Cortex Agents to w pełni zarządzana usługa, która upraszcza proces integracji, pobierania i przetwarzania danych ustrukturyzowanych oraz nieustrukturyzowanych, umożliwiając budowanie agentów AI na dużą skalę. Usługa dostępna jest obecnie w publicznej wersji testowej, zarządza różnorodnymi źródłami danych - od tabel po pliki PDF przechowywane w magazynach obiektowych, by dostarczać cenne analizy i wnioski. Agenci przetwarzają złożone zapytania, pobierają odpowiednie dane i generują precyzyjne odpowiedzi, wykorzystując Cortex Search, Cortex Analyst oraz duże modele językowe (LLM). Dzięki temu zapewniona jest dokładność, wydajność i zgodność z prawem na każdym etapie działania. Dostępni poprzez REST API agenci, mogą być integrowani z dowolną aplikacją. Cortex Search i Cortex Analyst Usługa Cortex Agents korzysta z Cortex Search, aby wyszukiwać dane niestrukturalne, takie jak tekst, audio, obrazy czy wideo. Cortex Search łączy wyszukiwanie wektorowe i leksykalne, stosując dodatkową warstwę ponownej klasyfikacji semantycznej, co pozwala na szybkie i precyzyjne wyszukiwanie na dużą skalę. Jak zapewniają przedstawiciele producenta, Cortex Search przewyższa konkurencyjne rozwiązania korporacyjne o 11% pod względem trafności wyszukiwania (NDCG@10) przy użyciu modeli embeddingowych OpenAI. Firma wprowadził też szereg usprawnień do Cortex Search, takich jak większą skalowalność czy redukcję kosztów działania o 30%. Innym z narzędzi uwzględnionych w Cortex Agents jest Cortex Analyst. W odróżnieniu od typowych systemów text-to-SQL, które bazują na prostym dopasowywaniu wzorców, Cortex Analyst wykorzystuje model semantyczny do mapowania pojęć biznesowych na konkretne dane źródłowe. Jak wskazują specjaliści Snowflake, takie podejście znacznie zwiększa precyzję w rzeczywistych scenariuszach biznesowych, zwłaszcza przy pracy z wieloma tabelami. Firma wprowadziła też pewne ulepszenia, które zwiększają precyzję analiz i elastyczność konfiguracji. Nowe mechanizmy obsługują bardziej złożone schematy relacji danych, eliminując błędy, takie jak fałszywe połączenia czy podwójne zliczanie, co poprawia dokładność zapytań wielotabelowych. Administratorzy zyskują także nowy interfejs w Snowsight, który umożliwia łatwe tworzenie i monitorowanie modeli semantycznych – wybór tabel i kolumn wspomagany jest przez modele LLM generujące pliki YAML, a funkcja monitorowania pozwala oceniać skuteczność modeli.
