Snowflake Cortex AI और Snowflake Intelligence समझें

Snowflake Cortex AI उन AI services का सेट है जो आपके Snowflake account के अंदर चलती हैं। इसमें large language models को call करने वाले SQL functions, टेबल्स पर सवालों के लिए Cortex Analyst और दस्तावेज़ों के लिए Cortex Search शामिल हैं। Cortex Agents इन्हें orchestrate करते हैं, और Snowflake Intelligence, जिसका नाम अब Snowflake CoWork है, सबसे ऊपर का chat ऐप है।

इसका आकर्षण सीधा है। आपका डेटा उसी account, roles और policies के तहत रहता है जो आप पहले से चलाते हैं। जोखिम भी उतना ही सीधा है।

इसे चालू करना आसान है और इस पर पैसा ख़र्च करना भी आसान है। अगर नीचे का डेटा ठीक से मॉडल नहीं किया गया है, तो यह आत्मविश्वास से भरे ग़लत जवाब देता है।

जिन मैन्युफैक्चरिंग और डिफ़ेंस programmes पर मैंने काम किया है, उनमें सवाल कभी यह नहीं था कि "क्या Snowflake, AI कर सकता है?"। सवाल था "क्या हम जवाब पर भरोसा कर सकते हैं, और क्या हम साबित कर सकते हैं कि किसने क्या देखा?"। यह गाइड उसी बातचीत के लिए लिखी गई है।

इस क्षेत्र में प्रोडक्ट के नाम तेज़ी से बदले हैं। दो बदलाव मायने रखते हैं। Snowflake ने 4 November 2025 को Snowflake Intelligence को generally available घोषित किया, Cortex Agents और Snowflake-managed MCP server के साथ।

फिर June 2026 में Summit में इसने प्रोडक्ट का नाम बदलकर Snowflake CoWork कर दिया। कुछ SQL privileges और object names अब भी पुराना नाम इस्तेमाल करते हैं।

Document AI अब नहीं है। Snowflake ने 16 March 2026 को Document AI interface को बंद कर दिया और दस्तावेज़ों से extraction को AI_EXTRACT function पर ले गया। अगर किसी SI के प्रस्ताव में अब भी Document AI model builds का ज़िक्र है, तो वह पुराना है।

October 2026 में stack की स्थिति यह है, Snowflake के documentation से स्थिति और billing आधार के साथ।

Component	यह क्या करता है	स्थिति	Billing का आधार
Cortex AI Functions	AI_COMPLETE, AI_CLASSIFY, AI_FILTER, AI_AGG, AI_EXTRACT, AI_PARSE_DOCUMENT, AI_REDACT जैसे SQL functions	GA, कुछ functions preview में	प्रति million tokens AI Credits, या parsing के लिए प्रति पेज
Cortex Analyst	एक बिज़नेस सवाल को semantic view पर SQL में बदलता है	उपलब्ध; August 2026 से Snowflake इसे Cortex Agents के ज़रिए call करने की सलाह देता है, और REST API supported रहती है	API से प्रति message, Agents से प्रति token
Cortex Search	Text पर hybrid keyword और vector search, retrieval के लिए	October 2024 से GA	Index के प्रति GB प्रति माह AI Credits, साथ में refresh warehouse
Cortex Agents	किसी काम की योजना बनाता है और Analyst, Search, custom tools और MCP connectors को call करता है	November 2025 से GA	Orchestration tokens, साथ में हर tool की अपनी लागत
Snowflake CoWork (पहले Snowflake Intelligence)	बिज़नेस यूज़र्स के लिए chat ऐप, Cortex Agents पर बना	November 2025 से GA; June 2026 में घोषित कई features पर preview या "जल्द आ रहा है" का label था	Tokens, साथ में tool और warehouse की लागत
Snowflake-managed MCP server	Agents, Analyst, Search और SQL को बाहरी AI clients के लिए खोलता है	November 2025 से GA	नीचे के tools की लागत

मॉडल Anthropic, OpenAI, Google, Meta, Mistral AI और दूसरों से आते हैं, साथ में embedding और extraction के लिए Snowflake के अपने Arctic मॉडल। आप कौन से मॉडल call कर सकते हैं, यह आपके region और आपकी cross-region सेटिंग पर निर्भर करता है। इस पर आगे और बात, क्योंकि डिफ़ेंस क्लाइंट्स के लिए यही सबसे अहम फ़ैसला है।

Cortex Analyst आपकी टेबल्स पढ़कर अंदाज़ा नहीं लगाता। यह एक semantic view पढ़ता है: एक schema-level object जो आपकी बिज़नेस entities, measures, joins और synonyms को नाम देता है।

SQL लिखने के लिए सिर्फ़ वही metadata मॉडल तक जाता है। फिर SQL आपके warehouse में caller के role के तहत चलता है।

इसलिए revenue, scrap rate या on-time delivery के बारे में Snowflake CoWork का हर जवाब उसी semantic view पर टिका है। मेरे अनुभव में असली काम यहीं है।

कठिन हिस्सा semantic layer में metric की परिभाषाओं पर सहमति बनाना था, डेटा की सफ़ाई नहीं। "On-time delivery" को एक बार ऐसे परिभाषित करना जिसे sales, supply chain और फ़ाइनेंस तीनों मानें, किसी भी model configuration से ज़्यादा मीटिंग्स लेता है।

दो features मदद करते हैं। Verified queries आपको एक जाना-परखा सवाल और उसका SQL स्टोर करने देती हैं, ताकि मॉडल के पास हल किए हुए उदाहरण हों। Snowflake इनके सामने evaluations चलाने भी देता है, जिससे आपको demo की छाप की जगह सटीकता का एक आँकड़ा मिलता है।

पुराना तरीका, stage पर YAML semantic model फ़ाइलें, अब भी काम करता है। नए काम के लिए इससे बचें। Snowflake का अपना documentation semantic views की सलाह देता है, और stage तक access रखने वाला कोई भी व्यक्ति YAML मॉडल इस्तेमाल कर सकता है, जो governance की एक कमी है।

अगर आपका ERP डेटा अभी तक साफ़ तरीके से उतारा और मॉडल नहीं किया गया है, तो वहीं से शुरू करें। SAP, Oracle और Dynamics 365 डेटा को Snowflake में लाने पर मेरी गाइड वह कदम कवर करती है।

Snowflake Cortex AI के पक्ष में सबसे मज़बूत तर्क governance है। Cortex Analyst, Cortex Agents और CoWork आपके मौजूदा role-based access control, row access policies और masking का पालन करते हैं।

मॉडल का access अब ख़ुद role grants से नियंत्रित होता है। पुराना account-wide model allowlist parameter 2026 के दौरान retire हो रहा है।

किसी के sign-off करने से पहले कुछ बारीकियाँ जाँचने लायक हैं।

1. Cortex Search, owner के अधिकारों से चलता है. किसी search service पर USAGE रखने वाला हर व्यक्ति उन सब चीज़ों के नतीजे देखता है जिन्हें owning role ने index किया है। हर audience के लिए अलग services बनाएँ, एक बड़ा index नहीं।
2. Agents, caller का default role इस्तेमाल करते हैं. अगर यूज़र्स के पास व्यापक default roles हैं, तो agent को भी वही व्यापकता मिलती है। पहले roles ठीक करें।
3. Cross-region inference, prompts को आगे ले जाता है. CORTEX_ENABLED_CROSS_REGION parameter नियंत्रित करता है कि inference आपके home region के बाहर चल सकता है या नहीं। Snowflake कहता है कि डेटा home region में ही स्टोर रहता है और prompts कहीं और persist नहीं होते, लेकिन payload यात्रा करता है। कुछ नए संगठनों में default ANY_REGION होता है। Cross-region inference documentation सलाह देता है कि अगर आपकी residency ज़रूरतें हैं, तो इसे स्पष्ट रूप से सेट करें।
4. MCP server आपके agent को बायपास कर सकता है. Snowflake सलाह देता है कि गवर्न किए गए सवालों के लिए एक Cortex Agent को ही एकमात्र tool के रूप में खोलें। उसी server पर raw SQL execution खोलने से कोई बाहरी client agent के controls के इर्द-गिर्द से निकल सकता है।

डिफ़ेंस के लिए बिंदु 3 ही असली बातचीत है। Parameter को DISABLED या किसी regional value पर सेट करने से inference आपकी सीमा के अंदर रहता है, लेकिन इससे इस्तेमाल हो सकने वाले मॉडल कम हो जाते हैं और प्रति credit लागत बढ़ती है। Snowflake के US government regions, requests को उसी compliance सीमा के अंदर रखते हैं।

इसका MCP documentation यह भी कहता है कि MCP server का औपचारिक FedRAMP assessment पूरा नहीं हुआ है। Classified डेटा की इसमें कोई जगह नहीं है। Pilot को unclassified, non-export-controlled डेटा पर रखें, और अपने export control lead से सीमा पर लिखित सहमति लें।

मेरी AI governance framework गाइड policy वाला पक्ष कवर करती है।

AI features का बिल AI Credits में बनता है, जो warehouses का भुगतान करने वाले Platform Credits से अलग हैं। Snowflake के AI pricing पेज के अनुसार, global routing के साथ on demand एक AI Credit की कीमत $2.00 है, और जब आप inference को अपने region तक सीमित करते हैं या cross-region routing बंद करते हैं तो $2.20।

AI Credit की कीमत सभी editions में एक जैसी है। आपकी Platform Credit capacity छूट इस पर लागू नहीं होती।

नीचे के rates, 9 October 2026 से लागू Snowflake Service Consumption Table की list prices हैं, October 2026 में जाँची गईं। Enterprise agreements, AI Credit capacity tiers और नए मॉडल releases ये आँकड़े बदल देंगे।

Item	List rate
AI Credit, global routing / regional routing	$2.00 / $2.20
llama3.3-70b के साथ AI_COMPLETE (input / output)	प्रति million tokens 0.432 / 0.432 AI Credits
openai-gpt-4.1 के साथ AI_COMPLETE (input / output)	प्रति million tokens 1.20 / 4.80 AI Credits
claude-sonnet-4-5 के साथ AI_COMPLETE (input / output)	प्रति million tokens 1.80 / 9.00 AI Credits
AI_CLASSIFY या AI_FILTER	प्रति million tokens 1.62 AI Credits
AI_EXTRACT (arctic-extract)	प्रति million tokens 5.55 AI Credits
AI_PARSE_DOCUMENT, layout mode	प्रति 1,000 पेज 3.66 AI Credits
Cortex Search serving	Indexed डेटा के प्रति GB प्रति माह 6.3 AI Credits
REST API के ज़रिए Cortex Analyst	प्रति 1,000 messages 67 Platform Credits

मॉडल्स के बीच का अंतर बड़ा है। Output tokens पर claude-sonnet-4-5 की लागत llama3.3-70b से लगभग 20 गुना है। ग़लत मॉडल पर maintenance notes के दस साल का classification चलाना, एक हफ़्ते में AI budget उड़ाने का तरीका है।

लागत के तीन जाल लोगों को पकड़ते हैं। Multi-turn बातचीत हर turn पर पूरी history को दोबारा प्रोसेस करती है, इसलिए लंबी chats में प्रति सवाल लागत ज़्यादा होती है।

Agent की लागतें जुड़ती जाती हैं: orchestration tokens, फिर हर tool, फिर SQL चलाने वाला warehouse। Provisioned throughput, अगर आप उसे reserve करते हैं, cancel नहीं हो सकता और आप इस्तेमाल करें या न करें, उसका बिल बनता है।

Controls मौजूद हैं। Agents पर resource budgets, प्रति-यूज़र quotas और orchestration budgets इस्तेमाल करें। Usage views पर नज़र रखें, जैसे CORTEX_FUNCTIONS_QUERY_USAGE_HISTORY, CORTEX_AGENT_USAGE_HISTORY और SNOWFLAKE_COWORK_USAGE_HISTORY।

हर batch job को पहले एक sample पर परखें। मेरी Snowflake pricing और credits गाइड प्लेटफ़ॉर्म वाला पक्ष कवर करती है।

Snowflake का अपना documentation यहाँ ईमानदार है। Cortex Analyst उन सवालों का जवाब देता है जिनका जवाब SQL दे सकता है।

यह "margin क्यों गिरा?" जैसी खुली reasoning नहीं करता, और पिछली queries के नतीजों को दोबारा इस्तेमाल नहीं कर सकता। Snowflake यह चेतावनी भी देता है कि agent के जवाबों और citations के सटीक होने की गारंटी नहीं है।

मेरी राय: किसी फ़ैसले में जाने वाले हर AI जवाब को एक draft मानें जिस पर एक नामित व्यक्ति हस्ताक्षर करे। डिफ़ेंस में यह और मायने रखता है, जहाँ एक ग़लत आँकड़ा किसी contractual या audit दस्तावेज़ में पहुँच सकता है।

दूसरा जोखिम lock-in है। Semantic views, agents और search services, Snowflake objects हैं।

आपके prompts और evaluation sets कहीं भी ले जाए जा सकते हैं; बाकी ढाँचा नहीं। अगर आप अभी प्लेटफ़ॉर्म चुन रहे हैं, तो मेरी Snowflake vs Databricks तुलना यह trade-off सामने रखती है।

दोनों sectors में मैं जो पहला use case चुनूँगा, उसका आकार एक जैसा है: एक टीम के लिए सवालों का एक structured सेट और दस्तावेज़ों का एक सेट।

मैन्युफैक्चरिंग में मैं पहला pilot एक maintenance और quality assistant बनाऊँगा। एक semantic view, ERP और MES के work orders, downtime, scrap और non-conformance डेटा के ऊपर बैठता है।

एक Cortex Search service, maintenance procedures और बंद हो चुकी quality reports के ऊपर बैठती है। एक maintenance planner पूछता है "पिछली तिमाही में किन लाइनों में सबसे ज़्यादा unplanned downtime रहा, और पिछली बार हमें क्या मिला था?" और उसे आँकड़े और संबंधित reports मिलती हैं।

डिफ़ेंस में यही पैटर्न किसी unclassified programme पर supplier quality के लिए काम करता है: ERP से delivery और quality metrics, साथ में supplier corrective action दस्तावेज़। Classified और export-controlled सामग्री को पूरी तरह दायरे से बाहर रखें।

90 दिन का Cortex AI pilot

1. 01

   दायरा

   एक टीम, 20 से 30 असली सवाल और दस्तावेज़ों का एक सेट चुनें। कुछ भी करने से पहले cross-region parameter और roles सेट करें।

2. 02

   मॉडल

   Semantic view बनाएँ और शीर्ष सवालों के लिए verified queries लिखें। बिज़नेस owner के साथ metric की परिभाषाओं पर सहमति बनाएँ।

3. 03

   निर्माण

   हर audience के लिए Cortex Search service और एक Cortex Agent बनाएँ। पहले दिन ही budgets और प्रति-यूज़र quotas सेट करें।

4. 04

   परीक्षण

   सवालों के सेट के सामने evaluations चलाएँ। यूज़र्स जवाबों को रेट करते हैं। तुलना करें कि आज वही जवाब पाने में कितना समय लगता है।

5. 05

   फ़ैसला

   बढ़ाएँ, डेटा ठीक करें, या रोकें। लिखें कि कौन सा, और क्यों।

चार चीज़ें मापें, और शुरू करने से पहले एक baseline रिकॉर्ड करें।

1. जवाबों की सटीकता, verified सवालों के सेट के सामने, बिज़नेस owner द्वारा अंक दिए गए।
2. जवाब मिलने का समय, मौजूदा रास्ते की तुलना में, जो आम तौर पर किसी analyst से अनुरोध या रिपोर्ट की तलाश होता है।
3. प्रति जवाब दिए गए सवाल की लागत, usage views से, warehouse समय सहित।
4. Access अपवाद: कोई भी मामला जहाँ किसी यूज़र ने ऐसा डेटा देखा जहाँ उसका role नहीं पहुँचना चाहिए। लक्ष्य शून्य है।

कुछ भी ख़रीदने से पहले अपनी मौजूदा CORTEX_ENABLED_CROSS_REGION सेटिंग निकालें, उन लोगों की सूची बनाएँ जिनके पास व्यापक default roles हैं, और वे 20 सवाल चुनें जो आपके operations director हर महीने पूछते हैं। यह एक पेज का brief किसी भी वेंडर demo से ज़्यादा बताएगा कि आप कितने तैयार हैं।

अगर आप pilot के दायरे, residency सेटिंग्स या किसी SI के प्रस्ताव पर दूसरी राय चाहते हैं, तो मैं संगठनों को इन फ़ैसलों में मदद करता हूँ। आप यहाँ संपर्क कर सकते हैं। Databricks में इसके बराबर के लिए Databricks Genie और Agent Bricks पर मेरा लेख देखें।

Snowflake Cortex AI क्या है?

Snowflake Cortex AI, Snowflake की AI services का परिवार है जो आपके Snowflake account के अंदर चलती हैं। इसमें large language models को call करने वाले AI SQL functions, टेबल्स पर सवालों के लिए Cortex Analyst और दस्तावेज़ों के लिए Cortex Search शामिल हैं। Cortex Agents इन tools को orchestrate करते हैं, और Snowflake CoWork ऐप बिज़नेस यूज़र्स को सेवा देता है।

क्या Snowflake Intelligence और Snowflake CoWork एक ही हैं?

हाँ। Snowflake Intelligence, 4 November 2025 को generally available हुआ और June 2026 में Snowflake Summit में इसका नाम बदलकर Snowflake CoWork कर दिया गया। कुछ SQL privileges और default object names अब भी Snowflake Intelligence नाम इस्तेमाल करते हैं।

क्या Snowflake Cortex मेरा डेटा Snowflake के बाहर भेजता है?

मॉडल Snowflake की service सीमा के अंदर चलते हैं, और आपका स्टोर किया गया डेटा आपके account के home region में रहता है। Cross-region inference चालू होने पर prompts और responses किसी दूसरे region में प्रोसेस हो सकते हैं और वहाँ persist नहीं होते। अगर आपके residency नियम हैं, तो CORTEX_ENABLED_CROSS_REGION parameter को स्पष्ट रूप से सेट करें।

Snowflake Cortex AI की लागत कितनी है?

ज़्यादातर Cortex features का बिल AI Credits में बनता है, global routing के साथ $2.00 प्रति credit या regional routing के साथ $2.20, list price October 2026 में जाँची गई। Rates मॉडल और feature के हिसाब से बदलते हैं, प्रति million tokens एक credit के अंश से लेकर कई credits तक। REST API के ज़रिए Cortex Analyst प्रति 1,000 messages 67 Platform Credits का बिल बनाता है। Enterprise agreements ये आँकड़े बदल देते हैं।

Snowflake semantic views क्या हैं?

Semantic views, schema-level Snowflake objects हैं जो बिज़नेस entities, measures, relationships और synonyms का वर्णन करते हैं। Cortex Analyst और Cortex Agents इनका इस्तेमाल सवालों को सटीक SQL में बदलने के लिए करते हैं। ये पुरानी YAML semantic model फ़ाइलों की जगह लेते हैं और जवाबों की quality का मुख्य कारक हैं।

Snowflake Document AI की जगह क्या आया?

AI_EXTRACT function। Snowflake ने 16 March 2026 को Document AI interface और उसका PREDICT method बंद कर दिया। AI_EXTRACT एक ही SQL call में दस्तावेज़ों से entities, lists और टेबल्स निकालता है और tokens पर बिल बनाता है।