A Snowflake está prestes a revolucionar a análise de dados complexos com o lançamento do Cortex Analyst, um sistema avançado de IA autônoma agora disponível em prévia pública. Anunciado no Data Cloud Summit da empresa em junho, o Cortex Analyst oferece uma interface conversacional que permite aos usuários interagirem com seus dados em linguagem simples, simplificando o processo analítico.
O Cortex Analyst otimiza a análise autoatendida convertendo consultas dos usuários em SQL, consultando os dados e validando as respostas, tudo realizado de maneira eficiente pela IA. Segundo Baris Gultekin, líder de IA da Snowflake, o Cortex Analyst utiliza uma abordagem colaborativa envolvendo múltiplos modelos de linguagem (LLMs), atingindo uma taxa de precisão impressionante de cerca de 90%. Esse nível de precisão supera significativamente as soluções de texto para SQL existentes, incluindo as oferecidas pela Databricks, facilitando fluxos de trabalho analíticos mais rápidos e capacitando os usuários a tomar decisões informadas de forma ágil.
Transformando a Análise com o Cortex Analyst
Com o crescente investimento das empresas em previsões e gerações impulsionadas por IA, a análise de dados continua sendo crucial para o sucesso empresarial. As organizações aproveitam insights de dados históricos estruturados para orientar decisões em áreas como marketing e vendas. No entanto, as análises tradicionais costumam depender de painéis de inteligência de negócios (BI) que visualizam dados por meio de gráficos e tabelas, o que pode criar rigidez. Isso dificulta a análise de métricas específicas e frequentemente exige assistência de analistas, prolongando o processo decisório.
Gultekin ilustrou esse desafio: “Quando um painel revela algo inesperado, os usuários geralmente têm perguntas de acompanhamento imediatas. Os analistas podem levar tempo para reunir e entregar as respostas, resultando em ciclos de decisão prolongados.”
Em resposta a esse desafio, a Snowflake reconheceu as limitações das ofertas iniciais de LLM, que enfrentavam dificuldades de precisão. Seus benchmarks internos mostraram que modelos avançados como o GPT-4 apresentavam apenas cerca de 51% de precisão em insights analíticos. Em contraste, modelos dedicados de texto para SQL, como o Genie da Databricks, alcançaram 79%. Gultekin observou: “A precisão é crítica ao fazer perguntas de negócios. Nosso objetivo era duplicar essa precisão para aproximadamente 90% ao integrar múltiplos modelos de linguagem no Cortex Analyst.”
Como Funciona o Cortex Analyst
O Cortex Analyst redefine o cenário analítico ao habilitar consultas em linguagem natural que passam por um processamento rigoroso através de diversos agentes de LLM. Esses agentes avaliam a intenção do usuário, executam a consulta SQL e garantem a precisão dos dados retornados, baseando as respostas na nuvem de dados da Snowflake.
A Snowflake enfatiza a importância de fornecer descrições semânticas dos ativos de dados durante a configuração, o que melhora significativamente a compreensão e contextualiza as consultas dos usuários. Gultekin explicou: “Em cenários reais, os dados podem envolver milhares de tabelas com convenções de nomenclatura complexas. Ao especificar métricas como ‘Rev 1’ e ‘Rev 2’ nas descrições semânticas, nosso sistema compreende seus significados.”
O Cortex Analyst está acessível via uma API REST para fácil integração em aplicativos, permitindo que os desenvolvedores personalizem as experiências dos usuários. Além disso, as empresas podem utilizar o Streamlit para desenvolver aplicações personalizadas com base no Cortex Analyst.
Atualmente, cerca de 40 a 50 empresas, incluindo a líder farmacêutica Bayer, estão testando o Cortex Analyst, com a prévia pública prevista para aumentar a acessibilidade à medida que as empresas adotam LLMs de forma econômica. A Snowflake planeja introduzir novos recursos, incluindo suporte para conversas em múltiplas etapas para uma experiência de usuário mais interativa e compatibilidade aprimorada com tabelas complexas e esquemas de dados.
Com o Cortex Analyst, as empresas podem aproveitar o poder dos modelos de linguagem para análise sem os custos de implementação geralmente associados a tecnologias avançadas.
Classificação
