Cortex AI

Snowflake Cortex AI

Generativní AI a strojové učení přímo v Snowflake bez přesunu dat

Snowflake Cortex AI

Generativní AI přímo ve vašich datech

Snowflake Cortex přináší sílu velkých jazykových modelů (LLM) přímo do vašeho datového skladu. Žádné přesouvání dat, žádné externí API, žádné bezpečnostní kompromisy – AI pracuje tam, kde jsou vaše data.

10+
LLM modelů k dispozici
100%
data governance
ms
latence odpovědí

Proč Snowflake Cortex?

Tradiční přístup k AI vyžaduje export dat do externích služeb. Cortex toto mění:

  • Data nikdy neopouštějí Snowflake – maximální bezpečnost a compliance
  • Přístup k nejnovějším LLM modelům (Mistral, Llama, Arctic) bez infrastruktury
  • Platíte pouze za skutečné využití – žádné fixní náklady na GPU
  • SQL-native rozhraní – žádné složité ML pipelines
  • Automatické škálování pro miliony požadavků

Klíčové schopnosti Cortex

COMPLETE

Generování textu, odpovědi na otázky, sumarizace pomocí LLM

SEARCH

Sémantické vyhledávání a RAG (Retrieval-Augmented Generation)

SUMMARIZE

Automatická sumarizace dokumentů a textových dat

SENTIMENT

Analýza sentimentu a klasifikace textu

Praktické použití Cortex AI

Inteligentní chatboti

Zákaznická podpora postavená na vašich datech – produktové informace, FAQ, knowledge base.

Sémantické vyhledávání

Vyhledávání podle významu, ne klíčových slov. Najděte relevantní dokumenty i bez přesné shody.

Automatizovaná analytika

Text-to-SQL převod umožňuje business uživatelům ptát se dat přirozeným jazykem.

Compliance automatizace

Automatická klasifikace dokumentů, extrakce entit a audit trail pro regulované odvětví.

Praktické Use Cases

Reálné aplikace Snowflake Cortex

Prozkumejte konkrétní scénáře, kde Cortex AI transformuje business procesy a přináší měřitelnou hodnotu.

Střední
Self-Service Analytics

Cortex Analyst + Semantic Views

Business uživatelé pokládají otázky v přirozeném jazyce ("Jaký byl revenue growth v EMEA minulý kvartál?") a dostávají okamžité, ověřené odpovědi bez nutnosti znalosti SQL.

90% redukce času na ad-hoc reporty
Integrace do Slack/Teams
Ověřené metriky pomocí YAML semantic models
Nízká
Document AI

Inteligentní zpracování dokumentů

Automatická extrakce strukturovaných dat z faktur, smluv a technické dokumentace. Model Arctic-TILT rozpoznává i ručně psaný text a komplexní tabulky.

95%+ přesnost OCR
Podpora 20+ jazyků
Zpracování PDF, obrázků, skenů
Střední
Enterprise Knowledge Base

RAG přes firemní dokumenty

Vybudujte interní "Talk to your Docs" portál pro HR politiky, technické manuály nebo právní dokumenty. Cortex Search kombinuje keyword a vector search.

Hybrid search (BM25 + embeddings)
Real-time indexování
Context-aware odpovědi
Pokročilá
Agentic AI

MCP Server pro AI agenty

Napojte Claude, GPT nebo vlastní agenty na Snowflake přes Model Context Protocol. Agenti mohou nejen dotazovat data, ale i spouštět akce.

Standardizované rozhraní
Bezpečný přístup k datům
Multi-tool orchestration
Nízká
Predictive Analytics

Demand Forecasting

ML funkce FORECAST automaticky vybírá nejlepší model pro vaše časové řady. Predikce poptávky, inventory planning, capacity planning.

AutoML model selection
Confidence intervaly
Feature importance analysis
Střední
Compliance & Risk

Automatická klasifikace dokumentů

LLM funkce klasifikují dokumenty podle citlivosti, extrahují entity (GDPR PII), a vytváří audit trail pro regulované industrie.

GDPR/SOC2 compliance
Entity extraction
Automated tagging
Nízká
Customer Intelligence

Sentiment & Voice of Customer

Analýza zákaznických recenzí, support tiketů a sociálních médií. SENTIMENT funkce plus custom prompty pro detailní insights.

Multi-language support
Aspect-based sentiment
Trend detection
Střední
Customer Support

AI Support Agent

Chatbot postavený na vašich datech - produktové informace, FAQ, knowledge base. RAG zajistí relevantní odpovědi grounded v reálných datech.

24/7 dostupnost
Konzistentní odpovědi
Eskalace na člověka
Semantic Views

Semantic Views: Základ přesného Text-to-SQL

Semantic Views definují business logiku, metriky a vztahy mezi tabulkami v YAML formátu. Cortex Analyst díky nim generuje spolehlivé SQL dotazy z přirozeného jazyka.

Jak Semantic Views fungují

Semantic View je YAML soubor popisující strukturu dat, metriky, dimenze a vztahy. Cortex Analyst používá tento kontext pro přesný překlad otázek do SQL.

1

Definice entit

Tabulky, sloupce, datové typy a popisky

2

Metriky

Agregace, výpočty, KPIs s přesnými formulemi

3

Vztahy

Joiny, foreign keys, one-to-many vazby

4

Ověřené dotazy

Příklady správných SQL pro trénink modelu

Ukázka Semantic View (YAML)
# semantic_model.yaml
name: sales_analytics
tables:
  - name: orders
    description: "Tabulka objednávek"
    columns:
      - name: order_id
        description: "Unikátní ID objednávky"
        data_type: VARCHAR
      - name: revenue
        description: "Celková hodnota objednávky v CZK"
        data_type: DECIMAL
        
  - name: customers
    description: "Master data zákazníků"
    
relationships:
  - from: orders.customer_id
    to: customers.id
    type: many_to_one
    
metrics:
  - name: total_revenue
    expression: "SUM(orders.revenue)"
    description: "Celkový obrat"
    
  - name: avg_order_value
    expression: "AVG(orders.revenue)"
    description: "Průměrná hodnota objednávky"
    
verified_queries:
  - question: "Jaký byl celkový obrat minulý měsíc?"
    sql: |
      SELECT SUM(revenue) as total_revenue
      FROM orders
      WHERE order_date >= DATE_TRUNC('month', CURRENT_DATE - INTERVAL '1 month')
        AND order_date < DATE_TRUNC('month', CURRENT_DATE)

Přesné odpovědi

Verified queries zajišťují, že model generuje správné SQL i pro komplexní dotazy.

Governance

Centrální definice metrik = konzistentní výsledky napříč organizací.

Rychlý onboarding

Semantic Views lze generovat semi-automaticky z existujícího schématu.

Self-service

Business uživatelé dotazují data bez znalosti SQL nebo schématu.

Semantic View Autopilot

Pomocí AI nástrojů (Cursor, Claude Code) lze automaticky generovat Semantic Views z database schématu. Ušetříte hodiny manuální práce.

  • Automatická detekce foreign keys a vztahů
  • Návrhy metrik na základě datových typů
  • Generování verified queries z existujících reportů
  • Iterativní vylepšování na základě user feedback
Model Context Protocol

MCP Server: "USB-C port pro AI"

Snowflake poskytuje managed MCP server jako standardizované rozhraní pro připojení AI agentů. Claude, GPT nebo vlastní agenti mohou bezpečně přistupovat k vašim datům a nástrojům.

Co je Model Context Protocol?

MCP je otevřený standard pro připojení AI modelů k externím datovým zdrojům a nástrojům. Snowflake MCP server umožňuje:

  • AI agenti mohou volat Cortex Analyst pro dotazy nad strukturovanými daty
  • Cortex Search pro sémantické vyhledávání v dokumentech
  • Přímé SQL dotazy s bezpečnostním kontextem uživatele
  • Spouštění stored procedures a Snowpark funkcí

Architektura MCP integrace

1

AI Agent

Claude, GPT, custom agent

2

MCP Protocol

Standardizované rozhraní

3

Snowflake MCP Server

Managed endpoint

4

Cortex Tools

Analyst, Search, SQL

Enterprise Security

Všechny dotazy procházejí Snowflake RBAC. Agent má pouze oprávnění uživatele, který ho spustil.

Standardizované API

Jeden protokol pro všechny AI agenty. Žádné custom integrace pro každý model.

Multi-Tool Orchestration

Agent může v jedné konverzaci kombinovat Analyst, Search a SQL podle potřeby.

Data Locality

Data nikdy neopouštějí Snowflake. Pouze výsledky jsou posílány agentovi.

Ukázka vytvoření MCP serveru
-- Vytvoření MCP serveru ve Snowflake
CREATE MCP SERVER cortex_mcp_server
FROM SPECIFICATION $$
{
  "tools": [
    {
      "name": "cortex_analyst_query",
      "description": "Query structured data using natural language",
      "inputSchema": {
        "type": "object",
        "properties": {
          "question": { "type": "string" }
        }
      }
    },
    {
      "name": "cortex_search",
      "description": "Semantic search over documents",
      "inputSchema": {
        "type": "object",
        "properties": {
          "query": { "type": "string" }
        }
      }
    }
  ]
}
$$;

Typické MCP scénáře

AI asistent pro interní helpdesk s přístupem k firemním datům
Automatizované reporty generované na základě přirozeného jazyka
Agentic workflows: dotaz → rozhodnutí → akce (např. update v CRM)
Multi-source RAG kombinující strukturovaná a nestrukturovaná data
Srovnání

Snowflake Cortex vs. Externí AI služby

Porovnejte Cortex s OpenAI API, Azure OpenAI, AWS Bedrock a vlastní ML infrastrukturou.

KritériumSnowflake CortexExterní API (OpenAI)Vlastní ML infra
Data security
Data v Snowflake
Transfer k provideru
Plná kontrola
Latence
Nízká (data locality)
Síťová latence
Závisí na setup
Setup komplexita
SQL funkce
API integrace
MLOps pipeline
Škálování
Automatické
Automatické
Manuální správa
Model selection
Omezený výběr
GPT-4, Claude
Libovolný model
Fine-tuning
Vybrané modely
Omezené
Plná flexibilita
Náklady
Kredity za inference
Per token + egress
GPU náklady
Governance
Snowflake RBAC
Separátní systém
Nutno implementovat

Kdy použít kterou variantu?

Snowflake Cortex

Ideální pro organizace s daty ve Snowflake, které potřebují rychlou implementaci AI bez security kompromisů.

  • Text analytics nad interními daty
  • RAG přes firemní dokumenty
  • ML predikce v SQL

Externí API

Vhodné pro nejnovější modely (GPT-4, Claude) nebo specializované use cases, kde data security není kritická.

  • Customer-facing chatboti
  • Kreativní generování obsahu
  • Komplexní reasoning

Vlastní infrastruktura

Pro organizace s přísnými compliance požadavky nebo specifickými ML workloads vyžadujícími GPU.

  • Regulované industrie
  • Custom model training
  • Edge deployment

Hybridní přístup

Většina enterprise organizací kombinuje více přístupů: Cortex pro interní analytiku, externí API pro customer-facing aplikace, a vlastní modely pro kritické workloads.

Cortex pro data-heavy analytické use cases
MCP propojuje Cortex s externími agenty
Gateway pattern pro routing mezi modely
Jednotná governance vrstva napříč platformami

Naše Cortex AI služby

LLM funkce

Využití velkých jazykových modelů přímo v SQL dotazech

ML funkce

Předdefinované funkce strojového učení pro predikce a detekci anomálií

Dokumentové AI

Extrakce informací z dokumentů pomocí AI

Vyhledávací služba

Sémantické vyhledávání v nestrukturovaných datech

Textová analytika

Analýza sentimentu, sumarizace, překlad

Doladění modelů

Customizace modelů pro vaše specifické potřeby

Implementační proces

Zavedení AI možností do Snowflake

1

Fáze 1: Analýza a plánování

1-2 týdny
  • Identifikace případů užití
  • Posouzení připravenosti dat
  • Odhad návratnosti investice
  • Mapování schopností
  • Výběr pilotního projektu
2

Fáze 2: Pilotní implementace

2-4 týdny
  • Nastavení prostředí
  • Vývoj funkcí
  • Integrační testování
  • Ladění výkonu
  • Zpětná vazba uživatelů
3

Fáze 3: Produkční nasazení

2-4 týdny
  • Nasazení do produkce
  • Nastavení monitoringu
  • Řízení nákladů
  • Dokumentace
  • Školení
4

Fáze 4: Škálování a optimalizace

Průběžně
  • Další případy užití
  • Doladění modelů
  • Optimalizace výkonu
  • Optimalizace nákladů
  • Sledování inovací

Technologický stack

Snowflake Cortex AI možnosti

LLM Functions

COMPLETESUMMARIZETRANSLATESENTIMENT

Search

Vector EmbeddingsSemantic SearchRAGHybrid Search

ML Functions

FORECASTANOMALY_DETECTIONCLASSIFICATIONClustering

Integration

SnowparkStreamlitSQLPython UDFs

Časté dotazy k Snowflake Cortex AI

Odpovědi na nejčastější otázky o AI a ML ve Snowflake

Snowflake Cortex — klíčová témata

Snowflake Cortex AI — generativní AI ve vašich datech

LLM funkce, RAG, semantic search a Cortex Analyst přímo v SQL — bez přesouvání dat ven ze Snowflake.

Cortex LLM Functions (COMPLETE)

SQL funkce SNOWFLAKE.CORTEX.COMPLETE() volá Mistral, Llama 3, Snowflake Arctic — text generation a Q&A přímo v dotazu, bez infrastruktury.

Cortex Search (RAG)

Plně managed vector search nad vašimi dokumenty — Snowflake spravuje embeddings, hybrid search (vector + keyword) a re-ranking pro RAG aplikace.

Cortex Analyst (Text-to-SQL)

Conversational analytics nad semantic modelem — business uživatelé se ptají v přirozeném jazyce a Cortex generuje validní SQL nad governed daty.

Cortex AISQL a AI_CLASSIFY

Nové AI_FILTER, AI_CLASSIFY, AI_SUMMARIZE_AGG funkce — strukturovaná extrakce z nestrukturovaného textu jednou SQL klauzulí.

EMBED_TEXT a VECTOR datatype

Nativní VECTOR(FLOAT, 768) typ + EMBED_TEXT_768() — embeddings (e5, voyage) a similarity search bez externí vector DB.

Document AI a PARSE_DOCUMENT

PARSE_DOCUMENT extrahuje text a strukturu z PDF/Word/PPT v stage — vstup pro Cortex Search a fine-tuning bez OCR pipeline.

Cortex Fine-tuning

Fine-tuning Mistral a Llama modelů na vašich datech bez exportu — výsledný model běží serverless v Snowflake, billed per-token.

Cortex Guard a AI Trust

Built-in safety filtry pro prompt injection, toxicity a PII — Cortex Guard chrání produkční LLM aplikace bez vlastního moderation layeru.

External Access (Bedrock, OpenAI)

EXTERNAL ACCESS INTEGRATION + Network Rules — volání OpenAI GPT-4, Anthropic Claude, AWS Bedrock z Cortex funkcí pro hybrid LLM strategii.

Snowflake Notebooks pro AI

Notebooks s Python kernel, Cortex SQL funkce a Streamlit — end-to-end vývoj RAG aplikace v jednom prostředí, bez setupu.

Cortex pricing a credit consumption

Per-token pricing v credits — COMPLETE (Llama 3 70B) ~0.0001 credit/token, embeddings ~0.0000001 credit/token. Transparentní v ACCOUNT_USAGE.

Snowpark Container Services pro vlastní LLM

Deploy vlastních modelů (Hugging Face, custom fine-tune) v SPCS s GPU — kombinace s Cortex přes UDF pro hybrid AI architekturu.