📺 Vídeo de estudio recomendado hoy: https://www.youtube.com/watch?v=UIDMhKgpqkg

De los Datos a la Inteligencia Agéntica: La Transformación de Snowflake bajo Sridhar Ramaswami

Sridhar Ramaswami detalla cómo Snowflake ha pasado de ser un almacén de datos tradicional a una plataforma de IA agéntica en tiempo récord. En esta conversación, el CEO explora la intersección entre la ejecución implacable, el ROI real de la inteligencia artificial y el futuro de la búsqueda en la era de los LLMs.

Pregunta central: ¿Cómo puede una empresa establecida pivotar hacia una estrategia de IA nativa sin perder su enfoque en la gobernanza y el valor del cliente?

Puntos clave

• La velocidad de iteración y la responsabilidad directa superan a las estrategias a largo plazo en el volátil mercado actual de la IA.
• Snowflake Intelligence democratiza el acceso a los datos mediante una plataforma de agentes enfocada en resultados de negocio, no solo en SQL.
• El ROI de la IA es más tangible en el desarrollo de software (agentes de código) y la democratización del acceso a la información interna.
• La IA no reemplaza herramientas tradicionales de búsqueda o matemáticas; las mejores IA utilizarán las herramientas más fiables disponibles para cada tarea.

⏱️ Tiempo de lectura: aprox. 7 minutos · Te ahorra unos 35 minutos frente a ver el vídeo.

¿Quieres tomar notas mientras ves el vídeo? Haz clic en la imagen de abajo y deja que AI Notebook extraiga los puntos clave por ti 👇

Reorientando un Gigante

Ejecución, Responsabilidad y Velocidad de Iteración

La transición de Snowflake hacia la IA no fue casual, sino una respuesta directa a un panorama tecnológico que cambia cada mes, no cada año.

Tras asumir el mando de manos de Frank Slootman, Ramaswami se centró en eliminar las capas burocráticas que separaban a los ingenieros del feedback real de los clientes. En una fase de crecimiento explosivo, muchas empresas tienden a especializarse en exceso, creando silos que ralentizan la innovación, algo inaceptable cuando la competencia en modelos de lenguaje se mueve a la velocidad de la luz y el mercado no perdona la indecisión técnica.

El modelo adoptado fue el de “War Rooms” o pods especializados, donde producto, ingeniería y marketing colaboran estrechamente. Esta estructura permite que las decisiones se tomen con mayor autonomía, fomentando una cultura donde la rapidez de ejecución es el activo más valioso para sobrevivir frente a los gigantes de la nube.

💡 Profundizando

Q: ¿Cómo se maneja la responsabilidad en esta nueva estructura? A: Creando una línea directa entre el ingeniero que desarrolla la función y el cliente final, eliminando hasta 10 capas intermedias.
Q: ¿Por qué priorizar la velocidad sobre la estrategia? A: En el mundo de la IA, donde no sabemos qué pasará el próximo mes, la capacidad de iterar siempre triunfa sobre los planes a largo plazo.
Q: ¿Cómo se gestionó el cambio cultural? A: Combinando una visión de arriba hacia abajo con “campeones” internos, como el fundador Benoit Dageville, quien impulsó el uso de agentes de código desde la base.

La Era de la Inteligencia Agéntica

Snowflake Intelligence y el fin de los tableros 2D

Sridhar presenta Snowflake Intelligence no como un agente genérico que intenta hacerlo todo, sino como una plataforma “con opinión”. Su objetivo principal es extraer valor de datos estructurados y no estructurados de forma intuitiva, permitiendo que cualquier empleado, no solo los expertos en SQL, interactúe con la información vital de la empresa para tomar decisiones informadas en tiempo real.

Los tableros de control tradicionales son vistas bidimensionales limitadas que no pueden responder a las preguntas dinámicas de un usuario de negocios moderno.

El caso de uso interno “Raven”, un asistente de ventas, ejemplifica esta visión al consolidar contratos, historial de consumo y notas de reuniones en una interfaz conversacional única. En lugar de navegar por múltiples aplicaciones de SaaS, los empleados obtienen una visión 360 grados del cliente simplemente preguntando, lo que reduce la fatiga de suscripción y mejora la eficiencia operativa de manera drástica, permitiendo que el equipo humano se centre en la estrategia y no en la búsqueda de datos.

💡 Profundizando

Q: ¿Cómo garantizan la fiabilidad en Snowflake Intelligence? A: Implementando bucles de evaluación estrictos para cada cambio de modelo, tratando la IA con el mismo rigor que la ingeniería de software tradicional.
Q: ¿Es una herramienta para técnicos? A: No, está diseñada para que cualquier empleado pueda usarla, eliminando la barrera del lenguaje SQL para el acceso a datos.
Q: ¿Cuál es el modelo de negocio para esta IA? A: Es un producto basado en el consumo, evitando que los clientes se sientan atrapados por suscripciones fijas mientras buscan adopción profunda.

ROI y el Ecosistema de Alianzas

Dónde está el dinero en la IA y cómo colaborar con los gigantes

Para la mayoría de las empresas, el retorno de inversión más claro hoy se encuentra en los agentes de codificación y la democratización del acceso a los datos internos. Snowflake ha observado que automatizar el desarrollo de demos o la creación de scripts reduce tiempos de semanas a horas, liberando a los ingenieros de alto nivel para tareas de mayor impacto estratégico, mientras que el soporte al cliente se beneficia de bases de conocimiento integradas que responden con precisión y rapidez.

La mentalidad de asociación ha sido clave para integrar datos críticos de socios como SAP y Microsoft en el ecosistema de Snowflake.

Ramaswami subraya que no intentan competir frontalmente con OpenAI o Anthropic en la creación de modelos fundacionales, sino ser la capa de datos que los potencia. Al colaborar bidireccionalmente con plataformas como SAP, Snowflake se posiciona como el tejido conectivo necesario para que la IA empresarial sea útil, gobernada y capaz de generar valor real a partir de los activos de datos más valiosos de una organización.

💡 Profundizando

Q: ¿Cómo ha cambiado la relación con Microsoft? A: Ha evolucionado de una competencia conflictiva a una colaboración estratégica donde Azure más Snowflake es un resultado positivo para el cliente.
Q: ¿Qué buscan en la alianza con SAP? A: Intercambio de datos bidireccional y colaboración en analítica y agentes para que los clientes operen sobre datos de SAP con mayor facilidad.
Q: ¿Cuál es su consejo sobre el ROI? A: No buscar un gran proyecto de 100 pies; es mejor realizar mil apuestas pequeñas de “mil dólares” para entender dónde está el valor real.

Conclusiones clave

La transformación de Snowflake demuestra que la durabilidad de una empresa tecnológica no reside en su posición actual, sino en su capacidad de evolucionar hacia abstracciones más altas de simplicidad. Al integrar la IA no como un añadido, sino como el núcleo de su Data Cloud, Ramaswami busca convertir a cada cliente en una empresa “data-first” similar a lo que Google o Meta han sido históricamente, permitiendo que la información retroalimente el negocio en minutos.

Al final, la ventaja competitiva se construye cada día mediante la innovación técnica y la obsesión por la utilidad para el cliente. La IA agéntica representa la culminación de esta visión, donde los datos dejan de ser pasivos para convertirse en participantes activos en la toma de decisiones empresariales, siempre bajo un marco de gobernanza estricto que garantice la veracidad y el control de los costos. La paranoia constructiva es, según Sridhar, el motor necesario para no ser superado por la infinita paciencia y presupuesto de los grandes proveedores de nube.

Preguntas y Respuestas

Q1: ¿Por qué Snowflake decidió no competir en la creación de modelos fundacionales propios?
A1: Se dieron cuenta rápidamente de que no tenían el capital infinito de OpenAI o Anthropic; en su lugar, pivotaron para ser la plataforma que permite a esos modelos trabajar sobre datos empresariales gobernados.

Q2: ¿Qué papel juegan los “agentes de código” en Snowflake?
A2: Son el ROI más inmediato; permiten a los ingenieros y equipos de ventas crear demos personalizadas y scripts en una fracción del tiempo habitual, democratizando la creación técnica.

Q3: ¿Cómo visualiza Sridhar el futuro de los anuncios en la era de los chats de IA?
A3: Cree que el modelo publicitario persistirá pero se reinventará. El riesgo es que se vuelva más insidioso o menos transparente en interfaces conversacionales si no se mantiene la agencia del consumidor.

Q4: ¿Por qué es importante que las IA usen herramientas externas como Python?
A4: Porque no se debe pedir a un LLM que sea “inteligente” en todo; es mejor que use una herramienta fiable (como Python para matemáticas) en lugar de intentar alucinar un resultado.

Q5: ¿Qué lección trajo Sridhar de su paso por la startup Neeva a su rol actual?
A5: El valor del “hustle” y a no dar el éxito por sentado. En una startup aprendes a luchar por cada victoria, algo que aplica ahora para mantener la relevancia de Snowflake.

Q6: ¿Cuál es la diferencia entre un tablero (dashboard) y Snowflake Intelligence?
A6: El tablero es una vista 2D estática y limitada; Snowflake Intelligence es una interfaz fluida que responde a preguntas complejas y permite realizar acciones basadas en los datos.

Q7: ¿Cómo define Sridhar una empresa “data-first”?
A7: Es aquella donde los datos no son un registro histórico lento, sino un componente central que influye en el comportamiento del producto y las operaciones en tiempo real, como en los anuncios de búsqueda.