst para la generación de SQL, enrutar preguntas de documentos a Cortex Search para su recuperación, sintetizar los resultados y devolver una única respuesta coherente. El procesamiento multimodal extiende el mismo patrón invocable por SQL a imágenes y audio: AI_TRANSCRIBE convierte archivos de audio o video almacenados en etapas de Snowflake directamente en texto para su análisis posterior.

El ajuste fino (fine-tuning) también es serverless. Los equipos pueden ajustar modelos Llama con datos propietarios de Snowflake sin aprovisionar computación de GPU ni abandonar el entorno de Snowflake. Los pesos del modelo entrenado permanecen dentro de la cuenta, y el servicio se realiza a través de la misma medición basada en créditos que todas las demás funciones de Cortex.

"Cortex Code está transformando la forma en que abordamos el análisis de agentes en Braze. Su comprensión nativa de nuestros conjuntos de datos, esquemas y columnas significa que nuestros ingenieros pasan menos tiempo lidiando con el contexto y más tiempo obteniendo resultados precisos y procesables". - Spencer Burke, vicepresidente sénior de crecimiento en Braze, comunicado de prensa de Snowflake, febrero de 2026

Dónde se sitúa Snowflake Cortex frente a Databricks Mosaic AI y AWS Bedrock

Databricks Mosaic AI es el rival arquitectónico más cercano porque resuelve el mismo problema: IA integrada dentro de una plataforma de datos existente para que los equipos no construyan un stack de ML separado. La diferencia mecánica es el nivel de abstracción. Databricks expone clústeres de GPU explícitamente a través de las capas Mosaic AI Training y Serving; los ingenieros pueden inspeccionar las configuraciones de los nodos, elegir niveles de hardware y ejecutar trabajos de entrenamiento de PyTorch personalizados con visibilidad completa de la computación. El Agent Framework de Mosaic AI admite el entrenamiento de modelos personalizados, el aprendizaje por refuerzo a partir de la retroalimentación humana y el enrutamiento de LLM de múltiples proveedores a través de AI Gateway con limitación de velocidad. Snowflake Cortex abstrae todo eso: usted escribe SQL, Snowflake asigna computación serverless de manera invisible y no hay opciones de configuración de GPU. Databricks gana para las organizaciones que necesitan entrenar modelos propietarios, ejecutar suites de evaluación rigurosas con integración de MLflow o construir arquitecturas de agentes complejas que requieren memoria personalizada y registros de herramientas. Cortex gana para los usuarios de Snowflake que desean una IA rápida de llevar a producción sin tener que montar una plataforma de ML. Comparación completa en Databricks Mosaic AI.

AWS Bedrock es independiente de la nube y diverso en modelos, ofreciendo acceso a más de 30 modelos fundacionales de Anthropic, Meta, Mistral, Cohere, Amazon Nova y otros a través de una API REST unificada. El contraste arquitectónico de Bedrock con Cortex se reduce al movimiento de datos. Bedrock opera fuera de su almacén de datos: para usarlo con datos de Snowflake, debe extraer un conjunto de datos, enviarlo a través de un límite de red al endpoint de Bedrock y recibir los resultados. Ese cruce de límites requiere políticas de IAM adicionales, controles de seguridad de red y documentación de cumplimiento para industrias reguladas. Cortex elimina ese límite por completo al ejecutar la inferencia dentro del perímetro de seguridad ya certificado de Snowflake utilizando los mismos roles de IAM y registros de auditoría que su equipo de gobernanza ya administra. La ventaja de Bedrock es la amplitud: admite modelos y patrones de agentes que aún no han aparecido en el catálogo de Cortex, y se integra de forma natural con AWS Step Functions y Lambda para la orquestación de flujos de trabajo complejos. Para los equipos cuyos datos abarcan múltiples nubes, el posicionamiento independiente de la nube de Bedrock es arquitectónicamente más limpio que Cortex. Compare opciones en AWS Bedrock, Google Vertex AI y Azure OpenAI.

Cómo es la realidad del flujo de trabajo de Cortex

Para un ingeniero de datos que ya domina Snowflake SQL, la experiencia de incorporación a Cortex es genuinamente de baja fricción. No hay una nueva plataforma que aprender, ningún SDK que instalar para funciones básicas y ninguna credencial que administrar. Un primer proyecto común es ejecutar AI_SENTIMENT o AI_SUMMARIZE en una tabla existente de registros de clientes. La consulta funciona, los resultados aparecen y el ciclo de iteración desde la idea hasta el prototipo funcional es de horas en lugar de semanas.

La fricción aparece en la capa de monitoreo de costos. Snowflake Cortex ahora tiene nueve categorías de servicios distintas con vistas de facturación separadas: AI SQL Functions, Cortex Code, Cortex Copilot, Cortex Analyst, Cortex Search, Cortex Agents, Fine-Tuning, Document Processing y Legacy Functions. Estas vistas utilizan campos de identificador de usuario inconsistentes, lo que hace que la creación de paneles de costos unificados no sea trivial. Un profesional que auditó una cuenta de Snowflake en producción descubrió que más del 60% del gasto de Cortex era invisible para el equipo de monitoreo porque solo estaban observando la vista principal de uso de AI Functions.

"En una cuenta que audité recientemente, más del 60% del gasto de Cortex era invisible para el equipo de monitoreo". - Vedprakash, ingeniero de datos, DataAIChronicles en Medium, marzo de 2026

Cortex Search agrava esto porque utiliza un modelo de facturación siempre activo (always-on). A diferencia de las funciones SQL que cobran por invocación, los servicios de Cortex Search son procesos en segundo plano que se ejecutan continuamente y se facturan por GB de datos indexados al mes, independientemente de si se ejecuta alguna consulta de búsqueda durante ese período de facturación. Los equipos acostumbrados al modelo de pago por computación de Snowflake a veces se sorprenden cuando un servicio de Cortex Search que pusieron en marcha para una prueba de concepto acumula un mes de cargos de indexación.

Snowflake lanzó controles de gasto nativos para Cortex AI Functions en marzo de 2026, agregando límites móviles de 24 horas por usuario y topes de presupuesto a nivel de equipo. Pero un monitoreo robusto aún requiere unir múltiples vistas de medición en un panel de costos unificado, algo que la mayoría de los equipos construyen de manera reactiva después de una factura inesperada en lugar de proactivamente antes del lanzamiento.

Los equipos que crean aplicaciones impulsadas por búsqueda a menudo combinan Cortex Search con herramientas de gestión del conocimiento empresarial. Productos como Glean abordan problemas similares de búsqueda empresarial para contenido no estructurado, aunque a través de un enfoque arquitectónico diferente.

Para quién está diseñado Snowflake Cortex

El usuario principal es un ingeniero de datos o un ingeniero de análisis cuya organización ya se ha comprometido con Snowflake como su almacén de datos. Cortex no es un producto independiente: no hay una suscripción separada de Cortex, no hay un nivel gratuito y no hay forma de acceder a Cortex sin una cuenta de Snowflake. Si eso describe su situación, Cortex es el camino más rápido para integrar la IA en los flujos de trabajo de datos que ya posee.

Dentro de esa restricción, Cortex es particularmente fuerte para industrias reguladas. Las organizaciones de atención médica, servicios financieros y seguros que operan bajo los requisitos de HIPAA, SOC 2 o GDPR a menudo tienen obligaciones contractuales sobre dónde se pueden procesar los datos. Ejecutar la inferencia de LLM dentro de una cuenta de Snowflake cubierta por un Acuerdo de Socio Comercial (BAA) existente es arquitectónicamente más simple que negociar un nuevo BAA con un proveedor de IA separado para cada proveedor de modelos en el catálogo de Bedrock.

Los equipos de análisis que crean herramientas de autoservicio para usuarios comerciales no técnicos se benefician de Cortex Analyst. En lugar de crear una capa personalizada de lenguaje natural a SQL (NL-to-SQL), exponen la API de Cortex Analyst detrás de una interfaz de Streamlit o un chatbot interno y permiten a los usuarios comerciales consultar datos en lenguaje natural.

Lo que Snowflake Cortex no es

Cortex no es una razón para cambiar de plataforma de datos. Si sus datos residen en Databricks, BigQuery o Redshift, Cortex no está disponible para usted. El beneficio de residencia de datos solo se aplica a los datos que ya se encuentran dentro de una cuenta de Snowflake; no hay ningún agente o conector que llegue a otros sistemas manteniendo intactas las propiedades de gobernanza de Cortex. Cortex Code se expandió en febrero de 2026 para hacer referencia a sistemas externos como AWS Glue y Postgres, pero las funciones de inferencia de LLM en sí mismas todavía solo operan en datos almacenados en Snowflake.

Cortex no es una plataforma de ML completa. El soporte de ajuste fino se limita a las variantes del modelo Llama. No hay entrenamiento de arquitectura de modelos personalizados, ni aprendizaje por refuerzo a partir de retroalimentación humana (RLHF), ni un equivalente al seguimiento de experimentos de MLflow de Databricks para la evaluación sistemática de modelos. Los equipos cuya hoja de ruta de IA implique entrenar modelos propietarios con sus propios datos a escala superarán la oferta administrada de Cortex y deberán considerar Databricks Mosaic AI o una plataforma MLOps dedicada.

Cortex tampoco es adecuado para equipos sin disciplina de monitoreo de costos. La combinación de facturación basada en tokens en nueve categorías de servicios, cargos de infraestructura siempre activos de Cortex Search y la ausencia de monitores de recursos nativos hasta marzo de 2026 ha sorprendido a los equipos con facturas inesperadas. Un caso ampliamente difundido involucró a un equipo de datos que pagó aproximadamente $5,000 por una sola consulta de Cortex Functions que procesó 1.18 mil millones de registros de clientes. La consulta terminó, los créditos se agotaron y no se había configurado ninguna alerta para detectarlo. Esa dinámica de facturación ahora está parcialmente mitigada por los controles de costos de marzo de 2026, pero los equipos deben crear paneles de monitoreo antes de habilitar Cortex de manera amplia en una cuenta compartida.