Los agentes de IA empresarial tienen un nuevo modo de falla de producción y no es el modelo. A medida que las empresas pasan de RAG de una sola capa a arquitecturas de recuperación híbridas, los mismos datos subyacentes producen diferentes respuestas dependiendo de qué agente, herramienta o sistema haga la pregunta. Los ingresos significan una cosa en un panel de inteligencia empresarial (BI), algo ligeramente diferente en una tabla SQL y algo más en una instrucción de agente. La construcción de infraestructura de recuperación de los últimos dos años produjo una búsqueda de vectores más rápida y económica. No produjo una definición compartida de lo que significan los datos.
En Snowflake Summit 26 en San Francisco, el proveedor de nube de datos está dando un amplio giro a ese problema, con anuncios que abarcan un servicio de transmisión administrado compatible con Kafka llamado Data Stream, mejoras de computación adaptativa, interoperabilidad ampliada de Apache Iceberg y actualizaciones de su agente Cowork y CoCo y productos de codificación. Debajo de todo esto se ejecuta una capa de contexto: Horizon Context y Cortex Sense, un sistema de dos capas diseñado para brindar a los agentes una definición gobernada y compartida de la lógica empresarial entre las pilas de recuperación. El problema del contexto es la razón por la que importa: VentureBeat Datos de VB Pulse Q1 2026, extraído de una encuesta de organizaciones con 100 o más empleados, muestra que la intención de recuperación híbrida se triplicó del 10,3% en enero al 33,3% en marzo, la posición estratégica de más rápido crecimiento en el conjunto de datos.
«Existen muchas herramientas con las que puedes hacer preguntas y obtener una respuesta muy segura, pero si es correcta o no es diferente», dijo Christian Kleinerman, vicepresidente ejecutivo de Producto de Snowflake.
De una lógica empresarial fragmentada a una capa de contexto gobernada
El problema al que se dirige Horizon Context es específico. La lógica empresarial actual se distribuye entre SQL, paneles de BI e instrucciones de agentes, y ningún sistema posee la definición. Cuando varios agentes o herramientas consultan los mismos datos subyacentes, razonan sobre esquemas diferentes y devuelven respuestas diferentes. Horizon Context es el intento de Snowflake de solucionar eso en la capa de catálogo en lugar de en la capa de agente.
Contexto del horizonte. La capa administrada por el cliente, construida a partir de la adquisición de Select Star por parte de Snowflake. Extrae metadatos de Postgres, SQL Server, Tableau y Power BI al Horizon Catalog, de modo que cada agente, herramienta de BI y sistema externo se basa en la misma definición gobernada en lugar de razonar de forma independiente sobre un esquema físico sin formato. Semantic View Autopilot crea y refina automáticamente vistas semánticas a lo largo del tiempo, ampliando la lógica empresarial seleccionada sin requerir un esfuerzo manual continuo.
Sentido de la corteza. La capa derivada de la plataforma. Crea y enriquece automáticamente el contexto a partir de los datos de los clientes y los patrones de uso de forma continua, sin necesidad de creación manual de vistas semánticas. Kleinerman lo describió como una mejora de la experiencia predeterminada antes de que se produjera cualquier curación explícita.
La distinción entre las dos capas es arquitectónica y Kleinerman fue preciso al respecto. «Piense en Horizon Context como todo lo que es explícito y declarado por los clientes, y Cortex Sense es todo lo que está implícito y derivado por nosotros», dijo Kleinerman.
Las dos capas se conectan a la infraestructura de recuperación existente de Snowflake. Cortex Search, la implementación RAG de la empresa, se conecta tanto a CoCo como a Cowork como herramienta, por lo que el contexto enriquecido por cualquiera de las capas fluye hacia los flujos de trabajo de recuperación.
Si bien Horizon Context es una tecnología de Snowflake, el objetivo es que sea interoperable y abierta. Snowflake está vinculando la tecnología al Open Semantic Interchange, haciendo que las definiciones declaradas por el cliente sean portátiles a través de catálogos y herramientas de terceros.
«Horizon Context, estamos 100% comprometidos y liderando el esfuerzo para asegurarnos de que eso no esté bloqueado», dijo Kleinerman.
Las capas de contexto están en todas partes. La pregunta es cuáles funcionan realmente.
Snowflake se está uniendo a un campo cada vez más numeroso de proveedores que se enfrentan al mismo problema. Microsoft ha abierto su Ontología empresarial Fabric IQ a través de MCP por lo que el agente de cualquier proveedor puede aprovechar una capa semántica compartida. Redis lanzó Irisuna plataforma de contexto y memoria que se ubica entre los agentes y sus datos, construida sobre un motor de almacenamiento rediseñado para volúmenes de recuperación a escala de agentes. Pinecone se está reposicionando de una base de datos vectorial a un motor de conocimiento con Nexus, que compila datos empresariales en artefactos específicos de tareas antes de que los agentes los consulten.
Devin Pratt, director de investigación de IDC, dijo a VentureBeat que, en su opinión, Snowflake va en la dirección correcta y va hacia donde se dirige todo el mercado.
«Los agentes son tan buenos como los datos y la semántica detrás de ellos, por lo que la capa de contexto, no el modelo, es lo que hay que observar en este momento», dijo Pratt.
En opinión de Pratt, lo que funciona en la versión de Snowflake es la división. Horizon Context cubre lo que los equipos declaran y seleccionan ellos mismos, y Cortex Sense cubre lo que la plataforma recoge automáticamente. Igual de importante es que han anclado Horizon Context dentro del catálogo y la capa de gobernanza en lugar de añadirlo después del hecho.
«La capa de contexto es el verdadero campo de batalla para la IA agente. Un agente es tan confiable como los datos y la semántica detrás de él», dijo Pratt.
Mike Leone, vicepresidente y analista principal de Moor Insights and Strategy, estuvo de acuerdo en que tratar las dos capas de manera diferente es la decisión arquitectónica correcta.
«Me gusta hacia dónde se dirige Snowflake. Están dividiendo el contexto en dos grupos, con Horizon Context cubriendo lo que los clientes definen explícitamente y Cortex Sense cubriendo lo que la plataforma descubre por sí sola», dijo Leone a VentureBeat. «No se puede confiar en esas dos cosas de la misma manera, por lo que tratarlas de manera diferente es la decisión correcta. Si Snowflake puede mostrar que esas dos capas se reconcilian claramente y puedes ver de dónde vino cada respuesta, tienen algo real».
Qué significa esto para las empresas
Para las empresas que evalúan capas de contexto, la dirección arquitectónica es clara. La brecha de ejecución no lo es.
Los agentes suben el listón de un viejo problema. La idea de la capa semántica existe desde hace años, pero los agentes cambian lo que cuesta el fracaso: cuando un agente da una respuesta incorrecta a gran escala, el daño es inmediato. Leone es directo sobre lo que eso significa para la mayoría de los proveedores actualmente en el mercado. «La mayoría de los proveedores que venden una solución inmediata son demasiado prometedores», dijo Leone. «Si se introduce uno en una empresa real, se expone lo confusos que ya están sus datos y definiciones, y muchas empresas están a punto de descubrirlo por las malas».
La barra de evaluación es específica. Pratt identificó lo que separa las capas de contexto que funcionan de las que se estancan: gobernanza y linaje integrados para que los equipos puedan auditar por qué un agente dio la respuesta que dio, portabilidad para que el contexto y la política no estén limitados a un solo proveedor, y precisión que se puede medir y reutilizar entre agentes y herramientas.
«Las empresas no necesitan otro silo de semántica», afirmó Pratt. «Necesitan una capa de contexto que esté gobernada, sea portátil y lo suficientemente confiable como para poder auditarla».
Suscríbete y recibe las historias más importantes del día.
Al suscribirte aceptas nuestros términos y condiciones y política de privacidad.
