Snowflake Decision clasifica filas desde SQL

El 20 de noviembre de 2026, Snowflake abrió la vista previa pública de Snowflake Decision dentro de Cortex, a través de la función SQL AI_COMPLETE. El modelo evalúa el contenido de filas de una tabla según criterios que define el equipo. Devuelve categorías, puntuaciones o probabilidades en vez de redactar una respuesta libre. Sirve para probar una clasificación de solicitudes o documentos en un flujo de SQL, pero eso no quiere decir que el procesamiento ocurra en la misma región donde se guarda la tabla. La nota de lanzamiento anuncia una vista previa, no disponibilidad general.
Tres formas de evaluar el contenido de una fila
El equipo proporciona texto o datos estructurados y redacta las preguntas que quiere responder. Una pregunta de selección compara opciones fijas y devuelve la elegida y la probabilidad de cada alternativa. Una rúbrica usa niveles ordenados: su puntuación es un promedio ponderado, no necesariamente un nivel entero. Un tercer tipo estima la probabilidad de que una afirmación sea cierta, sin devolver un sí o un no definitivo. Según la guía técnica de Snowflake Decision, una llamada puede devolver respuestas separadas para varias preguntas sobre el mismo contenido. La novedad no es analizar videos, como en Pegasus 1.5 en Snowflake.
Qué significa la confianza de una respuesta
Para selección y rúbricas, Snowflake calcula la confianza a partir de cómo se reparte la probabilidad entre todas las opciones. Cuando reparte el peso por igual, la confianza es cero; cuando se concentra en una sola opción, se acerca a uno. No equivale a la probabilidad asignada a la opción elegida. Tampoco acredita calibración: para decir que las probabilidades de una categoría están calibradas, habría que comprobar en casos comparables que, entre las predicciones cercanas al 80 %, aproximadamente ocho de cada diez corresponden a esa categoría. La guía explica el cálculo, pero no demuestra esa relación en los datos de tu empresa. Por eso conviene contrastar ambos números con decisiones revisadas antes de fijar umbrales.
Qué necesita una cuenta para probar la función
La vista previa es abierta, con un requisito: el parámetro de cuenta CORTEX_ENABLED_CROSS_REGION debe estar en AWS_US, AWS_GLOBAL o ANY_REGION. Cada opción define límites geográficos y de proveedor distintos, según la documentación de inferencia entre regiones. Snowflake distingue el almacenamiento en la región de la cuenta de la transmisión temporal de la entrada y la respuesta a la región que ejecuta la consulta. Para un equipo de Chile o Latinoamérica, el anuncio no acredita procesamiento local. Antes de probar con tickets reales, conviene comprobar el enrutamiento que permite la organización. El modelo admite hasta 64 preguntas y 256 KiB para toda la solicitud JSON; no admite streaming ni los guardrails de la función.
Cómo probar el reparto de tickets en una tienda chilena
Imagina una tienda que recibe consultas por atrasos, cobros y devoluciones. El piloto puede usar tickets históricos desidentificados con una categoría acordada por soporte y una segunda pregunta que evalúe la urgencia. Un mensaje puede parecer claramente de cobros y seguir siendo difícil de priorizar. En vez de enviar automáticamente cada caso al área sugerida, compara la salida con la decisión humana, separa las categorías infrecuentes y registra los errores que más cuestan. En la primera semana, bastaría con recomendar la cola y dejar la decisión en manos de soporte. La consulta clasifica; la asignación efectiva requiere lógica adicional.
Cómo medir el costo y el tiempo del piloto
La nota de Snowflake cita USD 0,042 por millón de tokens y aproximadamente 1,58 milisegundos de procesamiento por fila. Son cifras del proveedor, no una estimación verificada del costo total o de la latencia de extremo a extremo. Conviene medir el costo por caso resuelto correctamente, el tiempo desde la consulta hasta que el caso llega a la cola y la proporción que sigue necesitando revisión humana. Compara también contra una regla fija: una categoría sencilla puede no justificar la incorporación de otro modelo.
Preguntas frecuentes
¿Ya es disponibilidad general? No, está en vista previa pública desde el 20 de noviembre.
¿Una confianza alta demuestra que el modelo acertó? No. Refleja la concentración de las probabilidades en selección y rúbricas.
¿Clasificar una factura equivale a extraer sus campos? No. Son tareas diferentes.















