Snowflake తన ప్లాట్‌ఫారమ్‌లోని AI ప్రేక్షకులను విస్తరించడానికి ప్రయత్నిస్తోంది

Snowflake తన AI ఆఫరింగ్‌లోని రెండు భాగాలైన Snowflake Intelligence మరియు Cortex Code ను విస్తరిస్తోంది. ఈ చర్య ప్రధాన ఎంటర్‌ప్రైజ్ వినియోగదారులు మరియు మరింత సాంకేతిక డెవలపర్లిద్దరినీ సేవలందించడానికి ఉద్దేశించబడింది. ఈ అప్‌డేట్‌పై కంపెనీ చూపుతున్న స్థానాన్ని బట్టి చూస్తే, Snowflake ఎకోసిస్టమ్‌లోని కృత్రిమ మేధస్సును వినియోగదారు స్థాయిలో మరింత అందుబాటులోకి తీసుకురావడం, అలాగే AI వర్క్‌ఫ్లోలను నిర్మించి అమలు చేసే వారికి అందుబాటులో ఉన్న టూలింగ్‌ను మరింత లోతుగా చేయడం ఈ వ్యూహం లక్ష్యం.

ఈ రెండు మార్గాల విధానం ఎంటర్‌ప్రైజ్ సాఫ్ట్‌వేర్‌లో మరింత సాధారణమవుతోంది. విక్రేతలు ఇకపై ఇంజినీర్లకే ఆకర్షణీయంగా ఉండే AI ఉత్పత్తులను కోరుకోవడం లేదు, కానీ నియంత్రణ, ఇంటిగ్రేషన్, మరియు ప్రొడక్షన్ దిశగా మార్గం కావలసిన డెవలపర్లను కూడా దూరం చేయాలనుకోవడం లేదు. Snowflake యొక్క framing, ఈ రెండు వర్గాలను ఒకేసారి address చేయడానికి ప్రయత్నిస్తోందని సూచిస్తోంది.

రెండు వేర్వేరు AI ఉపరితలాలు, ఒకే ప్లాట్‌ఫారమ్ వ్యూహం

Snowflake Intelligence విస్తృతమైన మరియు తక్కువ సాంకేతిక వినియోగాన్ని లక్ష్యంగా పెట్టుకున్నట్లు కనిపిస్తోంది, కాగా Cortex Code నేరుగా నిర్మాణకర్తలు మరియు డెవలపర్లను లక్ష్యంగా పెట్టుకుంది. ప్రాముఖ్యత పేర్లలో కన్నా, ఆ నిర్మాణం ఏమి సూచిస్తుందో దానిలో ఎక్కువ ఉంది. Snowflake AI ను ఒకే ఫీచర్‌గా చూపించడం లేదు. అది AI ను పొరలతో కూడిన ప్లాట్‌ఫారమ్ అనుభవంగా మార్చుతోంది, ఒక పొర సాధారణ ఎంటర్‌ప్రైజ్ పరస్పర చర్య కోసం, మరొకటి సాంకేతిక అమలు కోసం.

ఇది ముఖ్యమైనది, ఎందుకంటే డేటా ప్లాట్‌ఫారమ్‌లలో AI ను స్వీకరిస్తున్న అనేక కంపెనీలు అంతర్గత విభజనను ఎదుర్కొంటాయి. వ్యాపార బృందాలు డేటాతో పరస్పరం చేయడంలో, మరియు పునరావృత పనులను ఆటోమేట్ చేయడంలో సహాయపడే వేగవంతమైన, ఉపయోగించదగిన సాధనాలను కోరుకుంటాయి. సాంకేతిక బృందాలు ఉన్న పైప్‌లైన్లలో ఎంబెడ్ చేయగల, సరైన రీతిలో పాలించగల, మరియు కాలక్రమేణా విస్తరించగల వ్యవస్థలను కోరుకుంటాయి. రెండు అవసరాలను మద్దతు ఇవ్వలేని ప్లాట్‌ఫారమ్ సాధారణంగా సంస్థలోని ఒక వైపు కోల్పోతుంది.

తన ప్రధానప్రవాహ మరియు సాంకేతిక AI ఉత్పత్తులను స్పష్టంగా విస్తరించడం ద్వారా, Snowflake ఈ విభజనను ఉప సమస్యగా కాకుండా, ఒక ప్రధాన ఉత్పత్తి-రూపకల్పన సవాలుగా చూస్తున్నట్లు సంకేతం ఇస్తోంది.

పోటీ ఒత్తిడి స్పష్టంగా కనిపిస్తోంది

విస్తృత ఎంటర్‌ప్రైజ్ AI మార్కెట్ వేరు వేరు మోడళ్ల కంటే సమగ్ర ప్లాట్‌ఫారమ్‌ల వైపు వేగంగా కదులుతోంది. డేటా కంపెనీలు, క్లౌడ్ ప్రొవైడర్లు, మరియు అప్లికేషన్ విక్రేతలు అందరూ సంస్థలు కేవలం డేటాను నిల్వ చేయడం మాత్రమే కాకుండా, AI ను నిర్మించడానికి, నడపడానికి, మరియు ఆపరేషనల్‌గా మార్చడానికి ఉపయోగించే ప్రదేశంగా మారేందుకు ప్రయత్నిస్తున్నారు. ఆ వాతావరణంలో, Snowflake తనది add-on intelligence కలిగిన data warehouse కంటే ఎక్కువని చూపించాలి.

Snowflake Intelligence మరియు Cortex Code ను విస్తరించడం ఆ వాదనకు తోడ్పడుతుంది. ఇది కంపెనీని, ఎండ్ యూజర్లు AI ను వినియోగించగలిగే మరియు సాంకేతిక బృందాలు Snowflake పోర్ట్‌ఫోలియో నుండి బయటకు వెళ్లకుండా దాన్ని అభివృద్ధి చేయగలిగే ప్లాట్‌ఫారమ్‌గా నిలబెడుతుంది. ఇది వాణిజ్యపరంగా ముఖ్యమైనది, ఎందుకంటే ప్లాట్‌ఫారమ్ stickiness increasingly depends on how well vendors support the full lifecycle from data access to model-driven application behavior.

ఇది ఎంటర్‌ప్రైజ్ కొనుగోళ్లలోని ఒక ప్రాయోగిక వాస్తవాన్ని కూడా ప్రతిబింబిస్తోంది. సంస్థలు తక్కువ విభజిత AI సాధనాలు, తక్కువ విడదీయబడిన governance పొరలు, మరియు analytics వ్యవస్థలు మరియు AI వ్యవస్థల మధ్య తక్కువ handoffs ను కోరుకుంటాయి. ఈ ఫంక్షన్లను సమర్థవంతంగా ఏకీకృతం చేయగల విక్రేతలు ప్రయోజనం పొందుతారు.

ప్రధాన వినియోగత ఇప్పుడు ఒక ఉత్పత్తి అవసరం

Snowflake framing లో ఒక గమనించదగ్గ అంశం ప్రధాన వినియోగదారులపై స్పష్టమైన ప్రాధాన్యత. ఇది AI స్వీకరణను కేవలం సాంకేతిక సామర్థ్యంతో కాకుండా, ఉపయోగకరత మరియు చేరుకోగలగడం ద్వారా కూడా పరిమితం అవుతుందని కంపెనీ భావిస్తున్నట్లు సూచిస్తోంది. అనేక ఎంటర్‌ప్రైజ్ AI సాధనాలు ఇంకా వ్యాప్తి చెందలేకపోవడానికి కారణం, అవి నిపుణులపై ఎక్కువగా ఆధారపడటం. సాంకేతికేతర వినియోగదారుల కోసం AI ప్రవేశాన్ని మెరుగుపరచే ప్లాట్‌ఫారమ్, ప్రతి వర్క్‌ఫ్లోని కేంద్ర సాంకేతిక బృందం ద్వారా పంపించాల్సిన అవసరం లేకుండా, అంతర్గత స్వీకరణను పెంచగలదు.

ఇది governance లేదా engineering oversight అవసరాన్ని తొలగించదు, కానీ స్వీకరణ వక్రాన్ని మార్చుతుంది. ప్రధాన వినియోగదారులు పరిచయమైన ఎంటర్‌ప్రైజ్ వాతావరణాల్లో AI సామర్థ్యాలను మరింత ప్రత్యక్షంగా పొందగలిగితే, సంస్థలు ఆ సాధనాలను సాధారణ నిర్ణయాల తీసుకోవడంలో మరియు రోజువారీ కార్యకలాపాల్లో చేర్చడానికి మరింత సిద్ధంగా ఉండవచ్చు.

AI మౌలిక వసతిగా మారుతుందో లేదో డెవలపర్లే ఇంకా నిర్ణయిస్తారు

అదే సమయంలో, డెవలపర్-ఆధారిత విస్తరణ కూడా కీలకమే. ఎంటర్‌ప్రైజ్ ఉత్సాహం ఆసక్తిని కలిగించగలదు, కానీ స్థిరమైన వినియోగం సాధారణంగా సాంకేతిక వైపుపై ఆధారపడుతుంది: సాధనాలు data pipelines లో ఎంత బాగా సరిపోతాయో, deployment కు మద్దతు ఇస్తాయో, మరియు నిజమైన production పరిమితులను ఎలా నిర్వహిస్తాయో. Cortex Code ప్రకటనలో చేర్చబడటం ద్వారా, డెవలపర్ అనుభవం ద్వితీయమేమీ కాదని Snowflake గుర్తిస్తున్నట్లు తెలుస్తోంది. AI ఫీచర్లు స్థిరమైన అంతర్గత మౌలిక వసతిగా మారుతాయా, లేక కేవలం pilot projects గా మిగిలిపోతాయా అన్నది అదే నిర్ణయిస్తుంది.

అదే అనేక ఎంటర్‌ప్రైజ్ AI వ్యూహాలు విజయం సాధించే లేదా విఫలమయ్యే స్థలం. వినియోగదారులలాంటి సరళతపై అధికంగా ఆధారపడే ఉత్పత్తులు అమలు లోతులో ఇబ్బంది పడవచ్చు. కేవలం నిపుణులను మాత్రమే లక్ష్యంగా చేసుకునే ఉత్పత్తులు తరచుగా వ్యాప్తి చెందడంలో విఫలమవుతాయి. Snowflake రెండు వైపులనూ ఒకేసారి విస్తరించడం ద్వారా మధ్యభాగాన్ని ఆక్రమించడానికి ప్రయత్నిస్తోంది.

అధిక దావాలతో కూడిన పరిచిత నమూనా

లభ్యమైన వివరాలు ఆశ్చర్యకరం కాని, ముఖ్యమైన దిశను సూచిస్తున్నాయి: ఎంటర్‌ప్రైజ్ డేటా ప్లాట్‌ఫారమ్‌లలో AI ఇప్పుడు ఒక feature checklist కంటే ప్లాట్‌ఫారమ్-వ్యాప్త రూపకల్పన సమస్యగా మారుతోంది. Snowflake Intelligence మరియు Cortex Code విస్తరణ, డేటా గురించి ప్రశ్నలు అడిగే వ్యక్తులకూ, AI వ్యవస్థలను వ్యాపార కార్యకలాపాల్లోకి అనుసంధానించే వ్యక్తులకూ కంపెనీ సంబంధితంగా ఉండాలనుకుంటోందని సూచిస్తోంది.

ఈ వ్యూహం ఫలిస్తుందో లేదో అమలుపైనే ఆధారపడి ఉంటుంది, కానీ ఉద్దేశం స్పష్టంగా ఉంది. Snowflake ప్రధానప్రవాహ AI వినియోగం మరియు సాంకేతిక AI నిర్మాణం మధ్య ఉన్న అంతరాన్ని ఒకే వాతావరణంలో తగ్గించడానికి ప్రయత్నిస్తోంది. ప్రస్తుత ఎంటర్‌ప్రైజ్ మార్కెట్లో, అది bonus capability కంటే, పోటీగా నిలవడానికి ఒక అవసరం.

  • Snowflake, Snowflake Intelligence మరియు Cortex Code ను విస్తరిస్తోంది.
  • కంపెనీ, ప్రధాన ఎంటర్‌ప్రైజ్ వినియోగదారులను మరియు తన ప్లాట్‌ఫారమ్‌లో AI నిర్మించే డెవలపర్లను రెండింటినీ లక్ష్యంగా చేసుకుంటోంది.
  • ఈ చర్య వేరు వేరు సాధనాల కంటే సమగ్ర data-and-AI ప్లాట్‌ఫారమ్‌ల వైపు పరిశ్రమ కదలికను ప్రతిబింబిస్తుంది.

ఈ వ్యాసం AI News అందించిన రిపోర్టింగ్ ఆధారంగా ఉంది. మూల వ్యాసాన్ని చదవండి.

Originally published on artificialintelligence-news.com