2026 年，智能体将在企业级应用中取得哪些实质性突破？点击下载《2026 年 AI 与数据发展预测》白皮书，获悉专家一手前瞻，抢先拥抱新的工作方式！
每天早上，业务用户都以同样的方式开始一天：打开多个工具，等待更新后的报告，并联系分析师索要一个他们昨天就需要的数字，以便采取有意义的行动。工具和数据都已存在。但没有任何东西将它们连接起来，也没有任何东西帮助他们推进工作。Snowflake Intelligence 改变了这一点。
凭借最新更新，Snowflake Intelligence 现在已成为每位业务用户的个人工作 Agent，它能够学习个人如何访问数据、获取洞察，并在他们已经依赖的工具中采取行动。
Snowflake Intelligence 为业务用户提供了一个统一的位置，让他们可以跨数据提问并采取行动。这个个性化工作 Agent 能够生成基于业务语境的结果，并帮助用户对企业数据形成共同理解。
通过受治理的集成，业务用户可以直接在工作发生的系统中操作：MCP 连接器（即将全面可用）可直接连接 Gmail、Google Calendar、Google Docs、Jira、Salesforce 和 Slack，使用户无需离开工作流即可采取行动。全新的 Snowflake Intelligence iOS 移动应用（公开预览版）以及响应延迟方面的性能改进，有助于确保体验快速响应，并可在任何工作发生的地方使用。Snowflake Intelligence 由 Cortex Agents 提供支持，运行在已承载企业数据的同一平台上，并受保护这些数据的相同政策治理。用户可以在一个可信、受治理的环境中，从实验推进到实现真正的业务成果。
借助这些新能力，Snowflake Intelligence 现在代表着从只读洞察到真正行动的转变，这是 Snowflake 更广泛愿景的基础：成为 Agentic Enterprise 的控制平面。
Capita 首席 AI 与产品官 Sameer Vuyyuru 表示：“Snowflake 为 Capita 的 AI Catalyst Stack 提供了数据和智能基础，使我们能够整合碎片化的运营数据，并在我们运营的公共服务联络中心以及我们帮助转型的私营部门联络中心中，提供实时的自然语言洞察。借助 Snowflake Intelligence，我们正在加快决策速度，降低运营开销，并为客户和我们自身的运营释放有意义的效率提升。与此同时，Snowflake 帮助我们在高度受监管、面向公民的服务中安全部署 AI，并实现适当治理；在这些服务中，性能、合规性和信任至关重要。”
在企业规模下，最难的问题并不是智能本身。真正的挑战在于语境。Agent 失败并不是因为它们不够聪明，而是因为它们对你的业务、你的数据以及你的具体情况缺乏足够的语境。Snowflake Intelligence 在你最重要的数据已经所在的位置运行，因此每个答案都基于你业务中实际发生的情况，并使用你的语义模型以及你的组织已经定义的含义。
Snowflake Intelligence 提供了一个覆盖整个企业数据资产的单一对话界面。该 Agent 会自动判断应从哪里检索信息：Snowflake 表中的结构化数据、文档和转录文本等非结构化内容，或通过 MCP 连接器连接的外部系统。用户不需要知道系统是如何构建的，也不需要知道数据存放在哪里。他们只需提问，Agent 会处理其余工作。
以一位销售负责人准备每周预测评审为例。如今，这个流程意味着要打开多个仪表板、导出报告，并手动标记存在风险的交易。借助 Snowflake Intelligence，它变成了一次单一对话：
“哪些交易最有可能在本季度延迟？”Agent 会分析销售管道数据、互动趋势，并浮现出动能下降的交易，同时解释促成因素；
“为排名前五的高风险客户起草跟进邮件。” Agent 会使用 CRM 备注、会议摘要和客户历史记录生成个性化邮件；
“将摘要发布到销售频道。” Agent 会将其直接发送到 Slack（即将全面可用）。
过去需要在 CRM、电子邮件客户端和分析师之间协调完成的工作，现在可以在几分钟内通过一次对话完成。
图 1：用于连接数据并跨系统采取行动的 MCP 连接器
United Rentals 首席技术与战略官 Tony Leopold 表示：“借助 Snowflake Intelligence，我们遍布 1,600 多个地点的团队可以使用自然语言更好地了解运营绩效，并获取实时洞察，而无需依赖分析师。这正在加速决策，并在单一受治理数据源的基础上，在整个业务中建立更强的一致性。展望未来，Cortex Code 正在帮助我们构建和扩展 AI Agents，以加速销售增长并提高车队可用性，推动我们日常运营方式的进步。”
当应用于各职能部门日常工作的完整范围时，答案与成果之间的区别最为清晰。
以一位财务分析师调查预算差异为例。他们问：“为什么上个季度东北地区的运营费用增加了？”
Agent 会跨成本中心、供应商发票和时间周期追踪差异。它会：
识别具体的成本驱动因素；
按项目明细提供拆分；
用通俗语言解释背景。
随后，分析师要求 Agent 为领导层生成摘要并通知采购部门。这两个步骤会在数秒内完成。从调查到沟通，在一个工作流中完成。
洞察可以被可视化、保存并作为 Artifacts（即将全面可用）共享；Artifacts 是可重复使用的交互式输出，能够保留底层数据、SQL 和语境。Artifacts 使在 Snowflake Intelligence 内部共享发现成为可能。一项分析会成为一个动态的共享资源，团队成员可以在其基础上共同构建和完善，同时保持治理控制不变。
图 2：从答案到成果：将分析转化为可行动、可共享的工作流
用户还可以通过 Skills（即将全面可用）进一步简化这些工作流。Skill 会将可重复的任务转化为任何用户都可以通过一个提示调用的可复用工作流。准备客户会议、查询使用量数据、生成简报，都可以定义一次，然后通过一次请求触发。每周高管摘要、销售管道风险报告、基于会议转录文本的跟进序列，都可以实现自动化并在团队中共享。
同样的模式也适用于运营。运营经理问："本周是否存在库存风险？"Agent 会检查库存水平、供应商交货周期和物流时间线。它会标记某条产品线中潜在的短缺，并解释根本原因。
经理接下来的操作：
"升级给供应商。" 完成；
"为物流团队创建 Jira 工单。" 完成。
这两个行动都会在治理边界内执行。无需跨系统进行手动协调。
图 3：Skills：从洞察到执行的端到端工作流自动化
将洞察连接到行动的能力取决于信任，而这种信任来自智能运行的位置。
Snowflake Intelligence 直接运行在已经承载企业数据的平台上。它应用组织当前所依赖的相同治理模型，包括基于角色的访问控制、行级策略和数据脱敏。每个响应都反映用户被授权查看的数据，每个行动都在管理员定义的边界内执行。预算控制（全面可用）提供对 AI 使用情况的集中可见性，并允许团队在单个团队或工作流层面管理成本。身份提供商集成（全面可用），包括通过 SCIM 集成 Okta 和 Microsoft Entra ID，使组织能够大规模配置业务用户，而无需手动设置单个 Snowflake 账户。Snowflake Intelligence 专属用户可以访问智能层，而无法看到 Snowsight 或 SQL 界面，从而使体验与其角色保持相关。
与通用 AI 工具相比，这是一个有意义的区别。Snowflake Intelligence 将对外部系统的受治理访问与对完整企业数据资产的直接访问相结合。每个行动都在已定义的政策内执行。每次交互都可以被完全审计，而这种可审计性正是让 AI 从实验走向生产的关键。
并非所有问题都能通过单次查询回答。有些问题需要连接多个系统中的信号，才能浮现出任何单一数据集中都不可见的关系。
Deep Research（即将公开预览）正是为了这些场景而扩展 Snowflake Intelligence。它跨数据孤岛执行多步骤分析，将结果综合成一份结构化、完整引用的报告，解释正在发生什么、为什么发生，以及下一步该做什么。标准查询返回的是单一答案，而 Deep Research 会同时运行多个 Agents，一起扫描结构化数据、非结构化内容和外部语境，以回答复杂的“为什么”问题；这些问题通常需要跨职能团队花费数天时间。它以覆盖完整企业数据资产的更广泛、多来源语境，补充了 Extended Thinking 精确、单轮深度分析的能力。
一个产品团队在调查客户流失时，会询问为什么某个特定客户细分群体的流失率高于预期。Deep Research 会同时分析使用数据、支持工单、反馈和销售互动，按重要性顺序呈现促成因素，并提供团队可以立即采取行动的建议。
图 4：Deep Research：面向复杂“为什么”问题的多 Agent、跨来源分析
Telenav 产品开发副总裁 Kumar Maddali 表示：“Snowflake Intelligence 赋予了我们的数据可信赖的声音，而 Cortex Code 正在显著提升我们使用数据的生产力。在 Telenav，我们每月处理超过 20 TB 的数据，每天处理超过 2 亿个事件。过去，从原始数据到洞察需要数天到数周，现在通过对话式、自助式体验，可以在几分钟到几小时内完成。两者结合在一起，正在加速我们将复杂数据转化为实时智能的过程，并帮助整个企业更快地做出更明智的决策。”
Snowflake Intelligence iOS 移动应用（公开预览版）将完整的 Snowflake Intelligence 体验带到任何设备上，让用户可以随时随地基于洞察采取行动、批准建议，或查看持续目标。Face ID 身份验证消除了登录摩擦，因此只需一眼即可直接进入你的个人 Agent，并从上次停止的地方继续工作。
图 5：你的 Agent，无处不在：移动端 Snowflake Intelligence
在企业范围内扩展 AI，需要一个能够一致执行治理策略、支持持续改进，并为构建者提供生产规模所需工具的平台。
Cortex Agents 提供了基础。构建者使用可组合的构建模块来定义工作流、集成工具和数据源，并组装支撑最终用户体验的能力。该平台支持从设计到部署和监控的完整生命周期。Agent Versioning（全面可用）和 CI/CD 工作流使团队能够安全迭代，在需要时回滚，并以与生产软件相同的工程严谨性推进变更。Agent Evaluations 会在每个阶段衡量准确性和可靠性，在质量需要改进时提供明确的信号。安全代码执行沙盒（即将公开预览）支持在 Agent 工作流中进行高级数据转换、统计分析和内容生成。
每周有超过 9,100 家客户使用 Snowflake 的 AI 产品，随着企业从 AI 实验转向真实场景部署，这一数字还在持续增长。
Snowflake Intelligence 建立在企业已经信任的基础之上。将智能直接带到这个基础之上，而不是将数据提取到外部系统中，正是让 AI 能够在企业所需的规模和信任水平上变得切实可行的原因。
Snowflake Intelligence 正是这一愿景如今面向业务用户落地运行的地方，它是每位业务用户所需的个性化工作 Agent，也是 Snowflake 面向 Agentic Enterprise 的控制平面的基础。
观看 Snowflake Intelligence 演示，了解这些能力的实际应用；
使用我们的文档开始使用 Snowflake Intelligence；
了解为什么 Snowflake 是通过 Cortex Agents 构建、治理和扩展企业 AI Agents 的最佳平台。
原文地址：https://www.snowflake.com/en/blog/snowflake-intelligence-work-agent/
点击链接立即报名注册：Ascent - Snowflake Platform Training - China，更多 Snowflake 精彩活动请关注专区。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。