Qué anunció Snowflake en Expedition 2026
Snowflake presentó en su evento virtual Expedition 2026 un paquete de capacidades que apuntan todas al mismo problema: los agentes de IA no fracasan por falta de modelos potentes, sino por falta de contexto. La compañía que cotiza en la NYSE (SNOW) sumó Business Ontology, Cortex AI Gateway y nuevas funciones para sus agentes CoCo y CoWork, con el objetivo de convertir su plataforma de datos en el plano de control de la llamada empresa agéntica.
El dato que ordena todo el anuncio viene de un informe de MIT Technology Review patrocinado por Snowflake: el 55% de los directivos señala la falta de contexto de negocio como la principal causa de la baja calidad de las respuestas de los agentes, y el 45% apunta a datos fragmentados o inaccesibles. La encuesta se realizó entre julio y agosto de 2026 sobre 400 ejecutivos de datos y tecnología de ocho industrias, en organizaciones con ingresos anuales de US$500 millones o más.
La traducción para cualquier founder es incómoda pero útil: el cuello de botella de la IA en producción no es el modelo, es la definición compartida de lo que significan las cosas dentro de tu empresa.
Business Ontology: cómo resolver el problema de «cuál número es el correcto»
El escenario es cotidiano. Un responsable de ventas pide un informe semanal de ingresos netos y recibe tres cifras distintas: una del dashboard, otra de un analista y una tercera de un agente. Sin una definición oficial, el agente responde con total seguridad algo incorrecto, y alguien tiene que detectarlo a mano.
Business Ontology es la nueva capacidad dentro de Horizon Context, el espacio de contexto de negocio gobernado de Snowflake Horizon Catalog. Permite que los equipos aprueben definiciones oficiales de conceptos clave, asignen un responsable a cada una y las vinculen a los datos subyacentes, tanto dentro como fuera de Snowflake. Las definiciones aprobadas por humanos siempre tienen prioridad sobre las inferencias del modelo.
Según SiliconANGLE, la función está en private preview y se dirige a public preview próximamente. Y según TechTarget, analistas como Stephen Catanzano (Omdia) y William McKnight (McKnight Consulting) la señalan como la capacidad más valiosa del anuncio, porque ataca directamente el problema de «cuál número es el correcto» que destruye la credibilidad de los agentes.
Para las empresas que ya tienen definiciones en un catálogo de terceros o en una hoja de cálculo, Snowflake permite migrarlas en una sola sesión guiada de CoCo. Cada cambio queda registrado: cuando un auditor pregunta qué significaba «ingresos netos» en el segundo trimestre, la respuesta es una consulta.
Cortex AI Gateway: gobernar agentes como se gobierna a empleados
Un agente que conoce la definición correcta todavía necesita los permisos correctos. Cortex AI Gateway funciona como puerta de entrada única para todos los agentes de una organización y aplica un mismo conjunto de políticas a sus conexiones, sin importar la nube, el framework o el proveedor de IA.
SiliconANGLE recuerda que Snowflake introdujo el gateway en julio de 2026 y que este anuncio amplía sus capacidades en lugar de presentarlo por primera vez. Las novedades incluyen detección de abuso de agentes, observabilidad y trazabilidad, sandboxes de Cortex, gobernanza de costes de IA y enrutamiento dinámico de modelos.
El punto clave para un equipo chico: los agentes heredan los controles ya establecidos para los usuarios humanos. No hay que construir un sistema de permisos paralelo. Cada llamada a una herramienta se valida contra políticas granulares antes de ejecutarse, y la gobernanza de costes atribuye el gasto al equipo responsable con límites estrictos.
Andy Owens, VP of Data and AI de Kargo, lo resume en el comunicado: «Ejecutamos mucha IA sobre una gran cantidad de datos y había una pregunta que no podíamos responder: qué equipos y qué agentes estaban generando el gasto». Según la misma fuente, empresas como Glean y Kargo ya usan Cortex AI Gateway en producción.
CoCo y CoWork: agentes que siguen trabajando cuando te desconectas
Con contexto y controles en su lugar, aparece la parte que más cambia la operación diaria. CoCo es el agente de programación para equipos de datos; CoWork es el agente de trabajo personal para profesionales del conocimiento. Ambos asumen tareas recurrentes.
Con CoCo Automations, los equipos describen un flujo de trabajo una sola vez y el agente lo ejecuta de forma autónoma con la frecuencia que se determine, conservando registro de auditoría e historial de tareas. Según TechTarget, CoCo Cloud Agents y CoCo Automations ya están disponibles de forma general.
Los nuevos CoCo y CoWork Bots van un paso más allá: actúan en nombre del usuario, heredan sus derechos de acceso y su contexto de rol, y toman la iniciativa cuando se les da un objetivo de alto nivel, como preparar briefings para cada reunión con clientes. Solo piden intervención cuando hay una decisión crítica o una aprobación final pendiente.
Vibhor Gupta, VP of Enterprise Data & AI de Shelter Mutual Insurance Company, aporta el dato más concreto del anuncio: la compañía tiene ocho agentes de IA en producción y más en camino, y cambió la forma en que los datos impulsan decisiones que van desde la gestión de siniestros hasta la alta dirección.
La carrera por la capa de control ya está en marcha
Snowflake no juega sola. Según SiliconANGLE, SAP viene expandiendo su arquitectura Autonomous Enterprise y sus agentes Joule gobernados, mientras Salesforce presentó su Enterprise AI Harness y su AI Control Plane para asegurar flujos autónomos. Snowflake ataca el mismo problema desde la plataforma de datos.
El frente más directo es el de los catálogos. En julio de 2026, Microsoft y Databricks anunciaron la extensión de su alianza estratégica con Genie Ontology y Unity AI Gateway, según el comunicado de Microsoft. TechTarget cita a McKnight para marcar la diferencia: Snowflake apuesta por un catálogo abierto y multi-motor construido sobre Apache Polaris e Iceberg REST Catalog API, mientras que Unity Catalog funciona como ecosistema cerrado.
El contexto de mercado lo pone Deloitte: según su informe State of AI in the Enterprise de octubre, citado por TechTarget, el 28% de las organizaciones reporta ingresos atribuibles a la IA, frente al 20% de enero. Es una mejora real, pero implica que casi tres de cada cuatro organizaciones todavía no ven retorno de sus proyectos de agentes.
Qué significa esto para tu startup
No necesitas ser una empresa de US$500 millones para aplicar la lógica de este anuncio. De hecho, el contexto fragmentado duele más en equipos chicos, donde la misma métrica se calcula distinto en tres herramientas.
- Escribe una ontología mínima viable. Elige entre 10 y 15 términos que tu negocio usa todo el tiempo (MRR, cliente activo, churn, margen) y define por escrito qué significan, cómo se calculan y quién es el responsable de esa definición. Ese documento es el activo que después le das a cualquier agente.
- Pon un techo de gasto por agente antes de escalar. La gobernanza de costes no es un lujo enterprise: un proceso descontrolado puede consumir presupuesto en silencio. Define un límite por agente y por equipo, y enruta las tareas rutinarias a modelos más baratos.
- Empieza por un flujo recurrente, no por el más ambicioso. Un informe semanal o una verificación periódica de un pipeline son buenos primeros casos: son repetibles, medibles y tienen un responsable claro si algo sale mal.
- Trata a tus agentes como empleados nuevos. Si no le darías a una persona recién incorporada acceso irrestricto a toda la base de datos, tampoco se lo des a un agente. Heredar los permisos del usuario es más simple y más seguro que crear un sistema aparte.
Conclusión
El mensaje central de Expedition 2026 no es que Snowflake tenga más funciones, sino dónde las ubica: contexto y gobernanza dejan de ser añadidos posteriores para volverse la base sobre la que se construye cada agente. Christian Kleinerman, EVP of Product de Snowflake, lo planteó sin rodeos: ganarán las empresas cuyos agentes sepan exactamente qué significa cada concepto para el negocio, accedan a los datos correctos y puedan dar cuenta de lo que hacen.
Hay una advertencia razonable en el propio research. TechTarget recoge que McKnight señala vacíos pendientes, como la falta de bucles de retroalimentación que reentrenen a los agentes de forma continua, y que Catanzano pide más pruebas de funcionamiento a escala en producción. La arquitectura encaja; la madurez todavía está en verificación.
Para un founder, la conclusión práctica es que la ventaja competitiva ya no está en tener más agentes, sino en tener mejores definiciones. Ese trabajo es barato, se hace con un documento y una conversación de equipo, y no depende de ningún proveedor.
ACERCA DEL CORRESPONSAL
REDACCIóN CENTRAL
Prensa Mercosur es un diario online de iniciativa privada que fue fundado en 2001, donde nuestro principal objetivos es trabajar y apoyar a órganos públicos y privados.
