Snowflake मुख्य वापरकर्ते आणि तांत्रिक निर्मात्यांसाठी नवीन साधनांसह आपला AI स्टॅक वाढवत आहे

Snowflake आपल्या प्लॅटफॉर्ममधील AI प्रेक्षकवर्ग वाढवण्याचा प्रयत्न करत आहे

Snowflake आपल्या AI ऑफरिंगच्या दोन भागांचा, Snowflake Intelligence आणि Cortex Code यांचा विस्तार करत आहे. ही हालचाल मुख्य प्रवाहातील एंटरप्राइझ वापरकर्ते आणि अधिक तांत्रिक डेव्हलपर्स, दोघांचीही सेवा करण्याच्या उद्देशाने आहे. या अद्ययावततेबाबत कंपनीची मांडणी पाहता, Snowflake इकोसिस्टममधील कृत्रिम बुद्धिमत्ता वापरकर्त्यांच्या पातळीवर अधिक सुलभ करणे आणि त्याच वेळी AI workflow तयार व तैनात करणाऱ्यांसाठी उपलब्ध साधनसामग्री अधिक खोल करणे ही रणनीती आहे.

हा दोन-मार्गी दृष्टिकोन एंटरप्राइझ सॉफ्टवेअरमध्ये अधिक सामान्य होत आहे. विक्रेते आता फक्त अभियंत्यांना आकर्षित करणारी AI उत्पादने इच्छित नाहीत, पण नियंत्रण, इंटिग्रेशन, आणि production पर्यंतचा मार्ग हवा असलेल्या डेव्हलपर्सना दूरही करायचे नाही. Snowflake चे framing सूचित करते की ते या दोन्ही गटांना एकाच वेळी संबोधित करण्याचा प्रयत्न करत आहे.

दोन वेगवेगळे AI पृष्ठभाग, एकच प्लॅटफॉर्म रणनीती

Snowflake Intelligence अधिक व्यापक आणि कमी तांत्रिक वापराकडे झुकलेले दिसते, तर Cortex Code थेट निर्माते आणि डेव्हलपर्ससाठी आहे. महत्त्व नावांपेक्षा त्या संरचनेत अधिक आहे जी ती सूचित करते. Snowflake AI ला एकाच फिचरप्रमाणे सादर करत नाही. तो AI ला स्तरित प्लॅटफॉर्म अनुभवात रूपांतरित करत आहे, ज्यात एक स्तर सर्वसाधारण एंटरप्राइझ संवादासाठी आणि दुसरा तांत्रिक अंमलबजावणीसाठी आहे.

हे महत्त्वाचे आहे, कारण डेटा प्लॅटफॉर्ममध्ये AI स्वीकारणाऱ्या अनेक कंपन्यांना अंतर्गत विभागणीचा सामना करावा लागतो. व्यावसायिक संघ वेगवान, वापरण्यास सोपी साधने इच्छितात जी त्यांना डेटाशी संवाद साधण्यास आणि नियमित कामे स्वयंचलित करण्यास मदत करतात. तांत्रिक संघांना अशी प्रणाली हवी असते जी विद्यमान पाइपलाइनमध्ये बसवता येतील, योग्य प्रकारे शासित करता येतील, आणि कालांतराने विस्तारता येतील. जे प्लॅटफॉर्म दोन्हीला आधार देऊ शकत नाहीत, ते बहुतेक वेळा संस्थेच्या एका बाजूला गमावतात.

आपली मुख्य प्रवाहातील आणि तांत्रिक AI उत्पादने स्पष्टपणे विस्तारून, Snowflake या विभागणीकडे एक मुख्य उत्पादन-डिझाइन आव्हान म्हणून पाहत असल्याचा संकेत देत आहे, उपसमस्या म्हणून नाही.

स्पर्धात्मक दबाव स्पष्ट आहे

विस्तृत एंटरप्राइझ AI बाजार वेगळ्या मॉडेल्सपेक्षा एकात्मिक प्लॅटफॉर्मकडे वेगाने जात आहे. डेटा कंपन्या, क्लाउड प्रदाते, आणि अॅप्लिकेशन विक्रेते सर्वजण अशा ठिकाणांमध्ये रूपांतरित होण्याचा प्रयत्न करत आहेत जिथे संस्था केवळ डेटा साठवत नाहीत, तर AI तयार करतात, चालवतात, आणि operationalize करतात. अशा वातावरणात, Snowflake ला हे दाखवावे लागेल की तो फक्त add-on intelligence असलेला data warehouse नाही.

Snowflake Intelligence आणि Cortex Code चा विस्तार त्या युक्तिवादाला बळ देतो. हे कंपनीला अशा प्लॅटफॉर्म म्हणून स्थान देते जिथे AI अंतिम वापरकर्त्यांकडून वापरली जाऊ शकते आणि तांत्रिक संघ Snowflake पोर्टफोलिओ सोडल्याशिवाय ती विकसित करू शकतात. हे व्यावसायिकदृष्ट्या महत्त्वाचे आहे, कारण प्लॅटफॉर्मची stickiness वाढत्या प्रमाणात data access पासून model-driven application behavior पर्यंत संपूर्ण जीवनचक्राला विक्रेते किती चांगल्या प्रकारे समर्थन देतात यावर अवलंबून असते.

हे एंटरप्राइझ खरेदीतील एक व्यावहारिक वास्तवही दर्शवते. कंपन्या कमी विखुरलेली AI साधने, कमी विस्कळीत governance स्तर, आणि analytics प्रणाली व AI प्रणाली यांमधील कमी handoff इच्छितात. जे विक्रेते ही कार्ये विश्वासार्हपणे एकत्र करू शकतात, त्यांना फायदा मिळतो.

मुख्य वापरयोग्यता आता उत्पादनाची गरज बनली आहे

Snowflake च्या framing मधील एक लक्षवेधी बाब म्हणजे मुख्य प्रवाहातील वापरकर्त्यांवर दिलेला स्पष्ट भर. याचा अर्थ कंपनी AI स्वीकारणे केवळ तांत्रिक क्षमतेपुरते मर्यादित नाही, तर वापरयोग्यता आणि पोहोच यांच्यामुळेही अडथळले जाते असे मानते. अनेक एंटरप्राइझ AI साधने अजूनही पसरत नाहीत, कारण ती खूप जास्त प्रमाणात तज्ञांवर अवलंबून असतात. गैर-तज्ञ वापरकर्त्यांसाठी AI प्रवेश सुधारणा करणारा प्लॅटफॉर्म प्रत्येक workflow ला मध्यवर्ती तांत्रिक संघामार्फत नेण्याची गरज न पडता अंतर्गत स्वीकार वाढवू शकतो.

यामुळे governance किंवा engineering oversight ची गरज संपत नाही, पण स्वीकाराची वक्ररेषा बदलते. जर मुख्य प्रवाहातील वापरकर्ते परिचित एंटरप्राइझ वातावरणात AI क्षमता अधिक थेट वापरू शकले, तर संस्था त्या साधनांना नियमित निर्णयप्रक्रियेत आणि दैनंदिन कामकाजात समाविष्ट करण्यास अधिक तयार होऊ शकतात.

AI पायाभूत सुविधा बनेल की नाही, हे अजूनही डेव्हलपर्स ठरवतात

त्याच वेळी, डेव्हलपर-केंद्रित विस्तारही अत्यावश्यक आहे. एंटरप्राइझ उत्साह रस निर्माण करू शकतो, पण टिकाऊ वापर सामान्यतः तांत्रिक बाजूवर अवलंबून असतो: साधने data pipelines मध्ये किती चांगल्या प्रकारे बसतात, deployment ला पाठिंबा देतात, आणि प्रत्यक्ष production मर्यादा सामावून घेतात. Cortex Code चा घोषणेत समावेश दाखवतो की डेव्हलपर अनुभव दुय्यम नाही हे Snowflake ओळखते. AI फीचर्स स्थिर अंतर्गत पायाभूत सुविधा बनतील की फक्त pilot projects राहतील, हे तेच ठरवते.

हीच ती समतोल बिंदू आहे जिथे अनेक एंटरप्राइझ AI रणनीती यशस्वी किंवा अपयशी ठरतात. ग्राहकासारख्या साधेपणावर जास्त भर देणारी उत्पादने अंमलबजावणीच्या खोलीत अडचणीत येऊ शकतात. फक्त तज्ञांना उद्दिष्ट करणारी उत्पादने अनेकदा पसरत नाहीत. Snowflake दोन्ही आघाड्यांवर विस्तार करून मधली जागा व्यापण्याचा प्रयत्न करत आहे.

उच्च दांव असलेला एक परिचित नमुना

उपलब्ध तपशील एक अप्रत्याशित नसलेली, पण महत्त्वाची दिशा दर्शवतात: एंटरप्राइझ डेटा प्लॅटफॉर्ममधील AI आता एका feature checklist पेक्षा संपूर्ण प्लॅटफॉर्म-व्यापी डिझाइन समस्या बनत आहे. Snowflake Intelligence आणि Cortex Code चा विस्तार सूचित करतो की कंपनी डेटा विषयी प्रश्न विचारणाऱ्या लोकांसाठी आणि AI प्रणालींना व्यवसायिक कार्यांमध्ये जोडणाऱ्या लोकांसाठीही संबंधित राहू इच्छिते.

ही रणनीती यशस्वी होईल की नाही, ते अंमलबजावणीवर अवलंबून असेल, पण हेतू स्पष्ट आहे. Snowflake मुख्य प्रवाहातील AI वापर आणि तांत्रिक AI निर्मिती यांच्यातील दरी एकाच वातावरणात कमी करण्याचा प्रयत्न करत आहे. सध्याच्या एंटरप्राइझ बाजारात, ते bonus capability पेक्षा टिकून राहण्यासाठीची गरज अधिक आहे.

• Snowflake, Snowflake Intelligence आणि Cortex Code यांचा विस्तार करत आहे.
• कंपनी मुख्य प्रवाहातील एंटरप्राइझ वापरकर्ते आणि आपल्या प्लॅटफॉर्मवर AI तयार करणारे डेव्हलपर्स, दोघांनाही लक्ष्य करत आहे.
• ही हालचाल वेगळ्या साधनांपेक्षा एकात्मिक data-and-AI प्लॅटफॉर्मकडे उद्योगाच्या वाटचालीचे प्रतिबिंब आहे.

हा लेख AI News च्या रिपोर्टिंगवर आधारित आहे. मूळ लेख वाचा.