O Snowflake Cortex AI muda a forma como as empresas usam inteligência artificial ao trazer recursos avançados de IA para dentro do próprio Snowflake Data Cloud. Em vez de enviar os dados para serviços externos de IA, o Cortex AI permite aplicar modelos de linguagem (LLMs), busca e análise diretamente no lugar onde os dados já estão, de forma segura, governada e integrada.
O Cortex AI faz parte da estratégia mais ampla de inteligência artificial da Snowflake e reúne um conjunto completo de serviços gerenciados, que vai desde funções de LLM para tratamento de texto até ferramentas especializadas como o Cortex Analyst, para consultas em linguagem natural, e o Cortex Search, para busca inteligente.
Neste artigo, vamos percorrer todo o conjunto Cortex AI e demonstrar na prática um de seus recursos mais recentes: o AI_REDACT, que identifica e oculta automaticamente dados pessoais (PII) em textos não estruturados.
O que é o Snowflake Cortex AI?
O Cortex AI transforma o Snowflake de plataforma de dados em um ambiente de execução nativo de IA. Em vez de tratar a inteligência artificial como uma camada separada, o Cortex integra a inteligência diretamente aos fluxos de trabalho de dados, o que elimina boa parte dos desafios operacionais, de segurança e de conformidade que costumam acompanhar a adoção de IA nas empresas.
O princípio é simples: a IA acontece onde os dados já estão.
O Cortex AI opera dentro do perímetro de segurança da Snowflake e respeita todas as políticas de governança já existentes, os controles de acesso baseados em papéis (RBAC) e as exigências de residência de dados, ao mesmo tempo em que dá acesso a modelos de mercado do Google, da OpenAI, da Anthropic, da Meta, da Mistral e de outros fornecedores.
Os componentes do Cortex AI
O Cortex AI é formado por cinco componentes integrados:
Snowflake Intelligence: interface conversacional unificada que permite às áreas de negócio analisar dados e tomar decisões em linguagem natural, sem escrever SQL. Exemplo: um gerente comercial pergunta "mostre a receita do quarto trimestre por região" e recebe as visualizações na hora, sem precisar montar nenhuma consulta.
Cortex Agents: orquestram tarefas em dados estruturados e não estruturados, coordenando o Cortex Analyst, o Cortex Search e os modelos de linguagem. Exemplo: um agente busca automaticamente os contratos de um cliente, analisa os dados de vendas e gera recomendações de renovação.
Cortex Analyst: serviço totalmente gerenciado que converte perguntas em linguagem natural em consultas SQL precisas, apoiado em modelos semânticos. Exemplo: a pergunta "quais produtos tiveram queda de vendas no último trimestre?" vira uma consulta SQL otimizada contra o seu data warehouse.
Cortex Search: serviço gerenciado de RAG que combina busca semântica por vetores com correspondência por palavras-chave, indicado para chatbots de IA e busca em documentos. Exemplo: pesquisar em milhões de chamados de suporte para encontrar casos parecidos e as soluções já aplicadas.
Cortex LLM Functions: funções em SQL e Python que dão acesso direto aos modelos de linguagem para geração de texto, classificação, extração e análise. É possível usar a AI_SUMMARIZE para resumir documentos longos ou a AI_EXTRACT para retirar as principais entidades de um texto não estruturado.
Como o Cortex Code e o Cortex AI trabalham juntos
O Cortex AI entrega o seu melhor quando é usado junto com o Cortex Code. Enquanto o Cortex AI oferece funções de inteligência em SQL, como resumo, classificação, ocultação de dados sensíveis, análise de sentimento e busca semântica, ele parte do princípio de que os pipelines de dados, os esquemas e as estruturas de governança já existem. É exatamente aí que o Cortex Code cumpre um papel fundamental.
O Cortex Code acelera:
Criação de modelos de dados;
Geração de projetos dbt;
Validação de governança;
Orquestração de fluxos de trabalho;
Estruturação inicial de aplicações.
Com essa base construída, as funções do Cortex AI podem operar com segurança sobre bases já tratadas, sem expor dados brutos ou fora de governança.
Em ambientes corporativos, essa separação de papéis faz diferença: o Cortex Code garante a disciplina arquitetural e o Cortex AI viabiliza a execução inteligente. Juntos, os dois sustentam um modelo de adoção de IA seguro e escalável dentro da Snowflake, da infraestrutura até a inferência.
Cortex AI na prática: análise com privacidade usando o AI_REDACT
Vamos demonstrar um dos recursos mais recentes do Cortex AI: a identificação e a ocultação automática de dados pessoais em textos não estruturados com a função AI_REDACT, disponibilizada em versão geral (GA) em dezembro de 2025.
O AI_REDACT é uma função totalmente gerenciada do Cortex AI que usa um modelo de linguagem (LLM) para detectar, localizar e ocultar dados pessoais identificáveis (PII) em textos não estruturados. A função está disponível de forma nativa em algumas regiões (AWS Estados Unidos, AWS Europa, Azure Estados Unidos e Europa). Se ela não estiver disponível na sua região, é preciso habilitar a inferência entre regiões. Organizações com exigências rígidas de residência de dados devem confirmar a disponibilidade regional ou avaliar se a inferência entre regiões está de acordo com as suas políticas de conformidade antes de colocar a função em produção.
Vale destacar um ponto importante: o AI_REDACT e o Dynamic Data Masking resolvem problemas diferentes e se complementam. O Dynamic Data Masking protege colunas estruturadas que contêm dados pessoais, como CPF, e-mail e telefone. Já o AI_REDACT atua nos campos de texto livre, em que o dado pessoal aparece misturado a outros conteúdos, como comentários, anotações e mensagens, situações em que o mascaramento por coluna simplesmente não se aplica.
O cenário
A sua empresa coleta comentários de clientes, chamados de suporte e respostas de pesquisas. Esse material carrega insights valiosos, mas também traz dados pessoais como nomes, e-mails, telefones e endereços. Você precisa analisar essa base para identificar tendências e medir sentimento, só que a LGPD exige que os dados pessoais sejam tratados com o devido cuidado e removidos antes.
Abordagem tradicional: criar expressões regulares complexas para cada tipo de dado pessoal, revisar manualmente os casos de exceção e atualizar as regras sempre que o formato dos dados mudar, ou então contratar ferramentas de terceiros caras.
Com o AI_REDACT do Cortex: detectar e ocultar os dados pessoais com IA em uma única função SQL, sem expressões regulares e sem serviços externos.
Passo 1: prepare os dados
Crie uma tabela com comentários de clientes contendo diferentes tipos de dados pessoais espalhados pelo texto livre. O exemplo simula o que acontece no mundo real, quando o cliente inclui naturalmente as suas informações pessoais ao dar um retorno.
sql-- Comentários de clientes com dados pessoais no meio do texto livre CREATE OR REPLACE TABLE raw_customer_feedback ( feedback_id INTEGER ,feedback_text TEXT ,created_at TIMESTAMP_NTZ ); -- Inserção de comentários de exemplo com vários tipos de dados pessoais INSERT INTO raw_customer_feedback VALUES (1, 'Hi, my name is Sarah Johnson and I love your product! You can reach me at sarah.j@email.com or call 415-555-0123 if you have questions.', '2026-01-20 10:15:00') ,(2, 'John Smith here, living at 123 Main Street, San Francisco, CA 94102. The delivery was late but the product quality is excellent. My order number was ORD-98234.', '2026-01-20 11:30:00') ,(3, 'Terrible experience! I called support and gave them my SSN 123-45-6789 and credit card 4532-1234-5678-9010. Still no resolution after 3 weeks.', '2026-01-20 14:45:00') ,(4, 'Amazing service! Emma Wilson from Boston here. The team helped me within minutes. Highly recommend!', '2026-01-20 16:20:00') ,(5, 'Product arrived damaged. I am Michael Chen, customer ID CUST-55421. Please contact me at (650) 555-7890 or mchen@company.com to arrange replacement.', '2026-01-21 09:00:00') ;
Passo 2: oculte os dados pessoais com o AI_REDACT
Use o AI_REDACT para identificar e mascarar automaticamente todos os tipos de dado pessoal presentes no texto. A IA entende o contexto, ou seja, ela reconhece que "Sarah Johnson" é um nome, que "415-555-0123" é um telefone e que "123 Main Street, San Francisco, CA 94102" é um endereço, mesmo quando essas informações aparecem escritas em linguagem corrente.
sqlCREATE OR REPLACE TABLE redact_customer_feedback AS SELECT feedback_id, SNOWFLAKE.CORTEX.AI_REDACT(feedback_text) AS redacted_text, created_at FROM raw_customer_feedback;
Em alguns casos, você precisa ocultar apenas categorias específicas de dado pessoal. O AI_REDACT permite indicar quais tipos devem ser mascarados e deixar as demais informações visíveis. Isso é útil quando é necessário preservar certos dados para a análise e proteger somente o que é mais sensível.
sqlSELECT feedback_id, SNOWFLAKE.CORTEX.AI_REDACT( feedback_text, ARRAY_CONSTRUCT('NAME', 'EMAIL', 'PHONE_NUMBER') ) AS redacted_text, created_at FROM raw_customer_feedback;
Passo 3: análise de sentimento com privacidade preservada
Combine o AI_REDACT com outras funções do Cortex AI para analisar os dados sem abrir mão da conformidade. No exemplo abaixo, a análise de sentimento roda sobre o texto já mascarado, o que garante que nenhum dado pessoal entre no pipeline de análise.
sqlSELECT feedback_id, redacted_text, SNOWFLAKE.CORTEX.AI_SENTIMENT( redacted_text ) AS sentiment_score FROM redact_customer_feedback;
Pontos de atenção ao usar o AI_REDACT
O AI_REDACT simplifica muito a detecção de dados pessoais, mas alguns cuidados continuam valendo. Hoje a função apresenta o melhor desempenho com textos bem estruturados em inglês. Como a detecção é feita por IA, podem ocorrer falsos positivos, quando algo que não é dado pessoal acaba mascarado, e falsos negativos, quando algum dado pessoal passa despercebido, então vale validar os resultados considerando os padrões da sua própria base. Em cenários críticos de conformidade, combine o AI_REDACT com métodos tradicionais de validação durante a implementação inicial. E teste sempre com amostras representativas antes de colocar em produção, para confirmar que o resultado atende às políticas da sua organização.
Desempenho e otimização de custos do AI_REDACT
O AI_REDACT é otimizado para throughput e processamento em lote. A Snowflake recomenda processar grandes volumes de registros a partir de tabelas SQL em vez de executar a função linha a linha, já que o processamento em lote costuma ser mais adequado para as AI Functions. Use um warehouse de tamanho até MEDIUM ao chamar o AI_REDACT, porque warehouses maiores não aumentam o desempenho e ainda geram custo desnecessário.
Resultado: você monta um pipeline de análise em conformidade com a privacidade, que remove os dados pessoais automaticamente antes da análise de sentimento, sem expressões regulares, sem revisão manual e sem serviços externos. A IA entende o contexto e lida bem com variações como "meu nome é X", "aqui é o X" e endereços escritos de forma natural, entre outras.
Principais vantagens do Cortex AI
Sem movimentação de dados: o processamento de informações sensíveis acontece no próprio ambiente, o que mantém a conformidade e a governança sem exportar nada para fora.
Segurança corporativa: o serviço herda o RBAC, o mascaramento de dados e os recursos de auditoria do Snowflake. Os modelos não são treinados com os seus dados.
Flexibilidade de modelos: acesso a diferentes LLMs por meio de uma interface única, com modelos da Anthropic (família Claude), da OpenAI (família GPT-5), do Google (Gemini), da Meta (Llama) e da Mistral, entre outros.
Eficiência de custo: cobrança por créditos conforme o uso, sem infraestrutura separada e sem compromisso mínimo de consumo.
Integração natural: funciona com os fluxos de trabalho que já existem no Snowflake e com as plataformas de BI em uso.
Limitações e pontos a considerar no Snowflake Cortex AI
Dependência da plataforma: para aproveitar os recursos por completo, os dados precisam estar no Snowflake.
Customização limitada: há menos controle sobre o ajuste fino dos modelos do que em plataformas de machine learning dedicadas.
Variabilidade dos modelos de linguagem: os resultados podem não ser determinísticos e exigem validação em casos de uso críticos.
Maturidade dos dados: a eficácia depende de uma base bem estruturada e governada.
Custo variável: a cobrança por créditos pode crescer rápido se não houver monitoramento adequado.
Disponibilidade regional: nem todas as funções e modelos estão disponíveis em todas as regiões, e alguns exigem inferência entre regiões, o que traz implicações de residência de dados.
Maturidade dos recursos: algumas funcionalidades ainda estão evoluindo e podem não ter a profundidade exigida em ambientes corporativos. Confirme o status de disponibilidade geral (GA) antes de levar para produção.
Preços e gestão de custos
O Cortex AI usa um modelo de cobrança por créditos, com consumo que varia conforme o modelo escolhido, a operação executada e as ferramentas utilizadas. Monitorar o custo com frequência e desativar serviços que não estão em uso é parte essencial da operação.
Vários fatores influenciam o custo no Cortex AI:
Escolha do modelo: os modelos maiores, como o Claude Opus e o Gemini Pro, custam bem mais do que os modelos menores e mais rápidos, como o Claude Haiku, o Llama 3.1 8B e as variantes reduzidas do GPT-5.
Cortex Search: o serviço gera custo de forma contínua mesmo sem receber consultas, então serviços não utilizados devem ser suspensos ou removidos.
Volume de dados: quanto mais texto processado, maior o custo, de forma proporcional.
Acompanhamento do consumo: revise o uso periodicamente para identificar e eliminar desperdício.
Acompanhamento de custo no nível da organização:
sqlSELECT SERVICE_TYPE, SUM(credits_used) AS total_credits FROM SNOWFLAKE.ORGANIZATION_USAGE.METERING_DAILY_HISTORY WHERE service_type ILIKE '%AI_SERVICES%' AND usage_date >= DATEADD(day, -30, CURRENT_DATE()) -- Últimos 30 dias GROUP BY SERVICE_TYPE;
Para abrir o custo por serviço de IA específico, consulte as seguintes views de uso da conta:
sqlSNOWFLAKE.ACCOUNT_USAGE.CORTEX_AISQL_USAGE_HISTORY SNOWFLAKE.ACCOUNT_USAGE.CORTEX_ANALYST_USAGE_HISTORY SNOWFLAKE.ACCOUNT_USAGE.DOCUMENT_AI_USAGE_HISTORY SNOWFLAKE.ACCOUNT_USAGE.CORTEX_SEARCH_SERVING_USAGE_HISTORY
Conclusão
O Snowflake Cortex AI torna a inteligência artificial de nível corporativo acessível e prática para os times de dados. Ao trazer modelos de linguagem, busca e análise para dentro da própria plataforma, ele elimina a complexidade de integração sem abrir mão dos requisitos de governança. O Cortex AI trabalha tanto com dados estruturados (tabelas, SQL) quanto com dados não estruturados (textos, documentos), o que permite gerar insights com apoio de IA em todo o seu patrimônio de dados.
O exemplo com o AI_REDACT mostrou como é simples construir pipelines de análise em conformidade com a privacidade. A função usa IA para entender o contexto e identificar dados pessoais em linguagem natural, lidando com variações como "meu nome é X" e endereços escritos de forma corrente, tudo isso sem depender de expressões regulares frágeis. Combine o AI_REDACT com outras funções do Cortex, como AI_SENTIMENT, AI_COMPLETE ou AI_SUMMARIZE, para analisar textos sensíveis com segurança e manter a conformidade com a LGPD.
Keyrus e Snowflake
Como parceira da Snowflake, ajudamos as organizações a adotar o Cortex Code e o Cortex AI de forma coordenada, garantindo que os ganhos de produtividade não avancem mais rápido do que a maturidade de governança. Nossa abordagem alinha engenharia de plataforma, monitoramento de FinOps e habilitação em IA para criar arquiteturas corporativas de inteligência artificial sustentáveis dentro do Snowflake.
Fale com o nosso time para começar a sua jornada no ecossistema Cortex.