Snowflake accelera in modo deciso sulla propria strategia in ambito intelligenza artificiale, rafforzando una traiettoria già emersa negli ultimi mesi e ora esplicitata con maggiore chiarezza: affermarsi come control plane per l’organizzazione agentica, ossia come livello di coordinamento centrale in cui convergono dati, modelli, applicazioni e processi operativi. Gli aggiornamenti annunciati per Snowflake Intelligence e Cortex Code non si limitano infatti a introdurre nuove funzionalità, ma delineano un passaggio di natura architetturale, che sposta il baricentro dall’analisi dei dati all’attivazione di processi automatizzati, in cui l’AI è chiamata a intervenire direttamente nei flussi di lavoro.
In un contesto in cui i sistemi di intelligenza artificiale evolvono rapidamente dalla capacità di rispondere a interrogazioni alla possibilità di intraprendere azioni concrete, la piattaforma viene estesa per consentire alle organizzazioni di integrare, all’interno di un’esperienza unificata, un numero crescente di fonti dati, sistemi enterprise e modelli AI, mantenendo al centro i propri asset informativi. Ne deriva una maggiore coerenza operativa: dati, strumenti e workflow vengono progressivamente allineati agli agenti AI, che possono così operare sulle informazioni in modo continuo e aderente alle dinamiche reali del business, riducendo la distanza tra insight e execution.
Snowflake Intelligence: da assistente a agente di lavoro personale
All’interno di questo disegno, Snowflake Intelligence assume un ruolo centrale e viene riposizionata come agente di lavoro personale per gli utenti aziendali, superando il paradigma del copilot per avvicinarsi a quello di un sistema in grado di apprendere nel tempo. L’evoluzione si basa infatti sulla capacità di acquisire progressivamente preferenze, contesto operativo e modalità di interazione dei singoli utenti, così da restituire risultati sempre più pertinenti e, allo stesso tempo, automatizzare attività ricorrenti e produrre insight affidabili fondati su dati governati.
“L’intelligenza artificiale sta cambiando il modo in cui ogni azienda opera, e le piattaforme vincenti saranno quelle che semplificheranno l’uso dell’AI con i dati e i controlli giusti”, afferma Baris Gultekin, VP of AI di Snowflake. “Snowflake offre ai clienti un unico luogo in cui riunire i propri dati, connettere i sistemi su cui fanno affidamento e trasformare l’AI in uno strumento che aiuti concretamente le persone a svolgere il proprio lavoro”.
Un’esperienza unificata tra dati, insight e azione
A differenza di altri assistenti AI presenti sul mercato, Snowflake Intelligence si distingue per la capacità di comprendere l’intero contesto dei dati aziendali, operando all’interno di un framework enterprise in cui affidabilità, governance e sicurezza non rappresentano elementi accessori, ma prerequisiti strutturali. Gli aggiornamenti introducono quindi un’esperienza unificata in cui l’interazione con i dati non si esaurisce nell’analisi, ma si estende alla possibilità di agire direttamente sui sistemi aziendali, creando una continuità operativa tra interpretazione delle informazioni e attivazione dei processi.
Automazione, integrazione e riuso: le nuove capacità operative
Uno degli assi principali di questa evoluzione riguarda l’automazione delle attività di routine, resa possibile dalle Skills, che consentono agli utenti di descrivere workflow anche complessi in linguaggio naturale – dalla preparazione di presentazioni all’esecuzione di analisi articolate in più fasi, fino alla gestione di attività di follow-up – demandandone l’esecuzione all’agente AI. In questo modo, oltre a eliminare il lavoro manuale, si introduce un modello di automazione che può essere replicato, condiviso e adattato a diversi contesti operativi.
Sul piano dell’integrazione, i nuovi connettori basati su Model Context Protocol (MCP) permettono a Snowflake Intelligence di interagire direttamente con strumenti enterprise già ampiamente adottati, tra cui Gmail, Google Calendar, Google Docs, Jira, Salesforce e Slack, ampliando significativamente il perimetro operativo dell’agente e riducendo la necessità di orchestrazioni esterne o di passaggi intermedi tra sistemi.
A questo si aggiunge l’estensione dell’esperienza in mobilità, con una app iOS in public preview che consente agli utenti di interrogare i dati e attivare workflow anche fuori dall’ambiente desktop, mantenendo continuità operativa e accesso diretto alle funzionalità della piattaforma.
Deep research e ragionamento multi-step
Particolarmente rilevante è l’introduzione della funzionalità di deep research, che porta Snowflake Intelligence oltre la risposta puntuale, abilitando un modello di ragionamento in più passaggi capace di generare report articolati e corredati da fonti. Questa capacità si fonda su un’architettura agentica che integra dati strutturati, contenuti non strutturati e contesto esterno, combinando la precisione delle risposte con analisi più approfondite.
Il risultato è una maggiore capacità interpretativa: gli utenti non solo comprendono cosa sta accadendo, ma acquisiscono anche visibilità sulle cause e sulle possibili azioni successive, con un livello di profondità che avvicina l’AI a un supporto decisionale avanzato.
Apprendimento continuo e conoscenza condivisa
L’efficacia del sistema è ulteriormente rafforzata dalla capacità di apprendimento continuo, grazie alla quale Snowflake Intelligence evolve nel tempo sulla base del comportamento degli utenti, migliorando progressivamente la qualità delle risposte e automatizzando le attività più frequenti.
Parallelamente, gli Artifacts introducono un livello di persistenza e condivisione della conoscenza, permettendo di salvare analisi, visualizzazioni e workflow e di renderli accessibili ad altri utenti. In questo modo, il lavoro individuale viene trasformato in patrimonio condiviso, favorendo la diffusione degli insight e la costruzione progressiva di conoscenza a livello organizzativo.
Questi sviluppi sono anche il risultato del feedback diretto dei clienti e degli insight raccolti durante la research preview del Project SnowWork, a conferma di un approccio evolutivo basato su casi d’uso concreti.
Cortex Code: un unico agente di sviluppo per lo stack dati
Sul versante sviluppo, Cortex Code si consolida come coding agent unificato per lo stack dati aziendale, estendendo un approccio data-native e governato all’intero ecosistema enterprise. Dal lancio, avvenuto nel novembre 2025, la soluzione ha registrato una rapida adozione, con oltre il 50% dei clienti che la utilizza attivamente per migliorare produttività e capacità innovativa.
Supporto multi-sistema e integrazione con ecosistemi AI
Le nuove funzionalità ampliano in modo significativo il supporto a sistemi esterni, tra cui AWS Glue, Databricks e Postgres, consentendo agli sviluppatori di operare direttamente nei contesti in cui risiedono i dati e rafforzando una visione in cui la piattaforma non impone centralizzazione, ma abilita interoperabilità.
Allo stesso tempo, l’integrazione con protocolli come Model Context Protocol (MCP) e Agent Communication Protocol (ACP) consente di collegare Cortex Code ad altri sistemi AI, rendendolo parte di un ecosistema più ampio e riducendo la duplicazione delle attività nei workflow esistenti.
Esperienza di sviluppo integrata e piattaforma estendibile
Un ulteriore passo riguarda l’esperienza degli sviluppatori, che possono ora accedere a Cortex Code direttamente nei propri ambienti di lavoro grazie a una estensione per Visual Studio Code e a un plugin per Claude Code, mantenendo continuità operativa e riducendo le interruzioni nel flusso di sviluppo.
L’introduzione di un Agent Software Development Kit, con supporto per Python e TypeScript, estende ulteriormente le possibilità di utilizzo, permettendo di integrare le funzionalità della piattaforma all’interno di applicazioni e workflow personalizzati e trasformando Cortex Code in una vera piattaforma di sviluppo per sistemi AI.
Cloud Agents e controllo dei workflow
Attraverso i Cloud Agents disponibili in Snowsight, gli utenti possono eseguire codice e workflow direttamente nel browser, in un ambiente completamente gestito che elimina la necessità di configurazioni locali e semplifica l’accesso alle funzionalità avanzate.
Contestualmente, vengono introdotti nuovi strumenti di controllo: la Plan Mode, che consente di visualizzare e approvare i workflow prima dell’esecuzione, e Snap & Ask, che permette di interagire direttamente con grafici, tabelle e altri output, migliorando trasparenza, precisione e controllo sul processo.
Adozione su larga scala e ruolo dell’ecosistema
Il quadro complessivo è confermato dai dati di adozione: oltre 9.100 clienti utilizzano settimanalmente i prodotti AI di Snowflake, con un trend in crescita che riflette il passaggio dalla fase sperimentale a quella operativa.
“Come principale partner globale Snowflake per Cortex Code e Snowflake Intelligence, Accenture sta guidando la trasformazione basata sull’AI in tutta l’impresa, ridefinendo il modo in cui le aziende interagiscono con il loro patrimonio dati AI ready”, osserva Sree Vadakkepat, Snowflake Business Group lead di Accenture. “Oggi abbiamo migliaia di professionisti attivi sulla piattaforma, che implementano casi d’uso per numerosi clienti e sfruttano quasi due dozzine di skills appositamente create che spaziano dallo sviluppo SQL, ai notebook e alla modellazione semantica. Non ci limitiamo ad adottare queste funzionalità: le integriamo nel modo in cui forniamo soluzioni su larga scala, consentendo alle organizzazioni di interagire con i propri dati attraverso il linguaggio naturale e di accelerare risultati concreti di business basati sull’AI”.
Dall’AI come strumento all’AI come infrastruttura operativa
Nel complesso, gli aggiornamenti delineano una traiettoria coerente: Snowflake punta a diventare il punto di orchestrazione centrale dell’AI enterprise, un ambiente in cui dati, modelli e processi convergono sotto un’unica governance e possono essere attivati in modo coordinato.
In questa prospettiva, l’intelligenza artificiale non è più un semplice layer applicativo, ma si configura come infrastruttura operativa, capace di connettere insight e azione all’interno dei flussi reali del business, contribuendo a ridurre in modo strutturale la distanza tra decisione ed esecuzione.
