AI WORLD HQ
Si la dirección de tu empresa quiere resultados de IA este año, pero los registros de clientes, ventas y operaciones están repartidos entre varios sistemas, es posible que te sientas bloqueado. El consejo habitual es limpiar y consolidarlo todo primero. El anuncio de Snowflake sostiene que ese orden ya no tiene por qué ser obligatorio.
Por qué trasladar los datos se convirtió en la opción predeterminada
Durante años, analizar datos implicaba pasar por el software que los almacenaba. Trabajar con varios sistemas normalmente significaba copiarlo todo primero en un lugar central. Cada copia añade costes y otro posible punto de riesgo, así que centralizar los datos también se convirtió en el punto de partida para la IA.
Snowflake afirma que esa secuencia tenía sentido hace una o dos décadas, pero que ya no es un requisito técnico. Según su enfoque, el método más reciente permite ejecutar proyectos de IA con los datos que ya tienes mientras el trabajo de modernización continúa según su propio calendario.
Qué ha cambiado: los formatos abiertos
La idea clave es un formato de tabla abierto (una forma compartida de organizar archivos de datos para que muchas herramientas distintas puedan leerlos). Snowflake señala Apache Iceberg como ejemplo. Los datos almacenados de esta manera pueden ser leídos por cualquier motor de procesamiento compatible (el programa que realiza los cálculos).
Según Snowflake, esto permite publicar productos de datos desde sistemas como Salesforce, SAP y Workday y utilizarlos en otros lugares sin copiarlos ni crear canalizaciones complejas (las rutas automatizadas que siguen los datos entre sistemas). Snowflake también afirma que los datos permanecen en tu propio almacenamiento en la nube, guardados como archivos Parquet (un formato de archivo habitual y compacto), por lo que siguen siendo tuyos.
Una gobernanza que acompaña a los datos
Trasladar los datos también era la forma en que las empresas hacían cumplir sus reglas. Snowflake afirma que su Horizon Catalog (su capa de gobernanza, el lugar donde se definen las reglas de acceso) puede aplicar un mismo conjunto de políticas a datos, modelos, aplicaciones y agentes de IA, incluidos los recursos que están fuera de la plataforma.
Hay dos funciones que destacan:
- Políticas compartidas para otras herramientas: Snowflake afirma que sus políticas de acceso a filas y de enmascaramiento ahora también funcionan en motores externos como Apache Spark, Trino y PyIceberg, en vista previa pública (una fase de acceso anticipado). El enmascaramiento oculta valores sensibles, mientras que el acceso a filas limita los registros que puede ver una persona.
- Permisos independientes para los agentes de IA: La función Agent identity de Snowflake (un programa de IA que actúa para realizar una tarea) permite a los administradores decidir a qué datos puede acceder un agente, de forma independiente de la persona que lo inició. Las acciones se registran tanto a nombre del usuario como del agente, lo que proporciona a los equipos de cumplimiento un registro de auditoría.
Snowflake también señala que, para las empresas europeas, el lugar donde se encuentran los datos y quién puede acceder a ellos son cuestiones de cumplimiento relacionadas con normas como el RGPD y la Ley de IA de la UE. Su mensaje es que gobernar los datos allí donde están puede ayudar a cumplir esos requisitos sin obligar a trasladarlo todo a una única región o sistema.
En resumen
El mensaje central de Snowflake es que la IA y la modernización de los datos pueden avanzar en plazos distintos. Los formatos abiertos permiten que las herramientas compartan datos sin crear copias, y una gobernanza compartida mantiene coherentes las reglas de acceso. El siguiente paso es sencillo: elige una pregunta empresarial que la IA pueda ayudar a responder, identifica dónde están hoy los datos y lleva esa lista a tu próxima reunión de planificación.