Snowflake ha dado un paso significativo en la optimización del uso de inteligencia artificial al anunciar la integración del enrutamiento dinámico de modelos en su plataforma Cortex AI Gateway, así como en sus principales productos de IA. Con esta funcionalidad, la compañía líder en AI Data Cloud busca proporcionar a las empresas una herramienta definitiva para maximizar el rendimiento y la eficiencia de sus recursos de inteligencia artificial, a la vez que optimizan el gasto asociado a su uso.
La innovación se centra en mejorar lo que Snowflake denomina «eficiencia de la inteligencia», un concepto que representa la capacidad de una organización para convertir recursos tecnológicos, modelos de IA, datos y contexto empresarial en resultados valiosos para el negocio. Cortex AI Gateway, introducido por la empresa en julio de 2026, es una plataforma que ya manejaba las conexiones entre agentes, dirigía solicitudes y optimizaba el uso de recursos de IA. Ahora, con la incorporación del enrutamiento dinámico de modelos, se busca una mejor asignación de modelos a tareas específicas, basado en una evaluación del costo y calidad del modelo necesario para cada trabajo.
La nueva funcionalidad dentro de los productos de IA de Snowflake, como CoCo y CoWork, permite a los usuarios desviar solicitudes menos complejas a modelos más económicos mientras que las tareas que demandan mayor capacidad se asignan a modelos de frontera. Esto no solo ayuda a reducir costos innecesarios sino que elimina la carga de gestionar la selección del modelo para cada solicitud de manera manual.
A la par de esta innovación, Snowflake ha ampliado su catálogo de modelos disponibles a través de la integración de los modelos abiertos más punteros del mercado, incluidos DeepSeek-V4-Flash 0731 y GLM-5.3. Al hacerlo, ofrece a sus clientes una gran flexibilidad para adaptar la elección de modelos a necesidades concretas, sin comprometer la seguridad y gobernanza de los datos.
Sridhar Ramaswamy, CEO de la empresa, ha subrayado la importancia de esta evolución al afirmar que la eficiencia en inteligencia artificial ya no se mide por la cantidad implementada, sino por la capacidad de generar valor real para el negocio. Subrayó que el rol de Snowflake es simplificar estas complejidades para que las empresas puedan concentrarse en los resultados, mientras ellos optimizan el back-end.
Esta iniciativa también ha sido avalada por expertos del sector como Sanjeev Mohan de SanjMo, quien destacó que la automatización en la selección de modelos aborda una brecha crucial que impedía el despliegue eficiente de la IA a nivel empresarial. Mohan señaló que esto permite alinear la complejidad de la carga de trabajo con el costo del modelo sin tener que rediseñar la infraestructura continuamente.
En una serie de pruebas internas, Snowflake ha evidenciado el impacto positivo del uso del enrutamiento dinámico de modelos. Experiencias realizadas demuestran una significativa optimización en el uso de tokens para tareas como transformaciones de datos y revisiones de código, incrementando hasta tres veces la eficiencia en algunos casos.
Además de las mejoras técnicas, la plataforma ofrece herramientas de gestión y visibilidad del uso de IA, permitiendo a los administradores establecer límites de gasto y mantener el control sobre la gobernanza y la seguridad de los datos distribuidos en la nube.
Al final, la propuesta de Snowflake no solo apunta a un manejo más eficiente de la inteligencia artificial, sino que también otorga a las empresas la capacidad de escalar sus operaciones de manera rentable, al tiempo que mantienen la confianza y control sobre sus datos. Con estos avances, Snowflake está redefiniendo cómo las empresas entienden y utilizan la inteligencia artificial en el entorno empresarial contemporáneo.
